6G通信中旋转阵列与混合波束成形技术解析
1. 旋转阵列辅助的混合波束成形技术解析
在6G通信系统中，集成感知与通信（ISAC）技术正成为关键发展方向。这项技术的核心挑战在于如何平衡通信容量和感知能力，同时控制硬件复杂度和功耗。传统固定位置天线（FPA）系统由于无法动态调整空间特性，往往难以实现最优性能。而六维可移动天线（6DMA）技术通过引入空间位置和旋转角度的自由度，为解决这一问题提供了新思路。
旋转阵列（RA）作为6DMA技术的重要组成部分，相比传统仅能调整位置的移动天线，增加了三维旋转自由度。这种设计使得天线面板能够更灵活地优化波束指向，特别是在考虑天线辐射方向图效率的信道模型中，旋转阵列可以更高效地提供定制化的感知和通信服务。想象一下，这就像给摄像师配备了一个可以360度旋转的云台，而不仅仅是固定在三脚架上——前者显然能捕捉到更理想的画面。
混合波束成形技术则从另一个维度解决了大规模天线阵列的硬件挑战。在毫米波频段，传统全数字波束成形需要为每个天线单元配备独立的射频链，导致硬件成本和功耗急剧上升。混合波束成形通过少量射频链配合相位移相器网络，在性能和复杂度之间取得了良好平衡。其中，子连接结构（sub-connected）相比全连接结构（fully-connected）具有更高的能效和更简单的工程实现。
2. 系统模型与问题构建
2.1 旋转阵列基站架构
研究的系统模型是一个旋转阵列辅助的远场多用户MISO ISAC系统，包含一个双功能雷达通信基站（DFRC BS）、K个单天线用户、一个待感知目标以及C个作为感知干扰的杂波。基站配备了Nt个发射天线和Nr个接收天线，分别固定在可旋转的发射面板（TP）和接收面板（RP）上。
这种架构有几个关键技术创新点：
- 采用子连接混合阵列结构，将Nt个发射天线分为NRF个不重叠的子阵列，每个子阵列包含M=Nt/NRF个天线，通过相位移相器连接到一个射频链上
- 双静态设置避免了全双工模式下的自干扰问题
- 通过嵌入式柔性导线的可旋转杆实现三维旋转调节，旋转角度ϖq=[αq,βq,γq]^T（q∈{t,r}）分别表示绕x、y、z轴的旋转角度
2.2 信道建模的创新之处
与传统模型相比，本研究考虑了天线辐射方向图效率的影响，这使得信道模型更加精确。具体表现在：
场响应模型采用平面波假设，考虑了旋转带来的天线位置变化： t_nt = R(ϖt)q_nt + C_t r_nr = R(ϖr)q_nr + C_r
信道功率增益计算中包含了天线方向图的影响： |h_nt,k(p)| = ρ√[(p-t_nt)^T u_t / ||p-t_nt||] 其中u_t = R(ϖt)u0是发射面板的外向法向量
感知信道采用双静态雷达模型： G_χ = β_χ g_χ h_χ^H 其中χ={s,1,...,C}表示目标或杂波
2.3 信号模型与问题构建
系统采用混合预编码架构，发射波束成形矩阵W∈C^(Nt×(K+1))包含K个用户的通信波束和1个专用感知波束。接收信号模型分为：
用户侧： y_k = h_k^H F w_k s_k + Σh_k^H F w_j s_j + n_k 通信速率R_k = log2(1+SINR_k)
感知侧： y_s = ζ_s u^H G_s F W s + Σζ_c u^H G_c F W s + n_s 感知互信息R_s = log2(1+SCNR)
优化问题构建为最大化加权通信速率和感知互信息之和： max ϖ_c ΣR_k + ϖ_s R_s s.t. ||u||^2=1, ||FW||_F^2≤P_max, F∈A_F
这个问题的挑战性在于：
- 目标函数和约束条件都是非凸的
- 变量高度耦合（数字/模拟波束成形、接收波束成形、旋转角度）
- 需要考虑天线旋转带来的信道变化
3. 基于交替优化的算法设计
3.1 算法框架概述
针对这个复杂的非凸优化问题，研究提出了一种基于交替优化（AO）的解决方案。整体算法框架分为五个子问题交替求解：
- 接收波束成形优化（闭式解）
- 发射数字波束成形优化（Lagrange对偶法）
- 发射模拟波束成形优化（SVD分解+惩罚方法）
- 辅助变量更新（闭式解）
- 天线旋转优化（梯度上升法）
这种分解方法的核心思想是：在每次迭代中，固定其他变量，优化一个变量，逐步逼近全局最优解。为了处理目标函数中的分式形式，算法采用了分数规划（FP）方法进行转化。
3.2 关键子问题求解细节
3.2.1 接收波束成形优化
给定其他变量时，接收波束成形u的优化问题简化为最大化SCNR。这是一个广义瑞利商问题，其闭式解为： u* = (Σ˜f_c˜f_c^H + σ_s^2 I)^(-1) b_s / ||(Σ˜f_c˜f_c^H + σ_s^2 I)^(-1) b_s||_2
这个解实际上是一个最小均方误差（MMSE）滤波器，能够有效抑制杂波干扰。
3.2.2 数字波束成形优化
数字波束成形W的优化采用Lagrange对偶方法。通过引入Lagrange乘子λ处理功率约束，得到KKT条件。数字波束成形的闭式解为： w_k(λ) = (Λ_k + λI)^(-1)* φ_k
其中Λ_k和φ_k包含了通信和感知的权衡。通过二分法搜索合适的λ以满足功率约束。
3.2.3 模拟波束成形优化
模拟波束成形F的优化面临单位模约束挑战。算法创新性地：
- 提取F的非零元素d∈C^(Nt×1)
- 对W进行SVD分解：W=Σρ_r u_r v_r^H
- 引入辅助变量ϕ和惩罚项，转化为： max P̃ - η||ϕ-d||_2^2
- 交替优化ϕ和d，其中d的相位由ϕ决定：arg{d}=arg{ϕ}
这种方法避免了黎曼流形优化的计算复杂性，提高了算法效率。
3.2.4 天线旋转优化
天线旋转角度Λ的优化采用两阶段梯度上升法：
- 通过初步搜索确定较优初始点
- 计算目标函数对旋转角度的导数∂G̃/∂Λ̃
- 沿梯度方向更新旋转角度
导数的计算涉及多个项的偏导，如： ∂F_1,k/∂Λ̃ = 2Re{ξ_k^c* (∂h_k^H/∂Λ̃)F w_k} ∂F_2,k,j/∂Λ̃ = 2Re{h_k^H F w_j (∂h_k/∂Λ̃)^H F w_j}
4. 性能评估与工程启示
4.1 仿真结果分析
通过大量仿真验证了所提算法的有效性，主要结论包括：
旋转阵列ISAC系统性能优势：
- 在相同硬件配置下，RA系统比FPA系统平均提升27.6%的加权和速率
- 在特定参数配置下，子连接RA系统性能接近全数字FPA系统
算法收敛性：
- AO框架通常在10-15次迭代内收敛
- 梯度上升法的两阶段设计有效避免了局部最优
通信-感知权衡：
- 权重系数ϖ_c和ϖ_s的调整可以实现不同的业务需求平衡
- RA系统在两者权衡曲线上整体优于FPA系统
4.2 工程实现建议
基于研究成果，给出以下工程实践建议：
硬件设计考虑：
- 旋转机构精度要求：建议采用步进电机实现≤0.5°的角度控制
- 面板尺寸设计：D≤5λ以保持远场假设有效性
- 子阵列划分：建议M=4-8个天线为一个子阵列
算法实现优化：
- 数字波束成形更新可采用并行计算加速矩阵求逆
- 模拟波束成形优化中η取值建议在0.1-1之间
- 梯度上升法学习率采用自适应策略
实际部署注意事项：
- 需定期校准旋转角度传感器
- 考虑机械振动对射频性能的影响
- 环境温度变化可能影响旋转机构精度
5. 扩展应用与未来方向
这项研究的技术方案可以扩展到多个应用场景：
车联网（V2X）：
- 通过旋转阵列实时跟踪高速移动车辆
- 同时提供高精度定位和高速率通信
工业物联网（IIoT）：
- 在复杂工业环境中实现可靠通信和设备状态监测
- 通过旋转优化克服多径效应
环境监测：
- 大范围区域内的目标检测与环境感知
- 自适应调整波束覆盖监测区域
未来研究方向可能包括：
- 结合可重构智能表面（RIS）进一步增强系统性能
- 研究三维旋转与位置联合优化的6DMA系统
- 探索机器学习方法降低算法计算复杂度
- 考虑更复杂的多目标感知场景
这项研究通过旋转阵列和混合波束成形的协同设计，在ISAC系统中实现了通信与感知性能的联合优化。工程实践表明，在保持合理硬件复杂度的前提下，系统性能可接近理想的全数字波束成形方案，为6G通信系统的实际部署提供了有价值的参考方案。