通信世界网消息（CWW）随着6G移动通信系统的加速演进，通感一体化（ISAC）作为实现通信与感知深度融合的核心使能技术，正受到业界广泛关注。特别是在未来智能终端普及和低空经济快速发展的背景下，网络化协作通感凭借其在提升感知性能、扩展覆盖范围以及增强系统可靠性方面的显著优势，成为6G ISAC领域的关键方向。然而，网络化协作通感在实际部署中面临诸多核心挑战，其中强弱径效应（SWPE）是影响其性能的关键因素。
本文深入探讨了6G网络化协作通感所面临的SWPE挑战，并详细阐述了应对此挑战的2种创新方案的技术特点：基于线性约束最小方差准则（LCMV）的自适应波束赋形（L-APPA）方案和混合自适应波束赋形（H-APPA）方案。最后依托仿真和试验验证介绍了上述2种技术方案在提升目标检测概率等方面展现出卓越性能，为构建泛在通感网络奠定坚实基础，助力低空经济等应用场景的蓬勃发展。
移动通信正走向“万物智联、数字孪生”的6G时代。通感一体化（ISAC）技术应运而生，旨在通过共享频谱、硬件和信号处理资源，实现通信与感知功能的融合。中国移动研究院6G团队一直以来深耕通信感知一体化关键技术，提出6G网络化协作通感一体技术，以网为根基，在移动通信网络上融合感知能力，通过多节点智能协作，实现低成本、高精度泛在感知。图1展示了网络化协作通感系统模型示意图。
图1 网络化协作通感系统模型示意图
然而，在实际部署中，网络化协作通感仍面临一系列严峻挑战。其中，强弱径效应（SWPE）是一个核心问题，即系统中不同信号路径（如用于同步的直达径和用于感知的回波径）由于路径损耗差异较大，导致信号强度失衡，严重影响弱目标的检测。本文将聚焦分析6G网络化协作通感面临的SWPE难题，详细介绍2种创新的自适应波束赋形技术方案，所述方案通过智能策略优化发射波束赋形，能克服直射径过强导致弱回波径难以检测的难题，将目标检测概率提升超30%。
6G网络化协作通感面临的挑战：SWPE
在网络化协作通感系统中，SWPE是一个亟待解决的关键问题。该效应主要源于系统中不同路径（如直达径与回波径之间，或不同回波径之间）存在显著的路径损耗差异。在实际场景中，由于节点同步的直达径通常路径损耗较低，其信号强度较强；然而，用于目标定位和追踪的回波径（特别是针对远距离或雷达散射截面积（RCS）较小的弱目标），由于传播距离更远、目标散射能力弱等因素，往往会经历更高的路径损耗，导致其接收信号强度相对较弱。这种强烈的对比使得接收节点接收到的直达径信号强度可能远远大于回波径信号强度。在此情况下，强路径的能量极易淹没甚至完全掩盖弱路径的回波信号，从而导致系统难以有效检测到远距离或RCS较小的弱目标，这严重限制了网络化协作通感系统的感知灵敏度和覆盖范围。因此，研究有效的波束赋形技术以应对SWPE至关重要。
应对SWPE：自适应波束赋形技术
波束赋形是应对SWPE、有效平衡不同信号路径强度的核心技术。本文介绍的自适应波束赋形技术通过智能调整不同路径（直达径与回波径）上的发射功率，以提升弱目标的检测概率。
（一）L-APPA算法
基于线性约束最小方差准则（LCMV）的自适应波束赋形（L-APPA）算法旨在通过优化波束赋形权重，确保在不同方向上获得期望的信号增益，同时最小化在其它方向的系统输出功率。其核心思想是，鉴于直达径通常路径损耗较低而回波径路径损耗较高，系统会主动减少直达径的功率，同时保持回波径的信号增益，从而提高弱目标的检测概率。其中L-APPA算法所依托的全数字波束赋形架构示意图如图2所示，通过调整直达径和回波径的功率分配，解决SWPE问题。
图2 全数字波束赋形架构示意图
该算法将波束赋形问题形式化为一个线性约束最小方差（LCMV）优化问题：
其中W表示波束赋形权重，Rn表示干扰与噪声的协方差矩阵，C表示阵列导引矩阵，确定不同径的方位角，d表示期望的信号强度，指示不同径的分配功率。通过拉格朗日乘子法求解最优波束赋形权重，L-APPA算法能够在保证直达径和回波径所需信号增益的同时，最小化干扰和噪声功率，有效平衡不同路径的接收功率水平，从而缓解SWPE。
值得注意的是，L-APPA算法依托的是理想的全数字波束赋形架构，即每个天线单元都有独立的射频链。然而，在毫米波频段的大规模天线阵列中，这种架构因硬件成本和功耗高的问题在实际应用中难以部署。
（二）H-APPA算法
混合自适应波束赋形（H-APPA）算法针对更实际的混合模拟-数字波束赋形架构进行设计，该架构在模拟波束赋形器上施加恒模约束，以适应硬件限制。该算法旨在通过优化模拟和数字波束赋形权重，确保在不同方向上获得期望的信号增益，同时最小化在其它方向的系统输出功率。如图3所示，给出了混合波束赋形架构下对直达径和回波径的功率分配示意图。
图3 混合波束赋形架构示意图
该算法将波束赋形问题建模为如下优化问题：
其中Wa和Wd分别表示模拟和数字波束赋形权重，Rn表示干扰与噪声的协方差矩阵，C表示阵列导引矩阵，确定不同径的方位角，d表示期望的信号强度，指示不同径的分配功率，此外，约束还限制了模拟波束赋形器的恒模约束。H-APPA算法通过将复杂的优化问题分解为多个子问题，并采用交替方向乘子法（ADMM）进行迭代求解。通过迭代更新有效波束赋形器、模拟和数字波束赋形器，H-APPA算法能够近似实现全数字波束赋形的理想性能，同时显著降低硬件复杂度和功耗。这使得复杂的方向性功率控制在大规模天线阵列中变得可行，极具工程实践价值。
性能分析
依托广泛的仿真和试验验证，本章节将介绍上文中自适应波束赋形技术的性能优势。
（一）SWPE性能分析
首先，固定回波径的信噪比（SNR）为-10dB，然后仿真两径间距的参数估计下限（CRB）随直达径SNR的变化关系。结果如图4所示，两径间距的CRB与直达径SNR紧密相关。当两径的SNR差异较大时，具有较差SNR的路径对CRB起主导作用，进一步增加强路径的SNR并不能显著提高估计精度。这说明了通过波束赋形平衡不同路径信号强度以缓解SWPE的重要性。
图4 参数估计下限与直达径SNR的关系图
（二）L-APPA算法性能
通过优化不同路径间的发射功率分配，L-APPA能够平衡接收信号功率，显著提升弱目标的检测概率，如图5所示，L-APPA能将目标探测概率提升超过30%，证明了其在增强弱目标检测能力方面的有效性。此外，其波束赋形能成功在期望方向保持增益（0dB）的同时，在强干扰路径方向实现深度抑制（20dB），从而使弱信号得以“浮现”。
图5 L-APPA算法目标检测概率曲线
（三）H-APPA算法性能
H-APPA算法在满足混合波束赋形硬件约束下，能够近似实现全数字波束赋形的理想性能，如图6所示，其混合波束赋形图样贴近全数字波束赋形图样，显示出H-APPA算法在降低硬件成本和功耗的同时，保持了卓越的功率分配性能。
图6 两种自适应波束赋形技术对比
（四）SWPE试验验证
搭建试验环境如图7所示，其中发送节点Tx和接收节点Rx间隔8m，感知目标是位于两节点正前方7.5m处的球体。由于实验设备采用混合波束赋形、器件非理想性、接收机采样率不同等因素，无法使用传统的路径衰减公式进行计算。因此，在试验之前，首先进行了预测试，通过测试得到回波径比直达径多约25dB的路径损耗。
图7 SWPE试验验证场景示意图
试验验证了波束赋形算法在缓解SWPE方面的效果。通过调整回波径和直达径的功率分配比例，试验观察到感知性能存在一个“U形”曲线，即存在一个最佳功率分配点，在该点感知性能最优。这有力证明了所提算法能有效平衡路径损耗差异，最大化感知性能。
图8 SWPE试验中，感知性能与功率分配的
“U形”关系
上述仿真和试验结果共同验证了所提出的自适应波束赋形技术在解决SWPE问题、提升感知性能方面的有效性，能为未来6G网络的实际部署奠定了坚实基础。
总结
本文围绕6G网络化协作通感这一前沿领域，深入分析了其面临的SWPE挑战。为应对SWPE这一关键难题，本文详细阐述了2种自适应波束赋形创新技术方案——L-APPA和H-APPA。这些创新方案通过优化发射功率在直达径和回波径之间的分配，有效平衡接收信号强度，显著提升了弱目标的检测概率，并适应不同的硬件架构。大量的仿真和试验验证表明，所提出的自适应波束赋形技术通过智能调节不同信号路径的功率，克服直射径过强导致弱回波径难以检测的难题，将目标检测概率提升超30%。
未来，网络化协作通感将与AI驱动的边缘计算、多模态大模型等前沿技术深度融合，共同构建一个更为智能、高效、全覆盖的网络。中国移动将持续致力于推动6G通感一体化技术的创新与实践，解锁未来智能互联的无限可能，并为低空经济等新兴领域的蓬勃发展提供坚实的技术支撑。
