AI智能总结
专注于这个阶段 •参考: RWS - 230488, RP - 231540, RP - 232617 •RAN从TR22.837中选择少量的ISAC用例,并且识别下面的点所需的适当的对应信息,即场景、频率范围和感测模式。•还要考虑正在进行的SA1 TS22.137 •潜在目标: 1.RAN1主导的研究目标是使用38.901(如果适用于选定的用例)作为起点,并考虑相关测量,定义传感的通道建模细节,包括:•a.传感目标和背景环境的建模,包括,例如(如果选定的用例需要),雷达横截面(RCS),移动性和杂波/散射模式;•b.空间一致性。 如果尚未在SID中完成第一(RAN主导的)目标,则该目标在完成之后开始。 •还有别的吗? ISAC方案 在SA1中研究了32个用例,并在TR 22.837中捕获。这些用例在TR22.837和TS 22.137中进一步分为3种场景。 •根据政府和行业的要求,无人机检测和跟踪在低空经济和安全方面引起了广泛的关注。高速公路/铁路上的行人/动物入侵检测以及在有/无障碍物的十字路口进行感测对于智能交通系统。 •“对象检测和跟踪”中的用例在信道建模中具有共性,并且TR38.901中的信道模型可以扩展到具有一些增强的该场景。但是,“环境监测”场景和“运动监测”场景的特征与TR 38.901中的信道特征不同,并且如何对降雨或呼吸进行建模可能需要更多讨论。 ISAC传感模式: •已经讨论了用于ISAC的六种模式,其可以基于发射机和接收机是否物理上共同定位而被分为两类。 •单静态:gNB单静态; UE单静态•双静态:gNB到gNB双静态; gNB到UE双静态; UE到gNB双静态; UE到UE双静态。 •从信道建模的角度来看,类似的信道建模机制可以用于单静态和双静态模式,例如 •传感目标建模,包括发射机到传感目标信道模型、传感目标到接收机信道模型和RCS•背景环境建模; •但是,不同的模式具有不同的通道参数,例如 •gNB和UE的高度、速度、天线配置•Pathloss,LoS概率,不同模式的K因子修改。 提议3:对于ISAC信道建模,可以考虑单静态和双静态模式两者。 ISAC关键性能指标影响因素 决议 准确度: •距离: 2/0•距离:=2 2 •角度:3× •角度:=θ3=θ31.61.6 22/0 22/0•速度:2==2 2 •多普勒:Δ=, max=1=/2 •速度:==222 •信道模型应• 反映真实环境•支持ISAC评估•优先考虑可能影响ISAC性能的修改 ISAC信道建模要求 TR38.901型号的不足特征该应用是针对BS-UE的。延迟和角度是随机产生的。集群功率是根据它们的延迟产生的。功率,延迟和射线数是固定的,多普勒相位仅与RX的运动(速度和方向)有关。计算空间一致性特征基于BS/UE的移动。TR38.901 •与传统通信相比,ISAC信道模型应充分表示与传感目标和背景环境相关的传感信号,以用于不同传感模式和场景的性能评估。 •传感目标相关信道的建模 •与感知目标相关的大规模衰落建模,包括•路径损耗建模、RCS建模、LoS概率、K因子等。•与感知目标相关的小尺度衰落建模,包括•与感测目标速度和与场景和模式相关的小尺度衰落因子的其他潜在修改有关的多普勒•移动性和空间一致性建模 TR36.777型号的不足特征该应用适用于BS-UAV,并且UAV高度范围为1.5至300m。衰落参数生成与38.901相同。簇级参数生成基于38.901中的CDL模型,一些参数是修订。 ISAC通道建模:结构建模 ISAC通道建模:背景和目标相关通道的耦合 ,,•候选方法1:利用公式(1)得到衰落模型。and是目标和环境群集的数量。ℎ是第ISAC簇的信道系数。是阴影褪色。H=∑+ℎ′(, )(2)=1,, 使用公式(3)得到衰落信道。上标代表环境。 •候选方法2: H(,)=∑(,)+(, )(3)=1, ISAC通道建模:可能的参数需要修改 用于ISAC信道建模 •LoS概率模型、路径损耗模型、阴影衰落模型可以重新用于背景信道。•LoS概率模型、路径损耗模型和阴影衰落模型可以被重新用于第一或第二分段目标相关信道。 射线级参数 射线数量射线延迟射线角度射线功率 群集数量群集延迟群集角度群集功率 空间一致性RCS多普勒 ISAC信道建模:LoS概率和K因子 ISAC通道建模:潜在方案 统计(TR 38.901的增强) •基于级联的信道建模:从A点到传感目标,从传感目标到B点的大尺度和小尺度的“双链”衰落的级联 •从点A到感测目标以及从感测目标到点B的大规模和小规模模型可以使用TR38. 901作为起点,并进行潜在的修改,例如 •修改了A点、感应目标和B点的高度,TR 36.777中的无人机通道模型可以作为参考。•LoS概率、K因子等•由背景环境引起的大尺度和小尺度衰落可以另外建模。 •基于非级联的信道建模:在TR 38.901中将传感目标建模为一个簇 •在该建模方案中需要明确地描述感测目标的位置和速度。•由 背 景 环 境 引 起 的 大 尺 度 和 小 尺 度 衰 落 可 以 与 传 感 目 标 共 同 建模。 •混合(确定性和统计性) 一种候选ISAC信道建模方案 基于级联的信道建模方案 •在感测中只考虑目标相关的簇。•背景集群可能继承目标相关聚类的一些参数。•分段的链接是卷积的。•目标的反射模式由RCS建模。•感测的聚类能力应该用背景聚类来归一化。 一种候选ISAC信道建模方案 •分段的链接是卷积的。 •应修订这两个部分的群集编号。 second()(second−first)⋯(second−first)目标(,)=sum,1{[⋮11]68%[首先()…first()]•[⋮⋱11⋮]}1∈1,2∈2second(,1,1(second−first)⋯(second−first),22121 •LoS中的多普勒相位可能是由整个距离变化引起的。 一种候选ISAC信道建模方案 •目标反射特征通过RCS建模。 •RCS模型有三种类型: 固定值: 角度相关: 从分发生成: 一种候选ISAC信道建模方案 •目标相关簇的功率应与背景簇归一化。 Conclusion •在3GPP中存在对ISAC信道建模的强烈兴趣。•无人机、智能交通和行业场景可能是优先考虑的。•基于BS的部署被优先化。•建模方法仍在讨论中。 •统计模型和混合模型•基于级联的和基于级联的•RCS建模•移动性和空间一致性建模 •需要更多的测量结果。 •集群级别的参数应该修订。•应验证背景和目标相关簇之间的耦合关系。 谢谢