基于流体天线的通信感知一体化波束成形设计

摘要：针对流体天线赋能的通信感知一体化系统，提出一种联合波束成形与天线位置动态优化的创新设计方法。以最大化目标方向感知波束方向图增益为目标，同时满足用户通信信干噪比约束与基站功率限制。针对波束成形矩阵与天线位置强耦合导致的非凸优化难题，提出一种基于交替优化框架的高效

基于流体天线的通信感知一体化波束成形设计

（1.南京邮电大学理学院，江苏南京 210023；

2.浙江大学信息与电子工程学院，浙江杭州 310027）

【摘要】针对流体天线赋能的通信感知一体化系统，提出一种联合波束成形与天线位置动态优化的创新设计方法。以最大化目标方向感知波束方向图增益为目标，同时满足用户通信信干噪比约束与基站功率限制。针对波束成形矩阵与天线位置强耦合导致的非凸优化难题，提出一种基于交替优化框架的高效求解算法：首先，通过引入罚函数松弛秩约束，将波束成形优化转化为半正定规划问题；其次，利用序列凸近似技术对天线位置进行迭代优化。仿真结果表明，与传统固定天线方案相比，所提方案实现了更高的波束方向图增益。

【关键词】通信感知一体化；流体天线；波束成形设计

doi:10.3969/j.issn.1006-1010.20250209-0001

中图分类号：TN929.5文献标志码：A

文章编号：1006-1010(2025)04-0062-06

引用格式：叶江林,戴建新,杨照辉. 基于流体天线的通信感知一体化波束成形设计[J]. 移动通信, 2025,49(4): 62-67.

YE Jianglin, DAI Jianxi, YANG Zhaohui, et al. Beamforming Design for Integrated Sensing and Communication Based on Fluid Antennas[J]. Mobile Communications, 2025,49(4): 62-67.

0 引言

通信感知一体化（ISAC, Integrated Sensing and Communication）被广泛认为是下一代移动通信网络的关键技术。通过共享频谱和硬件平台，ISAC技术有望支持众多新兴应用，如无人机（UAV, Unmanned Aerial Vehicle），这在民用场景中被视为有价值的应用[1]。为了有效地提供感知和通信服务，先前的研究已经对ISAC系统架构、ISAC波形和发射波束成形进行了各种设计（例如，见文献[2]、[3]）。对于具有高角度分辨率和波束成形增益的感知波束合成，雷达和基站（BS, Base Station）等感知节点通常需要大型天线阵列[4]。然而，随着天线数量的增加，其硬件成本和功耗也会上升，这给实现低成本、高性能的感知系统带来了困难。为了降低实现成本，人们提出了稀疏天线阵列。通过增大天线间距，可以减少天线数量，以获得大型天线阵列的大部分角度分辨率[5]。然而，稀疏阵列通常采用固定位置天线（FPA, Fixed Position Antennas），无法适应无线网络中各种不同的感知需求，也不能在感知和通信应用之间切换最优的阵列几何形状[6]。此外，无论是大型阵列还是稀疏阵列中的FPA，都无法充分利用感知发射机接收机所在特定区域内无线信号的波动特性。为了解决这个问题，流体天线（FAs, Fluid Antennas）应运而生，成为一种可行的解决方案。传统固定式天线阵列的几何结构具有固化特性，其波束成形能力主要依赖于固定阵元位置下的波束成形矢量优化。这种单一维度的优化方式导致辐射方向图的灵活性受限，使得波束成形增益在复杂电磁环境中难以突破物理阵元布局的限制。具体而言，传统阵列设计仅通过调整加权系数实现波束成形，其空间自由度被物理阵元的离散分布所约束，导致波束成形的动态范围与抗干扰能力存在固有缺陷。相比之下，FAs（如文献[7]所述）通过引入几何结构优化维度，构建了几何结构与波束成形的联合优化框架。该框架允许在空间中动态调整阵元位置，通过改变导向矢量的空间分布特性实现更灵活的波束成形。具体实现机制包含两个层面：首先，通过优化阵元位置使期望信号导向矢量与干扰导向矢量达到正交化，在提升目标方向增益的同时有效抑制干扰方向辐射；其次，通过阵元位置调整增强不同方向导向矢量间的相关性，从而在多个目标方向上同时实现高增益覆盖。这种联合优化策略突破了传统阵列设计的空间自由度限制，利用驱动元件，FAs能够在指定的空间域内动态调整位置。进而可以重构信道条件以提高通信性能，或者重新配置多输入多输出（MIMO, Multiple-Input Multiple Output）阵列的几何特征以增强感知能力[8-9]。目前，从初步研究可以看出，FAs在无线感知领域展现出了广阔的应用前景。同时，许多现有研究也对FAs在无线通信中的优势进行了广泛而深入的探讨。例如，文献[10]研究了FA辅助的多基地雷达，其中发射和接收天线可以通过线性驱动器沿线段移动。此外，文献[11]的相关研究已经证实，基于确定性或随机信道模型使用FAs，可以有效提高接收端的信噪比（SNR, Signal-to-Noise Ratio）。尽管先前对FAs辅助系统的研究取得了令人满意的结果，但它们的重点仅限于通信领域或感知领域。凭借FAs强大的空间自由度灵活调控能力，其在ISAC系统中同样展现出显著优势，可以实现通信与感知的协同优化。首先，通过动态调整天线位置，FAs可有效利用无线信道的空间连续性，在期望方向形成高增益波束的同时，通过导向矢量正交化在干扰方向实现零陷，从而提升接收信号功率并抑制干扰[7, 12]。其次，通过优化天线位置重塑信道矩阵，显著提升信道容量，尤其在高信噪比场景下效果显著[13]。

基于上述，本文探索了利用FAs辅助实现ISAC，引入了可同时对波束成形和天线位置进行优化的灵活波束成形技术。具体来说，该ISAC系统由配备FA阵列的基站、多个通信用户和一个点目标组成。本文的目标是在满足通信需求的同时提高感知性能。为了实现这一目标，本研究将信干噪比（SINR, Signal-to-Interference-plus-Noise Ratio）和感知波束方向图增益作为通信和感知的性能指标，接着提出一个该场景下的优化问题。由于天线导向矢量与波束成形存在很强的耦合性，使得该高度非凸的优化问题难以直接进行求解。为了解决这个非凸的问题，引入了一种交替优化（AO, Alternating Optimization）算法。具体而言，将其分解为两个子问题。通过迭代求解这些子问题直至收敛，得到了原问题的局部最优解。数值结果表明，与其他设计相比，本文提出的设计在感知性能上有显著提升。

1 系统模型

1.1 通信信号模型

1.2 雷达信号模型

2 优化问题建立与波束赋形优化

2.1 发射波束成形优化

2.2 天线位置优化

2.3 复杂度分析

3 仿真结果与分析

4 研究结论

本文针对流体天线赋能的通信感知一体化系统，提出了一种联合波束成形与天线位置动态优化的创新设计方法。通过交替优化框架，将非凸的联合优化问题分解为波束成形矩阵优化与天线位置优化两个子问题，分别采用半正定松弛与序列凸近似技术高效求解。在确保用户通信信噪比要求与基站功率约束的前提下，所提方案显著提升了目标方向的感知波束方向图增益。仿真结果表明，与传统固定天线方案相比，动态调整天线位置可有效增强导向矢量的灵活性，从而在感知目标方向实现更高的增益，同时验证了天线数量增加带来的阵列规模增益特性。此外，研究揭示了通信服务质量与感知性能之间的权衡关系，为实际系统参数配置提供了理论指导。展望未来可从以下几个方面展开：首先，探索三维空间内流体天线的动态部署，以应对更复杂的多目标感知场景；其次，结合机器学习方法优化交替迭代过程的收敛速度与计算效率；再次，研究多基站协作场景下的联合资源分配与天线协同调控机制；最后，需进一步验证所提方案在实际硬件平台中的可行性，包括天线位置动态调整的机械实现与实时性挑战。此外，如何将感知与通信的协同优化扩展到高移动性环境（如车联网、无人机通信）也是值得深入探索的方向。

[1] Zhang S, Zeng Y, Zhang R. Cellular-Enabled UAV Communication: A Connectivity-Constrained Trajectory Optimization Perspective[J]. IEEE Transactions on Communications, 2019,67(3): 2580-2604.

[2] Liu F, Masouros C, Li A, et al. MU-MIMO Communications with MIMO Radar: From Co-existence to Joint Transmission[J]. IEEE Transactions on Wireless Communications, 2019,17(4): 2755-277.

[3] Cui Y, Koivunen V, Jing X. Interference Alignment Based Spectrum Sharing for MIMO Radar and Communication Systems[C]//2018 IEEE 19th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC). Kalamata, Greece: IEEE, 2018: 1-5.

[4] Wirth W D. Radar techniques using array antennas[M]. IET Digital Library, 2013.

[5] Roberts W, Xu L, Li J, et al. Sparse Antenna Array Design for MIMO Active Sensing Applications[J]. IEEE Transactions on Antennas and Propagation, 2011,59(3): 846-858.

[6] Gazzah H, Abed-Meraim K. Optimum Ambiguity-Free Directional and Omnidirectional Planar Antenna Arrays for DOA Estimation[J]. IEEE Transactions on Signal Processing, 2009,57(10): 3942-3953.

[7] Zhu L, Ma W, Zhang R. Movable Antennas for Wireless Communication: Opportunities and Challenges[J]. IEEE Communications Magazine, 2024,62(6): 114-120.

[8] Zhu L, Ma W, Zhang R. Modeling and Performance Analysis for Movable Antenna Enabled Wireless Communications[J]. Wireless Communications, IEEE Transactions on, 2024,23(6): 6234-6250.

[9] Zhu L, Ma W, Zhang R. Movable Antennas for Wireless Communication: Opportunities and Challenges[J]. IEEE Communications Magazine, 2024,62(6): 114-120.

[10] Zhuravlev A, Razevig V, Ivashov S, et al. Experimental simulation of multi-static radar with a pair of separated movable antennas[C]//2015 IEEE International Conference on Microwaves, Communications, Antennas and Electronic Systems (COMCAS). Tel Aviv, Israel: IEEE, 2015: 1-5.

[11] Zhu L, Ma W, Ning B, et al. Movable-Antenna Enhanced Multiuser Communication via Antenna Position Optimization[J]. IEEE Transactions on Wireless Communications, 2024,23(7): 7214-7229.

[12] Zhu L, Ma W, Zhang R. Movable-Antenna Array Enhanced Beamforming: Achieving Full Array Gain With Null Steering[J]. IEEE Communications Letters, 2023,27(12): 3340-3344.

[13] Ma W, Zhu L, Zhang R. MIMO Capacity Characterization for Movable Antenna Systems[J]. IEEE Transactions on Wireless Communications, 2024,23(4): 3392-3407

[14] Liu F, Zhou L, Masouros C, et al. Toward Dual-functional Radar-Communication Systems: Optimal Waveform Design[J]. IEEE Transactions on Signal Processing, 2018,66(16): 4264-4279.

[15] Zhang D, Ye S, Xiao M, et al. Fluid Antenna Array Enhanced Over-the-Air Computation[J]. IEEE Wireless Communications Letters, 2024,13(6): 1541-1545.

[16] Cao P, Thompson J, Poor H V. A sequential constraint relaxation algorithm for rank-one constrained problems[C]//2017 25th European Signal Processing Conference (EUSIPCO). Kos, Greece, 2017: 1060-1064.

[17] Ma W, Zhu L, Zhang R. Multi-Beam Forming With Movable-Antenna Array[J]. IEEE Communications Letters, 2024,28(3): 697-701

[18] Luo Z Q, Ma W K, So M C, et al. Semidefinite Relaxation of Quadratic Optimization Problems[J]. IEEE Signal Processing Magazine, 2010,27(3): 20-34.

[19] Fu M, Zhou Y, Shi Y, et al. Reconfigurable Intelligent Surface Empowered Downlink Non-Orthogonal Multiple Access[J]. IEEE Transactions on Communications, 2021,69(6): 3802-3817.

[20] Hua H, Xu J, Han T X. Optimal Transmit Beamforming for Integrated Sensing and Communication[J]. IEEE Transactions on Vehicular Technology, 2023,72(8): 16. ★

doi:10.3969/j.issn.1006-1010.20250209-0001

作者简介

叶江林：南京邮电大学理学院在读硕士研究生，研究方向包括通信感知一体化、智能反射表面、无线AI大模型。

戴建新：博士毕业于东南大学，现任南京邮电大学副教授、硕士生导师，研究方向包括通信感知一体化、语义通信。

杨照辉：博士毕业于东南大学，现任浙江大学百人计划研究员、博士生导师，研究方向包括无线AI大模型、联邦学习。

★往期推荐★

汇总| 2025下半年专题征稿链接

《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、中国应用型核心期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。