6G ISAC突破性方案：PRS与PDSCH叠加，破解频谱效率与感知模糊双重瓶颈
在6G通信技术的演进浪潮中，集成感知与通信（ISAC）被公认为核心赋能技术——它打破了通信与感知的资源壁垒，让无线网络既能承载高速数据传输，又能实现目标探测、定位等感知功能，为自动驾驶、智能安防、物联网等新兴场景提供关键支撑。电信运营商普遍期望，6G ISAC能基于现有5G NR基础设施升级，在最小化网络改造成本的前提下，实现资源利用效率与服务质量的双重提升。近日，发表于2025 IEEE CCNC会议的一项研究，提出了定位参考信号（PRS）与物理下行共享信道（PDSCH）叠加传输的创新方案，成功破解了频谱资源浪费、感知距离模糊、信号相互干扰三大核心难题，为6G ISAC的工程落地提供了重要技术路径。
研究背景：6G ISAC的核心痛点与行业诉求
随着自动驾驶、健康监测、智能巡检等应用的爆发式增长，无线通信系统面临双重压力：既要满足海量设备的高速数据传输需求，又要具备精准的目标感知能力。传统方案中，通信与感知通常占用独立频谱资源，导致频谱利用率低下；而若复用现有信号资源，又会引发两大关键问题：
一是信号干扰问题。感知信号（如PRS）与通信信号（如PDSCH）共享时频资源时，会相互干扰，导致通信误码率升高、感知精度下降，严重影响服务质量（QoS）；二是距离模糊问题。PRS的周期性结构会导致感知过程中出现“虚警目标”（ghost targets），即系统误将虚假信号判定为真实目标，这对自动驾驶避障、安防入侵检测等安全敏感场景来说是致命缺陷。
此前的研究尝试过多种解决方案，但均存在明显短板：有的通过多参考信号协作缓解模糊，却未考虑通信与感知的干扰；有的压缩感知信号资源占用，却牺牲了最大探测距离；还有的方案计算复杂度极高，难以满足3GPP标准的工程化要求。因此，开发一种兼容3GPP标准、兼顾频谱效率与感知准确性的技术方案，成为行业亟待解决的核心诉求。
核心方案：信号叠加+智能算法的一体化设计
针对上述痛点，来自法国巴黎萨克雷大学与诺基亚标准部门的研究团队，提出了“PRS与PDSCH叠加传输+干扰消除+模糊抑制”的一体化解决方案，核心思路是充分复用5G NR现有信号资源，通过精细化设计实现通信与感知的协同优化。
1. 信号叠加：时频资源的高效复用
方案的核心创新的是在OFDM资源网格中，将用于通信的PDSCH与用于感知的PRS进行叠加传输。之所以选择这两种信号，是因为它们具备天然的协同优势：PRS作为5G NR的定位参考信号，拥有丰富的时频资源（支持24-272个物理资源块PRB分配）和灵活的配置模式（4种梳状结构、5种符号配置），抗噪声能力强、自相关性好，是感知的理想载体；而PDSCH是5G NR的核心数据传输信道，其配套的解调参考信号（DMRS）可精准完成信道估计，为干扰消除提供关键支撑。
为实现资源的最优分配，方案采用动态功率分配策略，通过参数γₛ（感知功率权重）和γ_c（通信功率权重）调节两者资源占比，且满足γₛ+γ_c=1。这种设计让时频资源在通信与感知之间“按需分配”，彻底改变了传统方案中资源割裂的现状，大幅提升了频谱效率。
2. 干扰消除：DMRS赋能的精准信道补偿
信号叠加必然带来相互干扰，其中PRS对PDSCH的干扰会直接影响数据解码质量。为解决这一问题，团队设计了基于DMRS的干扰消除算法：首先利用DMRS完成精准的信道估计，得到信道响应模型H^(m,n)\hat{H}(m, n)H^(m,n)；随后基于该模型重构不含PDSCH的PRS接收信号y^(m,n)=H^(m,n)γsss(m,n)\hat{y}(m, n)=\hat{H}(m, n) \sqrt{\gamma_{s}} s_{s}(m, n)y^(m,n)=H^(m,n)γsss(m,n)；最后从实际接收信号中减去重构的PRS信号，得到纯净的PDSCH信号用于数据解码。这一过程充分利用了DMRS的信道估计能力，让干扰消除精度大幅提升，为通信性能保驾护航。
3. 模糊抑制：针对不同梳状尺寸的双算法设计
PRS的梳状结构（Comb 2/4/6/12）是导致距离模糊的关键——周期性的子载波分布会让系统在感知时出现虚假峰值。针对不同梳状尺寸的特性，团队提出两种针对性算法：
算法1（适用于梳状2/4）：利用PRS与DMRS的虚警目标位置互补特性，对两者的逆快速傅里叶变换（IFFT）结果进行哈达玛积运算（r‾PRS,DMRS=r‾PRS⊙r‾DMRS\overline{r}_{P R S, D M R S}=\overline{r}_{P R S} \odot \overline{r}_{D M R S}rPRS,DMRS=rPRS⊙rDMRS），相互抵消虚假峰值，保留真实目标信号；
算法2（适用于梳状6/12）：当梳状尺寸较大时，PRS与DMRS的虚警目标会部分重合，此时通过信号求和、归一化处理后再进行IFFT，破坏信号周期性，从而抑制虚警峰值。
两种算法均无需牺牲最大探测距离，完美兼顾了感知精度与覆盖范围。
仿真验证：性能显著提升，兼容3GPP标准
为验证方案有效性，研究团队基于MATLAB 5G工具box搭建了符合3GPP标准的仿真平台，设置了贴近实际应用的场景参数：gNB与接收机均配备8×8天线，两个目标分别位于711m和846m处，移动速度为2m/s和10m/s，中心频率25GHz，子载波间隔120kHz，信噪比15dB。
仿真结果显示，方案性能提升十分显著：在通信层面，干扰消除算法让误码率（BER）最高降低57%——当PRS梳状尺寸为2、γc=0.7\sqrt{\gamma_{c}}=0.7γc=0.7时，BER从无干扰消除的0.0121降至0.0052，同时吞吐量大幅提升；在感知层面，通过合理的功率分配（如γs=0.5\sqrt{\gamma_{s}}=0.5γs=0.5），两种算法均能彻底消除虚警目标，真实目标的距离与速度估计误差控制在极小范围。
值得注意的是，方案完全兼容3GPP TS 38.211、TS 38.214等核心标准，无需修改现有5G NR的物理层架构，具备极强的工程落地潜力。
结论与展望
这项研究的核心价值在于，首次实现了PRS与PDSCH在OFDM资源网格中的标准化叠加，通过“资源复用+智能算法”的组合，同时解决了频谱效率低、距离模糊、信号干扰三大核心问题，为6G ISAC提供了兼具实用性与经济性的技术路径。
未来，研究团队将进一步探索不同信噪比下的功率分配策略，以及子载波间隔对感知精度与通信性能的权衡关系，同时拓展多目标、非视距（NLOS）场景下的算法优化，为6G ISAC的规模化应用奠定更坚实的基础。这项成果不仅为学术研究提供了新的思路，更向行业展示了基于5G现有基础设施升级6G ISAC的可行性，具有重要的理论与工程价值。
