Verteiltes multisensorielles ISAC

Telefonnetze in unsichtbare Radare verwandeln

Stellen Sie sich vor, die gleichen Funknetze, die unsere Handys verbinden, könnten auch Straßen überwachen, Kraftwerke schützen und unbemerkte Drohnen entdecken — ganz ohne einen zusätzlichen Radarturm zu installieren. Dieses Papier untersucht, wie künftige 6G-Mobilfunknetze als ein weites, verteiltes Sensorsystem dienen können, indem sie ihre vorhandenen Funksignale nutzen, um Objekte in der Umgebung zu erkennen und zu verfolgen, ähnlich einem riesigen, unsichtbaren Radar, das sich über Städte, Autobahnen und den Luftraum erstreckt.

Mit vielen Ohren statt nur einem Auge sehen

Traditionelles Radar funktioniert wie ein starker Scheinwerfer mit einer Kamera an einem Ort: Es sendet eigene Impulse aus und hört auf Echos von Zielen. Die Autoren schlagen stattdessen „verteiltes multisensorisches ISAC“ vor, bei dem viele Funkknoten — Mobilfunkmasten, Remote-Radio-Einheiten und sogar Fahrzeuge oder Drohnen — zusammenarbeiten. Jeder von ihnen kann gewöhnliche Kommunikationssignale senden oder empfangen, aber zusammen bilden sie ein Netz von Messpfaden, die an Objekten in der Szene reflektiert werden. Durch den Vergleich von Laufzeit und Frequenzverschiebung dieser Reflexionen über mehrere Sender‑Empfänger‑Paare kann das Netzwerk ermitteln, wo sich Ziele befinden und wie sie sich dreidimensional bewegen, selbst wenn kein einzelner Knoten eine perfekte Sicht hat.

Drei Wege, wie ein Netzwerk die Welt wahrnehmen kann

Das Papier skizziert drei Hauptarchitekturen. Beim reinen Infrastruktursensing sind nur feste Netzwerkelemente — wie Basisstationen und kleine „Sniffer“-Empfänger — beteiligt. Dies eignet sich gut zur Überwachung großer Industrieanlagen, Häfen, Stromleitungen oder Autobahnkreuze rund um die Uhr, ohne Nutzergeräte oder deren Daten einzubeziehen. Beim Uplink/Downlink-Sensing werden Nutzergeräte wie Autos oder Drohnen Teil der Sensing-Schleife: Manchmal beleuchten sie die Szene, manchmal agieren sie als mobile Empfänger und liefern neue Blickwinkel, wo die Infrastruktur dünn oder blockiert ist. Ein dritter Modus beruht auf direkten Gerät-zu-Gerät-Verbindungen und bildet Ad-hoc-Meshes von Autos oder Drohnen, die sowohl Kommunikations- als auch Sensing-Signale austauschen. Im dichten Verkehr oder bei Drohnenschwärmen kann dieses „Side-Link“-Sensing eine gemeinsame Sicht auf die Umgebung zusammenfügen, die reichhaltiger ist als die Sensorik eines einzelnen Fahrzeugs.

Von unübersichtlichen Echos zu klaren Bildern

Echte Funksignale werden an Gebäuden, Fahrzeugen und dem Boden reflektiert, gestreut und gebeugt, was ein Geflecht überlappender Echos erzeugt. In der Kommunikation wird vieles davon als störend behandelt und ausgeglichen; fürs Sensing kann es sowohl Herausforderung als auch Vorteil sein. Die Autoren erläutern, wie das Netzwerk die tatsächlich gesendete Wellenform am Empfänger rekonstruieren und dann fortschrittliche Signalverarbeitung verwenden kann, um nützliche Zielechos vom Clutter zu trennen. Anstatt sich auf einfache, rasterbasierte Fourier‑Transformationen zu stützen — die versagen, wenn Funkressourcen spärlich und fragmentiert sind — plädieren sie für modellbasierte Schätzverfahren, die eine kleine Anzahl von Pfaden mit spezifischen Verzögerungen und Doppler-Verschiebungen direkt an die gemessenen Daten anpassen. Das ermöglicht hochauflösendes Ranging und Geschwindigkeitsabschätzung selbst dann, wenn nur ein Teil der Frequenzen und Zeitschlitze verfügbar ist, wie es in einem stark genutzten 5G/6G-Frame typisch ist.

Zusammenarbeit in Raum, Zeit und Frequenz

Da viele Knoten dieselben Funkressourcen teilen, müssen ihre Sensing‑Aktivitäten sorgfältig geplant werden. Das Papier beschreibt, wie Zeit‑ und Frequenz‑„Resource Blocks“ so aufgeteilt werden können, dass mehrere Sensing‑Links koexistieren, ohne einander zu stören, während gleichzeitig Platz für normalen Datenverkehr bleibt. Einige Blöcke können an den Rändern des verfügbaren Spektrums platziert werden, um die Distanzauflösung zu schärfen; andere werden zeitlich so zugewiesen, dass sich bewegte Ziele ohne Mehrdeutigkeit verfolgt werden können. Antennenarrays fügen eine weitere Ebene hinzu: Durch das Steuern von Strahlen in Zielrichtung oder entlang wichtiger Achsen kann das Netzwerk Clutter unterdrücken und die Empfindlichkeit verbessern. Über ein größeres Gebiet teilen mehrere Standorte oder Schwärme ihre lokalen Schätzungen und verschmelzen sie zu Tracks von Autos, Drohnen oder Personen, unterstützt durch klassische Tracking‑Methoden wie Kalman‑Filter und neuere Techniken des maschinellen Lernens.

Vom Konzept zum Schutznetzwerk

Um zu zeigen, dass diese Ideen praktisch funktionieren, berichten die Autoren von einem Feldversuch mit einem Sender, zwei Empfängern und einem fahrenden Auto. In einfachen Zeit‑gegen‑Distanz‑Diagrammen ist das Echo des Autos im Gewirr stärkeren Gebäudereflektionen fast unsichtbar. Nach der Verarbeitung der Daten zu einer gemeinsamen Reichweite‑Doppler‑Ansicht hebt sich das bewegte Auto jedoch klar vom statischen Hintergrund ab. Durch die Kombination der Messungen beider Empfänger kann das Netzwerk die Position des Autos schätzen, wobei die Geometrie dieses kleinen Tests noch nicht optimal ist. Bei hochdichten 6G‑Einsätzen könnten dieselben Prinzipien Mobilfunkbetreibern eine neue Rolle geben: „Sensing as a service“ für Verkehrssicherheit, Drohnenmanagement und Schutz kritischer Infrastruktur anzubieten — alles durch Wiederverwendung der bereits betriebenen Funkgeräte und des Spektrums.

Zitation: Thomä, R., Andrich, C., Döbereiner, M. et al. Distributed multisensor ISAC. npj Wirel. Technol. 2, 22 (2026). https://doi.org/10.1038/s44459-026-00041-2

Schlüsselwörter: integriertes Sensing und Kommunikation, verteiltes MIMO-Radar, 6G-Mobilfunknetze, kabellose Lokalisierung, intelligente Infrastruktur