感知协同太赫兹多天线移动通信：原理、现状与展望*

范玉衡，杨闯，彭木根

（北京邮电大学网络与交换技术国家重点实验室，北京 100876）

0 引言

随着智能设备接入数量的飞速增长、用户传输速率需求不断提升，传统sub-6G 的频谱资源已不能满足未来移动通信巨容量、超高速率的需求[1]。短缺的频谱资源成为制约移动通信发展的关键问题之一。近年来，以毫米波、太赫兹为代表的高频段传输技术被认为是解决频谱资源枯竭问题的有效手段[2]。相较于毫米波，太赫兹频段位于0.1 THz～10 THz，带宽更大，能够为通信系统提供几十GHz 的带宽资源，支撑未来超100 Gbps 的空口无线信号传输[3]。太赫兹能够应用于未来数字孪生[4]，6G 车联网[5]，高速保密抗扰通信[6]，无线骨干网[7]等多种场景，具有重要的研究价值和广阔的应用前景。

但太赫兹无线传输过程存在较大的自由空间损耗和强烈的大气分子吸收[8]，严重制约通信距离。基于大规模多入多出（Massive MIMO,Massive Multiple-Input Multiple-Output）的波束赋形技术能够实现高增益且方向可调控的窄波束传输[9]，从而实现太赫兹远距离移动通信，支撑6G 业务场景。然而，移动通信中窄波束容易失准，使得通信链路容量急剧下降，甚至导致链路中断[10]。

近年来，随着通信感知一体化（ISAC,Integrated Sensing and Communications）技术的不断发展，感知协同的多天线技术已成为当前太赫兹移动通信的关键解决方案[11]。通过赋予通信系统内生感知能力，太赫兹多天线通信系统能实时获取波束特性、用户位置与移动性等信息，从而实现对通信波束的实时调整，极大释放了太赫兹超高速、巨容量移动通信的潜力。

本文首先介绍了太赫兹多天线移动通信的基本原理，分析了用户移动对太赫兹窄波束通信的重要影响。介绍快速、微弱与控制系统操作下的3 种用户移动模型，分析不同场景中存在的波束失准现象及其特征。然后综述当前感知协同太赫兹多天线移动通信技术的解决方案，详细阐述相关技术的发展现状与特征。最后结合当前太赫兹波束追踪应用难题、太赫兹频段器件特性、通信感知一体化波形设计设计等领域，对感知协同太赫兹多天线移动通信技术进行未来展望。

1 太赫兹多天线移动通信原理

如图1 所示，与传统频段单天线移动系统主要通过发射电磁信号对用户区域进行覆盖不同，太赫兹多天线移动通信系统通过多天线同时发射电磁信号实现对波束的调控。

图1 太赫兹多天线移动通信系统模型

图2 为太赫兹多天线移动通信系统模型，通过调整数字预编码和太赫兹前端的移相器至赋形角度θ的整数倍，可实现对移动用户的波束追踪。其中，数字预编码和移相器设置取决于信道估计结果。以上行链路的多用户大规模MIMO 系统为例[12]，假定Nr为基站配备天线数，Nt为单天线用户数，则此时信道矩阵可以表示为H∈CNr×Nt。在此信道下基站侧的接收信号y∈CNr×1可以表示为：

图2 太赫兹多天线移动通信系统模型

其中x∈CNt×1为发送信号，w为加性高斯白噪声。太赫兹移动通信信道H可以仅考虑视距方向上的通信信道，进而将常用的Saleh–Valenzuela 信道模型可以简化为：

其中α为用户导向矢量，对于用户k∈[1,Nt]，基站Nr天线上的接收信号满足α(θk)=[e-j2πθkm]m∈{0,…,Nr-1}，θk为第k个用户对应的波达角。β为传输中的信号衰弱，其主要由三部分决定[13]：

其中βl为传输路径损耗，βf为多径带来的衰弱，βp为波束不对准带来的能量损失。

在太赫兹移动通信中，由于符号周期短，在一个符号周期内用户位置变化小、多径效应弱，路径损耗与多径衰弱可被作与时间无关的系数，太赫兹通信时变性主要由波束角度偏差βp(t)决定。对于如图3 所示的波束偏差，其能量损失如下[13]:

图3 太赫兹波束失准示意图

其中r(t)为波束中心距离，A0为波束完全对准时的能量系数，weq为由通信双方发射、接收波束宽度wd,a共同决定的等效波束宽度。由于太赫兹多天线通信波束极窄，容易发生波束失准，导致接收信号能量呈现指数级的衰弱。因此太赫兹多天线移动通信中必须对用户进行实时的波束追踪。

传统对于用户的多天线波束追踪方案主要有两种。一类是基于波束训练的方案，通过预先设置所有可能的波束方向，每次从中挑选部分波束进行配对，检测当前信号峰值，从而实现通信波束的选择[14,15]。但此类方法通常需要大量的导频开销，且在太赫兹窄波束条件下，码本复杂度极高，难以直接运用。此外可以通过对上行链路反馈进行信道估计获取信道状态信息，基于高斯-马尔可夫模型预测信道状态并实时调整波束方向，实现波束追踪[16,17]，但由于模型要求信道随机性高、时变性低，具有强烈统计特征。这一类方案不适用于空间稀疏、确定性强、高时变的太赫兹信道。

近年来，新兴的感知协同技术，具备破解太赫兹波束追踪的潜力[18]。太赫兹波束窄，能够获取高精度的感知数据，一方面可以利用感知信息实现用户的预测和锁定。另一方面基于感知先验信息也能够很好辅助通信中快速信道估计与高效预编码任务，极大降低太赫兹波束追踪系统复杂度。上述优势使得感知协同的多天线技术成为了当前太赫兹频段波束追踪的研究热点。因此本文首先综述基于感知协同太赫兹多天线通信中常见的用户移动建模，而后综述感知协同太赫兹多天线移动通信技术发展现状，最后展望未来的发展方向。

2 太赫兹多天线通信用户移动模型

在太赫兹多天线移动通信中，用户移动是波束偏差和链路中断的关键因素。用户移动主要分为2 类：（1）快速移动[19-22]。与传统sub-6G 频段类似，用户运动可能引起视距方向上太赫兹链路的阻塞，从而导致通信速率的下降，甚至是中断；（2）微弱移动。由于太赫兹频段波束极窄，用户微弱的转动和抖动会引起信道特性发生剧烈变化，从而影响通信质量[23]。其中，快速移动具有高度运动学特征，可以进行确定性建模和分析。而微弱运动的分析相对困难，当前主要基于随机移动理论进行统计学建模[24]。

此外，还有部分研究将用户移动视作由控制系统决定的变量，提出了基于控制学理论的太赫兹移动通信模型[25]。

2.1 用户快速移动模型

由于太赫兹多天线波束极窄，且太赫兹存在严重路径传输损耗，主要考虑视距方向上的通信。因此在用户快速移动模型中，仅考虑角度上的对准，常将运动学模型转化为角域运动模型进行确定性研究。

如图4 所示，匀速直线模型是运动学基本模型，可以表征通信时隙间隔短的太赫兹用户移动[19]。依据连续时刻运动的几何学关系和运动学方程可以得到角域运动的递推模型：

图4 太赫兹多天线移动通信用户匀速直线运动模型

其中，T是通信时隙间隔；θ为当前物体实际方向；λt为运动角速度；ψt为实际物体运动速度方向，可以通过前后三个连续时刻的角度确定。

近年来随着太赫兹被用于高速空天通信，许多复杂非线性运动模型也被提出用于高速场景下的太赫兹移动通信建模。文献[20]中考虑了卫星与飞行航空器之间的非线性运动模型；文献[21]中考虑了无人机之间复杂运动的模型。此外针对实际场景中的太赫兹通信，文献[22]研究了高速轨道交通场景下太赫兹通信，在线性运动中考虑了不可忽略的列车长度。上述模型均是在匀速直线运动模型的基础上，结合运动的特点进行模型修正，能够更好地适应于实际场景下的太赫兹移动通信。

2.2 用户微弱移动模型

除了用户快速移动导致的容量损失和链路中断外，用户的抖动、转动均会导致太赫兹多天线通信信道产生不理想特性。在实际研究中，由于小尺度微观运动难以使用动力学理论进行确定性分析，因此多采用统计学模型描述其特性。

文献[23]提出使用布朗运动对太赫兹微弱的随机移动进行建模。考虑如图5 所示的太赫兹波束对准模型，基站与用户之间的中心偏移误差Δx,Δy，角度偏移误差Δφ,Δθ。假定初始时刻波束是对准的，可利用布朗随机移动方程对波束移动进行建模：

图5 基于随机移动理论的太赫兹多天线微弱移动模型

其中，c(x,t) 为波束中心在t时刻位于x坐标的概率，Dx为与波束运动的速度有关的失准偏移系数。若此时设定产生衰弱的集合边界为MXY，由此可以求得发生衰弱时间的概率密度为：

进一步可以得到其概率分布函数Fx(t)，其余变量类似可得。联合各参数，可得到多个参数变量的联合概率分布函数fT(t)，其描述了由微弱移动造成链路衰弱的可能性。

基于上述工作，文献[24]利用激光模拟不同场景下太赫兹用户微弱运动情况，分析了不同场景下太赫兹链路衰弱情况。结果表明，在微弱运动下，利用马尔可夫随机过程方式仅仅适用于观影、通话等低速、纯随机场景，不适用于游戏等具有一定控制学特征的场景。上述实验结果，对于微弱移动下的太赫兹移动通信模型和波束追踪研究具有重要价值。

2.3 控制学下的用户移动模型

为进一步实现在控制系统中的太赫兹波束追踪，文献[25]中提出无人机、车辆等移动通信载体由控制系统进行姿态、角度等参数调整，因此可以认为移动、抖动、旋转等是由控制系统造成的，并非完全随机的变量。

如图6 所示，可以结合控制学模型对产生的通信衰弱进行分析。假定当前位置为y(t)，波束中心位置为y*(t)，那么可以得到波束偏移为：

图6 控制学下的太赫兹多天线移动模型

若此时控制系统冲击响应为c(t)，运动系统冲击响应为g(t)，那么可以得到此时：

对上式拉普拉斯变换并对其做极点的分解得到：

其中x1,x2,…xn为系统极点，an为常数系数。取前r阶极点，并进行拉普拉斯反变换得到波束偏移为：

其中，Ci为拉普拉斯反变换参数。上式描述了波束对准偏差随时间的变化关系，这一变化由控制系统决定。

3 感知协同太赫兹多天线移动通信波束追踪技术

完成对用户移动性建模后，可以利用感知协同技术获取用户移动的位置、速度等信息，再基于恰当的移动模型实现对用户运动状态的实施预测，进一步实现快速、高效的波束追踪。如表1 所示，除去两类传统追踪方案外，当前感知协同的高频窄波束追踪技术主要可以分为3 类：

表1 太赫兹多天线通信波束追踪方案对比

（1）基于信道感知协同的太赫兹多天线波束追踪技术。此类技术直接从用户发送导频中提取信道状态信息，并将其转化为用户的运动参数，从而对用户运动进行预测[26-29]。

（2）基于回波感知协同的太赫兹多天线波束追踪技术。此类技术主要利用雷达信号处理技术，利用回波代替传统信道反馈信息，实现低导频开销的波束追踪[30-33]。

（3）基于带外感知协同的太赫兹多天线波束追踪技术。此类技术在使用太赫兹作为通信频段外，增添可见光、微波等频段作为感知手段。实现多系统的共存与增强[34,35]。

3.1 信道感知协同的波束追踪

基于信道感知协同的波束追踪技术经历了多个不同的发展阶段。传统sub-6G 为取得更好的通信效果常采用基于信道反馈的信道追踪。由于sub-6G 通信中存在较强的多径效应，信道复杂，难以获取信道状态信息与用户运动之间的直接关系。因此常采用基于随机过程理论模型对信道进行预测。其中最为常用的是马尔可夫模型，文献[16]假定连续时刻内信道变化满足一阶高斯-马尔可夫模型，并基于卡尔曼滤波设计了一种低导频的信道追踪方案。文献[17]基于线性回归和粒子滤波技术对信道进行预测追踪。

但太赫兹由于波束较窄，随机特性弱，难以直接使用传统模型进行分析。因此传统基于信道的追踪也被拓展至基于如图7 所示的用户物理实体感知信息的追踪。文献[26]在卡尔曼滤波中使用运动学状态和模型作为变量，获得了更为准确的估计。文献[27]将移动物体的位置、速度和信道变化联系，大大降低了信道追踪的复杂度。文献[19]中基于用户线性运动模型，基于该模型对相邻时隙内角域变化进行建模。

图7 基于信道感知的波束追踪

为进一步提升追踪精度，一方面可以使用更为复杂的信道模型进行预测，文献[28]充分考虑了多径分量对信道的影响，拓展了传统的追踪方案。另一方面，部分研究通过对卡尔曼追踪算法进行改进，使其更适用于信道追踪任务，如文献[29]提出可以使用无迹变换对模型进行近似，能够获得更为准确的估计量。

由于可以利用成熟的移动性对用户进行预测，如图8 所示，此类方案波束追踪导频开销小，精度高。但此类基于信道反馈信息与信道建模的方法能够在特定场景下满足通信需求，但依赖于对场景良好的运动建模分析，泛用性较差。

图8 信道感知协同性能仿真

3.2 回波感知协同的波束追踪

如图9 所示，感知协同的太赫兹多通信中可以利用通信信号的回波代替频繁的信道反馈。这一架构不但有利于降低通信系统的复杂度和简化通信双方的交互流程，而且基于雷达感知理论的信号处理能够更为高效地追踪物体，获取物体的角度、位置、速度等参数，为信道估计提供高精度的先验信息，实现更为高效的追踪与对准。

图9 回波感知辅助波束追踪与对准

文献[30]研究了在随机移动条件下基于回波感知的通信雷达一体化系统的性能增益，说明了感知协同通信工作模式下能够提升系统性能。文献[31]研究了在交通场景下利用感知辅助的回波，结合雷达信号处理技术，通过卡尔曼滤波实现对物体的跟踪，并设计了一种通信感知的功率分配方案，从而实现了更为高效的波束追踪。为降低系统导频消耗，文献[32]在回波辅助条件设计了一种自适应虚拟波形，通过波形调节当前通信与感知时域资源的分配，结果显示在不影响通信速率的前提下，能够极大提升感知精度。此外，针对波束训练导频开销大，文献[33]研究了利用回波作为感知信息，缩小码本搜索范围，从而实现快速波束训练，简化波束训练流程。

基于回波感知的波束追踪不需要双方复杂的交互和反馈流程，仅通过回波信号就获得用户的移动信息。这一架构能够有效降低系统硬件组成的复杂度，而且利用回波替代频繁的信道反馈实现低导频开销下的高精度波束追踪。但此类方式由于太赫兹频段衰减较大，如何提取太赫兹微弱回波信号依旧是当前的难点。

3.3 带外感知协同的波束追踪

除对通信系统赋予内生感知能力进行波束追踪与对准外，部分研究使用额外的感知设备，如：光学摄像机、sub-6GHz 等进行信息处理层面的感知通信一体化。

如图10 所示架构，可以通过光学设备和视觉进行物体的定位从而辅助波束追踪。文献[34]通过在道路两侧布置双视觉传感器和基站，利用深度学习实现了一种车联网场景下视觉辅助的太赫兹波束追踪和切换方案。其算法结果显示能够大幅度提高当前波束切换的速率。文献[35]考虑使用sub-6G 进行用户位置的预测，其同样使用深度学习的方法进行粗定位，并以此作为先验信息而后基于数据训练结果进行太赫兹波束对准角度的调整。

图10 光学感知辅助波束追踪与对准

上述基于额外感知信息和深度学习算法的太赫兹波束追踪方案能够有效提升特定场景下太赫兹波束追踪的效率、精度。但是此类方案目前依然存在一些问题，其一是系统复杂度提升，引入了额外的硬件设备，能耗相较于其他方式都有所上升。其二是资源的浪费，此种方式通常需要使用额外的感知资源进行数据信息的获取、训练。最后，此类方法针对不同场景的泛用性差，难以适配所有场景需要进行复杂的数据采集工作。

4 未来展望

研究现状表明，感知协同太赫兹多天线通信能够提升特定场景下的太赫兹移动通信波束追踪性能，但在信道受到干扰、发射功率不足条件制约下，上述系统方案都面临极大的不确定性，亟需理论性能指导方案设计。此外，太赫兹技术被应用在实际场景中，器件存在的诸多不理想特性会制约现有方案的实施，需要进一步考虑。最后，随着未来6G 通信技术不断推进，太赫兹与正交时频空等新物理层技术的结合值得重点关注。

4.1 感知协同多天线波束追踪信息理论

太赫兹通信在不同移动场景中的理论性能分析欠缺。在波束追踪中，不同波束追踪通信感知性能资源分配说明尚不全面。且针对非理想条件下的太赫兹波束追踪研究较少。非视距条件、非线性运动等更为具体场景下的波束追踪和对准的方案相关研究较少。针对未来常见移动通信载具，如：无人机、车辆、行人等，可以构建更为具体的运动模型，实现更为高效的波束追踪理论研究和技术方案。

4.2 硬件缺陷制约下多天线波束追踪技术

太赫兹频段器件工艺尚不完全成熟，且通信带宽较大，使得器件存在如下几点不理想特性：

（1）时钟完全同步困难。太赫兹通信中符号周期极短，使得收发端时钟难以完全同步。并进一步导致当前的感知参数不完全准确，对用户运动位置、速度的估计和预测可能存在较大偏差。接收信号功率不确定。

（2）放大器非线性效应强。由于太赫兹通信中信号带宽较大，放大器频率相应不完全平坦，使得当前信号存在非线性失真，并进一步导致当前感知信息不准确，使得当前波束追踪出现偏差；

（3）同相正交（IQ,Inphase and Quadrature）路信号不均衡。由于太赫兹器件的局限性，使得IQ 两路本振信号难以保持严格正交，从而引起基带信号的相位偏移，导致基带信号的失真。

上述难题均会对实际中感知协同的太赫兹移动通信系统产生巨大影响，因此如何在非理想硬件条件下实现太赫兹波速追踪是太赫兹实际应用中的难题。

4.3 感知协同多天线波束追踪调制技术

由于太赫兹频段高，在高速运动场景中存在更大的多普勒效应，使得信道具有严重的时频双选特征。在时频双选信道中，OFDM 中各个子载波之间的正交性被严重破坏，通信效率极大降低。为了解决上述难题，近年来正交时频空（OTFS,Orthogonal Time Frequency Space）调制技术成为了研究热点。

OTFS 通过在时延多普勒域上进行信息传输，能够获得时间、频率上全部分集增益，复杂时频双选信道呈现稀疏和近似静止的特性，能够支持高动态场景中的太赫兹通信。此外由于OTFS 调制使用典型的时延、多普勒作为信道参数，其可以获得与调频连续波近乎相同的感知性能，能够有效支持感知辅助的太赫兹无线通信系统。但当前OTFS 调制技术的峰均比较高，对太赫兹频段硬件性能产生了极大挑战。因此，目前峰均比低OTFS 技术有望破解太赫兹感知协同通信的难题。

5 结束语

本文从当前太赫兹移动通信场景与需求出发，总结了当前多天线太赫兹移动通信需求。概述了太赫兹多天线移动通信的基本原理，分析了波束追踪的重要性。综述了快速运动、微弱运动、控制下运动三类典型太赫兹通信用户运动模型。基于上述模型，综述了当前感知协同太赫兹波束追踪技术的原理与发展现状，分析了信道感知、回波感知、带外感知三类技术的优势与不足。最后结合未来6G 需求和太赫兹频段特性对未来感知协同太赫兹多天线移动通信技术做了展望，亟需重点研究感知协同太赫兹多天线移动通信的基础信息理论、硬件制约下的方案设计以及感知协同调制技术。