基于無(wú)人機(jī)的6G通感算研究概述*

廖佳佳，向路平，胡杰，楊鯤

（電子科技大學(xué)信息與通信工程學(xué)院，成都 四川 611731）

0 引言

近年來(lái)，第五代移動(dòng)通信系統(tǒng)（5G,the fifth generation of mobile communications system）的融合應(yīng)用正在推動(dòng)經(jīng)濟(jì)社會(huì)的數(shù)字化、網(wǎng)絡(luò)化和智能化轉(zhuǎn)型[1]，迎來(lái)了萬(wàn)物互聯(lián)的新時(shí)代。隨著5G 技術(shù)的發(fā)展，新的應(yīng)用場(chǎng)景，如智慧城市[2]、智慧交通、智能家居和智能工業(yè)[3]等，受到了互聯(lián)網(wǎng)業(yè)、工業(yè)界和學(xué)術(shù)界的廣泛關(guān)注，進(jìn)一步推動(dòng)了萬(wàn)物智聯(lián)的第六代移動(dòng)通信系統(tǒng)（6G,the sixth generation of mobile communications system）的到來(lái)。同時(shí)，這些新的應(yīng)用場(chǎng)景需要極低的延遲、高質(zhì)量的無(wú)線連接和更高精度的傳感能力，然而現(xiàn)有的5G 技術(shù)無(wú)法滿足這些需求。隨著無(wú)線通信業(yè)務(wù)需求的增長(zhǎng)和感知設(shè)備數(shù)量的增加，無(wú)線資源和算力之間的矛盾變得更加突出[4]；其次，6G 應(yīng)用場(chǎng)景的實(shí)現(xiàn)需要實(shí)現(xiàn)閉環(huán)控制信息流，包括傳感數(shù)據(jù)的采集和共享、智能處理和決策，以及確定性控制指令的傳輸和執(zhí)行；再者，6G 應(yīng)用于高度動(dòng)態(tài)的環(huán)境中，需要多個(gè)智能機(jī)器密切合作來(lái)完成關(guān)鍵任務(wù)，而現(xiàn)有的5G 技術(shù)無(wú)法將感知深度融合，以達(dá)到高度自動(dòng)化的控制[5]。

針對(duì)上述挑戰(zhàn)，學(xué)術(shù)界和工業(yè)界正在不斷深入探索通信-感知-計(jì)算的融合技術(shù)。一方面，射頻傳感和通信系統(tǒng)在高頻段上逐漸接近，朝著天線陣列小型化的方向發(fā)展；另一方面，傳感系統(tǒng)和通信系統(tǒng)在硬件架構(gòu)、信道特性和信號(hào)處理方面具有相似的特性[6]，促進(jìn)了通信感知一體化（ISAC,Integrated Sensing and Communication）研究的發(fā)展[7]。此外，后5G（B5G,5G and beyond）和6G 時(shí)代的應(yīng)用場(chǎng)景將面臨更加復(fù)雜的動(dòng)態(tài)環(huán)境，需要增強(qiáng)的感知計(jì)算能力來(lái)實(shí)現(xiàn)精準(zhǔn)感知和靈活決策，從而實(shí)現(xiàn)準(zhǔn)確、快速的互聯(lián)互通，達(dá)到分布式協(xié)同計(jì)算的目的[8]。同時(shí)，人工智能技術(shù)（例如深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)和分布式學(xué)習(xí)）的崛起推動(dòng)了通信-感知-計(jì)算的深度融合。

近年來(lái)，無(wú)人機(jī)以其高機(jī)動(dòng)性、靈活部署和廣泛覆蓋的能力受到廣泛關(guān)注。隨著通感算一體化網(wǎng)絡(luò)的興起，研究者們開(kāi)始探討無(wú)人機(jī)在通感算一體化網(wǎng)絡(luò)中的應(yīng)用。首先，對(duì)無(wú)人機(jī)與ISAC 系統(tǒng)融合的優(yōu)勢(shì)進(jìn)行討論。無(wú)人機(jī)ISAC 網(wǎng)絡(luò)與傳統(tǒng)地面網(wǎng)絡(luò)相比，傳統(tǒng)的地面ISAC 網(wǎng)絡(luò)只能在固定和有限的范圍內(nèi)提供傳感服務(wù)，其視距通信容易受到阻擋從而大大降低感知性能，在突發(fā)情況或臨時(shí)情況下無(wú)法滿足需求[9]。無(wú)人機(jī)由于體積小、移動(dòng)靈活、易于部署等特點(diǎn)，能有望提供更好的覆蓋、觀測(cè)和測(cè)控性能[10]。同時(shí)，與單功能無(wú)人機(jī)相比，無(wú)人機(jī)ISAC 系統(tǒng)可以最小化無(wú)人機(jī)負(fù)載，提高負(fù)載靈活性和降低功耗。且ISAC 系統(tǒng)在設(shè)計(jì)時(shí)就能夠達(dá)到互利互惠的效果，從而提高系統(tǒng)能量效率[11]。接著，討論無(wú)人機(jī)ISAC 系統(tǒng)與智能計(jì)算相融合。在無(wú)人機(jī)ISAC 網(wǎng)絡(luò)中，可采用分布式智能計(jì)算技術(shù)（如強(qiáng)化學(xué)習(xí)等）將大規(guī)模的通信感知信息融合，通過(guò)無(wú)人機(jī)的智能化協(xié)作與網(wǎng)絡(luò)化感知，輔助系統(tǒng)的自主決策。同時(shí)，分布式智能計(jì)算將輔助無(wú)人機(jī)ISAC 網(wǎng)絡(luò)進(jìn)行資源分配、無(wú)人機(jī)的路徑規(guī)劃和通信感知一體化波形設(shè)計(jì)等，進(jìn)而提高無(wú)人機(jī)通感算網(wǎng)絡(luò)性能。

無(wú)人機(jī)與通感算系統(tǒng)的融合豐富了無(wú)人機(jī)的應(yīng)用場(chǎng)景，例如突發(fā)的交通事故的救援、自然災(zāi)害后的應(yīng)急網(wǎng)絡(luò)搭建、臨時(shí)區(qū)域的熱點(diǎn)增強(qiáng)（體育場(chǎng)館和戶外活動(dòng)等）、未經(jīng)授權(quán)的竊聽(tīng)者監(jiān)控[10]和輔助車聯(lián)網(wǎng)進(jìn)行計(jì)算卸載[12]等，如圖1 所示。無(wú)人機(jī)通感算的應(yīng)用總體可以概括為空中無(wú)人機(jī)基站和無(wú)人機(jī)監(jiān)控兩種，前者是ISAC 系統(tǒng)負(fù)載在無(wú)人機(jī)上，利用無(wú)人機(jī)強(qiáng)大的視距鏈接以及機(jī)動(dòng)性，同時(shí)利用智能計(jì)算輔助，為地面用戶提供高質(zhì)量服務(wù)，從而提升網(wǎng)絡(luò)性能。如文獻(xiàn)[13]中，考慮無(wú)人機(jī)蜂窩互聯(lián)網(wǎng)中的軌跡設(shè)計(jì)問(wèn)題，其中無(wú)人機(jī)通過(guò)協(xié)作感知和傳輸連續(xù)執(zhí)行多個(gè)感知任務(wù)，利用深度強(qiáng)化學(xué)習(xí)算法，最小化任務(wù)信息年齡。后者是無(wú)人機(jī)作為用戶，地面網(wǎng)絡(luò)為無(wú)人機(jī)提供通信、感知與計(jì)算服務(wù)，加強(qiáng)對(duì)無(wú)人機(jī)的追蹤與監(jiān)管，如文獻(xiàn)[14]利用集成通信、感知和控制調(diào)度方法，解決無(wú)人機(jī)輔助高頻毫米波/太赫茲通信中的波束追蹤對(duì)準(zhǔn)問(wèn)題，同時(shí)保障通信傳輸速率性能需求和無(wú)人機(jī)運(yùn)動(dòng)控制。

圖1 無(wú)人機(jī)通感算應(yīng)用場(chǎng)景

1 無(wú)人機(jī)通感算融合中的典型科研問(wèn)題

本節(jié)將討論通感算一體化性能指標(biāo)，以及在無(wú)人機(jī)場(chǎng)景下面臨的通信感知計(jì)算的資源分配、無(wú)人機(jī)的軌跡規(guī)劃、通信感知一體化波形設(shè)計(jì)問(wèn)題。

1.1 通感算一體化性能度量

通感算系統(tǒng)的評(píng)價(jià)指標(biāo)決定著系統(tǒng)的解決方案設(shè)計(jì)?，F(xiàn)有的信息理論大多從是單一維度地對(duì)通信、感知、計(jì)算的性能進(jìn)行評(píng)價(jià)，如何將感知、通信與計(jì)算的指標(biāo)融合分析，將會(huì)是促進(jìn)通感算一體化網(wǎng)絡(luò)性能優(yōu)化的關(guān)鍵。

通信的任務(wù)是盡可能可靠地將消息從源傳輸?shù)侥繕?biāo)，通信的界限受到香農(nóng)定理的限制，其性能指標(biāo)一般從有效性和可靠性兩個(gè)方面進(jìn)行評(píng)價(jià)。有效性可以用頻譜效率、能量效率、信息速率等指標(biāo)衡量；可靠性的常用指標(biāo)包括中斷概率、誤碼率、誤符號(hào)率和幀錯(cuò)誤率等。

感知的指標(biāo)按照功能可以分為檢測(cè)指標(biāo)、估計(jì)指標(biāo)和識(shí)別指標(biāo)。檢測(cè)指在給定的噪聲和干擾的情況下對(duì)感知的目標(biāo)進(jìn)行決策，檢測(cè)指標(biāo)用檢測(cè)概率、虛警概率和漏警概率進(jìn)行衡量。估計(jì)指從噪聲或干擾背景下對(duì)感知對(duì)象用參數(shù)進(jìn)行提取估計(jì)，通常用均方誤差（MSE,Mean Squared Error）和克拉美羅界（CRB,Cramér-Rao Bound）刻畫(huà)[15]。識(shí)別一般包括對(duì)自然事物和人類活動(dòng)的感知理解，可以用識(shí)別精度進(jìn)行衡量。

計(jì)算的性能指標(biāo)分為計(jì)算機(jī)性能指標(biāo)、計(jì)算資源指標(biāo)和計(jì)算服務(wù)指標(biāo)。計(jì)算機(jī)性能指標(biāo)包括CPU 利用率、吞吐量等。計(jì)算資源指標(biāo)是對(duì)整個(gè)計(jì)算生態(tài)系統(tǒng)的度量，包括計(jì)算資源總量、計(jì)算資源使用量以及計(jì)算資源利用率。計(jì)算服務(wù)指標(biāo)是衡量用戶服務(wù)效率的重要指標(biāo)，包括計(jì)算服務(wù)可靠性、計(jì)算服務(wù)有效性和計(jì)算服務(wù)響應(yīng)時(shí)間。

為實(shí)現(xiàn)通信、感知、計(jì)算的深度融合，通感算一體化的性能指標(biāo)的研究亟待解決?，F(xiàn)有的一些研究進(jìn)行了通信和感知性能邊界的探討。研究大致分為兩個(gè)方向，一是提出新的感知或通信的指標(biāo)使二者的度量變得相似，二是利用新的指標(biāo)將感知與通信的性能聯(lián)合量化。現(xiàn)有的研究大多集中于前者。如在文獻(xiàn)[16-17]的研究中，定義了具有通信系統(tǒng)特性的感知指標(biāo)——雷達(dá)估計(jì)信息率，并提出了一系列協(xié)同聯(lián)合雷達(dá)通信性能內(nèi)界。以及文獻(xiàn)[18]中提出將通信信息率等效為MSE，即一種基于率失真理論的最小均方誤差（MMSE,Minimum Mean-Square Error）度量，以便對(duì)雷達(dá)參數(shù)的估計(jì)精度和通信速率之間進(jìn)行權(quán)衡，但該指標(biāo)僅適用于簡(jiǎn)單的線性高斯信道。文獻(xiàn)[14]提出了狀態(tài)噪聲比（StNR,State-to-Noise Ratio）指標(biāo)，其特點(diǎn)是結(jié)合了無(wú)人機(jī)控制理論，將無(wú)人機(jī)的運(yùn)動(dòng)和姿態(tài)等參數(shù)融合在內(nèi)。此外，對(duì)于第二種研究方向，文獻(xiàn)[19]中給出了容量失真函數(shù)來(lái)表示通信容量和傳感失真之間的衡量，這有助于在信息理論的統(tǒng)一框架下分析ISAC 的界限。以上這些研究在一定程度上體現(xiàn)了通信與感知指標(biāo)融合的趨勢(shì)，但是目前尚未有對(duì)感知、通信、計(jì)算三者融合的性能邊界的探討。

1.2 無(wú)人機(jī)通感算系統(tǒng)典型科研問(wèn)題

上文提到，無(wú)人機(jī)憑借著自身的強(qiáng)大的視距通信鏈路、高度的機(jī)動(dòng)性與靈活性而受到廣泛關(guān)注。但是無(wú)人機(jī)本身計(jì)算能力有限，還會(huì)受到重量和功率的限制，因此如何進(jìn)行資源的權(quán)衡分配成為優(yōu)化系統(tǒng)性能的關(guān)鍵問(wèn)題。此外，由于無(wú)人機(jī)在空間范圍內(nèi)的可移動(dòng)性，優(yōu)化無(wú)人機(jī)的軌跡以適應(yīng)不同場(chǎng)景下的需求一直是學(xué)界感興趣的研究方向。對(duì)于無(wú)人機(jī)通感算系統(tǒng)，一體化波形設(shè)計(jì)也是系統(tǒng)設(shè)計(jì)的重難點(diǎn)之一。本節(jié)首先給出了初步的無(wú)人機(jī)通感算的系統(tǒng)模型，然后對(duì)無(wú)人機(jī)通感算系統(tǒng)面臨的三個(gè)主要優(yōu)化問(wèn)題進(jìn)行了簡(jiǎn)要概述。

（1）無(wú)人機(jī)通感算系統(tǒng)模型

如圖2 所示，本文考慮多輸入多輸出（MIMO,Multi-Input-Multi-Output）的無(wú)人機(jī)通感算系統(tǒng)，具有M個(gè)陣元的線性均勻陣列，為K個(gè)單天線通信用戶和J個(gè)感知目標(biāo)提供服務(wù)，在N個(gè)時(shí)隙內(nèi)同時(shí)執(zhí)行感知和通信任務(wù)。無(wú)人機(jī)的水平位置坐標(biāo)為qn=(xn,yn)通信用戶的坐標(biāo)為qk=(xk,yk)，感知目標(biāo)的坐標(biāo)為qj=(xj,yj)，傳輸?shù)男盘?hào)可以定義為：

圖2 無(wú)人機(jī)通感算系統(tǒng)示意圖

其中wk,n為通信感知波束矢量，sk,n為傳輸信息。

無(wú)人機(jī)的通信以視距鏈路為主，因此使用自由空間的路徑損耗模型為系統(tǒng)的信道模型，定義如下：

其中vk,n為接收到的噪聲。系統(tǒng)的SINR 定義為：

Ik,n為同信道干擾，σ2為通信噪聲。使用信息速率來(lái)衡量通信性能，根據(jù)香農(nóng)公式定義為：

其中B為信道帶寬。使用感知波束增益來(lái)衡量感知性能，定義為：

其中α(qn,qj) 為式(3) 中定義的陣列導(dǎo)向矢量。使用計(jì)算能耗來(lái)衡量計(jì)算性能，定義為：

其中Kc為CPU 架構(gòu)的有效開(kāi)關(guān)電容，為無(wú)人機(jī)分配給k用戶的計(jì)算資源，為本地計(jì)算時(shí)延，定義為：

其中為無(wú)人機(jī)計(jì)算的數(shù)據(jù)，為無(wú)人機(jī)為k用戶計(jì)算1bit所需的CPU 周期數(shù)。

（2）資源分配問(wèn)題

隨著萬(wàn)物智聯(lián)的網(wǎng)絡(luò)的發(fā)展，無(wú)人機(jī)作為一種新興的技術(shù)，在6G 應(yīng)用場(chǎng)景中的使用越來(lái)越廣泛。在基于無(wú)人機(jī)的通感算系統(tǒng)中，存在著多維的異構(gòu)資源分配，包括通信感知任務(wù)分配、通信帶寬分配、感知設(shè)備和通信功率分配以及無(wú)人機(jī)計(jì)算資源分配等[20]，同時(shí)考慮在無(wú)人機(jī)場(chǎng)景下，系統(tǒng)內(nèi)部的任務(wù)調(diào)度和外部的動(dòng)態(tài)環(huán)境變得更為復(fù)雜，如何設(shè)計(jì)高效的聯(lián)合優(yōu)化算法對(duì)資源進(jìn)行自適應(yīng)的分配，成為當(dāng)下需要解決的難題。隨著人工智能在通信領(lǐng)域的發(fā)展，利用機(jī)器學(xué)習(xí)來(lái)進(jìn)行智能計(jì)算可以成為一個(gè)有效的解決方案。例如文獻(xiàn)[21]提出了一種多代理的強(qiáng)化學(xué)習(xí)動(dòng)態(tài)資源分配算法，優(yōu)化無(wú)人機(jī)的用戶關(guān)聯(lián)、功率和子信道選擇策略問(wèn)題，而不需要無(wú)人機(jī)間的信息交換。在文獻(xiàn)[22]中結(jié)合多個(gè)強(qiáng)化學(xué)習(xí)算法，解決了多無(wú)人機(jī)通感算系統(tǒng)在波束、信道、功率的資源分配問(wèn)題，實(shí)現(xiàn)了感知和通信性能之間的權(quán)衡。參考文獻(xiàn)[22]，本文提出以下的優(yōu)化函數(shù)：

其中b代表波束資源，c代表信道資源，p代表功率資源，f代表計(jì)算資源，具體定義如下：

其中λ用于在通信和感知性能之間實(shí)現(xiàn)權(quán)衡，Rc(bc,cc,pc,fc)為信息速率作為通信性能的指標(biāo)，定義參照式(6)為：

其中ζ為信道損耗，κ為玻爾茲曼常數(shù)，為系統(tǒng)噪聲溫度；Rs(bs,cs,ps,fs)為雷達(dá)互信息[23]，作為感知性能的指標(biāo)，定義為：

其中s(f) 為歸一化基帶信號(hào)的頻域表示，T為脈沖持續(xù)時(shí)間，σg(f) 為目標(biāo)沖激響應(yīng)，σn(f) 為噪聲沖激響應(yīng)，συ(f)為雜波沖擊響應(yīng)。將式(10)作為強(qiáng)化學(xué)習(xí)中的獎(jiǎng)勵(lì)函數(shù)，利用合適的強(qiáng)化學(xué)習(xí)算法進(jìn)行優(yōu)化，有望降低優(yōu)化問(wèn)題的復(fù)雜度，可以為無(wú)人機(jī)通感算系統(tǒng)資源分配優(yōu)化問(wèn)題提供一個(gè)有效的解決方案。

（3）無(wú)人機(jī)軌跡規(guī)劃問(wèn)題

由于無(wú)人機(jī)在空間中具有靈活可控的移動(dòng)性，可以調(diào)整其在空間中的高度和水平位置，滿足通感算系統(tǒng)中協(xié)同通信和分布式感知計(jì)算的不同任務(wù)需求，從而優(yōu)化系統(tǒng)的性能。目前相關(guān)的研究可以分為兩個(gè)方向，一是在準(zhǔn)靜止場(chǎng)景下，優(yōu)化無(wú)人機(jī)在每個(gè)任務(wù)周期內(nèi)的懸停位置，另一方向是在移動(dòng)場(chǎng)景下，對(duì)無(wú)人機(jī)動(dòng)態(tài)軌跡進(jìn)行優(yōu)化。在準(zhǔn)靜止場(chǎng)景下有如下研究。文獻(xiàn)[24]討論了無(wú)人機(jī)作為空中基站的場(chǎng)景，證明優(yōu)化其位置部署可以提高網(wǎng)絡(luò)的覆蓋性能和頻譜效率。文獻(xiàn)[25]通過(guò)優(yōu)化無(wú)人機(jī)3D 位置以最大化地面用戶數(shù)量，但此研究?jī)H考慮無(wú)人機(jī)的通信性能。文獻(xiàn)[26]中提出了在多無(wú)人機(jī)場(chǎng)景下，聯(lián)合優(yōu)化無(wú)人機(jī)位置、用戶關(guān)聯(lián)和傳輸功率控制來(lái)平衡通信和傳感性能。在移動(dòng)場(chǎng)景下的研究如下，文獻(xiàn)[27]提出了聯(lián)合優(yōu)化無(wú)人機(jī)軌跡、目標(biāo)的調(diào)度順序、分組感知和通信的時(shí)間以及功率分配，來(lái)優(yōu)化ISAC 系統(tǒng)的信息峰值年齡（PAoI,Peak Age of Information），文獻(xiàn)[28]則是分別考慮在準(zhǔn)靜止和動(dòng)態(tài)移動(dòng)場(chǎng)景下，聯(lián)合優(yōu)化無(wú)人機(jī)位置/軌跡和波束以實(shí)現(xiàn)感知、通信性能的權(quán)衡。

本文首先給出在準(zhǔn)靜態(tài)場(chǎng)景下，無(wú)人機(jī)軌跡優(yōu)化問(wèn)題的簡(jiǎn)單描述，結(jié)合式(6)、(7)，以最大化平均信息率為目標(biāo)，以感知互信息為約束，得出以下優(yōu)化問(wèn)題：

其中Γ(q,qj) 在式(7) 中定義，η為給定的閾值。在動(dòng)態(tài)場(chǎng)景下以式(14) 為基礎(chǔ)，考慮每個(gè)時(shí)隙中無(wú)人機(jī)的位置優(yōu)化，增加無(wú)人機(jī)位置和速度約束，問(wèn)題描述如下：

其中qI=（xI，yI）為無(wú)人機(jī)初始位置，qF=（xF，yF）無(wú)人機(jī)最終位置，Vmax無(wú)人機(jī)最大飛行速率。

（4）一體化波形設(shè)計(jì)問(wèn)題

波形設(shè)計(jì)在通感算一體化系統(tǒng)中起著關(guān)鍵作用，一方面有效的波形設(shè)計(jì)能夠輔助精確感知和可靠通信，降低任務(wù)時(shí)延，提高計(jì)算效率，從而優(yōu)化系統(tǒng)性能；另一方面，利用分布式算力進(jìn)行波束的快速對(duì)準(zhǔn)和跟蹤，可以有效增強(qiáng)系統(tǒng)的信息處理能力，從而進(jìn)一步提高網(wǎng)絡(luò)的計(jì)算能力?，F(xiàn)有的研究側(cè)重于通過(guò)共享信號(hào)資源來(lái)設(shè)計(jì)能夠進(jìn)行感知和通信的一體化波形，從而實(shí)現(xiàn)集成增益[6]。根據(jù)集成方式，ISAC 波形設(shè)計(jì)可以大致分為兩類：一類是利用時(shí)分[29]、頻分[30]、空分[31]、碼分[32]以及多個(gè)維度相結(jié)合的復(fù)用的方法將感知波形和通信波形組合成為一體化波形，如文獻(xiàn)[33]中用以解決系統(tǒng)功率公平分配的正交時(shí)頻空間調(diào)制波形；另一類是通過(guò)聯(lián)合設(shè)計(jì)統(tǒng)一的波形來(lái)同時(shí)實(shí)現(xiàn)感知探測(cè)和通信傳輸功能。前者的波形設(shè)計(jì)方法在硬件上容易實(shí)現(xiàn)，但是沒(méi)有將感知和通信的資源完全融合，頻譜和能量利用效率不高。后者的設(shè)計(jì)方法可塑性較高也更為靈活，資源利用率更高，是當(dāng)下研究的熱點(diǎn)方向。聯(lián)合波形設(shè)計(jì)可以不拘于傳統(tǒng)的通信/雷達(dá)信號(hào)，而是根據(jù)通信和感知的設(shè)計(jì)目標(biāo)和約束進(jìn)行設(shè)計(jì)?？梢詫⒔邮招盘?hào)表示為：

其中H為信道矩陣，W為聯(lián)合波束形成矩陣，X為發(fā)射信號(hào)矩陣，N為系統(tǒng)噪聲，可以通過(guò)設(shè)計(jì)發(fā)射波形X和預(yù)編碼矩陣W來(lái)實(shí)現(xiàn)通信和感知的性能需求。例如文獻(xiàn)[34]中進(jìn)行了集成目標(biāo)檢測(cè)和下行鏈路通信的雙功能一體化波形設(shè)計(jì)，在雷達(dá)波束方向圖約束下，對(duì)發(fā)射波形X進(jìn)行優(yōu)化，最小化多用戶干擾。文獻(xiàn)[35]設(shè)計(jì)了一個(gè)MIMO 雙功能雷達(dá)通信系統(tǒng)，將雷達(dá)波形和通信符號(hào)以加權(quán)和的形式進(jìn)行傳輸，在發(fā)射功率和通信服務(wù)質(zhì)量約束下優(yōu)化雷達(dá)波束方向圖和預(yù)編碼器W，以優(yōu)化雷達(dá)感知和通信性能。

本文給出了優(yōu)化波束形成的方法，基于上文中的系統(tǒng)模型，在功率限制和滿足波束增益的條件下，可以通過(guò)設(shè)計(jì)優(yōu)化式(1)中的波束矢量，最大化系統(tǒng)的通信速率。優(yōu)化問(wèn)題描述為：

其中Pmax為最大波束功率。

對(duì)于無(wú)人機(jī)通感算系統(tǒng)的一體化波形設(shè)計(jì)，需要聯(lián)合更多的參數(shù)進(jìn)行設(shè)計(jì)，包括無(wú)人機(jī)軌跡、功率分配、用戶關(guān)聯(lián)等。如文獻(xiàn)[28]中，在傳輸功率限制和感知波束增益要求下，聯(lián)合優(yōu)化了無(wú)人機(jī)軌跡和波束，實(shí)現(xiàn)感知與通信性能的權(quán)衡設(shè)計(jì)。文獻(xiàn)[36]在感知頻率和波束方向圖增益約束下，通過(guò)聯(lián)合優(yōu)化UAV 軌跡、傳輸預(yù)編碼器和感測(cè)開(kāi)始時(shí)刻，使用戶信息速率最大化。文獻(xiàn)[37]則是通過(guò)優(yōu)化通信感知波束形成以及無(wú)人機(jī)軌跡，最大化系統(tǒng)的平均吞吐量。但是隨著聯(lián)合設(shè)計(jì)的參數(shù)增多，波形和波束設(shè)計(jì)的優(yōu)化問(wèn)題變得更為復(fù)雜，此外，無(wú)人機(jī)帶來(lái)的動(dòng)態(tài)場(chǎng)景下的波束預(yù)測(cè)和追蹤問(wèn)題，使得計(jì)算變得更加困難。由于強(qiáng)化學(xué)習(xí)具有根據(jù)環(huán)境動(dòng)態(tài)學(xué)習(xí)的特點(diǎn)，利用強(qiáng)化學(xué)習(xí)進(jìn)行智能波形和波束設(shè)計(jì)有望成為解決這一問(wèn)題的有效方案，具體將會(huì)在第2 節(jié)中介紹。

2 無(wú)人機(jī)通感算系統(tǒng)的優(yōu)化問(wèn)題解決方案

無(wú)人機(jī)無(wú)線網(wǎng)絡(luò)的任務(wù)效率取決于各種參數(shù)，包括上文提到的資源利用效率、飛行軌跡、一體化波束等，因此，有效解決優(yōu)化問(wèn)題是提高無(wú)人機(jī)通感算系統(tǒng)的關(guān)鍵。近年來(lái)，由于無(wú)人機(jī)在通信領(lǐng)域應(yīng)用受到廣泛關(guān)注，關(guān)于無(wú)人機(jī)網(wǎng)絡(luò)的優(yōu)化問(wèn)題的解決方案也不斷增加?，F(xiàn)有的解決方案大致可以分為機(jī)器學(xué)習(xí)的算法以及非機(jī)器學(xué)習(xí)的算法。表1 和表2 分別對(duì)非機(jī)器和機(jī)器學(xué)習(xí)的解決方案進(jìn)行了歸納。非機(jī)器學(xué)習(xí)的算法包含傳統(tǒng)的連續(xù)優(yōu)化算法，如文獻(xiàn)[38]開(kāi)發(fā)了一個(gè)粒子群優(yōu)化框架，對(duì)無(wú)人機(jī)的位置以及用戶覆蓋率進(jìn)行優(yōu)化。對(duì)于多參數(shù)的優(yōu)化，有文獻(xiàn)[39]中優(yōu)化無(wú)人機(jī)的軌跡和波束形成方向，將非凸的聯(lián)合優(yōu)化分解為兩個(gè)子問(wèn)題，再進(jìn)行交替優(yōu)化，這樣的優(yōu)化思路普遍用于優(yōu)化參數(shù)較少的情況。另有文獻(xiàn)[40]中對(duì)無(wú)人機(jī)蜂窩網(wǎng)絡(luò)中的資源分配和軌跡進(jìn)行優(yōu)化，使用放寬為標(biāo)準(zhǔn)線性規(guī)劃和分支定界的方法對(duì)非凸問(wèn)題進(jìn)行求解。

表1 基于非機(jī)器學(xué)習(xí)算法的無(wú)人機(jī)通感算系統(tǒng)優(yōu)化問(wèn)題解決方案

表2 基于機(jī)器學(xué)習(xí)算法的無(wú)人機(jī)通感算系統(tǒng)優(yōu)化問(wèn)題解決方案

盡管以上的方法能夠在優(yōu)化參數(shù)不多的情況下得到有效求解，但是在復(fù)雜的動(dòng)態(tài)場(chǎng)景中，優(yōu)化變量的增加可能使問(wèn)題求解變得更加復(fù)雜和困難。此時(shí)需要智能計(jì)算輔助問(wèn)題的優(yōu)化求解。機(jī)器學(xué)習(xí)技術(shù)的興起，為無(wú)人機(jī)通感算系統(tǒng)的優(yōu)化問(wèn)題提供了智能計(jì)算的解決方案，有望降低系統(tǒng)的復(fù)雜度和實(shí)現(xiàn)前所未有的性能提升。

機(jī)器學(xué)習(xí)基于模式識(shí)別框架，其主要思想是利用一組數(shù)據(jù)和過(guò)去良好動(dòng)作序列之間的相關(guān)性來(lái)適應(yīng)環(huán)境變化，而無(wú)需人為干預(yù)。其包含三個(gè)類別：監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)[41]。

◆監(jiān)督學(xué)習(xí)：使用數(shù)據(jù)集訓(xùn)練，包括輸入和輸出，即特征和目標(biāo)，目標(biāo)需要人為標(biāo)注。因此，這種算法只能用于有足夠標(biāo)記數(shù)據(jù)的場(chǎng)景。常見(jiàn)的監(jiān)督學(xué)習(xí)算法包括回歸分析和統(tǒng)計(jì)分類。

◆無(wú)監(jiān)督學(xué)習(xí)：需要用于訓(xùn)練的數(shù)據(jù)，但不需要標(biāo)記輸出。因此，在這種類型的學(xué)習(xí)中，需要對(duì)可用數(shù)據(jù)執(zhí)行聚類或模式發(fā)現(xiàn)。常見(jiàn)的算法有生成對(duì)抗網(wǎng)絡(luò)（GAN）。

◆強(qiáng)化學(xué)習(xí)：不需要?dú)v史數(shù)據(jù)進(jìn)行訓(xùn)練。相反，強(qiáng)化學(xué)習(xí)算法是通過(guò)與環(huán)境的交互來(lái)增強(qiáng)其長(zhǎng)期累積的獎(jiǎng)勵(lì)。

此外，深度學(xué)習(xí)也屬于機(jī)器學(xué)習(xí)的范疇。深度學(xué)習(xí)通過(guò)構(gòu)建多層人工神經(jīng)網(wǎng)絡(luò)，在無(wú)人為干預(yù)的情況下做出智能決策。而深度強(qiáng)化學(xué)習(xí)結(jié)合了深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)各自的優(yōu)點(diǎn)（網(wǎng)絡(luò)流程如圖3）來(lái)建立人工智能系統(tǒng)，其在解決傳統(tǒng)數(shù)學(xué)方法無(wú)法處理的高復(fù)雜度的優(yōu)化問(wèn)題方面引起了廣泛關(guān)注[42]。例如車聯(lián)網(wǎng)系統(tǒng)的資源分配優(yōu)化[43]、協(xié)同感知與通信無(wú)人機(jī)蜂窩網(wǎng)絡(luò)的軌跡設(shè)計(jì)[44]，5G 網(wǎng)絡(luò)中的聯(lián)合波束成型、功率控制與干擾優(yōu)化[45]。

圖3 深度強(qiáng)化學(xué)習(xí)網(wǎng)絡(luò)流程圖

3 基于無(wú)人機(jī)的6G通感算開(kāi)放問(wèn)題和未來(lái)研究方向

3.1 通感算一體化性能度量理論研究

6G 通感算的融合缺乏信息論框架，未能提供表征三者融合程度及效果的指標(biāo)。如何平衡通信感知性能和計(jì)算限制的權(quán)衡關(guān)系，是當(dāng)前急需解決的問(wèn)題。此外，通感算系統(tǒng)的評(píng)估指標(biāo)對(duì)于指導(dǎo)系統(tǒng)方案設(shè)計(jì)至關(guān)重要。然而，通信系統(tǒng)以香農(nóng)界作為性能限制，感知系統(tǒng)以克拉美羅界為性能收斂界，而計(jì)算指標(biāo)則獨(dú)立于二者。這種分立的評(píng)價(jià)指標(biāo)不利于通信感知計(jì)算一體化融合的發(fā)展。因此，從理論上闡明通信、感知和計(jì)算的內(nèi)在平衡，建立通感算一體化的信息理論模型是當(dāng)下，甚至是未來(lái)的關(guān)鍵研究方向。

3.2 無(wú)人機(jī)通感算融合智能資源調(diào)度

6G 各類智能應(yīng)用需要感知、通信、計(jì)算等多維資源支撐，但是在無(wú)人機(jī)的高動(dòng)態(tài)環(huán)境下多維資源與業(yè)務(wù)的匹配往往存在競(jìng)爭(zhēng)、協(xié)作、制約、耦合等多種復(fù)雜關(guān)系。從理論角度，若能對(duì)通感算資源的內(nèi)在沖突與權(quán)衡進(jìn)行分析，可以促進(jìn)資源的高效利用。文獻(xiàn)[59]中提出了計(jì)算多樣性的概念來(lái)描述計(jì)算資源和不同通信資源的關(guān)系，以促進(jìn)資源的聯(lián)合分配，但是未直接對(duì)網(wǎng)絡(luò)中的感知資源進(jìn)行分析。目前缺乏通感算資源融合分析的研究。從方案實(shí)現(xiàn)角度，多維資源融合管理和算力的自適應(yīng)都面臨著海量的資源調(diào)度開(kāi)銷和能效問(wèn)題，平衡有限資源和海量需求的矛盾，是需要解決的難題。而AI 具有智能計(jì)算的優(yōu)勢(shì)，可以為無(wú)人機(jī)通感算網(wǎng)絡(luò)的資源調(diào)度提供一個(gè)有前景的方案。

3.3 無(wú)人機(jī)輔助移動(dòng)邊緣計(jì)算

現(xiàn)有的云計(jì)算無(wú)法滿足低延遲、精確感知和移動(dòng)支持的要求[60]，為解決這一問(wèn)題，提出了移動(dòng)邊緣計(jì)算（MEC,Mobile Edge Computing），通過(guò)利用邊緣網(wǎng)絡(luò)中的可用資源，使云服務(wù)和資源更接近用戶設(shè)備，從而顯著提高用戶設(shè)備執(zhí)行計(jì)算密集型任務(wù)的能力[61]。無(wú)人機(jī)作為空中計(jì)算平臺(tái)輔助移動(dòng)邊緣計(jì)算，結(jié)合了無(wú)人機(jī)的優(yōu)點(diǎn)，比固定位置的MEC更加簡(jiǎn)單、靈活、快速，同時(shí)利用無(wú)人機(jī)通感算網(wǎng)絡(luò)，有望更大程度地滿足邊緣網(wǎng)絡(luò)的數(shù)據(jù)傳輸和用戶感知需求[62]。但是，由于無(wú)人機(jī)通感算網(wǎng)絡(luò)資源的異構(gòu)性和有限性，以及MEC 系統(tǒng)功率限制[63]，加之無(wú)人機(jī)本身的動(dòng)態(tài)特性帶來(lái)的復(fù)雜動(dòng)態(tài)環(huán)境，使得無(wú)人機(jī)輔助MEC 的網(wǎng)絡(luò)性能受到限制，設(shè)計(jì)有效的算法解決上述問(wèn)題成為了挑戰(zhàn)。

3.4 6G無(wú)人機(jī)通感算蜂窩網(wǎng)絡(luò)

無(wú)線通信是無(wú)人機(jī)應(yīng)用的一項(xiàng)重要技術(shù)，近年來(lái)已經(jīng)成為通信領(lǐng)域研究的熱點(diǎn)之一。隨著蜂窩網(wǎng)絡(luò)邁向更高版本及通感算一體化技術(shù)的發(fā)展，人們開(kāi)始嘗試將無(wú)人機(jī)與二者相結(jié)合。一方面，通感算一體化的蜂窩網(wǎng)絡(luò)可以利用智能預(yù)測(cè)波束對(duì)無(wú)人機(jī)進(jìn)行監(jiān)管與追蹤，保證無(wú)人機(jī)與地面用戶的可靠連接，提高無(wú)人機(jī)通信性能。另一方面，集群無(wú)人機(jī)進(jìn)行協(xié)同通信與分布式的感知計(jì)算可以有效提升網(wǎng)絡(luò)的信息處理能力，從而輔助地面基站提高對(duì)地面用戶的服務(wù)質(zhì)量。但是由于無(wú)人機(jī)和地面蜂窩網(wǎng)絡(luò)在硬件和操作上的異構(gòu)性，現(xiàn)有的適用于蜂窩網(wǎng)絡(luò)的通感算一體化技術(shù)成果可能無(wú)法直接用于無(wú)人機(jī)，未來(lái)需要在硬件方面對(duì)無(wú)人機(jī)通信系統(tǒng)進(jìn)行更新[64]。此外，無(wú)人機(jī)到蜂窩網(wǎng)絡(luò)強(qiáng)大的視距鏈路不可避免地會(huì)對(duì)地面用戶到蜂窩網(wǎng)絡(luò)的通信造成干擾，這也推動(dòng)了對(duì)于異構(gòu)的通感算一體化網(wǎng)絡(luò)的智能計(jì)算的干擾管理與消除的研究。

4 結(jié)束語(yǔ)

本文首先介紹了基于無(wú)人機(jī)的6G 通感算研究的背景；其次對(duì)無(wú)人機(jī)通感算融合中的典型科研問(wèn)題進(jìn)行了深入的分析，包括闡述通感算一體化系統(tǒng)性能度量的研究現(xiàn)狀，以及分析無(wú)人機(jī)通感算系統(tǒng)面臨的資源分配、軌跡規(guī)劃和一體化波形設(shè)計(jì)優(yōu)化問(wèn)題，并總結(jié)了針對(duì)以上三個(gè)主要問(wèn)題的解決方案；最后對(duì)基于無(wú)人機(jī)的6G 通感算的未來(lái)研究方向進(jìn)行了展望。