川海智库

报告概述

本报告是IMT-2030(6G)推进组首部聚焦基站与终端协作感知的技术报告，系统研究了该技术在6G网络中的应用。报告首先分析了室外（智慧交通、智慧城市、数字孪生）和室内（智慧工厂、智慧家庭）场景需求，以及基站发UE收和UE发基站收两种工作模式。在关键技术部分，深入探讨了参考信号序列与映射设计、信令交互流程（包括非连接态UE参与）、UE选择与切换、测量量上报、终端节能、冲突避免（优先级、速率匹配、抢占指示、部分取消）以及多UE信息融合算法（基于AI的符号级融合和基于降维的信号级融合）。性能评估部分给出了室外Urban Grid和室内Indoor Room场景的仿真方法、指标定义（检测率、位置精度、速度精度、重构精度）及评估结果。原型验证基于USRP平台实现了多UE协作轨迹追踪，比较了不同测量方法（doppler、delay、angle、angle-delay）及加权融合的性能。报告旨在为后续6G通感一体标准化提供技术储备和评估依据。

报告的核心结论

基站与终端协作感知可显著提升室外车辆检测精度

基于3GPP Urban Grid场景仿真，使用400MHz带宽、7GHz频段，在18个基站和144个终端协作下，90%置信度位置误差从单站模式的1.08米降至协作模式的0.23米，精度提升约4.7倍，证明协作感知能有效利用终端节点弥补基站覆盖盲区。

多UE协作可有效降低室内目标漏检概率

在Indoor Room场景仿真中，1个TRP发、1个UE收时漏检概率为70.33%；增加至3个UE收时漏检概率降至43.67%；5个UE收时进一步降至28.67%。多UE协作提供了更多LOS传播路径和更丰富的观测角度，显著提升目标检测可靠性。

感知节点位置与测量方法选择对轨迹追踪精度影响显著

样机验证表明，doppler-based方法对UE位置敏感，需分布在目标运动方向两侧；delay-based方法要求UE均匀环绕目标；angle-delay-based方法稳定性最高。对不同方法估计的轨迹进行加权融合（权重基于历史测量可靠性），可兼顾各方法优势，进一步提升精度。

报告回答的关键问题

什么是基站与终端协作感知？

基站与终端协作感知是网络化协作通感一体化（ISAC）的重要模式，通过基站与终端（如手机、车载终端、IoT设备）协同工作，利用基站广覆盖和终端分布广的优势互补。基站发终端收（下行）或终端发基站收（上行），实现高精度定位、测速、环境重构等感知功能，尤其能在基站与目标无直射径时借助终端节点完成感知。

6G通感一体中基站与终端如何协作？

报告定义了两种工作模式：基站发UE收（下行感知）和UE发基站收（上行感知）。每种模式又细分为单发单收、多发单收、单发多收、多发多收等类型。协作流程包括感知请求（由感知功能SF发起）、感知信号配置与激活、UE接收/发送感知信号、测量上报、融合处理等信令交互。还支持非连接态UE参与感知以降低功耗。

基站与终端协作感知有哪些关键技术？

关键技术涵盖：参考信号设计（ZC序列恒幅增强、Gold序列时域相关优化、非均匀映射如互质排布和嵌套阵）；信令交互（基本流程、非连接态UE触发、干扰发现）；UE选择与切换（基于位置、信号质量或感知测量）；测量量上报（信号级/符号级/结果级自适应融合）；终端节能（DRX改进、事件触发唤醒）；冲突避免（优先级、速率匹配、抢占指示、部分取消）；多UE融合算法（VAE符号级融合和降维信号级融合）。

基站与终端协作感知的性能提升效果如何？

仿真和样机验证表明性能提升显著。室外场景下，协作感知使车辆位置精度误差从1.08米降至0.23米；室内场景中，5个UE协作相比单UE漏检概率从70.33%降至28.67%。原型样机中，基于角度-时延的融合轨迹估计误差控制在0.35米以内（90%置信度），且加权融合可进一步提升精度和可靠性。

报告中的代表性数据

协作前 1.08m，协作后 0.23m

室外车辆检测位置精度（90% CDF）

仿真场景，Urban Grid场景，ISD=250m，7GHz，400MHz带宽，基站49dBm，UE 23dBm，目标速度60km/h。基站-终端协作感知后精度提升约4.7倍。

1 UE收: 70.33%, 3 UE收: 43.67%, 5 UE收: 28.67%

室内目标检测漏检概率

仿真场景，Indoor Room场景，4GHz，100MHz带宽，1 TRP发，多个UE协作接收，目标数量3个/次，共100次试验。多UE协作显著提升检测概率。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 第一章详细描述了室外智慧交通、智慧低空、智慧城市及数字孪生场景的需求，以及室内智慧工厂、智慧家庭场景的需求，分析了各场景中基站与终端协作的必要性和技术挑战。
  • 第二章定义了基站发UE收和UE发基站收两种工作模式，并细分为单发单收、多发单收、单发多收、多发多收等四种类型，给出了每种模式的优势和适用场景。
  • 第三章重点阐述空口关键技术，包括参考信号序列设计（ZC序列恒幅改进、Gold序列时域相关增强）、非均匀映射（基于多参考信号嵌套、互质排布、嵌套阵）、信令交互流程（基本交互、非连接态UE触发、干扰发现）、UE选择与切换、测量量上报（信号级/符号级/结果级）、终端节能（DRX优化）、冲突避免（优先级、速率匹配、抢占指示、部分取消）以及多UE信息融合算法（VAE符号级融合和降维信号级融合）。
  • 第四章给出了室外Urban Grid和室内Indoor Room场景的仿真参数、评估指标（检测率、虚警率、位置精度、速度精度、重构精度）及性能评估结果，对比了单UE与多UE协作的性能差异。
  • 第五章介绍了基于USRP硬件平台的多UE协作轨迹追踪原型系统，包括系统模型、协作定位原理（Doppler-based、Delay-based、Angle-based、Angle-delay-based）、信息融合方法（加权融合及权重确定准则），以及不同配置下的实测结果和CDF误差统计。
  • 第六章总结了报告的核心发现，展望了后续研究方向，包括工作模式与场景绑定、关键技术的性能评估与推标准备、统一KPI评估方法、UE部署指导等。
  • 附录列出了详细的参考文献（共21篇）和贡献单位列表（包括中国移动、华为、中兴、北京邮电大学等16家单位）。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告