1. AFDM-ISAC系统概述通信与感知的融合创新在6G及未来无线通信的发展蓝图中集成感知与通信ISAC技术正成为关键突破口。传统无线系统通常将通信与感知功能分离设计导致频谱资源浪费和硬件成本增加。ISAC的核心思想是通过统一的信号波形和硬件平台实现通信与感知功能的深度协同。这种融合不仅提高了频谱效率还降低了设备复杂度为智能交通、工业物联网等新兴应用提供了技术基础。在众多候选波形中仿射频分复用AFDM因其独特的数学特性脱颖而出。与广泛应用的OFDM不同AFDM采用线性调频chirp作为子载波基函数通过两个可调参数c₁和c₂控制时频平面的旋转角度。这种设计带来了三大优势多普勒鲁棒性chirp信号的时频耦合特性使其对高速移动场景下的多普勒频移具有天然抵抗力路径可分辨性通过合理设置c₁参数不同时延的多径分量在变换域呈现可分离的分布频谱效率相比OTFS等时频平面调制方案AFDM需要的保护间隔更少特别值得注意的是当c₁c₂0时AFDM退化为传统OFDM系统。这种灵活的数学框架使得AFDM能够适应从静态到高速移动的各类场景需求。2. 多径分量功率延迟剖面(MPCPDP)的物理意义与建模2.1 多径信道的基本特性无线信号在传播过程中会遇到建筑物、车辆等障碍物产生反射、衍射和散射现象形成多径传播。典型的多径信道可以建模为$$ h(\tau,\nu) \sum_{i1}^L h_i \delta(\tau-\tau_i)\delta(\nu-\nu_i) $$其中L表示路径数量hi、τi和νi分别代表第i条路径的复增益、时延和多普勒频移。在感知应用中这些参数隐含着丰富的环境信息时延τi与传播距离成正比τi di/c多普勒频移νi反映目标的径向速度νi v·cosθi·fc/c传统OFDM系统在多径环境下存在固有局限不同路径的响应在频域相互叠加难以分离。这就像在嘈杂的房间里同时听多人讲话无法清晰分辨每个声源。AFDM通过数学变换将多径分量解耦使各路径在变换域呈现准正交分布。2.2 Nakagami-m衰落模型的优势MPCPDP描述了多径信道中功率随时延的分布特性。与常用的Rayleigh、Rician模型相比Nakagami-m分布具有更灵活的数学形式$$ p(|h_i|) \frac{2m^m|h_i|^{2m-1}}{\Gamma(m)\Omega_i^m}\exp\left(-\frac{m|h_i|^2}{\Omega_i}\right) $$其中m为形状参数Ωi表示平均接收功率。该模型的优势体现在适应性当m1时退化为Rayleigh分布m1时可近似Rician分布物理意义明确能够描述主反射与漫反射信号的叠加效应实测匹配度高大量信道测量数据验证其准确性通过3GPP标准模型可将平均功率Ωi与传播距离关联$$ \Omega_i(d_0) \frac{P_tG_tG_r}{(4\pi(d_0cτ_i)/λ)^{n_i}} G_0(d_0cτ_i)^{-n_i} $$其中ni为路径损耗指数LoS路径通常取2.19NLoS路径取3.19。这种明确的物理关系为基于MPCPDP的测距奠定了理论基础。3. 联合距离与多普勒估计的核心算法3.1 系统模型构建考虑AFDM系统的接收信号模型$$ \mathbf{y}_{af} \mathbf{S}\mathbf{R}(\nu)\mathbf{h} \mathbf{n} $$其中S为导频矩阵R(ν)包含多普勒信息h为信道系数向量。为处理非线性问题采用一阶泰勒展开对多普勒项进行线性化近似$$ \mathbf{r}(\nu_i) ≈ \mathbf{a}(\tilde{\nu}_i) \mathbf{b}(\tilde{\nu}_i)(\nu_i-\tilde{\nu}_i) $$这种近似将原问题转化为双线性估计形式显著降低了计算复杂度。在具体实现时需要特别注意泰勒展开点的选择——通常以零多普勒为展开点这在中等移动速度场景≤90km/h下能保持足够精度。3.2 EM-EC联合估计算法由于直接求解最大似然估计涉及高维积分本文采用期望最大化-期望一致(EM-EC)的迭代框架E步骤计算隐变量信道系数h的后验统计量传统EM在Nakagami-m先验下难以求解后验分布EC算法通过指数族分布近似实现高效计算M步骤更新待估参数距离d0和多普勒ν距离更新转化为凸优化问题保证全局最优多普勒估计解析求解计算效率高算法实现中的关键技巧包括动量加速在参数更新中加入历史信息加快收敛自适应步长根据梯度变化调整更新幅度早停机制当参数变化小于阈值如ϵ10⁻³时终止迭代实际部署中发现当信噪比低于5dB时EC近似可能引入偏差。此时可采用鲁棒化设计如对异常更新进行裁剪(clipping)。4. 性能分析与工程实践启示4.1 理论性能界在m1Rayleigh衰落的特殊情况下可推导Cramer-Rao下界(CRB)$$ \text{CRB}(\psi) \mathbf{FIM}^{-1}(\psi) $$其中Fisher信息矩阵元素计算为$$ [\mathbf{FIM}(\psi)]_{ij} \text{tr}\left(\mathbf{\Upsilon}^{-1}\frac{\partial\mathbf{\Upsilon}}{\partial\psi_j}\mathbf{\Upsilon}^{-1}\frac{\partial\mathbf{\Upsilon}}{\partial\psi_i}\right) $$仿真表明在典型参数设置下N512子载波fc90GHz该方法可实现距离估计RMSESNR20dB时约3.5米7路径多普勒NRMSESNR15dB时约0.054.2 实际部署考量通过大量仿真实验见表I参数总结出以下工程经验多径数量影响路径数从3增加到11时测距精度提升约40%多普勒估计对路径数不敏感变化1%移动速度适应性速度在30-90km/h范围内性能下降约15%建议在v80km/h时采用二阶泰勒展开补偿硬件实现优化定点量化EC算法中的超参数可用16bit定点表示并行计算各路径处理可完全并行化内存管理预先分配矩阵存储空间避免动态分配5. 扩展应用与未来方向本文方法可自然延伸到以下场景车联网定位利用路边单元(RSU)的AFDM信号实现车辆高精度定位无人机感知通过空域多普勒分辨实现障碍物检测室内导航在5G小基站部署中集成定位功能亟待解决的研究挑战包括三维空间扩展当前模型限于二维平面需引入仰角维度动态环境适应性针对时变多径数的鲁棒算法设计硬件损伤补偿考虑功率放大器非线性、相位噪声等实际因素实测数据验证表明在办公室环境中该方法可实现亚米级定位精度SNR15dB时同时保持与OFDM相当的通信吞吐量。这种平衡性能使其成为6G ISAC系统的有力候选方案。