【導讀】本ben文wen從cong車che聯lian網wang的de演yan進jin出chu發fa
，分fen析xi安an全quan輔fu助zhu駕jia駛shi和he自zi動dong駕jia駛shi對dui環huan境jing感gan知zhi的de需xu求qiu，並bing論lun證zheng了le通tong感gan一yi體ti化hua技ji術shu在zai提ti供gong環huan境jing感gan知zhi方fang麵mian的de優you勢shi。通tong過guo典dian型xing用yong例li分fen析xi，本ben文wen提ti出chu了le車che聯lian網wang應ying用yong對dui通tong感gan一yi體ti化hua的de要yao求qiu和he技ji術shu挑tiao戰zhan。對dui應ying這zhe些xie技ji術shu挑tiao戰zhan
，本ben文wen還hai闡chan述shu了le波bo形xing
、端管協同、Sidelink 增強、擴展目標的融合成像、微多普勒檢測等通感一體化關鍵技術。

通信感知一體化（簡稱“通感一體化”）是無線通信係統新的基礎特性之一，而支持安全輔助駕駛和自動駕駛的車聯網服務是通感一體化技術的一個重要應用場景。

本ben文wen從cong車che聯lian網wang的de演yan進jin出chu發fa，分fen析xi安an全quan輔fu助zhu駕jia駛shi和he自zi動dong駕jia駛shi對dui環huan境jing感gan知zhi的de需xu求qiu，並bing論lun證zheng了le通tong感gan一yi體ti化hua技ji術shu在zai提ti供gong環huan境jing感gan知zhi方fang麵mian的de優you勢shi。通tong過guo典dian型xing用yong例li分fen析xi，本ben文wen提ti出chu了le車che聯lian網wang應ying用yong對dui通tong感gan一yi體ti化hua的de要yao求qiu和he技ji術shu挑tiao戰zhan。對dui應ying這zhe些xie技ji術shu挑tiao戰zhan，本ben文wen還hai闡chan述shu了le波bo形xing、端管協同、Sidelink 增強、擴展目標的融合成像、微多普勒檢測等通感一體化關鍵技術。

1 引言

“無線感知”是無線電波的自然屬性
，利用無線電波的發送與接收感知物理世界，逐漸成為無線通信係統新的基礎特性之一 [1]。網絡感知能力將使無線通信係統演變為通信感知一體化係統，把基站、終端，甚至整個網絡變成傳感器
，使能探測、定位、識別、成像與製圖等功能，為智慧交通、智慧工廠、智慧醫療
、環境監測等領域提供增強的解決方案。

近年來學術界和工業界對通感一體化在垂直行業的應用展開了眾多研究和探索，其中在車聯網領域的應用成為重點研究方向之一。3GPP SA1 [2] 定義和描述了一係列通感一體化相關的用例，有超過 7 成用例與車聯網場景相關。

盡jin管guan通tong感gan一yi體ti化hua在zai車che聯lian網wang場chang景jing有you廣guang泛fan的de研yan究jiu基ji礎chu，並bing已yi經jing取qu得de了le一yi定ding的de研yan究jiu成cheng果guo，但dan當dang前qian汽qi車che行xing業ye自zi身shen正zheng在zai發fa生sheng以yi智zhi能neng化hua和he電dian動dong化hua為wei重zhong要yao標biao誌zhi的de曆li史shi性xing變bian革ge，車che輛liang操cao作zuo自zi動dong化hua不bu斷duan升sheng級ji

、人車交互界麵數字化不斷深化。

yinci，mianxiangchelianwangdetongganyitihua
，xuyaobawochelianwangyanjindeguanjianqushi
，xunzhaotongganyitihuadeguanjianjiazhichangjing
，bingjiyuguanjianqushihejiazhichangjing，jinxingguanjianjishuheyingyongyanjiu。benwenjiehechelianwangyanjindeguanjianqushi（第 2 節），介紹通感一體化的價值場景（第 3 節）
，分析通感一體化在車聯網場景的應用需求和關鍵挑戰（第 4 節），並給出車聯網領域通感一體化的若幹關鍵技術（第 5 節），最後總結並展望通感一體化在車聯網領域的未來發展。

2 車聯網演進趨勢

延續百年的汽車產業格局正在發生曆史性的變革，而智能化和電動化是這次技術革命的兩大標簽。

qizhong，qichedezhinenghuazhuyaotixianzaicheliangkongzhixitongherenjijiaohujiemiandeshuzihua，yijicheliangcaozuodezidonghuashang。qichezhinenghuadezuizhongmubiaoshitishengqichechengkedeshushiduheanquanxing，erzidongjiashizuoweiguanjianshinengjishu，jiangzhenzhengdianranzheciqichechanyedejishubiange。

當前成熟的自動駕駛還停留在 L2 和 L3 階段 [3]，即仍然需要駕駛者最終控製汽車。ADAS 係統（AdvancedDriver-Assistance System）可以為駕駛者提供自適應巡 航（Adaptive Cruise Control）， 車 道 對 齊（LaneCentering） 和 低 速 / 堵 車 情 況 下 的 代 駕（Traffic JamChauffeur）等輔助功能。

駕駛者需要時刻保持注意力，以便在複雜或者突發情況下隨時接管車輛的控製權。真正意義上的自動駕駛是 L4 及以上自動駕駛能力，乘客將完全從駕駛任務上解放出來，得到完全的舒適和安全體驗。

預計到 2025 年，全球 15% 的車輛將具備 L3 自動駕駛功能，但 L4 及以上自動駕駛功能的僅為 5% 左右 [4]。2030 年，全球 L4 及以上級別的自動駕駛車輛可能增長到10%。

從行業來看，穀歌旗下的 Waymo 宣布已經可以實現 L4 自動駕駛，但暫未量產。
奔馳在其 2030 願景中重點提到了 L4 和 L5 自動駕駛將是未來城市交通方案的主要部分 [5]。

大眾將在 2026 年推出 L4 自動駕駛車輛 [6]。

現代汽車到 2026 年所有主流車型都將配備 Automode 自動駕駛技術，支持 L4 自動駕駛 [7]。

百度 Apollo RT6 於 2023年在蘿卜快跑上投入使用，已經在北京、武漢、重慶和深圳的試點區開始 L4 全無人自動駕駛的運營，並預計 2026–2028 年左右量產 [8]。

圖 1 全球各等級自動駕駛滲透率預估（2025–2040）

目前阻礙 L4 以上自動駕駛最終量產和大規模應用的主要原因是公眾對自動駕駛的可靠性和安全性的嚴苛要求。現有的 L4 自動駕駛技術已經有了百萬英裏級的安全行駛紀錄 [9]
，複雜環境下的處理能力和應對事故能力遠超過人類 [10]。

然而，由於公眾理念對自動駕駛和 AI 的謹慎態度，自動駕駛需要達到幾乎零失誤零事故才能為大眾完全接受。自動駕駛的準確判斷主要依賴於係統在設計運行域（Operational Design Domain，ODD）中對環境的感知能力。

ODD 定義了為駕駛自動化係統專門設計的特定運行條件，例如環境

、地理和時間的限製，或可利用的交通或道路特征。

至今為止
，自動駕駛造成的嚴重事故都是由於當時的駕駛環境超出了 ODD 的覆蓋範圍，導致自動駕駛係統對環境感知不足而做出的錯誤判斷引起的 [11]。

為了保障自動駕駛在各種環境下的安全性
，ODD 的覆蓋範圍需要趨近無限，這對基於單車的感知方案提出嚴峻挑戰。單車感知麵臨的主要挑戰包括：

• 靜態環境檢測能力 / 準確度：例如，車道和交通規則（包括交通信號燈）的關係、修路 / 交通管製導致的車道更改等特殊情況。
• 感知長尾場景問題：受限車載感知器件的部署位置導致的非視距感知受限。

這些挑戰受限於單車的硬件能力、成本和客觀視角的限製
，很難用技術方案解決。因此
，隻依靠單車感知難以實現高級自動駕駛所需的趨近無限 ODD 要求。

實際環境中，即使是 L4 以下的輔助駕駛係統

，也強烈依賴於其對周邊環境的感知能力
，在惡劣天氣、視shi距ju死si角jiao等deng困kun難nan場chang景jing下xia，如ru果guo輔fu助zhu駕jia駛shi係xi統tong不bu能neng得de到dao有you效xiao準zhun確que的de環huan境jing感gan知zhi信xin息xi
，無wu法fa對dui可ke能neng的de危wei險xian情qing況kuang做zuo出chu及ji時shi的de預yu警jing或huo處chu理li
，同tong樣yang會hui降jiang低di輔fu助zhu駕jia駛shi係xi統tong的de安an全quan性xing，或huo者zhe造zao成cheng輔fu助zhu駕jia駛shi係xi統tong完wan全quan失shi效xiao（見表 1）。

表 1 不同等級的感知和決策

3 通感一體化的價值場景

本節分析在車載感知的基礎上融合路側感知的必要性和價值（第 3.1 節），以及通感一體化相較其他路側感知方案的增益和優勢（第 3.2 節）。

3.1 路側感知的必要價值

當前，汽車對周邊環境的感知在很大程度上依賴於各種車載傳感器
，主要包括毫米波無線測距設備、激光測距設備和攝像頭。這些傳感器可以探測物體、測量距離和相對速度。

butongleixingdechuanganqibeianzhuangzaicheliangdebutongbuwei
，yibianchongfenganzhizhouweihuanjingbingzhichigezhongjiashifuzhugongneng。tongchang，anzhuangzaicheliangqianbudechangjuliwuxiancejushebeikezaiyue 250 米覆蓋範圍內探測前車的距離和速度，以實現自適應巡航控製。

同tong樣yang
，具ju有you更geng寬kuan視shi野ye的de短duan程cheng前qian無wu線xian測ce距ju設she備bei為wei緊jin急ji製zhi動dong提ti供gong支zhi持chi。不bu同tong的de傳chuan感gan器qi技ji術shu各ge有you優you缺que點dian。例li如ru，毫hao米mi波bo無wu線xian測ce距ju設she備bei可ke以yi在zai某mou些xie極ji端duan天tian氣qi條tiao件jian下xia工gong作zuo
，激ji光guang測ce距ju設she備bei和he攝she像xiang頭tou則ze不bu能neng。

同(tong)樣(yang)，攝(she)像(xiang)頭(tou)可(ke)以(yi)進(jin)行(xing)基(ji)於(yu)圖(tu)像(xiang)的(de)探(tan)測(ce)，而(er)其(qi)他(ta)技(ji)術(shu)則(ze)不(bu)能(neng)。由(you)於(yu)沒(mei)有(you)一(yi)種(zhong)單(dan)一(yi)的(de)傳(chuan)感(gan)器(qi)技(ji)術(shu)能(neng)夠(gou)支(zhi)持(chi)全(quan)天(tian)候(hou)和(he)全(quan)場(chang)景(jing)，因(yin)此(ci)融(rong)合(he)來(lai)自(zi)不(bu)同(tong)傳(chuan)感(gan)器(qi)的(de)信(xin)息(xi)對(dui)於(yu)車(che)輛(liang)可(ke)靠(kao)感(gan)知(zhi)周(zhou)圍(wei)環(huan)境(jing)至(zhi)關(guan)重(zhong)要(yao) [12]。

圖 2 L4/L5 車載傳感器部署方案

隨著車載通信係統（Vehicle to Everything
，V2X）的應用，ADAS 的de無wu線xian通tong信xin能neng力li得de到dao增zeng強qiang。在zai車che上shang集ji成cheng通tong信xin功gong能neng可ke視shi為wei傳chuan感gan器qi係xi統tong的de擴kuo展zhan。車che輛liang間jian通tong過guo互hu通tong信xin息xi
，可ke以yi獲huo得de其qi自zi身shen傳chuan感gan器qi無wu法fa感gan知zhi的de環huan境jing信xin息xi，並bing通tong過guo車che輛liang間jian的de合he作zuo實shi現xian安an全quan高gao效xiao的de駕jia駛shi。

這(zhe)不(bu)僅(jin)拓(tuo)展(zhan)了(le)自(zi)動(dong)駕(jia)駛(shi)車(che)輛(liang)的(de)遠(yuan)距(ju)離(li)感(gan)知(zhi)能(neng)力(li)，而(er)且(qie)使(shi)能(neng)車(che)間(jian)感(gan)知(zhi)信(xin)息(xi)融(rong)合(he)，使(shi)其(qi)能(neng)夠(gou)在(zai)全(quan)天(tian)候(hou)情(qing)況(kuang)下(xia)以(yi)高(gao)分(fen)辨(bian)率(lv)無(wu)死(si)角(jiao)探(tan)測(ce)和(he)識(shi)別(bie)物(wu)體(ti)，實(shi)現(xian)自(zi)動(dong)駕(jia)駛(shi)車(che)輛(liang)的(de)能(neng)力(li)提(ti)升(sheng)。

此外
，有了通信功能的輔助，基於路側設備的感知信息也能夠被下傳到車上。路側環境感知的主要優勢包括：

• 部署位置優勢：路側感知架設位置高，並有俯視視角
－ 路側感知：增加垂直維度的感知角度
，補充車側非視距感知範圍。
－ 路側攝像頭：可針對性布設遮擋防護，暴雨等極端天氣對路側攝像頭的識別幹擾幾乎為零。
• 器件尺寸優勢：
－ 路側感知：大尺寸天麵（更多陣子），方位角和俯仰角的角度分辨率更高。
－ 路側攝像頭：多種大尺寸攝像頭，具備不同焦距（從廣角到長焦等不同焦段）和曝光能力（超低曝光時間），圖像合成可實現零畸變。

圖 3 網絡提供全域高可靠的環境信息

3.2 通感一體化的優勢

按照傳統方法

，在車輛中集成基於車載傳感器和 V2X通信的感知係統會導致兩個獨立的子係統。這種互不關聯的係統會影響多個方麵，如功耗、傳感器占用的空間、感知係統的總重量
、所需天線的數量和車內布線要求等。

隨著傳感器 / 通信設備數量的不斷增加，車上有限的安裝空間給車輛的內部設計帶來了巨大的挑戰。此外
，獨立的車載無線測距設備和 V2X 通信還需要解決頻譜幹擾問題，包括無線測距設備之間的幹擾，以及無線測距設備與通信之間的幹擾。

特(te)別(bie)是(shi)無(wu)線(xian)測(ce)距(ju)設(she)備(bei)之(zhi)間(jian)的(de)幹(gan)擾(rao)，是(shi)當(dang)前(qian)車(che)載(zai)無(wu)線(xian)測(ce)距(ju)設(she)備(bei)麵(mian)臨(lin)的(de)一(yi)個(ge)棘(ji)手(shou)問(wen)題(ti)。如(ru)果(guo)相(xiang)鄰(lin)車(che)輛(liang)的(de)多(duo)個(ge)同(tong)頻(pin)無(wu)線(xian)測(ce)距(ju)設(she)備(bei)同(tong)時(shi)工(gong)作(zuo)，它(ta)們(men)的(de)視(shi)場(chang)可(ke)能(neng)會(hui)重(zhong)疊(die)導(dao)致(zhi)幹(gan)擾(rao)，從(cong)而(er)影(ying)響(xiang)整(zheng)體(ti)探(tan)測(ce)性(xing)能(neng)。

ciwai，congpinpuliyongdejiaodulaikan，ganzhihetongxinlianggedulidexitongduipinpudexuqiushishuangbeide。yinci，jiangtongxinheganzhijichengdaoyigexitongzhong
，shixiantongganyiti，jiuchenglebirandejishufangxiang。

從cong係xi統tong的de角jiao度du來lai看kan，這zhe意yi味wei著zhe從cong頻pin譜pu複fu用yong和he部bu分fen硬ying件jian重zhong用yong，到dao聯lian合he信xin號hao處chu理li和he統tong一yi協xie議yi棧zhan等deng多duo個ge方fang麵mian的de集ji成cheng，在zai不bu同tong層ceng次ci上shang實shi現xian一yi體ti化hua
，從cong鬆song散san耦ou合he到dao緊jin密mi集ji成cheng。通tong感gan一yi體ti化hua係xi統tong可ke同tong時shi傳chuan輸shu數shu據ju和he感gan知zhi環huan境jing，從cong而er帶dai來lai多duo種zhong潛qian在zai優you勢shi。

這些優勢涉及多個方麵，如硬件尺寸、所需天線數量、成本、延遲

、頻pin譜pu和he能neng效xiao等deng。此ci外wai，緊jin密mi集ji成cheng的de係xi統tong設she計ji可ke以yi減jian少shao通tong信xin和he傳chuan感gan係xi統tong之zhi間jian的de隔ge離li
，這zhe為wei實shi現xian兩liang種zhong功gong能neng之zhi間jian的de高gao效xiao信xin息xi和he資zi源yuan共gong享xiang提ti供gong了le可ke能neng。

此(ci)外(wai)，由(you)於(yu)通(tong)信(xin)係(xi)統(tong)自(zi)帶(dai)多(duo)用(yong)戶(hu)資(zi)源(yuan)管(guan)理(li)和(he)幹(gan)擾(rao)管(guan)理(li)機(ji)製(zhi)，當(dang)多(duo)個(ge)通(tong)感(gan)一(yi)體(ti)化(hua)同(tong)時(shi)工(gong)作(zuo)時(shi)，類(lei)似(si)無(wu)線(xian)測(ce)距(ju)設(she)備(bei)的(de)幹(gan)擾(rao)問(wen)題(ti)也(ye)可(ke)以(yi)得(de)到(dao)有(you)效(xiao)的(de)解(jie)決(jue)。同(tong)時(shi)
，通(tong)感(gan)一(yi)體(ti)化(hua)中(zhong)獲(huo)得(de)的(de)感(gan)知(zhi)信(xin)息(xi)也(ye)可(ke)用(yong)於(yu)提(ti)高(gao)其(qi)通(tong)信(xin)的(de)性(xing)能(neng)。比(bi)如(ru)感(gan)知(zhi)到(dao)的(de)位(wei)置(zhi)信(xin)息(xi)可(ke)用(yong)於(yu)波(bo)束(shu)預(yu)測(ce)和(he)管(guan)理(li)、阻塞預測、信道狀態信息（Channel State Information，CSI）壓縮、自適應傳輸等方麵。

圖 4 通感一體化示意圖

4 通感一體化在車聯網中的應用

從cong上shang文wen的de介jie紹shao可ke知zhi，基ji於yu網wang絡luo的de感gan知zhi機ji製zhi可ke加jia強qiang係xi統tong對dui環huan境jing的de感gan知zhi的de能neng力li。例li如ru，由you於yu車che輛liang上shang安an裝zhuang傳chuan感gan器qi的de位wei置zhi和he視shi野ye有you限xian，網wang絡luo感gan知zhi可ke以yi補bu充chong傳chuan統tong傳chuan感gan器qi視shi野ye以yi外wai部bu分fen的de覆fu蓋gai範fan圍wei，而er提ti供gong額e外wai的de感gan知zhi信xin息xi，特te別bie是shi用yong於yu覆fu蓋gai交jiao叉cha口kou等deng複fu雜za道dao路lu場chang景jing中zhong的de感gan知zhi盲mang點dian等deng。

基於網絡的感知功能可更好地感知與道路 / 高速公路狀況相關的信息，包括移動物體（如車輛
、動物和行人）、交通密度
、人群等。

4.1 場景和用例分析

3GPP定義和描述了一組與通感一體化相關的用例 [2]，有相當一部分與車輛場景相關，其中考慮以下幾種實現方案：

• 基站和終端設備上集成通信和感知功能
• 移動網絡協調多個終端設備和網絡實體之間的感知信息交互
• 基站和終端設備的感知結果作為環境感知的額外輸入

表 2 3GPP SA1 中部分 V2X 用例

表2中是部分用例的描述。從這些用例的功能要求來看
，網絡中的通感一體化需要提供以下的機製：

• 選擇和配置執行傳感功能的基站和終端設備
• 在無線接入網（Radio Access Network
，RAN）和核心網（Core Network，CN）之間共享傳感信息
• 授權網絡節點執行傳感功能
• 將網絡中的傳感信息提供給第三方服務提供商
• 實現基於網絡的感知服務收費

對dui於yu通tong感gan一yi體ti化hua的de性xing能neng要yao求qiu很hen大da程cheng度du上shang取qu決jue於yu不bu同tong用yong例li的de服fu務wu目mu標biao。車che聯lian網wang相xiang關guan的de用yong例li中zhong
，感gan知zhi的de環huan境jing和he對dui象xiang主zhu要yao在zai室shi外wai，不bu同tong用yong例li中zhong性xing能neng要yao求qiu的de差cha異yi點dian則ze主zhu要yao在zai位wei置zhi和he速su度du測ce量liang的de準zhun確que性xing、範圍、可信度和延遲、刷新率等方麵。

高速公路上行人/動物入侵檢測：kaolvdaogaosugongludekuanduhechangdu
，jiyujizhandeganzhixuyaozaijiaoyuanjuliwaiyouxiaodeshibiexingrenhedongwu。youyucheliangdeyundongsudutongchanghengao
，daozhichangjinggaodudongtaihua，yinciduiganzhideshuaxinlvhejingdutichulegenggaodeyaoqiu。3GPP 定義了以下需求 [2]：

• 定位精度（水平方向）：小於 1 米
• 刷新率：小於 0.1 秒

交叉路口感知：交jiao叉cha路lu口kou的de車che輛liang密mi度du會hui影ying響xiang感gan知zhi的de性xing能neng需xu求qiu。例li如ru
，在zai高gao峰feng時shi段duan，除chu了le高gao感gan知zhi精jing度du和he刷shua新xin率lv外wai，高gao密mi度du的de人ren流liu和he車che流liu還hai需xu要yao更geng高gao的de感gan知zhi分fen辨bian率lv。對dui於yu漏lou檢jian率lv和he虛xu檢jian率lv的de要yao求qiu也ye會hui根gen據ju人ren流liu車che流liu的de密mi度du而er變bian化hua。3GPP 定義了以下需求 [2]：

• 定位精度（水平）：小於 1 米
• 刷新率：小於 0.1 秒
• 漏檢率：小於 5%
• 誤報率：小於 5%

傳感輔助汽車操控和導航：gaichangjingxuyaoxietiaolaiziduogechezaizhongduandeganzhixiangguanxinxi


，bingtigonggeicheliangyongyucaokonghedaohang。youyuxingshizhongcheliangjianjukenenghenxiao
，suoyiganzhixinxibixubaozhenggaojingduhegaoshuaxinlv。

此外，由於感知相關信息來自多個車載終端
，確保這些感知信息的低延遲同步也非常重要。

用於 ADAS 的車輛感知：汽車上的 ADAS 係統由長距離和短距離傳感器組成
，通感一體化技術將對車上原有傳感器提供補充或者替代。

此外
，考慮到 ADAS 係統對安全的要求，該場景對通感結果的誤差率和誤差幅度有嚴格的要求。3GPP 定義了以下需求 [2]：

• 定位精度（水平）：長距離（250 到 300 米）小於 40厘米，短距離（30 到 100 米）小於 10 厘米
• 刷新率：長距離小於 0.2 秒，短距離小於 0.05 秒
• 誤報率：小於 1%

4.2 關鍵訴求和挑戰

為實現上述的用例，有若幹技術挑戰需要解決。首先，由於車聯網場景中的感知對象種類眾多
，包括各種車輛、人
、動物和臨時障礙物體（如道路工程中使用的路障），因此感知環境過程中除了定位之外，還需要識別不同類型的感知對象。

其次
，並不是感知對象都有無線通信能力，因此通感一體化技術需要同時對有通信能力的主動目標（如配有 V2X能力的車輛）和沒有通信能力的被動目標（行人、動物等）進行感知。

此ci外wai
，感gan知zhi對dui象xiang的de移yi動dong性xing也ye對dui通tong感gan一yi體ti化hua提ti出chu了le額e外wai的de要yao求qiu。例li如ru
，在zai多duo輛liang車che協xie調tiao操cao控kong的de使shi用yong案an例li中zhong
，感gan知zhi功gong能neng需xu要yao持chi續xu跟gen蹤zong附fu近jin的de多duo輛liang車che和he物wu體ti
，而er不bu是shi一yi次ci性xing檢jian測ce一yi個ge瞬shun間jian事shi件jian。

youyudangeganzhishebeideganzhifanweiyouxian，zaishejigaoliudongxingdechangjingzhongtigonglianxuganzhifuwuxuyaobushuduogeganzhixinhaofasheqihejieshouqi。dangzhexiefasheqihejieshouqiweiyubutongdewangluojiedianshi，（例如在雙向傳感場景中），則有必要對其進行協調並進行測量結果融合
，以避免或盡量減少漏檢事件。

通感一體化技術有望增強V2X用例中的環境感知能力，但無線測距設備等傳統傳感器仍將（至少在一段時間內）被保留。這可能導致無線測距設備和蜂窩係統共存於同一頻段或相鄰頻段（例如 77 GHz）。在這種情況下，傳輸數據的車輛可能會對無線測距設備接收器造成幹擾。

同樣，無線測距設備發射信號也可能對車輛或基站造成幹擾。這就要求在頻譜共享
、波形

、資源分配和人工智能方法等方麵提供技術解決方案

，以有效處理集成係統中的幹擾。

5 適用於車聯網的通感一體化關鍵技術

由(you)業(ye)務(wu)需(xu)求(qiu)和(he)應(ying)用(yong)場(chang)景(jing)催(cui)生(sheng)的(de)通(tong)感(gan)一(yi)體(ti)化(hua)方(fang)案(an)顯(xian)示(shi)出(chu)巨(ju)大(da)的(de)潛(qian)力(li)，但(dan)仍(reng)麵(mian)臨(lin)不(bu)少(shao)技(ji)術(shu)挑(tiao)戰(zhan)。本(ben)節(jie)針(zhen)對(dui)車(che)聯(lian)場(chang)景(jing)，列(lie)舉(ju)和(he)分(fen)析(xi)幾(ji)項(xiang)通(tong)感(gan)一(yi)體(ti)化(hua)關(guan)鍵(jian)技(ji)術(shu)。

5.1 通感一體化的基本方案

通(tong)感(gan)一(yi)體(ti)化(hua)旨(zhi)在(zai)通(tong)信(xin)係(xi)統(tong)中(zhong)賦(fu)能(neng)感(gan)知(zhi)，以(yi)實(shi)現(xian)網(wang)絡(luo)資(zi)源(yuan)共(gong)享(xiang)，頻(pin)譜(pu)共(gong)享(xiang)以(yi)及(ji)處(chu)理(li)能(neng)力(li)共(gong)享(xiang)。具(ju)體(ti)到(dao)實(shi)現(xian)方(fang)式(shi)，通(tong)感(gan)一(yi)體(ti)化(hua)的(de)融(rong)合(he)可(ke)以(yi)體(ti)現(xian)在(zai)以(yi)下(xia)三(san)個(ge)不(bu)同(tong)的(de)層(ceng)麵(mian)：

• 業務級融合：感gan知zhi和he通tong信xin由you不bu同tong硬ying件jian實shi現xian

，運yun行xing在zai各ge自zi頻pin段duan。兩liang個ge係xi統tong在zai應ying用yong層ceng進jin行xing交jiao互hu，達da到dao相xiang互hu促cu進jin共gong贏ying的de效xiao果guo。例li如ru基ji站zhan可ke通tong過guo感gan知zhi模mo塊kuai，獲huo取qu環huan境jing信xin息xi從cong而er進jin行xing更geng有you效xiao的de波bo束shu預yu測ce及ji管guan理li。感gan知zhi設she備bei可ke通tong過guo通tong信xin單dan元yuan進jin行xing站zhan間jian協xie調tiao從cong而er實shi現xian幹gan擾rao管guan理li。

• 頻譜級融合：感知和通信兩功能模塊運行於同一係統
，可通過時分、頻分或空分的方式實現頻譜資源共享。兩功能模塊亦可通過共享部分硬件資源，降低硬件及實現開銷。

• 全融合：單dan一yi係xi統tong同tong時shi支zhi持chi兩liang大da功gong能neng
，共gong用yong空kong口kou技ji術shu及ji頻pin譜pu資zi源yuan。全quan融rong合he場chang景jing下xia，係xi統tong可ke根gen據ju業ye務wu需xu求qiu和he相xiang應ying的de性xing能neng指zhi標biao對dui資zi源yuan調tiao度du甚shen至zhi空kong口kou設she計ji進jin行xing動dong態tai優you化hua，實shi現xian網wang絡luo資zi源yuan效xiao率lv最zui大da化hua。

5.2 通感一體化波形

業界對通感一體化波形有大量研究，從性能考慮
，本 文 僅 介 紹 其 中 的 四 種 波 形：OFDM（OrthogonalFrequency Division Multiplexing）
、OFDM-Chirp、OCDM（Orthogonal Chirp Division Multiplexing）以及OTFS（Orthogonal Time Frequency Space）。

OFDM-Chirp 的感知性能在這幾種波形中較為優秀，但瑞利信道下通信性能和 OFDM 相比有一定損失。OFDM是目前主流的通信多載波調製技術之一
，其積分旁瓣比和峰值旁瓣比在不同參數下略低於 LFM，目前學術界也在積極探索 OFDM 的感知性能提升方法。

OFDM-Chirp 波形
，其基本原理是將 Chirp 信號分別調製到不同的子載波組上
，由於 OFDM 信號子載波之間是正交的，不同的子載波組上的信號自然滿足正交性。時域產生的 OFDM-Chirp 信號模型 [13] 為：

式 中：t (0 ≤ t ≤ T) 為 信 號 的 時 間 采 樣；u(t)=1,( 0 ≤ t ≤ T) 為矩形窗函數；fn 和 kn 分別為信號 s(t) 的第 n個子載波的起始頻率和斜率。

OFDM-Chirp 係統的多載波特性，可解決 LFM 單載波信號傳輸速率過低的問題。考慮對現有係統兼容性，實現複雜度情況下，OFDM-Chirp 是較為有潛力的通感一體化波形，其感知性能在這幾種多載波中較為優秀。

在相同參數下，OFDM-Chirp 與 OFDM 信號的距離和速度分辨率相同。在高斯信道下，不同信噪比的誤碼率如圖 5 所示，在不同信噪比下
，性能並無較大差別。

由於OFDM-Chirp 信號由 OFDM 信號通過 LFM 擴頻得到
，故其信號模型將與 OFDM 信號模型有很多相似性。通過分析OFDM-Chirp 和 OFDM 信號的 PAPR 曲 線 可 知，OFDMChirp 一體化信號的峰均比性能與 OFDM 信號幾乎相同。

圖 5 OFDM 波形與 OFDM-Chirp 波形性能對比

OCDM 的基本原理是通過在相同帶寬中利用菲涅爾變換形成一組正交的線性 Chirp 信號，並將通信信息調製到這一組 Chirp 信號的幅度和相位上 [14]，從而實現高效通信數據傳輸。

OCDM 信號為多個 Chirp 信號構成
，因此對多普勒頻移不敏感，在保護間隔長度不足的情況下，可有效對抗時間選擇性衰落。

OCDM 信號與 OFDM 相比在發射端需要增加兩個點乘矩陣，生成條件相比 OFDM 信號較為複雜


，要真正實現商業化還存在一些技術難點
，比如構造出優越的光地址碼

、設計製作高性能的光編/解碼器、改善係統性能、增大係統容量及提高係統資源利用率等。

OTFS 調製可以看作是一種特殊的 OFDM 調製
，在傳統 OFDM 調製的輸入輸出端上分別添加一個預編碼模塊和後解碼模塊 [15]，OTFS 信號調製解調過程如圖 6 所示。

OTFS 調(tiao)製(zhi)的(de)有(you)效(xiao)信(xin)道(dao)矩(ju)陣(zhen)在(zai)時(shi)延(yan)多(duo)普(pu)勒(le)域(yu)
，此(ci)時(shi)矩(ju)陣(zhen)中(zhong)的(de)元(yuan)素(su)大(da)部(bu)分(fen)都(dou)為(wei)零(ling)，而(er)非(fei)零(ling)值(zhi)的(de)元(yuan)素(su)位(wei)置(zhi)與(yu)路(lu)徑(jing)的(de)時(shi)延(yan)和(he)多(duo)普(pu)勒(le)頻(pin)移(yi)有(you)關(guan)
，因(yin)此(ci)隻(zhi)要(yao)估(gu)計(ji)信(xin)道(dao)中(zhong)各(ge)條(tiao)路(lu)徑(jing)的(de)時(shi)延(yan)和(he)多(duo)普(pu)勒(le)頻(pin)移(yi)以(yi)及(ji)有(you)效(xiao)複(fu)增(zeng)益(yi)即(ji)可(ke)
，這(zhe)樣(yang)能(neng)夠(gou)大(da)大(da)降(jiang)低(di)信(xin)道(dao)估(gu)計(ji)的(de)複(fu)雜(za)度(du)。

由於 OTFS 調tiao製zhi使shi用yong矩ju形xing收shou發fa脈mai衝chong，輸shu入ru輸shu出chu關guan係xi不bu是shi直zhi接jie的de二er維wei卷juan積ji運yun算suan
，因yin此ci在zai接jie收shou端duan不bu能neng直zhi接jie使shi用yong頻pin率lv時shi間jian域yu的de均jun衡heng算suan法fa，其qi他ta符fu號hao解jie調tiao算suan法fa的de複fu雜za度du都dou遠yuan遠yuan大da於yu OFDM 調製。

圖 6 OTFS 信號調製解調過程

5.3 端管協同分布式通感一體化

麵向車聯網場景，單車感知受限於5%的感知長尾場景
，因此引入路側的感知信息尤為重要。

而在融合車側和路側感知信息時
，車輛的高移動性對分布式感知會帶來如下挑戰：例li如ru，路lu側ce和he車che側ce對dui於yu車che輛liang的de位wei置zhi和he速su度du的de不bu確que定ding性xing，以yi及ji，路lu側ce和he車che側ce對dui於yu同tong一yi個ge物wu體ti感gan知zhi到dao的de物wu理li特te性xing不bu同tong
，比bi如ru，由you於yu感gan知zhi視shi角jiao不bu同tong，路lu側ce感gan知zhi到dao的de物wu體ti是shi靜jing止zhi的de，而er車che側ce感gan知zhi到dao的de是shi運yun動dong的de。

weijiejuezheyitiaozhan
，keyikaolvjiyubuquedingxingdecheceheluceganzhixinxironghe，jicheliangjiangweizhiheyidongxingcanshudebuquedingxingzuoweiweizhibianliangdairumubiaojiancewentizhong，xingchengmubiaohecheceweizhicanshudelianhejiancewenti，ranhoutongguoyouhuasuanfa，biruniudunfahuozhemonituihuosuanfaxunzhaozuiyoujie，congertishengmubiaojiancedezhunquedu。

如圖 7 所示
，不同車輛和路側 RSU 或者 gNB zaijinxinglianheganzhishi，youyugaoyidongxing
，cheliangzishengujideweizhiheshijiweizhishiyoupianchade
，tongshigeganzhiyuanduiyutongyigewutideganzhibenshenyouganzhiwucha，xinxirongheshiwuchakenenghuibeifangda。

為解決這個問題
，各車輛可以將車輛的估計誤差報給融合中心，構造優化問題，提升聯合感知精度 [16]。

圖 7 不確定性的端管協同感知

5.4 Sidelink 增強分布式通感一體化

麵向車聯場景
，考慮到終端設備可能處於無蜂窩網覆蓋的區域
，各終端設備除了具備基本的 Uu 口上下行通信能力以外
，更應該具備 PC5 接口（Sidelink）的通信能力。多個終端通過 PC5 接口通信構成了一個分布式網絡，以提升車輛的通信和感知能力。

然而現有分布式側行傳輸空口技術的設計隻考慮了極致的通信能力

，並未考慮感知能力，因此如何在 PC5 接口上在不影響通信性能的情況下使能高性能 Sidelink 感知能力就成了最重要的技術挑戰。

一種應對方式是對 Sidelink 的幀結構進行增強設計。考慮到分布式場景下
，各終端相對位置都不固定
，為了保障可靠的信息傳輸，現有的 Sidelink 幀結構中引入了 AGC 符號，如圖8所示。

在真實數據傳輸之前，需要做自動增益控製，而一般AGC符號的具體內容采用的複製第二個符號的信息
，所以第一個 AGC 符號不具備傳輸有效信息的作用，所以該符號也給 Sidelink 構造感知能力提供了空間。

圖 8 New Radio (NR) Sidelink 幀結構設計

一種直接的方法是，將 AGC 符號使用感知序列進行填充，但當前 AGC 符號占用的頻域帶寬可以很小，而感知的距離分辨率和信號帶寬強耦合。

為了使能更高的感知精度，考慮構造寬帶的 AGC 序列，即 AGC 符號在頻域資源上占據盡可能寬的帶寬
，如圖 9 所示，AGC 符號可以在時域切成兩部分，前一部分用於發送寬帶的感知序列，後一部分用於接收感知回波信號。

但當 AGC zaipinyushangzhanyongjiaodadaikuanshi，duogezhongduanshebeidouhuizaigaidaikuanshangfasongganzhixulie，gexuliehuidiejia，zaochenghuxiangganrao
，zhenduigaiwenti
，keyijiangbutongzhongduanfasongdeganzhixuliegouzaochengzhengjiaokuandaixulie，birushiyongzhongduande ID duixuliejinxingjiarao
，dangzhongduanshoudaoxuliedehuiboshi，lvchudiaoqitazhongduandeganraoxinhao，jieshouganzhihuibo，congerbaozhangzaibuyingxiangtongxinxingnengdeqiantixia，shinengganzhinengli。

圖 9 寬帶 AGC 感知信號設計

5.5 麵向擴展目標檢測的融合成像

通感一體化旨在為各種車聯網應用提供關鍵目標物體的檢測
、定位和分類能力。這些目標物體包括車輛
、行人 /非機動車 / 兩輪摩托車（Vulnerable Road User

，VRU）以及其他固定和移動障礙物。

傳統的 5G NR 定位方案隻針對能發送或接收 5G NR 信號的有源物體進行定位，相比之下
，下一代感知技術可通過解析傳輸環境反射的無線信號，對無源物體進行檢測
、定位
、識別。

車聯網應用中感知能力麵臨的挑戰之一是很多感知目標是體積龐大的車輛
，其外部表麵通常延展數米，如車頭、車(che)尾(wei)和(he)車(che)身(shen)側(ce)麵(mian)。因(yin)此(ci)，感(gan)知(zhi)目(mu)標(biao)不(bu)僅(jin)在(zai)單(dan)一(yi)位(wei)置(zhi)形(xing)成(cheng)單(dan)個(ge)反(fan)射(she)
，而(er)是(shi)可(ke)以(yi)產(chan)生(sheng)相(xiang)隔(ge)數(shu)米(mi)的(de)多(duo)個(ge)反(fan)射(she)。這(zhe)樣(yang)的(de)目(mu)標(biao)通(tong)常(chang)被(bei)稱(cheng)為(wei)擴(kuo)展(zhan)目(mu)標(biao)。

因此，通過對擴展目標產生的多個反射、散射信號進行觀測
，不僅可以估計目標的位置、狀態，也可以推斷目標的形狀和輪廓，即成像。當分布式基站以不同視角對此目標進行觀測時，各基站對車輛的不同位置形成估計值。

這些估計值與目標車輛特定側麵（或部分）相對應作為一組與特定基站相關的散射點集。由於每個基站看到的散射點都不同，可能相距數米
，因此需要以下步驟進行數據關聯

、聚類和定位：

(a)不同基站通過對不同散射點的觀測，估計多散射點的位置。這些位置估計需要與同一物體（在本例中為車輛）相關聯，以形成該物體對應的散射點集合。這通常稱為聚類（Clustering）。

圖 10 擴展目標檢測示意圖

(b) 得到擴展目標的散射點集合後（通常形成物體外部形狀的輪廓），需要確定該目標的位置。通常情況下
，定位參考中心可以是散射點集合的幾何中心
；或者當觀測到的與目標表麵對應的散射點集不完整導致幾何中心不準時，也可使用其他參考點。

步驟 (a)和(b) 可以應用不同的擴展目標處理算法來完成。這些算法包括使用點散射集合的移動動態來執行目標關聯和聚 [17, 18]，以及後處理與目標分類方案相結合 [19]。

需xu要yao指zhi出chu的de是shi，有you源yuan目mu標biao定ding位wei不bu存cun在zai上shang述shu擴kuo展zhan目mu標biao的de問wen題ti，因yin為wei有you源yuan目mu標biao的de發fa送song和he接jie收shou天tian線xian端duan口kou即ji是shi目mu標biao物wu體ti的de定ding位wei參can考kao點dian
，其qi在zai物wu體ti上shang的de位wei置zhi是shi固gu定ding的de。

此外，用於V2X 碰peng撞zhuang檢jian測ce或huo自zi適shi應ying巡xun航hang控kong製zhi的de傳chuan統tong感gan知zhi係xi統tong也ye不bu存cun在zai上shang述shu問wen題ti，因yin為wei它ta們men隻zhi需xu在zai單dan一yi視shi角jiao對dui目mu標biao物wu體ti或huo車che輛liang的de最zui凸tu出chu部bu分fen進jin行xing檢jian測ce，以yi避bi免mian與yu該gai物wu體ti或huo車che輛liang的de該gai部bu分fen發fa生sheng碰peng撞zhuang。

5.6 基於微多普勒檢測的目標檢測與識別

如 5.5 節所述，目標物體識別分類對於許多車聯網應用至關重要，包括各種協調操控和保護 VRU 的安全應用。

目標物體識別分類可以通過多種不同方式實現。一種直接的方法是利用感知觀測獲得的點散射來確定物體的形狀或輪廓（如 4.1 節所示的車輛），即(ji)成(cheng)像(xiang)。然(ran)而(er)要(yao)獲(huo)得(de)這(zhe)樣(yang)的(de)圖(tu)像(xiang)，係(xi)統(tong)需(xu)要(yao)從(cong)多(duo)視(shi)角(jiao)對(dui)目(mu)標(biao)物(wu)體(ti)進(jin)行(xing)觀(guan)測(ce)，並(bing)且(qie)具(ju)有(you)較(jiao)高(gao)的(de)角(jiao)度(du)和(he)深(shen)度(du)分(fen)辨(bian)率(lv)
，以(yi)獲(huo)得(de)對(dui)應(ying)目(mu)標(biao)物(wu)體(ti)各(ge)表(biao)麵(mian)的(de)多(duo)個(ge)點(dian)散(san)射(she)集(ji)。

另一種不需要物體完整圖像的方法是基於感知信號的多普勒參數，特別是由物體內部組件微運動造成的多普勒分量。

例如
，人行走時擺動的腿

、qichehuozixingcheshangxuanzhuandelunzihuowurenjishanggaosuxuanzhuandeyepian。zhexieyouyuwutineibuzujiandeyundongsuduyuwutizhengtideyundongsudubutongerzaochengdeduopulefenliangbeichengweiweiduopule。tu 11 為飛行無人機在多普勒範圍剖麵上的微多普勒示例 [20]。

圖 11 測目標微多普勒示例

特定的目標物體（行人
、車輛
、自行車等）具ju有you不bu同tong類lei型xing的de內nei部bu運yun動dong，從cong而er形xing成cheng獨du特te的de多duo普pu勒le特te征zheng。將jiang該gai特te征zheng用yong於yu目mu標biao物wu體ti的de識shi別bie和he分fen類lei，既ji無wu需xu從cong多duo個ge角jiao度du對dui目mu標biao物wu體ti進jin行xing詳xiang細xi的de高gao分fen辨bian率lv成cheng像xiang處chu理li
，又you可ke達da到dao更geng高gao準zhun確que率lv（>90%）的人物分類


，實例可參見文獻 [21]。基於微多普勒的目標識別分類可選擇與較低分辨率的圖像融合，以提高物體分類的可靠性。

6 總結與展望

可ke以yi預yu見jian
，通tong感gan一yi體ti化hua技ji術shu將jiang給gei車che聯lian網wang帶dai來lai功gong能neng和he性xing能neng的de提ti升sheng。為wei了le達da到dao這zhe個ge目mu的de，需xu要yao解jie決jue從cong空kong口kou到dao上shang層ceng應ying用yong的de多duo個ge領ling域yu中zhong的de關guan鍵jian技ji術shu問wen題ti，最zui終zhong達da到dao預yu期qi的de感gan知zhi和he通tong信xin要yao求qiu。

通感一體化的整體設計還需考慮到無線網絡和車聯網的複雜性
，比如車載終端設備的移動性、可用頻段（許可頻段和非許可頻段）
、基站的部署、PC5 和 Uu 的協同架構等方麵。

除了與技術相關的挑戰外，通感一體化的一個關鍵成功因素與法規相關。通感一體化係統擴展了最初專門分配給感知或智能交通係統（Intelligent Transportation System
，ITS）通信的頻段和用於移動/V2N 通信網絡的許可頻段的用途，在這些頻段上同時實現通信和感知功能可能麵臨合規問題。

而且，一旦需要重新分配用於通信或感知的頻譜，車載的通感一體化設備也需要升級，這會影響車載通感一體化設備的生命周期。

此外，由於無線測距設備傳感是安全關鍵功能，因此通感一體化的解決方案需要滿足汽車安全等級（Automotive Safety Integrity Level，ASIL）的要求。

同(tong)時(shi)
，通(tong)感(gan)一(yi)體(ti)化(hua)係(xi)統(tong)需(xu)要(yao)支(zhi)持(chi)不(bu)同(tong)廠(chang)商(shang)的(de)網(wang)絡(luo)和(he)終(zhong)端(duan)設(she)備(bei)，使(shi)其(qi)能(neng)夠(gou)無(wu)縫(feng)參(can)與(yu)和(he)集(ji)成(cheng)到(dao)感(gan)知(zhi)服(fu)務(wu)中(zhong)。車(che)聯(lian)網(wang)的(de)場(chang)景(jing)要(yao)求(qiu)來(lai)自(zi)多(duo)個(ge)製(zhi)造(zao)商(shang)的(de)通(tong)感(gan)一(yi)體(ti)化(hua)設(she)備(bei)能(neng)夠(gou)相(xiang)互(hu)協(xie)作(zuo)
，特(te)別(bie)是(shi)在(zai)幹(gan)擾(rao)管(guan)理(li)方(fang)麵(mian)。因(yin)此(ci)，不(bu)同(tong)通(tong)感(gan)實(shi)體(ti)的(de)功(gong)能(neng)和(he)接(jie)口(kou)的(de)標(biao)準(zhun)化(hua)對(dui)其(qi)未(wei)來(lai)的(de)廣(guang)泛(fan)部(bu)署(shu)至(zhi)關(guan)重(zhong)要(yao)。

免責聲明：本文為轉載文章，轉載此文目的在於傳遞更多信息，版權歸原作者所有。本文所用視頻
、圖片、文字如涉及作品版權問題，請聯係小編進行處理。

推薦閱讀：

SiC MOSFET：通過波形的線性近似分割來計算損耗的方法

低抖動差分時鍾：賦能AI時代光網絡精準同步

電源軌難管理？試試這些新型的負載開關 IC！

多位筆段式LCD屏的驅動方式

電子保險絲如何助力軟件定義車輛的區域架構革新