这是一个非常核心的问题。我们分三个层次来拆解为什么通信波形也能测出 Delay-Doppler、感知到底在“感”什么以及如何用数学工具FIM/CRB来评估和优化感知的性能。一、 为什么 OFDM 感知也涉及 Delay-Doppler你可能会想OFDM 分明是频域子载波和时域符号的结构怎么会和距离Delay与速度Doppler扯上关系其实Delay 和 Doppler 不是波形决定的而是物理世界信道决定的。任何波形打在移动的物体上回波都会携带两个物理量时延 ($\tau$ / Delay)信号飞过去再飞回来耗费的时间对应距离($R \frac{c\cdot \tau}{2}$)。多普勒频移 ($f_D$ / Doppler)物体移动导致波形发生挤压或拉伸对应速度($v \frac{c\cdot f_D}{2f_c}$)。OFDM 是如何“捕捉”这两个量的回波信号经过“去调制”除以发射数据 $X$后得到的信道响应矩阵 $H$ 中第 $n$ 个子载波、第 $m$ 个 OFDM 符号的元素可以表示为$$H_{n,m} \approx \alpha \cdot e^{-j2\pi n \Delta f \tau} \cdot e^{j2\pi m T_{sym} f_D}$$你看这两个指数项在频域子载波 $n$ 维度Delay ($\tau$) 导致了子载波之间产生线性的相位渐变。子载波间隔 $\Delta f$ 是已知的对这个维度做傅里叶变换IDFT就能把 $\tau$ 解调出来。在时域符号 $m$ 维度Doppler ($f_D$) 导致了连续的 OFDM 符号之间产生线性的相位渐变。符号周期 $T_{sym}$ 是已知的对这个维度做傅里叶变换DFT就能把 $f_D$ 解调出来。所以OFDM 涉及 Delay-Doppler 并不是因为它本身长得像雷达而是因为它完美的正交网格结构恰好成了测量物理信道中 Delay 和 Doppler 的天然坐标系。二、 感知最重要的是感知到什么从无线通信演进到通感一体化ISAC感知Sensing的核心任务从低到高可以分为三个层次1. 基础物理参数估计参数层这是最底层的核心。雷达或基站通过处理回波首先必须精确估计出目标反射点的“四大核心参数”距离 (Range/Delay $\tau$)速度 (Velocity/Doppler $f_D$)角度 (Angle of Arrival/Departure, AoA/AoD $\theta$)—— 依赖多天线架构散射系数/雷达散射截面积 (RCS / $\alpha$)—— 反映目标的材质和大小2. 目标跟踪与成像微观语义层拿到参数后基站需要连续追踪这些参数的变化轨迹跟踪 (Tracking)把不同时刻的 $(R, v, \theta)$ 连成线判断它是朝基站走来还是离去。微多普勒效应 (Micro-Doppler)如果是一个人在走动他的手臂摆动、腿部移动会对波形产生微小的额外多普勒调制。通过分析微多普勒可以识别出物体是在“走”、“跑”还是“摔倒”。3. 环境与行为识别宏观应用层这是感知的终极目的将物理参数转化为数字孪生世界的业务输入手势识别 / 呼吸检测利用微弱的相位变化感知人体的微小位移。智能交通统计车流量、车速进行盲区碰撞预警。三、 如何结合 FIM 和 CRB 指标在设计 OFDM 感知系统比如设计子载波分配、波束赋形、功率分配时我们不能盲目做仿真必须有一把衡量“感知极限”的尺子。这把尺子就是FIM费希尔信息阵和CRB克拉美-罗下界。1. 它们是什么FIM (Fisher Information Matrix, $\mathbf{I}(\boldsymbol{\theta})$)衡量观察到的回波信号中包含关于待估计参数 $\boldsymbol{\theta} [\tau, f_D, \theta]^T$ 的信息量有多大。信号质量越好SNR高、波形设计好FIM 的值就越大。CRB (Cramer-Rao Bound)它是 FIM 的逆矩阵的对角元素$CRB \ge \mathbf{I}^{-1}$。它代表了任何无偏估计器能够达到的理论最小方差均方误差 MSE 的下界。例如$\sqrt{CRB_{\tau}}$ 就代表了你在当前噪声和波形下测量测得最准的距离误差极限比如误差绝对不可能小于 0.05 米。2. 怎么把它们结合到 OFDM 感知研究中在通感一体化ISAC的设计中FIM 和 CRB 通常作为优化目标或约束条件① 优化波形与功率分配 (Waveform Power Allocation)在通信中我们习惯用注水算法Water-filling把功率分给信道好的子载波以最大化通信速率Capacity。但感知不同CRB 的数学推导表明为了让 Delay 估计得更准CRB更小功率应该尽量分配给频带两端的子载波因为频段拉得越开时域脉冲越窄对时延越敏感。结合方式建立一个优化问题在保证通信速率 $R_{com} \ge R_{min}$ 的约束下最小化感知的 $\text{Tr}(\mathbf{CRB})$。通过调整 OFDM 每个子载波上的发射功率在通信和感知之间找到最佳折中。② 联合波束赋形设计 (Joint Beamforming Design)在前面提到的MIMO/混合波束赋形架构下基站需要发射有方向性的波束。通信方向波束要对准手机用户的最优信道。感知方向波束需要扫过可能有盲区的路口或者对准某个特定目标。结合方式计算感知目标方向的 $FIM$通常与发射预编码矩阵 $\mathbf{W}$ 紧密相关。利用数学优化算法如凸优化 CVX求解出一个最佳的数字/模拟预编码矩阵 $\mathbf{W}$使得通信的 SINR 最大同时感知的 CRB 满足指标要求。③ 评估系统理论边界 (Performance Benchmark)当你自己提出了一种新的信号处理算法比如基于深度学习的超级分辨率距离估计或者某种改进的 2D-FFT你怎么证明你的算法足够好结合方式在画仿真图时X 轴通常是 SNR信噪比Y 轴是 MSE均方误差。你一定要把CRB 理论曲线作为 Baseline 画在最下方。如果你的算法曲线无限逼近 CRB说明你的算法已经压榨出了这个 OFDM 波形物理上的全部感知潜力。