ISAC 系统与 RAN 架构：基于 3GPP SA2 #161 与 ETSI ISC-003 的 4 个设计考量

ISAC系统与RAN架构：面向6G的四大核心设计考量

在移动通信技术向6G演进的过程中，集成感知与通信（ISAC）正成为最具变革性的技术方向之一。这项技术突破性地将无线通信系统的数据传输功能与环境感知能力融为一体，使基站不仅能传递信息，还能像雷达一样"看见"周围环境。这种双重能力的结合，正在重新定义未来网络的架构设计和应用场景。

1. ISAC技术演进与标准化现状

ISAC技术的兴起并非偶然，而是通信需求多样化和频谱资源高效利用双重驱动的必然结果。传统通信系统专注于数据传输的优化，而感知系统（如雷达）则专注于环境探测，两者长期独立发展。但随着毫米波、大规模MIMO等技术的成熟，通信信号本身已具备环境感知的潜力。3GPP从Release 19开始将ISAC纳入研究项目，ETSI ISG ISAC工作组则发布了系统架构技术报告（GR ISC-003），标志着ISAC正从学术研究走向产业实践。

当前ISAC标准化工作主要围绕三个维度展开：

表：ISAC标准化核心领域

在架构设计层面，3GPP SA2#161会议讨论了ISAC架构研究项目(FS_ISAC_ARC)的范围和时间表，而ETSI GR ISC-003报告则详细分析了系统与RAN架构的关键问题。这两份文档共同构成了当前ISAC架构设计的基础框架。

从技术实现角度看，ISAC系统主要依赖三种信号处理机制：

1. 基于CSI的环境感知：利用信道状态信息中的多径特征反演环境状态
2. 专用感知波形设计：优化信号结构以同时满足通信和感知需求
3. 联合波束成形：通过智能天线阵列实现感知与通信的空间复用

# 简化的ISAC信号处理流程示例 class ISACProcessor: def __init__(self): self.csi_analyzer = CSIAnalyzer() self.waveform_designer = WaveformDesigner() self.beamformer = AdaptiveBeamformer() def process_frame(self, rx_signal): # 通信数据处理 comm_data = self.decode_communication(rx_signal) # 感知数据处理 csi = self.estimate_csi(rx_signal) env_info = self.csi_analyzer.analyze(csi) # 联合优化 next_waveform = self.waveform_designer.design(comm_data, env_info) tx_beam = self.beamformer.optimize_beam(env_info) return comm_data, env_info, next_waveform, tx_beam

注意：实际ISAC系统实现需要考虑硬件限制、实时性要求和计算复杂度之间的平衡，通常需要在FPGA或专用ASIC上实现关键信号处理模块。

2. ISAC与传统通信网络的架构差异

传统通信网络架构遵循严格的分层设计原则，各层功能明确划分。而ISAC网络则需要打破这种刚性分层，在多个层面引入感知与通信的协同机制。通过对比分析3GPP SA2#161会议讨论和ETSI GR ISC-003报告的建议，我们可以总结出ISAC架构的三大创新点：

功能架构重构主要体现在：

• 感知功能分布：将感知任务灵活分布在DU、CU和核心网等不同节点
• 资源联合调度：时频资源和天线阵列的通信感知共享机制
• 数据融合处理：通信与感知数据的联合处理与特征提取

表：传统通信网络与ISAC网络架构对比

在RAN协议栈增强方面，ETSI GR ISC-003报告指出了五个关键增强点：

1. 物理层：新增感知参考信号和专用波形设计
2. MAC层：感知与通信资源的动态分配机制
3. RLC层：感知数据的分段与重组支持
4. PDCP层：感知数据的压缩与安全保护
5. SDAP层：感知业务流与QoS映射

// 简化的ISAC协议栈增强示例 struct ISAC_ProtocolStack { PHY_Layer phy; // 新增感知参考信号 MAC_Layer mac; // 动态资源分配 RLC_Layer rlc; // 感知数据分段 PDCP_Layer pdcp; // 数据压缩加密 SDAP_Layer sdap; // QoS映射 Sensing_Plane sensing; // 新增感知平面 };

提示：协议栈增强需要考虑后向兼容性，确保ISAC功能可以作为可选特性逐步引入现有网络。

3. 四大核心设计考量

基于3GPP SA2#161会议讨论和ETSI GR ISC-003的技术分析，我们提炼出ISAC系统与RAN架构设计中必须解决的四个关键问题。

3.1 感知类型与一体化级别匹配

ISAC系统设计首先需要明确支持的感知类型和一体化级别。ETSI GR ISC-003将感知类型分为三类：

• 基础感知：存在检测、粗粒度定位
• 中级感知：速度测量、姿态识别
• 高级感知：微动检测、材质识别

而一体化级别则分为：

1. 共存级：通信与感知资源共享但独立运作
2. 协作级：有限的信息交互与协同
3. 融合级：统一的信号设计与联合处理

表：感知类型与一体化级别的匹配关系

设计时需要权衡的三个关键因素：

• 性能需求：精度、时延、覆盖范围等
• 实现复杂度：信号处理、硬件支持、算法开销
• 标准化程度：现有规范的兼容性与扩展性

3.2 部署场景驱动的架构变体

ETSI GR ISC-003报告特别强调了部署场景对ISAC架构设计的决定性影响。我们识别出三种典型的部署模式：

集中式架构特点：

• 感知处理集中在CU或核心网
• 适合广域覆盖和移动性场景
• 优势在于全局优化和资源共享
• 挑战是前传容量和时延约束

分布式架构特征：

• 感知功能下沉到DU或RU
• 适合高精度定位和低时延应用
• 优势是本地实时处理
• 挑战是协同难度和资源碎片化

混合架构创新点：

• 关键感知功能分布在多个层级
• 动态任务分配和负载均衡
• 结合集中与分布的优势
• 但管理复杂度显著增加

# 部署场景选择决策树示例 def select_architecture(scenario): if scenario['coverage'] == 'wide' and scenario['mobility'] == 'high': return 'centralized' elif scenario['accuracy'] == 'high' and scenario['latency'] == 'low': return 'distributed' else: return 'hybrid'

注意：实际部署选择还需要考虑现有网络基础设施、升级成本和运维能力等因素。

3.3 RAN协议栈的增强策略

3GPP SA2#161会议讨论中特别关注了RAN协议栈的增强需求。我们归纳出四个关键增强维度：

物理层增强包括：

• 专用感知参考信号设计
• 双功能波形优化
• 感知参数估计与反馈
• 通信感知联合编码

MAC层创新要点：

• 动态时频资源划分
• 感知优先级的QoS机制
• 多节点测量协调
• 感知资源分配信令

表：RAN协议栈增强优先级评估

3.4 性能评估与KPI体系

建立科学的评估体系是ISAC架构设计的关键环节。ETSI GR ISC-003建议从三个维度构建KPI体系：

通信性能KPI：

• 感知引起的吞吐量损失
• 通信时延增加量
• 覆盖范围变化

感知性能KPI：

• 检测概率与虚警率
• 距离/角度/速度精度
• 感知刷新率

系统效率KPI：

• 资源利用率提升
• 能耗效率
• 硬件复用度

// KPI监测框架示例 struct ISAC_KPI { float comm_throughput; // 通信吞吐量 float sensing_accuracy; // 感知精度 float resource_utilization; // 资源利用率 float power_consumption; // 功耗 time_t end_to_end_latency; // 端到端时延 };

4. 实现挑战与创新解决方案

尽管ISAC前景广阔，但实际部署仍面临多重技术挑战。根据3GPP和ETSI的讨论，我们总结出当前主要的瓶颈问题及其创新解决方案。

4.1 硬件架构革新

ISAC对基站硬件提出了新的要求，主要体现在三个方面：

射频前端设计挑战：

• 宽带线性功率放大器
• 低相位噪声本振
• 高动态范围ADC
• 快速切换开关

天线系统创新方向：

• 通信感知共享阵列
• 多频段协同设计
• 三维波束成形
• 低成本相控阵

计算架构演进趋势：

• 感知加速器IP核
• 异构计算架构
• 近内存处理
• 可重构数据流

表：ISAC硬件解决方案对比

4.2 算法与算力平衡

ISAC信号处理算法的复杂度呈指数增长，需要创新的算法设计：

低复杂度算法创新点：

• 压缩感知技术应用
• 稀疏信号处理
• 基于深度学习的简化模型
• 分层处理架构

计算加速策略：

• 定点化与量化
• 并行处理优化
• 近似计算
• 硬件友好算法

# 低复杂度感知算法示例 class LowComplexitySensing: def __init__(self): self.compressor = CSCompressor() self.detector = SparseDetector() def process(self, rx_signal): # 压缩感知 compressed = self.compressor.compress(rx_signal) # 稀疏恢复 features = self.detector.detect(compressed) return features

提示：算法优化需要结合实际硬件特性和精度要求，通常需要在FPGA或NPU上实现关键计算内核。

4.3 标准化与产业化协同

ISAC的成功部署依赖于标准化与产业化的良性互动，当前面临的主要gap包括：

标准化缺口：

• 统一的功能架构定义
• 明确的接口规范
• 性能评估方法论
• 设备一致性测试

产业化挑战：

• 芯片与模块成熟度
• 成本控制路径
• 应用生态培育
• 商业模式创新

表：ISAC标准化与产业化路线图