分布式多传感器 ISAC

把手机网络变成隐形雷达

想象一下，如果连接我们手机的无线网络也能监视道路、保护电厂并发现非法无人机——而无需额外架设任何雷达塔。本文探讨了未来 6G 移动网络如何作为一个广域分布式感知系统，通过现有的无线信号检测并跟踪环境中的目标，就像一台在城市、高速公路和天空中分布的巨大隐形雷达。

用许多“耳朵”而不是一只“眼睛”来观察

传统雷达像一盏强光灯加一台固定安装的相机：它发送脉冲并监听目标回波。作者提出了“分布式多传感器 ISAC”的概念，许多无线节点——基站、远程射频单元，甚至车辆或无人机——协同工作。每个节点可能发射或接收普通通信信号，但合在一起形成一张测量路径网络，这些路径会在场景中的物体上反射。通过比较多个发射—接收对的传播时延和频移，网络可以推断目标的位置及三维运动，即使单个节点无法获得完整视角。

网络感知世界的三种方式

文章概述了三类主要架构。在仅基础设施参与的感知模式中，只有固定网络元素（如基站和小型“嗅探”接收器）参与。这适合全天候监视大型工业园区、港口、输电线路或高速公路枢纽，无需动用用户设备或其数据。在上行/下行感知中，用户设备（如汽车或无人机）成为感知环的一部分：有时它们照亮场景，有时充当移动接收机，在基础设施稀疏或被遮挡处提供新的观测点。第三种模式依赖设备间的直接链路，形成汽车或无人机的临时网状网络，既交换通信也交换感知信号。在密集交通或无人机蜂群中，这种“侧链路”感知可以拼接出比任何单一车载传感器都要丰富的共享环境视图。

从混乱回波到清晰图像

现实世界的无线信号会在建筑、车辆和地面上反射、散射和衍射，产生一团重叠的回波。对于通信来说，这些多径通常被视为需要均衡的干扰；对于感知，它既是挑战也是资源。作者解释了网络如何在接收端重构实际发射波形，然后用先进的信号处理方法将有用的目标回波从杂波中分离出来。他们不依赖在资源稀疏或分片时失效的简单网格傅里叶变换，而是主张基于模型的估计，直接将具有特定时延和多普勒偏移的少量路径拟合到测量数据中。这使得在常见的忙碌 5G/6G 帧中，仅有部分频率和时隙可用时仍能实现高分辨率的距离和速度估计。

在空间、时间与频率上协同工作

由于多个节点共享相同的空中资源，它们的感知活动必须被精心调度。文章描述了如何划分时间和频率的“资源块”，使多个感知链路能在不相互干扰的情况下共存，同时仍保留正常数据流量的空间。有些资源块可放在可用频谱的边缘以提高距离分辨率；有些按时间分配以便在无二义性的情况下跟踪移动目标。天线阵列又提供了另一层控制：通过将波束指向目标或关键方向，网络可以抑制杂波并提高灵敏度。在更大范围内，多个站点或蜂群共享各自的局部估计，将其融合成车辆、无人机或人员的轨迹，借助经典的卡尔曼滤波等跟踪方法以及近年来的机器学习技术。

从概念走向守护网络

为证明这些想法的可行性，作者报告了一次包含一台发射机、两台接收机和一辆移动汽车的现场实验。在简单的时延—距离图中，汽车的回波在建筑物的强反射中几乎不可见。然而经过数据处理为联合距离—多普勒视图后，移动汽车便从静态背景中清晰地凸显出来。通过结合两台接收机的测量，网络能够估计汽车的位置，尽管在这个小规模实验中的几何布局尚非最优。将这些原理扩展到密集的 6G 部署后，同样的机制可能为移动运营商带来新角色：通过复用他们已运营的无线电和频谱，提供用于交通安全、无人机管理和关键基础设施保护的“感知即服务”。

引用: 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

关键词: 综合感知与通信, 分布式 MIMO 雷达, 6G 移动网络, 无线定位, 智能基础设施