当前位置：首页 > news >正文

亚太赫兹ISAC技术：机器联觉与多模态融合的6G通信

news 2026/5/25 4:09:41

1. 亚太赫兹ISAC技术概述

在6G通信系统中，集成感知与通信(ISAC)技术正成为支撑智能交通、低空经济等新兴应用的核心基础设施。亚太赫兹频段(100-300GHz)因其超大带宽特性，能够同时实现100Gbps级通信速率和亚毫米级感知精度，成为ISAC系统的理想工作频段。然而，该频段独特的传播特性也给系统设计带来三大核心挑战：

硬件限制与传播损耗：亚太赫兹信号易受大气吸收和雨衰影响，路径损耗比毫米波高20dB以上。传统混合预编码架构中，模拟部分的移相器(PS)无法补偿频率选择性衰落，导致严重的波束斜视(Beam Squint)效应——不同子载波的波束指向发生偏移，阵列增益最高可损失15dB。
三维动态拓扑适配：空天地网络中，地面车辆与低空无人机(UAV)呈现高度动态的三维分布。以城市交叉路口场景为例，基站需要同时服务高度1.4m的车辆用户(水平方位角变化率>30°/s)和高度45m的无人机目标(垂直俯仰角变化率>10°/s)，传统线性阵列的波束管理方案完全失效。
多模态数据融合：现有系统依赖射频测量进行信道估计，在256天线配置下需消耗超过5ms的导频开销。而视觉传感器虽能提供瞬时空间信息，但RGB-D相机在100米距离的测角误差达±3°，无法满足亚太赫兹波束的精确指向需求(要求<0.5°)。

2. SoM增强的ISAC系统架构

2.1 机器联觉(SoM)原理

机器联觉(Synesthesia of Machines)受生物神经交叉感知启发，通过异构传感器的数据融合建立跨模态关联。在我们的框架中，通过联合优化三个维度的自由度(DoF)：

硬件DoF：在传统PS网络后引入真时延线(TTD)，每个TTD单元连接16×16的子阵列，通过纳秒级延迟补偿实现频率相关相位调整。实测表明，该结构可将128天线系统的波束斜视效应降低82%。
信道DoF：建立通信-感知信道相关性(C-S Correlation)指标：
```
Cor(H,G) = 1/KL(ħb_c,ħb_s)
```
其中KL散度量化波束域功率分布的差异。当Cor(H,G)从0.3提升至0.9时，系统频谱效率(SE)可提高2.8倍，同时感知CRB降低67%。
数据DoF：视觉数据提供LoS路径的几何先验，而稀疏射频测量捕捉多径分量。通过跨模态特征融合，将信道估计开销从传统256导频降至16个。

2.2 斜视感知波束管理

针对UPA的波束斜视问题，提出SA-CP-BT(Squint-Aware Cross-Pattern Beam Tracking)算法：

视觉粗定位：采用改进的YOLOv5-s模型处理三目RGB-D数据，在55m高度基站下实现：
- 车辆检测精度mAP@0.5=92.4%
- 水平角度初始估计误差<5°
- 处理延迟仅8.3ms/帧
射频精跟踪：将视觉提供的角度范围划分为满足Δθ≤4fc/(NthfM)的网格(对100GHz载频、16水平天线，Δθ≤0.25°)。通过控制TTD产生斜视波束，使各子载波沿十字轨迹扫描：
```
# TTD延迟矩阵计算 T[qh,qv] = (f1/(2Bfc))*(sinθ0sinφ0(nth-1)+cosθ0(ntv-1)) - (fM/(2Bfc))*(sinθ1sinφ1(nth-1)+cosθ1(ntv-1))
```
实测显示，该方法仅需1ms即可将角度误差收敛至0.1°以内，比传统分层训练快20倍。

3. 多模态混合预编码设计

3.1 ViR-Net网络架构

提出的视觉-射频融合网络(Vision-RF Network)包含四部分：

频谱编码器(SpE)：将用户/目标的极坐标(φ,θ,d)转换为3D定位谱，通过残差卷积提取空间特征。在256维特征空间实现定位误差<0.3m。
视觉编码器(ViE)：采用三路ConvNeXt块处理多视角RGB-D数据，通过自注意力机制融合。预训练阶段采用MSE损失，在AirSim仿真数据上达到PSNR=38.6dB。
特征融合Transformer：将256×512的特征序列输入两层Transformer编码器，关键改进包括：
- 相对位置编码适配三维空间关系
- 动态注意力门控增强跨模态关联
预编码头：分阶段预测TTD、PS和数字预编码参数。特别地，数字部分采用复数矩阵的实虚部分解表示，通过功率归一化层满足约束。

3.2 无监督损失函数

设计兼顾C-S相关性和性能平衡的损失项：

L = -1/Nb Σ[Cor(H,G)/Cor* × (CRBmin/CRB - ηcReLU(Γ-R))]

其中ηc=0.7调节通信阈值Γ的惩罚强度。在NVIDIA RTX4060Ti上训练时，采用Adam优化器(学习率4e-3)经过20轮收敛。

4. 实测性能分析

4.1 实验配置

硬件平台：256元UPA(16×16)，6个RF链，TTD最大延迟1ns
信道环境：100GHz载频，8GHz带宽，SUMO生成动态交通流
对比方案：
- SA-Opt-ISAC：基于完美CSI的优化上界
- BCD-ISAC：传统坐标下降法
- Vi-ISAC：纯视觉方案

4.2 关键结果

ISAC性能边界：在10dB SNR下，本方案实现：
- 通信SE=31.23bps/Hz (达理论最优的90.8%)
- 感知CRB=2.94×10⁻³rad² (比BCD-ISAC低11.2%)
效率提升：考虑帧结构开销后，时间平均效率：
- SE=28.7bps/Hz (比射频方案高3.2倍)
- CRB=3.1×10⁻³rad² (降低62%)
鲁棒性测试：当用户-目标角度间隔(MSIA)从0增至0.5rad时：
- 传统方案SE下降64%，而本方案仅降17%
- 得益于TTD对C-S相关性的主动调控