Paper Deep Dive · IEEE ICC 2026

在干扰的
噪声海里,
数出每一个人。

一篇关于 ISAC(通信感知一体化)基站如何被强干扰淹没、 又怎样靠一张"自己开的发票"把干扰机逐个揪出来的论文。

Ruotong Xu · Chenhao Qi 东南大学 信息科学与工程学院 mmWave MIMO ISAC JAESSE · OAE · ODVE
01 · 它要解决什么

一根天线,两份工作

传统上,通信和雷达感知是两套系统、两段频谱、两笔预算。 ISAC(Integrated Sensing and Communication)把它们合并:基站发出的同一个波形, 一边给用户传数据,一边碰到目标反射回波——基站同时是"话筒"和"眼睛"。

在毫米波频段,这件事天然划算:信道在角度域稀疏(能量只集中在少数几条路径), 既利于波束成形,也利于把"人在哪"从回波里分离出来。

ISAC 基站看到什么

发出去的下行信号 $x^u_{k,b}$ 自己完全知道; 回来的回波里带着每条路径的到达角 AoA、传播时延 τ(距离)、 多普勒频移 f(径向速度)。感知 = 估计这三组参数。

问题:回波太弱,干扰太横

回波走往返双程,衰减按 ~1/R⁴ 算; 干扰机只走单程,按 ~1/R² 压过来。结果:低 SNR + 高 JSR—— 有用信号淹在干扰机的噪声堆里。

已有抗干扰研究基本是给纯通信系统做的:要么靠额外导频估计干扰信道,要么靠有限的训练快拍。 对 ISAC 来说,这些假设都不够用——而感知能力本身就是武器,这篇论文的核心就是把雷达的功能反过来用于抗干扰。
场景:ISAC 基站同时服务 U 个用户(绿)并承受 J 台干扰机(红)的强干扰压制
02 · 全文的"啊哈"时刻

基站手里有发票,干扰机没有

干扰机可以很大声,但它模仿不了一件事:它和基站发出的信号没有血缘关系。 基站对每个用户发出去的 $x^u_{k,b}$ 有完整记录——这是干扰机伪造不出来的"血缘证明"。

判别流程(先估计,再验血)

① 用 OAE 算法找出当前最强路径的到达角 $\hat\theta$(此时不知道它是用户还是干扰机)。

② 朝 $\hat\theta$ 方向做接收波束成形:$\hat y_{k,b}=\alpha^H(N_r,\hat\theta)\,y_{k,b}$,把这个方向的信号"聚光灯打亮"。

③ 拿聚光灯下的信号除以每个用户的 $\alpha^H(N_t,\hat\theta)\,x^u_{k,b}$(发射方向增益×已知符号),得到 $\tilde y^u_{k,b}$。

④ 对 $\tilde y^u_{k,b}$ 做 2D-FFT(沿子载波轴 → 时延/距离,沿符号轴 → 多普勒/速度)。

如果 $\hat\theta$ 是用户 û: $\tilde y^{\hat u}_{k,b}$ 化简成一个 干净的复指数 $e^{-i2\pi k\Delta f \hat\tau}e^{i2\pi f bT}$ —— 2D-FFT 上出现一座尖峰,峰的位置还顺手给出了距离和速度。
如果 $\hat\theta$ 是干扰机:干扰信号和任何 $x^u$ 都不相关, $\rho^u_{k,b}$ 对所有 k,b 都是乱的 —— 2D-FFT 上一片平,没有峰。

命题 1(全文的地基)

在已知发射信号 $x^u_{k,b}$ 和估计角 $\hat\theta$ 的条件下, 计算 $\tilde y^u_{k,b}$:其 2D-FFT 在时延-多普勒域出现可辨识尖峰, 当且仅当 $\hat\theta$ 恰好是用户 u 的到达角。

$$\tilde y^{\hat u}_{k,b}=\alpha_{\hat u}\,\rho^{\hat u}\,e^{-i2\pi k\Delta f\hat\tau}\,e^{i2\pi \hat f bT}+\tilde\varepsilon^{\hat u}_{k,b}$$

一次 FFT,三个回报:判身份(是不是用户)、测距离(时延轴位置)、测速度(多普勒轴位置)。 这是整篇论文最漂亮的一笔——判别和估计被塞进了同一次运算。

左:命中用户 → 时延-多普勒平面上清晰的尖峰;右:命中干扰机 → 平坦噪声底(循环动画演示判别过程)
03 · 主算法

JAESSE:剥洋葱式排查

Joint Angle Estimation and Successive Signal Elimination —— 每次只处理当前最强的那条路径:估角 → 验血 → 记录/标记 → 从信号里把这个方向整个"抠掉"(空间域投影置零),然后看下一个最强是谁。 循环直到 U 个用户全部落网。

1
OAE 找最强路径角 $\hat\theta$
压缩感知字典扫一遍:G 个候选角格子,谁和相关最强谁是冠军(粗估)
2
波束成形 + 逐个用户"验血"
$\hat y$ 除以每个候选用户的 $x^u$,做 2D-FFT,看谁的谱上出峰(峰值判据 κ)
3
分叉判决
有峰 → 这是用户 û:记下 AoA 和时延/多普勒格子,从候选集 Π 划掉;
无峰 → 这是干扰机:不给身份,但它同样要被抠掉
4
空间域投影消除
$$y_{k,b}\leftarrow y_{k,b}-\alpha(N_r,\hat\theta)\,\frac{\alpha^H(N_r,\hat\theta)\,y_{k,b}}{\alpha^H(N_r,\hat\theta)\,\alpha(N_r,\hat\theta)}$$ 把这个方向来的能量全部压掉——不管它是友是敌,查完即剥,下一层最弱信号露头
5
循环
Π 清空即停。干扰机被剥几层也无所谓,反正每剥一层用户信号就多一分希望
为什么"先剥最强的"是对的:弱用户的回波被强路径压着,根本看不见; 逐层剥离让每一轮的"最强"越来越接近真用户。这也是为什么它能扛住 JSR 高达 40dB 的场景。
04 · 从格子到真值

OAE + ODVE:粗定位之后再抛光

字典和 FFT 都是有格子的——估计值永远落在格点上,存在量化误差。 论文对每个参数都采用同一招:先上格找粗值,再用非线性最小二乘 + 迭代梯度下降(IGD)离格精修。

OAE — 角度离格精修

$$\hat\theta^{(t)}=\hat\theta^{(t-1)}-\lambda_\theta\nabla_\theta\,\Theta(\theta)\big|_{\theta=\hat\theta^{(t-1)}}$$

最大化 $\Theta(\theta)=\sum_{k,b}\alpha^H(N_r,\theta)\,y_{k,b}y_{k,b}^{H}\,\alpha(N_r,\theta)$(式 19,把 LS 解代回后的 NLS 目标)。 意义:角度估得越准,剥离得越干净,后续层越少残留。

ODVE — 距离/速度精修

$$\hat d^{(0)}=\frac{\Omega^{u}_{d}-1}{2K\Delta f}c,\qquad \hat v^{(0)}=\frac{\Omega^{u}_{v}-1}{2BTf_c}c$$

先用 2D-FFT 峰位换算粗值;然后代回 (10) 做 LS 解 → NLS 目标 → IGD 迭代。 距离和速度在数学上互为转置对称,同一套机器转一下就能复用——工程上很省。

IGD 演示:从格点粗估(蓝点)出发,沿梯度方向一步步滑向真峰(绿星)——动画循环
05 · 它到底行不行

仿真:-20dB 信噪比、40dB 干信比

配置:U=2 用户、J=2 干扰机、Nt=Nr=32 天线、K=256 子载波、B=128 符号、fc=30GHz, 用户距离 300–600m、径向速度 50–150m/s,10000 次蒙特卡洛。

97%
JSR=20dB / SNR=−20dB 时
AoA 误差降幅(vs 纯 OAE)
<0.02 rad
SNR≥−35dB 时的角度 MAE
(≈1.1°,≈方位角分辨率量级)
≈45dB
相干积累增益 10·log₁₀(K·B)
——低 SNR 下还能活的原因
复刻 Fig.2 风格:JSR=10~40dB 下 OAE-JAESSE(实线)vs 纯 OAE(虚线)的角度估计 MAE——干扰越强差距越夸张
为什么赢:① 判别用上了"发射信号已知"这个独有优势; ② K·B=32768 个采样点相干积累,把弱信号从噪声下拔出来; ③ 逐层剥离把"多对多"问题降解成一串"一对一"问题。
06 · 我的深度解读

这篇论文真正聪明在哪

① 把"感知"反过来当防御

过去的抗干扰思路是"通信自卫":加导频、加训练、加冗余。 这篇反着来——雷达感知本身就是干扰鉴别器。 只要基站记得自己说过什么,验血一次 FFT 就够,不需要任何额外信令开销。 ISAC 的价值因此不只是"省一套硬件",而是两个功能互相给对方输血。

② 判别依据是"结构",不是"强弱"

干扰机可以无限放大功率(JSR 40dB 照样打), 但它造不出与 $x^u$ 的相关性。功率域打不过,就换到相关域打—— 命题 1 本质是一次匹配滤波检验:干扰在时延-多普勒面上没有"形状",用户在。 这种判别对"傻傻的强噪声"天然免疫。

③ 一石三鸟:判别免费送估计

本来"这是用户还是干扰机"和"他在多远多快"是两个问题, 命题 1 把答案压进同一个尖峰:出峰=是用户,峰位=距离+速度。 之后的 OAE/ODVE 只是把这个粗结果抛光到离格精度。算法结构干净得像一条流水线。

该泼的冷水:① 仿真规模小(U=J=2),大量用户/干扰机混战时逐层剥离的串行代价和错误传播没展示; ② 只考"高斯噪声型"干扰,会伪装的智能干扰机(故意模仿用户信号时延-多普勒特征的欺骗式干扰)不在射程内——命题1的漏洞正在这里; ③ 用户数 U 需已知;④ 远场+大阵列正交性假设,对 Nr=32 是近似成立。结论:方向对、招式漂亮,但距离实战还有一层窗户纸。