摘要
通信感知一体化(Integrated Sensing and Communication,ISAC)技术是指利用无线电磁波的随机性与确定性，实现通信与感知功能在时域、频域及空域上的复用。ISAC系统的核心问题是通信-感知性能的可达域分析以及权衡分析。传统方法聚焦于模型驱动的感知任务，利用香农定理与估计理论推导其通-感性能可达域。但这类方法并不适用于数据驱动的感知任务。从技术角度看，数据驱动的感知任务更为复杂且需要语义特征的提取，因此高度依赖深度神经网络。这导致其性能难以通过数学建模分析手段获得，亟需通过数据驱动的方法来构建ISAC系统通信-感知性能的可达域，而这类方法在现有的ISAC研究中尚处于空白状态。 针对上述问题，本文以动作识别为例，提出了一个仿真驱动的性能预测器及优化器(Simulation-Driven Performance Predictor and oPtimizer,SDP3),以实现数据驱动的通信-感知性能权衡分析。SDP3由SDP3数据仿真器、性能预测器和性能优化器组成。为了能够节省进行真实运动数据采集所消耗的大量人力与时间，本文在SDP3数据仿真器中提出了一个数据辅助的混合信道(Data-Assisted Hybrid Channel,DAHC)模型来模拟不同人体动作导致的信道响应。其中，本文使用了Boulic模型对人体的动作进行建模，从而实现对目标场景中的运动数据集的高效生成。SDP3性能预测器利用深度时频图网络(Deep Spectrogram Network,DSN)对仿真器生成的包含运动信息的信道响应数据集进行训练和推理，从而得到相应的识别准确率;并利用多个具有闭式表达式的参数学习模型对识别准确率进行拟合，得到一个最优的模型来描述识别准确率与感知资源的关系。基于此，本文研究了一个优化通信与感知性能的资源分配问题，提出了对应的SDP3性能优化器，并给出了不同用户需求下的最优资源分配方案。进一步地，通过SDP3性能优化器,本文给出了识别准确率和通信吞吐量的可达域，包括一个通信饱和区、一个感知饱和区和通信-感知知对抗区。ISAC系统理想的通信-感知平衡性能出现在第三个区域。此外，本文还论证了 SDP3数据仿真器的保真性，即通过DAHC模型产生的信道响应数据集与实际实验获得的信道响应数据集在KL散度和识别准确率方面接近一致。最后，利用动作捕捉(Motion Capture,MoCap)技术生成的动作数据集进行训练与推理，并对得到的识别准确率进行了比较和分析。
NETL