当前位置：首页 > news >正文

ISAC系统中杂波建模与抑制技术解析

news 2026/5/4 4:23:15

1. 项目概述

在无线通信与雷达感知融合的背景下，集成感知与通信（ISAC）技术通过统一频谱和硬件资源，实现了感知与通信功能的协同优化。然而，在宽带和散射丰富的环境中，杂波（clutter）往往成为影响感知可靠性的关键瓶颈。本文将深入探讨ISAC系统中的杂波问题，包括其建模方法、抑制技术以及未来发展方向。

1.1 核心需求解析

ISAC系统在实际部署中面临的主要挑战包括：

环境散射干扰：静态物体和动态散射体产生的回波（冷杂波）会掩盖目标信号
外部干扰：非协作发射源通过环境散射产生的干扰（热杂波）具有快速时变特性
资源竞争：感知所需的确定性波形与通信所需的随机性波形之间存在固有矛盾

2. 杂波建模与特性分析

2.1 杂波分类与物理机制

2.1.1 冷杂波（Cold Clutter）

冷杂波源于ISAC系统自身发射信号的环境后向散射，具有以下特征：

波形相关性：与发射信号相干，可通过"去随机化"处理
准静态特性：在多个相干处理间隔（CPI）内保持相对稳定
多普勒扩展：当接收机与散射体存在相对运动时产生

典型场景包括：

城市环境中的建筑物反射
道路基础设施的静态回波
植被等自然物体的散射

2.1.2 热杂波（Hot Clutter）

热杂波由外部干扰源经环境散射产生，其特征为：

非协作性：干扰源波形通常未知
快速时变：统计特性在空间、时间和频率维度快速变化
空间分布：包含直达路径和散射路径分量

常见来源：

相邻蜂窝基站干扰
其他无线系统的带外辐射
恶意干扰发射机

2.2 统计建模方法

2.2.1 幅度分布模型

表1对比了典型杂波幅度分布特性：

分布类型	适用场景	尾部特性	参数估计复杂度
瑞利分布	均匀散射环境	轻尾	低
对数正态分布	阴影衰落场景	中尾	中
韦布尔分布	海面/地形杂波	灵活可调	中
K分布	城市/海面尖峰杂波	重尾	高

2.2.2 空-时-频相关结构

宽带MIMO-OFDM系统中的杂波协方差矩阵可表示为：

R_{cc}[n,n'] = \sum_{c=1}^C \rho_c[n,n']b_n(θ_c)a_n^H(θ_c)R_X[n,n']a_{n'}(θ_c)b_{n'}^H(θ_c)

其中关键影响因素包括：

频率选择性反射系数ρ_c[n,n']
波束偏移效应（beam squint）导致的导向矢量变化
发射波形相关性R_X[n,n']

2.3 实测数据拟合技巧

在实际系统中，建议采用以下建模流程：

场景分类：根据部署环境（城市/郊区/室内）选择基础模型
带宽评估：计算散射体电尺寸变化Δ(ka)=2πD_{dom}B/c_0
子带划分：当Δ(ka)≥O(1)时采用子带化建模
参数估计：使用最大似然或矩匹配方法
模型验证：通过KS检验或Q-Q图评估拟合优度

注意事项：对于毫米波ISAC系统，需特别注意阵列响应随频率的变化，建议采用(12)式的精确导向矢量模型而非简化ULA模型。

3. 接收端杂波抑制技术

3.1 慢时域处理

3.1.1 移动目标指示（MTI）

基本原理：利用杂波与目标的多普勒差异进行滤波

实现方法：

# 单延迟对消器(SDC)实现 def sdc_filter(y, Gd=1): return y[Gd:] - y[:-Gd]

性能特点：

计算复杂度低（O(L)）
在零多普勒附近形成陷波
盲速问题：在f_D = m/(G_dT_sym)处出现检测盲区

3.1.2 背景估计与消减

递归均值平均(RMA)：

\hat{y}_c[ℓ] = ρ\hat{y}_c[ℓ-1] + (1-ρ)y[ℓ]

参数选择建议：

静态场景：ρ=0.99~0.995
动态场景：ρ=0.95~0.98

符号级平均：

优点：完全抑制静态杂波
局限：需要准静态环境假设

3.2 空域处理

3.2.1 确定性波束置零

步骤：

估计主导杂波方向{θ_c,1,...,θ_c,C0}
构造正交投影矩阵：
```
P^⊥ = I - B_c(B_c^H B_c)^{-1}B_c^H
```

设计约束波束形成器：

u_{det} = \frac{P^⊥ b(θ_t)}{b^H(θ_t)P^⊥ b(θ_t)}

3.2.2 协方差自适应波束形成

MVDR波束形成器：

w_{MVDR} = \frac{R_I^{-1}b(θ_t)}{b^H(θ_t)R_I^{-1}b(θ_t)}

实际实现考虑：

对角加载：R_I ← R_I + σ^2I
子空间投影：当杂波秩较低时使用
正则化：OAS收缩估计器(55)式

3.3 空时自适应处理（STAP）

3.3.1 全维STAP

系统模型：

y = Xv(θ,f_D) + η

最优滤波器：

w_{STAP} = \frac{R_I^{-1}Xv(θ,f_D)}{v^H(θ,f_D)X^H R_I^{-1}Xv(θ,f_D)}

3.3.2 降复杂度变体

降维STAP：

波束域：T_RD = [b(θ_1),...,b(θ_d)]
多普勒域：T_RD = FFT矩阵前d列

降秩STAP：

\hat{R}_I ≈ U_rΛ_rU_r^H

秩选择准则：

特征值阈值：λ_i > σ^2(1 + √(N_tr/N_rL))
能量捕获：∑_{i=1}^r λ_i/tr(R_I) ≥ 0.9

4. 发射端杂波管理

4.1 联合收发波束形成设计

优化问题表述：

max_{W,u} SCNR(W,u) s.t. SINR_k ≥ γ_k, ∀k tr(WW^H) ≤ P_tot

求解方法：

固定W，求解MVDR接收机u
固定u，使用Dinkelbach变换处理分式目标
交替优化直至收敛

4.2 波形优化策略

4.2.1 符号级预编码（SLP）

核心思想：利用符号级自由度同时满足通信QoS和感知需求

安全边际约束：

ℜ{h_k^H x s_k^*}sin(π/Ω) - |ℑ{h_k^H x s_k^*}|cos(π/Ω) ≥ \bar{γ}

4.2.2 距离-多普勒旁瓣抑制

优化目标：

min_{X} ∫∫|χ(τ,f_D)|^2 w(τ,f_D)dτ df_D s.t. δ_{n,k}[ℓ] ≥ \bar{γ}_{n,k}

其中χ(τ,f_D)为模糊函数，w(τ,f_D)为加权函数。

5. 实际部署考量

5.1 场景适配指南

场景类型	推荐模型	处理技术	特殊考虑
V2X	K分布+SIRV	空时联合处理	双模多普勒
室内	几何+统计	符号级预编码	LoS主导
无人机	子带化模型	高度自适应STAP	距离梯度
工业物联网	稀疏几何	确定性置零	金属散射