报告概述
本报告是IMT-2030(6G)推进组首次聚焦基站与终端协作感知的技术报告。报告分析了该技术在室外（智慧交通、智慧城市、数字孪生）和室内（智慧工厂、智慧家庭）场景的应用需求与工作模式，包括基站发UE收和UE发基站收两种模式。在关键技术部分，报告围绕参考信号序列与映射设计、信令交互流程、UE选择与切换、测量量上报、终端节能、冲突避免以及多UE信息融合算法等提出了具体方案。此外，报告通过系统性能评估和基于USRP的原型验证，量化了协作感知的增益，并探讨了不同感知测量量（时延、多普勒、角度）对轨迹追踪性能的影响。读者可通过本报告全面了解6G通感一体化中基站与终端协作感知的技术挑战、解决方案和潜在价值。
报告的核心结论
基站与终端协作感知可显著提升感知精度与可靠性
通过引入终端作为辅助感知节点，尤其是当基站与目标之间存在遮挡时，终端能够提供额外的视距观测链路。仿真显示，在室外场景中，协作感知后90%位置误差从1.08米降至0.23米；室内场景中，多UE协作使目标检测率从约30%提升至约71%，漏检率大幅下降。
不同测量量对感知节点部署位置敏感，需合理选择
基于时延、多普勒和角度的轨迹追踪方法性能受UE位置影响显著。时延方法要求UE均匀分布在目标周围，多普勒方法要求UE位于目标运动方向的两侧，而角度方法依赖多天线且对入射角范围敏感。网络需根据性能要求和UE能力动态选择参与节点。
多信息融合可进一步提升协作感知性能
报告提出了基于VAE的符号级融合和基于降维的信号级融合算法。原型验证表明，对多个单方法轨迹进行加权融合，轨迹估计误差可优于单一最优方法，并有效弥补轨迹中断。加权系数可基于历史测量结果的可信度动态调整。
非连接态UE参与感知是终端节能的关键路径
报告设计了下行和上行信号触发idle/inactive态UE进行感知的信令流程，使UE无需进入连接态即可完成感知操作。结合DRX优化和唤醒机制，可显著降低终端功耗，同时保障感知业务的连续性。
报告回答的关键问题
6G基站与终端协作感知如何提升定位精度？
报告通过室外Urban Grid场景仿真（3GPP TR 37.885）验证，当基站与终端协作时，利用多节点数据级融合，可将90% CDF位置误差从单基站的1.08米降至0.23米。这得益于终端在空间上更靠近目标，弥补了基站覆盖盲区，并提供了更多观测角度。
通感一体化中感知与通信资源冲突如何避免？
报告提出了四种冲突避免机制：1）基于动态优先级配置，节点根据感知/通信任务优先级处理信号；2）PDSCH/PUSCH速率匹配，终端在解调数据时刨除感知信号占用的RE；3）抢占指示增强，支持非均匀时频资源取消；4）部分取消，定义终端在接收动态感知下行与发送半静态上行冲突时的行为规则。
多UE协作感知时不同测量量有何优缺点？
原型验证表明：基于时延的方法精度较高但对UE位置分布敏感，基于多普勒的方法在目标径向速度显著时有效但易受噪声影响，基于角度的方法依赖多天线且在大角度范围时精度下降。综合来看，angle-delay方法在精度和可靠性上最优，但需要UE具备角度测量能力。
非连接态UE如何参与感知并节能？
报告设计了两种场景：基于下行信号（基站发、UE收）和基于上行信号（UE发、基站收）。UE在idle或inactive态下，通过SIB/paging接收配置并执行感知，测量结果可通过小数据传输（SDT）上报。这使得UE无需频繁进入连接态，结合DRX优化，有效降低功耗。
报告中的代表性数据
室外协作感知位置精度（90% CDF）
仿真评估，在3GPP Urban Grid场景（ISD=250m，U6G频段，400MHz带宽）中，采用基站-终端协作感知后，90% CDF位置误差为0.23米，而单基站感知误差为1.08米。
室内协作感知目标检测率提升
仿真评估，Indoor Room场景中（20m×20m，1 TRP发，5 UE收），目标检测率从单UE的29.7%提升至71.4%（实际目标300个，正确检测214个），漏检率从70.3%降至28.7%。
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
- 室外和室内多场景需求分析：详细阐述智慧交通、智慧城市、数字孪生、智慧工厂和智慧家庭等场景对感知精度、实时性、覆盖范围的要求及技术挑战。
- 两种工作模式及信令流程：包括基站发UE收和UE发基站收的四类细分模式（单/多发、单/多收），并给出完整的信令交互流程图和通信过程说明。
- 参考信号序列与映射设计：提出改进的SRS和CSI-RS序列生成方法以增强感知性能，并介绍基于互质间隔和嵌套阵的非均匀资源映射方案，节省时频资源。
- 非连接态UE协作信令设计：详细描述触发idle/inactive态UE参与感知的四种方法，以及基于上下行信号的感知流程和SDT上报机制。
- KPI定义与系统评估方法：明确检测率、虚警率、位置/速度精度、重构精度等评估指标及计算公式，并给出室外和室内场景的仿真参数与结果。
- 基于USRP的原型验证：介绍使用三台8通道USRP搭建的多节点协作轨迹追踪系统，对比doppler、delay、angle及融合方法的实测性能。
- 多UE信息融合算法：包含基于变分自编码器（VAE）的符号级融合算法和基于降维的信号级融合检测算法，后者在回波去相关和高SNR差异下仍具鲁棒性。
- 冲突避免与终端节能增强机制：详细说明感知与通信资源冲突时的优先级、速率匹配、抢占指示和部分取消方案，以及针对感知业务的DRX和唤醒信号优化。
- UE选择与切换策略：根据UE位置已知/未知、感知业务类型（单阶段/多阶段），给出基于地理位置、信号质量或感知测量量的节点选择流程。
- 测量量上报设计：提出基于能力注册、感知请求、信道测量、融合模式选择（符号级/信号级）的自适应上报框架，可降低开销并保证精度。
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。
