6G網(wǎng)絡(luò)協(xié)作通感技術(shù)白皮書

編制單位：中國移動通信集團有限公司、中國聯(lián)合網(wǎng)絡(luò)通信有限公司、中國電信股份有限公司、上海諾基亞貝爾股份有編制單位：中國移動通信集團有限公司、中國聯(lián)合網(wǎng)絡(luò)通信有限公司、中國電信股份有限公司、上海諾基亞貝爾股份有限公司、中信科移動通信技術(shù)股份有限公司、中興通訊股份有限公司、維沃移動通信有限公司、OPPO廣東移動通信有限擾管理及原型驗證。相比《網(wǎng)絡(luò)協(xié)作通感一體化技術(shù)白 2 3 5 6 6 9 28 28 1實（XR）等6G新場景、新業(yè)務(wù)的涌現(xiàn)，通信感知一體化（ISAC），作為6G向在網(wǎng)終端的定位功能。5G-A通感一體化通過時分或者頻分的實現(xiàn)方式，在基號自發(fā)自收，且通感功能分立設(shè)計，5G-A通感一體仍面臨效率、成本、感知精通過A發(fā)B收的協(xié)作感知放松對自干擾的抑制要求，通過多點協(xié)作提升感知精6G網(wǎng)絡(luò)協(xié)作通感一體化充分利用移動通信網(wǎng)絡(luò)得規(guī)模部署優(yōu)性能，賦能一網(wǎng)多能新業(yè)態(tài)[1]-[5]。（1）智慧低空：作為國家戰(zhàn)略性新興產(chǎn)業(yè)，智慧低空包括輕中型無人機物2（2）智慧交通：智慧交通場景可分為道路監(jiān)管、車輛軌跡追蹤、工廠設(shè)備圖1網(wǎng)絡(luò)協(xié)作通感典型應(yīng)用場景國際電信聯(lián)盟（ITU）2023年發(fā)布了《IMT面向2030及未來發(fā)展的框架和總體目標建議書》[7]，引入感知與通信融合作為6G典型應(yīng)用場景，并在6進行Release19通感一體化信道建模研究[11]，預(yù)計20技術(shù)報告。中國通信標準化協(xié)會（CCSA）在2023年已通過多基站協(xié)作通感關(guān)3(a)6G六大典型用例(b)6G十五大性能指標圖2ITU-R發(fā)布IMT-2030正在國內(nèi)開展。更進一步，面向6G協(xié)作感知，業(yè)界正在進行場景和用例分析、ISAC-ETI，各大高校及科研院所積極舉辦協(xié)作通感一體化國際會議、學(xué)術(shù)研討通感一體化理論研究[18]-[22]。依托國家重點實驗室建立軟硬件驗證平臺，助力通4(a)獨立通感(b)協(xié)作通感圖3通感一體化工作模式協(xié)作通感無需感知節(jié)點具備全雙工能力，可避免對有源天線單元（AAU）當(dāng)感知目標運動方向與感知信號到達目標的入射角及反射角的角平分線垂附近區(qū)域。通過多個不同方向的接收節(jié)點協(xié)5范，以實現(xiàn)各項技術(shù)指標的精確測量和評估，圖4通感能力、網(wǎng)絡(luò)效率、網(wǎng)絡(luò)質(zhì)量三角沖突示意圖模非精準，將導(dǎo)致仿真性能的偏差。如何建模非視距（NL6性能進一步惡化。如何從網(wǎng)絡(luò)層面分析、設(shè)計作、如何協(xié)作、如何更好協(xié)作等問題。相比《網(wǎng)絡(luò)協(xié)作通感一體化技術(shù)白皮書1.0》，新增了技術(shù)指標體系與模型，提煉了關(guān)鍵技術(shù)解決方案及結(jié)論、豐富了測試及原型驗證，可保障網(wǎng)絡(luò)協(xié)作感知性能需求并7作通感系統(tǒng)，其感知服務(wù)質(zhì)量（SensingQoS）至關(guān)重標數(shù)量。SensingQoS可包含多種要求，包括感知時延、定位精度、測速精度、場景，感知服務(wù)質(zhì)量可更多的關(guān)注感知時延、定8估目標散射特性的重要參數(shù)，在通信感知一體化技術(shù)中發(fā)揮重要作用。RCS的大小取決于目標的幾何形狀、入射波的頻率等因素。RCS的值越大，表示目標的散射特性。因此，復(fù)雜目標的建模及散射特性如圖5所示，單站RCS表示入射角、觀測角相同時目標的散射特性，與獨立感知模式相符。雙站RCS表示入射角、觀測角不同時目標的散射特性，與協(xié)作感精度感知具有重要意義[13]。(a)單站RCS：入射角、觀測角相同(b)雙站RCS：入射角、觀測角不同圖5單站RCS與雙站RCS示意圖頻段，對于無人機場景，在68%的概率下，最強RCS比入射方向RCS高至少3dB。在車輛場景下，該概率進一步上升至85%。這表明，最強RCS值對應(yīng)的圖6兩種仿真場景下RCS統(tǒng)計測量結(jié)果@2.6GHz9明采用協(xié)作感知能夠獲得更大的接收能量，進圖7不同節(jié)點感知時無人機的RCS對比圖建模為目標信道Htarget和背景信道Hbackground之和，用如下公式表示[11]：HISAC=Htarget+Hbackground其中，目標信道Htarget是指受到目標影響的所有（多徑）信道成分（所謂信道成分是指構(gòu)成信道的徑、簇等而背景信道Hbackground是指不包含在目標信道中的圖8協(xié)作感知分段卷積信道模型假設(shè)入射信道和后向散射信道中，分別有P和Q個簇，那么整個目標信道中的簇總數(shù)為N=PQ，其中，第n個簇是由入射信道中的第p個簇和后向散射信道方式，從入射信道中的第p個簇和后向散射信道中的第q個簇得到。在得到第n個簇的信道參數(shù)后，即可將其代入3GPPTR38.901協(xié)議[26]中的信道模型中，獲?目標信道的簇功率等于入射信道和后向散射信道簇功率的乘積：Pn=PpPq?目標信道的多普勒頻移相位是入射信道和后向角：θn,ZOD=θp,ZOD,φn,AOD=φp,AOD；θn,ZOA=θq,ZOA,φn,AOA=φq,AOA?如果目標的散射矩陣可以從交叉極化比矩陣中剝離，則第n個簇的交叉極化==exp(jΦθ) nSnnSnnSnSθexp(jΦθ) 一個典型的網(wǎng)絡(luò)協(xié)作通感系統(tǒng)模型如圖9所示。在該系統(tǒng)模型中，節(jié)點A作為通感一體化發(fā)送端，其發(fā)出的下行通信信號由該小區(qū)內(nèi)的用戶A接收，用于數(shù)據(jù)通信。節(jié)點A也可以發(fā)送感知信號，經(jīng)目標反射后，感知回波信號由節(jié)點B和節(jié)點C接收，用于聯(lián)合感知。通過這一協(xié)作感知過程，可以將感知的收發(fā)端在空間上分離開，節(jié)點A僅需進行下行傳輸，而節(jié)點B和節(jié)點C工作在上點B和節(jié)點C工作在上行模式時，還可以與各自小區(qū)內(nèi)的用戶進行上行通信。圖9網(wǎng)絡(luò)協(xié)作通感系統(tǒng)干擾模型在網(wǎng)絡(luò)協(xié)作通感系統(tǒng)中，感知精度和通信速率將受到信干噪比（SINR）的Σ=1Pmb,tPLcRm+Σ=1Pkb,tPLcRk+Iclutterb,t上行用戶干擾小區(qū)間干擾雜波干擾M和K分別代表上行用戶數(shù)目和干擾小區(qū)數(shù)目。值得注意的是，干擾小區(qū)包括鄰來評估協(xié)作組網(wǎng)感知方案的整個組網(wǎng)性能以及對傳調(diào)制的過程,而是通過一種物理層抽象的鏈路級接口曲線為系統(tǒng)級提供一種簡單仿真結(jié)果通過合理的數(shù)學(xué)建模凝練成接口曲線的形式為系統(tǒng)級提供判斷感知結(jié)中發(fā)送端信號生成與接收端感知算法實現(xiàn)是將鏈路仿真中的信號處理流程融入感知方案確定基站類型（基站類型可分為：通感一l撒點：在通感一體基站的感知區(qū)域內(nèi)進行感知目標的撒點和建模，在通信區(qū)域內(nèi)進行通信用戶的撒點和初始化。根據(jù)一定的撒點算法確定感知l散射特性建模：對于感知目標，除建立其全局坐標外，還需配置感知目標的特征，如形狀、材質(zhì)等，并對其散射特性進行建模，獲取不同入射位置、速度等信息的計算，并根據(jù)協(xié)作組網(wǎng)感知CSTStudioSuite是一款全面的電磁場仿真軟件套件，用于模擬和分析電磁感知目標RCS，分析目標物體在不同條件下的散射特性，為通信感知一體化系圖10RCS測量仿真步驟流程圖在CST仿真平臺中使用的無人機模型，長度、寬度均為0.28m；車輛模型，長圖11兩種目標模型表1RCS仿真參數(shù)設(shè)置參數(shù)無人機數(shù)值車輛數(shù)值功能入射俯仰角目標不同位置入射方位角目標不同姿態(tài)觀測俯仰角觀測節(jié)點不同位置觀測方位角觀測節(jié)點不同姿態(tài)步。本小節(jié)首先介紹同步誤差來源及其影響，而后分別時鐘偏差，影響OFDM解調(diào)的性能。時鐘偏差與信號傳播時延疊加在一起構(gòu)成測量量的誤差，產(chǎn)生距離模糊，從而使感知精度下降?，F(xiàn)有3GPPNR協(xié)議TS38.133規(guī)定，站間時間同步精度約為±1.5us[41]，可造成約450米的距離偏差，生成的本振頻率隨時間發(fā)生漂移，進一步影響圖12頻率抖動測試圖13時間及頻率同步誤差對目標距離及速度精度的影響根據(jù)信號傳輸方式的不同，時間同步方案可分為利用全球?qū)Ш叫l(wèi)星系統(tǒng)基站對GPS/DBS信號搜索，解算基站與衛(wèi)星時間之間的鐘差實過差分站，利用已知精確坐標的GPS基準臺修正目標基站時間，前者時間同步時間網(wǎng)絡(luò)授時[43][45][44]實現(xiàn)，上述兩種方案實現(xiàn)的基站間時間同步誤差分別約為方法。第一步，節(jié)點B接收來自節(jié)點A發(fā)送的感知信號，測量感知信號的傳播(L1+L2)/2=(T1+T2)/2，得到與同步誤差無關(guān)的時間參數(shù)。最后，通圖14同步誤差消除方案此外，一種通過測量多徑時間差避免節(jié)點間同圖15基于參考徑的同步誤差消除方法的重要部分。為了解決多TRP之間由于晶振不同帶來的頻偏，可以采用多TRP此外，一種利用距離變化率與多普勒頻移測速差別的頻偏測量方法如圖16圖16基于目標位置變化率的頻偏估計方法頻偏可通過基于訓(xùn)練符號的方式進行補償，較經(jīng)典的算法有Schmidl&Cox訓(xùn)練序列，S&C算法具有較高的估計精度，但是兩個訓(xùn)練序列開銷較大，降低了數(shù)據(jù)的傳輸效率。S&C算法的頻偏估計分為兩部分，分別是小數(shù)倍頻偏估計）：序列，在奇數(shù)子載波上傳輸‘0’）。由于存在頻偏，接收端第一訓(xùn)練序列前后兩部分對應(yīng)的采樣點存在相位差，可通過此相訓(xùn)練序列，奇數(shù)子載波上傳輸PN2序列，偶數(shù)子載波上傳輸PN3序列，其中PN3與PN1具有給定的差分關(guān)系。當(dāng)接收信號存在整數(shù)倍頻偏時，接收到的頻域數(shù)據(jù)相對于發(fā)送端會出現(xiàn)循環(huán)移位。因此，通過對PN1和PN3進圖17Schmidl&Cox算法的訓(xùn)練序列時域結(jié)構(gòu)強的協(xié)作簇。如圖18所示，一種可行的方案是上報一個或多個非直達徑的SINR（SINRP），發(fā)送節(jié)點根據(jù)各個接收節(jié)點上報圖18利用測量量（RSRP/SINR）選取協(xié)作節(jié)點示意圖集以減小目標到最近微站的路徑損耗，保證接收圖19微站部署方案參與多節(jié)點協(xié)作感知。如圖20所示，這種考慮協(xié)圖20不同微站部署策略的感知精度圖21感知通過靈活時隙實現(xiàn)（2）盡可能減小GP開銷，提升資源利用率。基站A如果發(fā)送需要增加保護間隔GP，造成資源浪費，如圖22(a)所示。因此為了盡可能減小圖22盡可能減少GP開銷所示，基站C不參與協(xié)作感知，若配置成通信下行，就優(yōu)選緊挨著U的靈活時隙。為了從源頭規(guī)避遠端基站干擾，要保證感知的發(fā)送圖23降低干擾根據(jù)上述幀結(jié)構(gòu)配置原則，如何設(shè)計感知幀結(jié)構(gòu)的信令配置方式需要研究。和通信的幀結(jié)構(gòu)配置。通感一體統(tǒng)一幀結(jié)構(gòu)配置，可保證通信和感知的兼容性，感知精度的同時，盡可能降低波束開銷成為協(xié)作波分布較為稀疏，如圖24所示。若利用現(xiàn)有協(xié)議中的均勻預(yù)編碼碼本配置方法，圖24垂直維度非均勻波束配置可以在降低總體波束掃描開銷的前提下，提升圖25水平維度區(qū)域化波束掃描配置多節(jié)點協(xié)作的核心問題是如何融合處理協(xié)作多節(jié)點的多維信息從而最大化部分感知測量量發(fā)送給服務(wù)器，傳輸數(shù)據(jù)量小，圖26協(xié)作定位誤差隨節(jié)點數(shù)目變化曲線免上下行交叉鏈路干擾的影響，以同時滿足網(wǎng)絡(luò)的感知需求與通信需求[34]。圖27上下行交叉鏈路干擾干擾基站進行適當(dāng)?shù)母蓴_管理，以滿足不同場圖28同站址互干擾強度CDF曲線圖圖29測距RMSE與鄰站址干擾強度關(guān)系圖減少小區(qū)內(nèi)上行通信用戶對其他接收節(jié)點的干擾。如圖30所示，采用等功率分需求自適應(yīng)動態(tài)調(diào)整，滿足業(yè)務(wù)數(shù)據(jù)解調(diào)、感知(a)等功率分配(b)固定功率分配(c)自適應(yīng)功率分配圖30功率分配方案值得注意的是，在目標接近通信用戶設(shè)備時，感鏈路的干擾，提升感知精度和通信質(zhì)量，從而圖31網(wǎng)絡(luò)協(xié)作中上行通信干擾下的感知檢測概率分布配置正交碼字的感知信號，可進一步將鄰區(qū)圖32環(huán)形組網(wǎng)方案示意圖考慮基站間協(xié)作的低頻網(wǎng)絡(luò)協(xié)作通感，原型樣機采用4.9GHz虛檢率、漏檢率均可達到5%以下，可滿足低空安防和低空經(jīng)濟的應(yīng)用需求。圖33低頻網(wǎng)絡(luò)基站間協(xié)作通感原型樣機無人機探測場景的低頻網(wǎng)絡(luò)協(xié)作通感，原型樣機采用4GHz頻段，開展面向室內(nèi)行人的軌跡追蹤置的UE，基于多普勒測量算法實現(xiàn)CoMP人體通信方面，視距通信下平均每個UE的下行吞吐量約為303.25Mbps。可見，多終端CoMP感知和通信一體化可達到較好的通感一體化效果，為圖34低頻網(wǎng)絡(luò)多UE協(xié)作軌跡追蹤場景及結(jié)果示例：(a)直線軌跡MUSIC偽譜(b)M形軌跡MUSIC偽譜(c)S形軌跡MUSIC偽譜(d)直線軌跡估計(e)M形軌跡估計(f)S形軌跡估計6G時代，通信能力、感知能力將融合共生，各種業(yè)務(wù)之間的信息協(xié)同和處面向未來，6G網(wǎng)絡(luò)協(xié)作通感仍需要加強跨域技術(shù)縮略語列表ArtificialIntelligAngleofArrivalAngleofDepartureAdditiveWhiteGaussionNoiChannel-StateInformatInstituteofElectricalandElectronicInternationalTelecommunicatiMovingTargetDetecNLOSNRNewRadioOrthogonalFrequencPhysicalDownlinkControSignaltoInterference-pTransmissionReceptiUplinkUSRP2Dimensional-FastFourierT3rdGernereationPartners4thGenerationwireless參考文獻[1]IMT-2030(6G)推進組,6G典型場景和關(guān)鍵能力白皮書[R].2022[2]王志勤,杜瀅,沈霞面向6G典型場景的無線系統(tǒng)研究[J].中興通訊技術(shù),2024,30(4):65-68[3]NextGAlliance,6GApplicationsandUseCases[R].2022[4]Hexa-X,6GVision,UseCasesandKeySocietalValues[R].2021[5]VIVO,ChinaTelecom,ChinaMobile,etal.,通感一體化系統(tǒng)架構(gòu)與關(guān)鍵技術(shù)[R].2023[6]TongX.,ZhangZ.andYangZ.,Multi-ViewSensingforWirelessCommunications:Architectures,Designs,andOpportunities[J].IEEECommunicationsMagazine,2023,61(5):40-46[7]ITU-Rrecommendation,FrameworkandOverallObjectivesoftheFutureDevelopmentofIMTfor2030andBeyond[R].2023[8]IMT-2020(5G)推進組,5G-Advanced通感融合仿真評估方法研究報告[R].2023[9]IMT-2030(6G)推進組,通信感知一體化研究報告（第二版）[R].2022[10]IMT-2030(6G)推進組,6G通信感知一體化評估方法研究報告[R].2023[11]3GPP,Summary#3onISACchannelmodelling[R],3GPPRAN1#116,R1-2401496,2024[12]CCSA,研究課題項目建議書（面向多基站協(xié)作的通信-感知-計算深度融合體系架構(gòu)與關(guān)鍵技術(shù)研究）[R],TC5WG6#64-012,2023[13]LiuG.,XiR.,HanZ.,etal.,CooperativeSensingfor6GMobileCellularNetworks:Feasibility,PerformanceandFieldTrial[J].IEEEJournalonSelectedAreasinCommunications,2024[14]ZhouY.,LiuJ.,XuC.,etal.,Raytracing-BasedSimulationPlatformwithEfficientDopplerEmbeddingforIntegratedSensingandCommunication[C]\\Proceedingsof2023IEEE34thAnnualInternationalSymposiumonPersonal,IndoorandMobileRadioCommunications(PIMRC),Toronto,Canada,2023:1-6[15]LiuY.,LiO.,DuX.,etal.,ComprehensivePrototypeDemonstrationofUltra-BroadbandTerahertzPlatformfor6GISAC[C]\\Proceedingsof2023IEEE34thAnnualInternationalSymposiumonPersonal,IndoorandMobileRadioCommunications(PIMRC),Toronto,Canada,2023:1-7[16]ZhaoZ.,LiuR.andLiJ.,IntegratedSensingandCommunicationbasedBreathMonitoringusing5GNetwork[C]\\Proceedingsof2023InternationalWirelessCommunicationsandMobileComputing(IWCMC),Marrakesh,Morocco,2023:43-47[17]LiS.,LuoC.,TangA.,etal.IntegratingPassiveBistaticSensingintommWaveB5G/6GNetworks:DesignandExperimentMeasurement[C]\\Proceedingsof2023IEEEInternationalConferenceonCommunications(ICC),Rome,Italy,2023:2952-2957[18]PanY.,LiR.,DaX.,etal.,CooperativeTrajectoryPlanningandResourceAllocationforUAV-EnabledIntegratedSensingandCommunicationSystems[J].IEEETransactionsonVehicularTechnology,2024,73(5):6502-6516[19]WangY.,TaoM.andSunS.,Cramer-RaoBoundAnalysisandBeamformingDesignforIntegratedSensingandCommunicationwithExtendedTargets[J].IEEETransactionsonWirelessCommunications,2024[20]LiuF.,CuiY.,MasourosC.,etal.,IntegratedSensingandCommunications:TowardDual-FunctionalWirelessNetworksfor6GandBeyond[J].IEEEJournalonSelectedAreasinCommunications,2022,40(6):1728-1767[21]LiuS.,WenD.,LiD.,etal.,Energy-EfficientOptimalModeSelectionforEdgeAIInferenceviaIntegratedSensing-Communication-Computation[J].IEEETransactionsonMobileComputing,2024:1-15[22]ZhangX.,JinJ.,MaL.,etal.,Pilot-BasedDelayandDopplerEstimationIn6GIntegratedCommunicationAndSensingNetworks[C]\\Proceedingsof202214thInternationalConferenceonWirelessCommunicationsandSignalProcessing(WCSP),Nanjing,China,2022:478-482[23]3GPP,StudyonIntegratedSensingandCommunication[R].3GPPTR22.837,2023[24]LiuG.,MaL.,XueY.,etal.,SensCAP:ASystematicSensingCapabilityPerformanceMetricfor6GISAC[J].IEEEInternetofThingsJournal,2024,11(18):29438-2945[25]3GPP,DiscussiononchannelmodellingmethodologyforISAC[R],3GPPRAN1#117,R1-2404469,2024[26]3GPP,Studyonchannelmodelforfrequenciesfrom0.5to100GHz[S].3GPPTS38.901,2023[27]ChiriyathA.R.,PaulB.,JacynaG.M.,etal.,InnerBoundsonPerformanceofRadarandCommunicationsCo-Existence[J].IEEETransactionsonSignalProcessing,2015,64(2):464-474[28]HanZ.,DingH.,etal.,MultistaticIntegratedSensingandCommunicationSysteminCellularNetwork[C]//Proceedingsof2023IEEEGlobecomWorkshops(GCWkshps),Kuala,Malaysia,2023:123-128[29]HanZ.,DingH.,etal.,CellularNetworkBasedMultistaticIntegratedSensingandCommunicationSystem[J].IETCommunications,2024,18(12):1-11.[30]LeyvaL.,CastanheiraD.,SilvaA.,etal.,Two-stageestimationalgorithmbasedoninterleavedOFDMforacooperativebistaticISACscenario[C]//Proceedingsof2022IEEE95thVehicularTechnologyConference:(VTC2022-Spring),Helsinki,Finland,2022:1-6[31]PucciL.,MatricardiE.,PaoliniE.,etal.,Performanceanalysisofabistaticjointsensingandcommunicationsystem[C]//Proceedingsof2022IEEEInternationalConferenceonCommunicationsWorkshops(ICCWorkshops),Seoul,Korea,Republicof,2022:73-78[32]SakhniniA.,GuenachM.,BourdouxA.,etal.,ACramér-RaoLowerBoundforAnalyzingtheLocalizationPerformanceofaMultistaticJointRadar-CommunicationSystem[C]//Proceedingsof20211stIEEEInternationalOnlineSymposiumonJointCommunications&Sensing(JC&S),Dresden,Germany,2021:1-5[33]LiR.,XiaoZ.,andZengY.,Beamformingtowardsseamlesssensingcoverageforcellularintegratedsensingandcommunication[C]//ProceedingsofIEEEInternationalConferenceonCommunicationsWorkshops(ICCWorkshops),Seoul,Korea,Republicof,2022:492-497[34]ZhangX.,HanL.,HanZ.,etal.,InterferenceAnalysisforCollaborativeIntegratedSensingandCommunicationNetworks[J].CommunicationsofHUAWEIRESEARCH,2023,2:99-106[35]ChenX.,FengZ.,WeiZ.,etal.,MultipleSignalClassificationBasedJointCommunicationandSensingSystem[J].IEEETransactionsonWirelessCommunications,2023,22(10):6504-6517[36]ZhouJ.,LiW.,JiangS.,NLOSIdentificationandRangingErrorMitigationforUWBSignal[C]//Proceedingsof2022IEEEInternationalConferenceonNetworking,SensingandControl(ICNSC),Shanghai,China,2022:1-5[37]ZhangX.,XuJ.,AnIndoorNLOSIdentificationandExtractionAlgorithmBasedonMulti-dimensionalDataCorrelation[C]//Proceedingsof2023IEEE/CICInternationalConferenceonCommunicationsinChina(ICCC),Dalian,China,2023:1-5[38]LiZ.,TianZ.,ZhouM.,etal.,Anaccurateandrobustenvironmentsensingalgorithmforenhancingindoorlocalization[C]//ProceedingsofIEEEINFOCOM2018-IEEEConferenceonComputerCommunicationsWorkshops(INFOCOMWKSHPS),Honolulu,USA,2018:244-249[39]ShiQ.,LiuL.,ZhangS.,JointDataAssociation,NLOSMitigation,andClutterSuppressionforNetworkedDevice-FreeSensingin6GCellularNetwork[C]//Proceedingsof2023IEEEInternationalConferenceonAcoustics,SpeechandSignalProcessing(ICASSP),RhodesIsland,Greece,2023:1-5[40]X.Wangetal.,Multipath-ExploitedBistaticSensingwithLoSBlockageinMIMO