当前位置:首页 > 报告详情

IMT-20205G推进组:2025感知信号处理技术研究报告(111页).pdf

上传人: B**** 编号:999443 2025-12-24 111页 46.55MB

下载:

1、IMT-2020(5G)推进组报 告2025-05目录目录 IMT-2020(5G)推进组于2013年2月由中国工业和信息化部、国家发展和改革委员会、科学技术部联合推动成立,组织架构基于原IMT-Advanced推进组,成员包括中国主要的运营商、制造商、高校和研究机构。推进组是聚合中国产学研用力量、推动中国第五代移动通信技术研究和开展国际交流与合作的主要平台。P1P2P2P92P101P102P106P108前言感知信号处理概述感知信号处理技术感知信息表达总结与展望参考文稿与参考文献缩略词表贡献单位IMT-2020(5G)推进组1前言通感一体化技术基于通信基础设施实现一网两用,可以赋能众多行业

2、通信与感知的融合应用。在低空经济领域,无人机的广泛应用需要精确的环境感知与实时通信来保障飞行安全与任务执行;智慧交通中,车辆与基础设施之间的高效协同依赖于精准的交通感知与通信支持;工业与矿山的自动化生产、环境监测的精细化管理、智慧城市的高效运营以及健康医疗的远程监测等众多领域,都迫切需要一种能够同时满足通信与感知需求的技术解决方案。通感一体化技术以其独特的优势,能够有效提升这些领域的效率与安全性,展现出极为广阔的应用前景。本报告聚焦于通感一体化中的感知信号处理这一关键环节。感知信号与通信信号在系统中都需经历基带生成、射频发送、空间传播、射频接收以及基带处理等五大过程。无线感知通过接收无线信号或

3、从中提取信道参数来推导环境信息,但不同环境参数对信号的影响各异,这就要求必须有合适的信号处理方法与流程,精准地提取出与感知目标相关的信息参量。此外,在实际系统运行中,往往存在多个感知节点,它们分别负责感知信号测量与感知业务的控制管理,这就需要有合适的格式来规范感知信息的上报,以确保整个系统的高效协同运作。由此主要研究方向包括感知信号处理、感知信息表达两部分,其中感知信号处理包括了感知信号预处理、信号提取技术、目标识别技术、目标跟踪技术和协作信息融合技术等研究。深入研究通感一体化中的感知信号处理,不仅能够为该技术的进一步发展提供坚实的理论基础,还将在推动其落地应用方面发挥至关重要的作用。通过优化

4、信号处理方法,可以提高感知的准确性与可靠性,从而更好地满足各应用场景对环境感知的严格要求;同时,合理的感知信息上报格式设计,有助于实现多个感知节点之间的高效协作,提升整个通感一体化系统的性能与效率。这将为后续通感融合设备产品感知能力提升以更好服务通感融合应用提供重要参考。IMT-2020(5G)推进组2IMT-2020(5G)推进组感知信号处理概述通感一体化中,感知信号与通信信号一样经历了基带生成、射频发送、空间传播、射频接收以及基带处理5大过程。无线感知是基于接收的无线信号或者信号中提取的信道参数推导出环境信息。不同的环境参数对信号的影响不同,因此,需要合适的信号处理方法和流程将与感知目标相

5、关的信息参量提取出来。并且,实际系统中可能会出现多个感知节点分别执行感知信号测量与感知业务的控制管理,对应上述的信号处理方法,还需要合适的格式进行感知信息的上报。3.1 信号预处理由于感知信号传播过程中存在周围环境的干扰,无线通信链路本身存在不稳定性,加上感知任务本身存在的数据特性,使得原始数据不利于算法中直接使用,需要合适的预处理算法提高感知精度和感知效率,主要包括数据去噪、干扰抑制、数据降维等几个步骤。具体地,数据去噪是因为信号会受到环境变化和电磁干扰的影响从而包含较多的噪声成分,可以通过离群点去除和滤波平滑除噪等方法保留主要数据特征;干扰抑制主要包括杂波消除,也就是非目标环境形成的回波消

6、除;数据降维是由于数据维度大导致计算复杂度大,一方面数据之前的强相关性会导致原数据存在冗余信息,另外筛选出与感知目标的变化更相关或对其更敏感的数据不仅能够提升感知效率也能够提高精度,可采用的方法包括子载波选择、主成分分析、独立成分分析等。3.1.1 数据去噪3.1.1 数据去噪基于感知信号从发射端到接收端的传播过程中会受到环境变化和电磁干扰的影响,使得提取感知信息的源信号中包含较多的噪声成分,从而需要合适的去噪技术,去除噪声成分,保留主要数据特征,能够在一定程度上提高感知精度1。1)离群点去除1)离群点去除当原始信号的幅度值序列中存在少量与其他数值差异较大的点,这些离群值不符合特征变化规感知信

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
根据报告的内容,本文主要概括了感知信号处理的关键技术框架,包括信号预处理、感知信息提取、目标识别、信息压缩、协作融合以及AI应用等多个关键技术领域。具体来说: 1. 信号预处理:通过滤波、去噪和杂波干扰抑制等技术手段,有效提升了原始信号的可用性。 2. 感知信息提取:算法调研有利于精准地从复杂信号中提取出关键的感知信息。 3. 目标识别:通过基于特征参数的方法,实现了对目标数目及种类的快速、准确识别。 4. 信息压缩:对感知信息表达方式的系统梳理以及对感知信息可靠性的量化评估,为感知信号处理的标准化和产业化奠定了坚实基础。 5. 协作融合:通过多点协作和AI的深度融入,显著提升了感知系统的智能化水平和效率。 6. AI应用:开发更高效的AI算法,以实现更精准的感知目标识别、更智能的信号预处理和更高效的感知信息压缩。 7. 典型应用:感知信号处理在包括入侵检测、参数估计和微动感知的典型应用场景中的算法流程的梳理与总结,进一步验证了其在实际场景中的广泛适用性。 以上是本文的主要内容概括。
揭秘信号处理奥秘" "AI赋能,感知技术未来如何?" "通信与感知,融合新篇章!"
客服
商务合作
小程序
服务号
折叠