5G vRAN中的感知资源调度：一种弹性方法

《ACM Transactions on Internet of Things》：Sensing Resource Scheduling in 5G vRAN: An Elastic Approach

弹性感知资源调度技术ElaSe基于5G vRAN实现多目标动态资源分配，通过用户状态识别与预测调度消除延迟，减少34%轨迹跟踪误差和92%资源分配误差。

　　无线传感技术正在成为5G网络中一个引人注目的研究方向，它不仅能够实现高效的通信，还为用户提供了一种全新的感知能力。集成传感与通信（ISAC）技术的出现，标志着无线传感能力从传统专用设备向现有通信基础设施的转变。通过在5G基站上部署感知功能，ISAC技术能够实现更广泛的应用场景，如定位、跟踪、环境监测等。然而，随着不同感知任务对资源需求的差异性增加，传统的固定资源分配方式显得不够灵活，尤其是在资源受限的情况下，这种方法往往无法满足不同用户的需求，从而影响整体的感知质量。为此，研究者提出了ElaSe这一创新的感知技术，旨在实现资源的弹性与快速调度，提升感知效率并减少资源浪费。

ElaSe的核心思想是利用用户状态进行资源需求的精准判断，从而实现资源的动态调整。具体而言，ElaSe首先通过用户状态识别模块获取用户的移动状态信息，例如速度和运动轨迹，然后根据这些信息调整SRS（Sounding Reference Signal）资源的分配。SRS是5G网络中用于信道估计的重要信号，它不仅支持通信功能，还可以用于感知任务。ElaSe通过对SRS资源的弹性调度，使得不同用户能够获得适合其需求的资源分配，从而实现更精准的感知效果。此外，为了减少调度延迟，ElaSe引入了预测性调度方案，通过历史数据预测用户的下一个周期的运动状态，并据此提前分配资源，确保感知任务的实时性。

在传统的5G通信系统中，SRS的调度通常采用固定的周期和带宽分配方式，这种方式虽然简单，但在面对多目标感知任务时，存在资源浪费和感知精度下降的问题。例如，对于移动速度较快的用户，由于资源分配不足，其感知质量会受到影响；而对于移动速度较慢的用户，由于资源分配过多，可能导致通信资源的浪费。ElaSe通过引入基于用户状态的动态资源分配机制，解决了这一问题。它通过分析用户的运动状态，动态调整SRS的带宽和采样率，从而在保证通信性能的前提下，实现对感知资源的优化利用。

在具体实现方面，ElaSe主要基于5G虚拟化无线接入网（vRAN）架构，该架构允许通过通用处理器实现RAN协议栈的软件定义，从而为感知资源的弹性调度提供了灵活性。通过vRAN的接口，ElaSe可以获取用户的运动状态信息，并据此动态调整SRS资源的分配。这种调度机制不仅能够适应不同用户的运动状态，还能在资源受限的情况下，通过优先级算法和权重计算，实现资源的合理分配。

为了实现用户状态的识别，ElaSe采用了基于CSI（Channel State Information）的算法。CSI是5G通信中用于信道估计的重要信息，它包含了用户与基站之间的信道特性，如路径损耗、相位变化等。通过分析CSI，ElaSe可以估计用户的移动速度，从而判断其感知需求。此外，ElaSe还结合了卡尔曼滤波算法，用于预测用户的下一个周期的运动状态，从而提前进行资源调度，减少调度延迟。

在资源调度算法方面，ElaSe采用了一种基于权重的分配方法。该方法通过计算每个用户的资源需求权重，实现资源的动态调整。权重的计算考虑了多个因素，包括当前周期的采样率变化、历史资源分配情况等。通过这种方式，ElaSe能够优先分配资源给需要更多感知能力的用户，如高速移动的设备，同时确保低速或静态设备也能获得足够的资源支持。这种算法不仅能够提升感知精度，还能减少资源浪费，提高系统的整体效率。

为了验证ElaSe的性能，研究者在多种实验场景中进行了测试，包括会议室、走廊和实验室等。实验结果显示，ElaSe在轨迹跟踪误差和资源分配误差方面均优于传统的非调度方案。在轨迹跟踪误差方面，ElaSe相比非调度方案降低了34%，在资源分配误差方面则减少了92%。这表明，ElaSe能够有效提升感知精度，同时优化资源利用。

此外，研究者还分析了ElaSe的计算复杂度和调度延迟。实验结果显示，在100个目标的调度场景中，ElaSe的算法运行时间小于10毫秒，结合RAN智能控制器的调度延迟后，整体延迟不超过20毫秒，相当于两个5G帧的时间。这一延迟水平对于实时感知任务而言是可以接受的，表明ElaSe能够在保持通信性能的同时，实现高效的感知资源调度。

在实际应用中，ElaSe的弹性资源调度机制可以支持多种感知任务，如定位和跟踪。通过对不同运动状态的用户进行分类，并采用不同的资源分配策略，ElaSe能够满足不同场景下的感知需求。例如，在高速移动场景中，ElaSe可以提高采样率，以确保感知的准确性；而在低速或静态场景中，ElaSe则可以减少采样率，从而避免资源浪费。

ElaSe的研究还表明，未来的无线传感技术需要进一步考虑多种因素，如信号传播特性、环境干扰、多目标感知的复杂性等。此外，随着5G网络的不断发展，感知资源的调度机制也需要不断优化，以适应更多样化的应用场景。例如，在多流无线信号处理中，可以通过引入多流参考信号（RS）的整合，提升感知能力。同时，针对不同的感知任务，如手势识别或跌倒检测，也可以采用不同的状态识别指标，从而实现更精准的资源分配。

总的来说，ElaSe的提出为5G网络中的无线传感技术提供了一个新的发展方向。它不仅能够实现感知资源的弹性调度，还能通过预测性调度方案减少调度延迟，从而提升感知任务的实时性和准确性。实验结果表明，ElaSe在多种场景下均表现出优异的性能，能够有效减少轨迹跟踪误差和资源分配误差，为未来的无线传感应用提供了重要的技术支持。