集成感知与通信系统的基本 MMSE-速率性能极限

集成感知与通信（Integrated sensing and communication，ISAC）为 6G 网络显示出前景；然而其性能极限——需要解决功能 Pareto 随机优化问题——仍未得到充分探索。现有工作要么忽略 ISAC 信号的随机性，要么从感知与通信（Sensing and communication，SAC）最优实现策略近似 ISAC 极限，导致松散的界限。本文通过考虑一个旨在同时估计感知信道并在通信信道上传递信息的随机 ISAC 信号，采用根据 ISAC 信号随机性定义的修正最小均方误差（MMSE）以及香港速率（Shannon rate）作为相应的 SAC 性能指标，来探讨 ISAC 性能极限。首先，运用变分方法推导 MMSE-速率极限下最优信道输入与输出分布的条件，导致高维卷积方程。其次，利用变分条件，提出一种类 Blahut-Arimoto 算法，用于数值确定最优分布和 SAC 性能，并证明其收敛于极限。其次，推导闭式 SAC 最优波形，特征为根据信道统计信息/实现情况进行功率分配和波形选择；修正现有方法以建立较松散的 ISAC 界限。最后，引入一种用于 coincided SAC 信道的复合信号策略，采用顺序 SAC 最优波形进行信道估计和数据传输，展示了相对于非协同“容量”的显著速率提升。该研究从联合估计与信息论角度系统性地探讨了 ISAC 性能极限，突出了关键 SAC 权衡及潜在 ISAC 设计优势。该方法论方法易于扩展至 various 指标，如估计速率和 Cramer-Rao 界限。