BatStation：面向具备零样本模板生成的 5G 基站原位雷达感知
网络与互联网体系结构
2025-09-09 v1 信号处理
摘要
现有雷达信号与商用 5G 信号的共存需要一种通用且无处不在的雷达感知，以实现高效、自适应的频谱共享。在此背景下，利用密集部署的 5G 基站 (BS) 进行雷达感知尤为有前景，可提供广泛的覆盖范围和对 5G 调度的即时反馈。然而，目标雷达信号与基站接收到的并发 5G 上行传输相叠加，且实际部署还需要一个轻量级、便携的雷达感知模型。本文提出了 BatStation，这是一个无缝集成到 5G 基站中的轻量级原位雷达感知框架。BatStation 利用上行资源网格通过三个关键组件提取雷达信号：(i) 雷达信号分离，用于消除并发的 5G 传输并显露雷达信号；(ii) 资源网格重塑，用于使时频分辨率与雷达脉冲特性对齐；(iii) 基于纯合成数据训练的便携模型的零样本模板关联，支持在无需使用实验数据进行微调的情况下对雷达脉冲进行检测、分类和定位。我们在软件无线电 (SDR) 测试平台上实现了 BatStation，并在 CBRS 频段利用真实 5G 流量评估了其性能。结果表明，该框架在多种雷达类型上均表现出稳健的性能，检测概率达到 97.02% (PUCCH) 和 79.23% (PUSCH)，分类准确率高达 97.00%，中位定位误差为 2.68-6.20 MHz（频率）和 24.6-32.4 微秒（时间）。值得注意的是，BatStation 在 GPU/CPU 上的运行时延迟仅为 0.11/0.94 ms，满足了 5G 网络的实时性要求。
引用
@article{arxiv.2509.06898,
title = {BatStation: Toward In-Situ Radar Sensing on 5G Base Stations with Zero-Shot Template Generation},
author = {Zhihui Gao and Zhecun Liu and Tingjun Chen},
journal= {arXiv preprint arXiv:2509.06898},
year = {2025}
}
备注
14 pages, 17 figures