问题与思考：RIS/IRS-assisted ISAC，智能反射面辅助通信感知一体化

Struggle

写在前面：ISAC方向萌新，【ISAC通信感知一体化】微信公众号兼职小编，不做RIS/IRS，但是偶尔会看到一些RIS/IRS-assisted ISAC/DFRC的文章，就当是扩展自己的视野了。

本文主要来自我在另一个问题的回答，智能反射面RIS与通信感知一体化有什么关系？视搬砖进度，会不定时更新。真想过着那种累了就看看论文，不累就写写论文的生活，可惜我还有数学考试 :-( 。

师弟拍（修）的可真好看啊Integrated Sensing and Communications, ISAC

为了缓解未来网络频谱拥塞，下一代无线通信系统希望复用雷达的频段，其对应的模型就是雷达和通信频谱共存（Radar-Communication Coexistence，RCC），这个是雷达和通信从分离走向融合的初步阶段[1]。
进一步地，由于雷达与通信系统在硬件架构、信号处理等方面具有非常高的相似性[2]，这就为雷达与通信走向深度融合、共用同一硬件平台提供了可能；并且，这样一体化可以很大程度降低对现网的改动成本，不仅可以在通信中加入感知的功能，又可以帮助解决频谱拥塞的问题，这种成本与收益的问题也是很多运营商公司比较关心的问题之一。这个概念下的就是雷达通信一体化的系统（Dual-Functional Radar-Communication system, DFRC），是雷达和通信基于频谱共用更高层次的统一。
雷达最基本的功能是通过回波信号，去做目标检测、跟踪、参数估计等；如果在现网中加入雷达的功能，那么可以赋予下一代网络“看见物理世界”的能力，真正实现物理世界和数字世界的映射，并有望在一些自动驾驶、智慧城市等新兴场景得到应用。
这里简单而又十分浅显地分析一下车联网场景，如自动驾驶、车辆编队，既有车辆间信息交互的通信需求，又有探测环境和获取准确且及时的位置信息的感知需求。对于感知环境来说，主流做法应该就是基于视觉或者基于雷达获取环境信息：

• 基于雷达信号的车联网感知与现有的基于视觉的图像识别、预测有所不同，大多数learning的算法对算力的要求较高，需要提前进行一些模型训练，并且环境参数改变以后，模型的可扩展性也有限。毕竟也不太可能，把全世界的街道场景，都拿来训练一遍；
  
• 同样，基于纯通信系统的波束追踪（Beam Tracking）也需要巨大的波束训练（Beam Training）开销[3]；
  
• 雷达通信一体化系统可以帮助解决以上问题，即基于传统通信系统的软硬件架构（没有对算力提出更高的要求），通过雷达的回波获取目标（Target）的信息，来辅助通信，并帮助降低波束训练的开销（0开销）
  

以上只是一个我感受颇深的一个通感一体有前景（future promising）的用例。
那么，我们不妨把“获取目标位置信息”这个概念扩展一下，格局打开。

我们不再局限于雷达和通信的共存或者一体化，而是将雷达感知的概念更一般化，可以是频谱感知、信道状态信息的感知、wifi感知健康检测等，甚至是全新的目标跟踪和通信的概念，而这些功能可以是基于雷达，但也可能是基于其他系统来完成的。
“爱赛克”，Integrated Sensing and Communications (ISAC)，由此诞生[4]。
在通信系统中加入感知的功能，既可以通过一体化获取集成增益，又可以可以实现通信和感知的互惠互利获取协作增益[5]，这将会为传统无线通信领域注入一股新鲜的血液。
于是，做通信的学者们，开始学习雷达的知识，从目标检测到参数估计，从检测概率到克拉美罗下界。
RIS-assisted ISAC[6] in mmWave

另外一方面，智能反射面（Reconfigurable Intelligent Surface，RIS）主打低成本、可重构信号传播环境，也被认为是未来网络最有前景的技术之一；毫米波作为无线通信系统从低频到高频不断演进的产物，对于通信是大带宽，对于感知来说是高分辨率和高精度，对于通感一体来说是"pencil like"的波束，精准定位和通信，是一个背景。如果我们没有利用到毫米波信道的稀疏性、波束"pencil like"的特性，或者没有解决毫米波下ISAC/RIS的衰减等问题，个人觉得毫米波在这里应该就是一个大的背景，或许换成太赫兹啥的也不影响分析。
RIS可以通过反射元件调整经过RIS的级联链路的信号相位，与其他链路在接收端的信号相位对齐/对消，实现有用信号的增强/有害信号的削弱。单独这么来看，RIS和ISAC的结合，至少和sensing的结合是没有必要的，因为RIS是为了让信号在接收端有增强/削弱的作用，而对于单站感知场景下的雷达来说，感知功能是通过接收“目标”的回波信号（echo signals）实现的，是自发自收的。况且，经过RIS的信号，对于雷达来说是“干扰”（雷达里面一般将不感兴趣的目标称为杂波，Clutter，是希望抑制和规避的）。
当然，理想情况下，大多数文献还是认为RIS可以作为一个感知的“中继”。在单个Target，且无遮挡的情形下，ISAC基站会发一体化的波形，但是收到两路的回波，如图所示[7]：

RIS-aided DFRC system

1）ISAC基站-RIS-Target-RIS-ISAC基站；
2）ISAC基站-Target-ISAC基站；
当ISAC基站-Target这一路被遮挡，即视距链路（Line of Sight，LoS）被遮挡时候 ，1）的作用得以体现，这也是我个人认为RIS放在ISAC中比较有前景的一个方向，即解决非视距（Non-LoS）情况下目标感知和参数估计问题。
但是经过1）模型的信号足足有4跳，新的问题来了： Q1：这样经过4跳的信号衰减对于雷达感知到底有没有用、能不能用；
Q2：假设有用，考虑两个最基本的雷达感知应用，即测距和测角，它们一定程度上都需要发射信号与回波信号的相位差。那么经过RIS的信号相位已经改变了，这个时候测距和测角都会有一定的模糊。一种补救的方法，是基站和RIS同步信息，ISAC基站经过Backhaul与RIS链接，知道经过RIS信号跟原信号的变化关系。这样，ISAC基站可以再重新计算感知信号，原有的感知理论将需要修改或重新建立，这个也蛮有意思的，也是一个非常实际的问题。
另外一个思路是，就是RIS那里放一个控制器和处理单元，在RIS那里就可以做感知。
问题又来了：自带控制器、自带处理单元、甚至是自带射频，那么RIS和基站的区别又不明显了
......




目前看到的对RIS-assisted sensing的模型总结比较全面的是文献[8]，不过似乎没有看到通信的功能，截图如下

Different sensing systems with/without RISConclusion

可以预见的是，RIS-assisted ISAC会是一个非常有意思的研究课题，但可能需要研究者们想一些这种场景下“独特”一点的研究问题，例如ISAC基站-Target没有LoS链路，以及多跳下对Target感知时候感知性能指标的计算方法，还有RIS-assisted双站感知下，利用RIS对于ISAC基站的杂波抑制等。
趁着 2nd IEEE JC&S卡住没声来更一波，今天JC&S的开篇论文就是RIS-assisted ISAC，后面原文出来了，大家可以自行搜索看一下，模型也正是如前所述，其他观众的观点也和我大概类似，摘录如下：

Regarding first paper:” A Reconfigurable Intelligent Surface…”Your future work includes the multi-user, multi-target, What are the challenges if you add non-line of sight scenario as well?
——by Hadi Alidoust•16:46

JC&S 研讨会（线上）聊天框截图部分ISAC综述和RIS-assisted ISAC的工作我放在文末，供参考 :-)
知乎老规矩：ISAC萌新，不做RIS哈，只是浅谈一点自己的感受，求轻喷......
参考

• ^刘凡, 袁伟杰, 原进宏, 等. 雷达通信频谱共享及一体化: 综述与展望[J]. 雷达学报, 2020, 10(3): 467-484.
  
• ^Zhang, J. Andrew, et al. "An overview of signal processing techniques for joint communication and radar sensing." IEEE Journal of Selected Topics in Signal Processing (2021).
  
• ^Liu, Fan, et al. "Radar-assisted predictive beamforming for vehicular links: Communication served by sensing." IEEE Transactions on Wireless Communications 19.11 (2020): 7704-7719.
  
• ^Liu, Fan, et al. "Integrated sensing and communications: Towards dual-functional wireless networks for 6G and beyond." arXiv preprint arXiv:2108.07165 (2021).
  
• ^Cui, Yuanhao, et al. "Integrating Sensing and Communications for Ubiquitous IoT: Applications, Trends, and Challenges." IEEE Network 35.5 (2021): 158-167.
  
• ^Wang, Xinyi, et al. "Joint waveform design and passive beamforming for RIS-assisted dual-functional radar-communication system." IEEE Transactions on Vehicular Technology 70.5 (2021): 5131-5136.
  
• ^Liu, Rang, et al. "Joint Transmit Waveform and Passive Beamforming Design for RIS-Aided DFRC Systems." arXiv preprint arXiv:2112.08861 (2021).
  
• ^Shao, Xiaodan, et al. "Target Sensing with Intelligent Reflecting Surface: Architecture and Performance." arXiv preprint arXiv:2201.09091 (2022).
  

来源：https://zhuanlan.zhihu.com/p/477252575
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！