《Sensors》：Joint Beamforming and Trajectory Optimization Algorithm for RSMA-UAV-Enabled Integrated Sensing and Communication System
编辑推荐：
集成感知与通信（ISAC）使能了利用共享硬件和频谱资源同时进行无线通信和目标感知，被认为是下一代移动网络的关键技术。为了解决多用户场景中协调感知与通信的挑战，本文研究了一种采用速率分割多址接入（RSMA）的无人机（UAV）使能ISAC系统，并提出了联合波束赋形
集成感知与通信（ISAC）使能了利用共享硬件和频谱资源同时进行无线通信和目标感知，被认为是下一代移动网络的关键技术。为了解决多用户场景中协调感知与通信的挑战，本文研究了一种采用速率分割多址接入（RSMA）的无人机（UAV）使能ISAC系统，并提出了联合波束赋形与轨迹优化框架。具体地，地面用户首先在容量-直径约束下进行分簇，UAV采用RSMA服务每个簇内的用户。感知性能由公共流和所有私有流在目标方向上的复合发射波束图增益表征。在用户下行速率、发射功率和感知质量的约束下，研究人员构建了一个优化问题以最大化平均下行速率。通过采用块坐标下降（BCD）框架，所得非凸问题被分解为三个子问题，即簇调度、速率分配和波束赋形，以及UAV轨迹优化。这些子问题分别通过线性规划、半定松弛和连续凸近似求解。数值结果表明，在满足感知质量要求的同时，所提算法显著提高了可实现的下行链路速率。
集成感知与通信（ISAC）被视为下一代移动网络的关键技术，它通过共享硬件和频谱资源实现无线通信与目标感知的并发执行。然而，在多用户场景中，协调感知与通信功能面临严重挑战，特别是当用户同时作为感知目标时，传统方案（如固定基站或静态部署的无人机，UAV）难以有效抑制同信道干扰。为此，研究人员提出了一种基于速率分割多址接入（RSMA）的无人机使能ISAC系统，并设计了联合波束赋形与轨迹优化框架。该研究旨在通过用户分簇、RSMA传输、动态簇调度以及UAV轨迹规划，在满足感知质量约束下最大化系统平均下行速率，论文发表在《Sensors》。
研究人员采用的主要关键技术方法包括：首先，基于容量-直径约束进行离线用户分簇，将空间邻近的用户聚为固定簇，以减少后续调度的组合复杂度。随后，利用块坐标下降（BCD）框架将原始非凸优化问题分解为三个子问题：簇调度子问题通过连续松弛和线性规划求解；速率分配与波束赋形子问题结合半定松弛（SDR）、连续凸近似（SCA）和基于最大特征值的秩惩罚策略，恢复近秩一解；UAV轨迹优化子问题则通过SCA将非凸约束转化为凸二次约束和仿射下界进行迭代求解。数值仿真中，系统包含16个地面用户，UAV飞行高度100 m，总时长40 s，划分为20个时隙，最大发射功率24 dBm，感知阈值依据归一化接收感知增益设定。
研究结果部分：
图2展示了UAV轨迹优化结果：与初始圆形轨迹相比，优化后的轨迹主动向多个用户簇偏移，使UAV更接近信道条件较差的区域，从而提升通信速率和感知性能。
图3展示了簇调度结果：每个时隙仅调度一个簇，UAV在接近某簇时连续服务该簇，并在适当时机切换，确保了所有用户簇的速率和感知约束。
图4展示了算法收敛性：目标值在前几次外迭代中快速上升，约25–30次迭代后趋于稳定，验证了单调非降的收敛特性。
图5对比了不同算法在不同最大发射功率下的平均系统速率：所提算法在所有功率范围内显著优于固定轨迹RSMA、NOMA、SDMA以及文献[23]中的时分方案，显示RSMA联合优化在干扰管理上的优势。
图6展示了平均系统速率随归一化感知增益阈值的变化：阈值增大导致速率下降，表明通信与感知之间存在权衡，且更高发射功率可缓解速率退化。
图7展示了不同用户数下的速率-功率曲线：用户数增加时，系统利用多用户分集和空间复用，整体速率提升。
图8展示了不同飞行时长下的速率-功率曲线：更长飞行时间使UAV能更久停留在有利位置，显著提升平均速率。
图9展示了不同天线阵列尺寸下的速率-功率曲线：更多天线提供更高阵列增益和干扰抑制能力，速率曲线整体上移。
图10展示了不同UAV最大飞行速度下的速率-功率曲线：更高速度使UAV更快接近用户簇，减少无效飞行时间，提升吞吐量。
总结讨论部分：本文考虑UAV配备均匀平面阵列（UPA）同时为地面用户提供下行通信和感知服务，建立了基于RSMA的UAV-ISAC系统统一优化框架。在容量-直径约束下进行空间用户分簇，在用户通信速率、发射功率和感知质量约束下，构建了最大化飞行周期内平均下行速率的优化问题。采用BCD方法分解为三个子问题，分别通过线性规划、SDR和SCA求解，通过外循环交替迭代获得收敛可行解。仿真结果表明，所提算法在保证感知质量下显著提升系统通信速率。然而，当前工作假设地面用户静态、信道为自由空间视距模型，且未显式考虑UAV推进能耗。未来工作将扩展至移动用户场景、3GPP概率视距/非视距信道模型，以及考虑推进能耗的RSMA波束赋形与UAV轨迹优化，同时研究多UAV协同与分布式联合感知与通信。
