利用确定性导师信号和未知随机数据有效载荷的双向目标检测

集成感知与通信（ISAC）在6G中发挥着关键作用，使 drone 监视、城市空中交通和低空物流等创新应用成为可能。然而，包含确定性导师信号和随机数据有效载荷组成的混合 ISAC 信号，因两个原因给目标检测带来挑战：1) 这两个组件导致接收信号均值和方差的耦合偏移，2) 在双向场景中，随机数据有效载荷通常对感知接收器而言是未知的。不幸的是，这些挑战无法被现有的目标检测算法解决。本文推导了一个基于广义似然比检验（GLRT）的检测器，通过利用已知的确定性导师信号和未知随机数据有效载荷的统计特性来实现。由于 exact performance characterization 的解析不可行，我们对所提出检测器的虚警概率和检测概率进行了渐近分析。结果突显出关键权衡：确定性和随机成分都提高了检测可靠性，但后者也带来统计不确定性，阻碍检测性能。仿真结果验证了理论发现，证明了所提出检测器的有效性，突显了为充分利用分配给随机数据有效载荷的信令资源而设计专用检测器的必要性。