6G網(wǎng)絡(luò)協(xié)作通感技術(shù)白皮書(shū)

編制單位：中國(guó)移動(dòng)通信集團(tuán)有限公司、中國(guó)聯(lián)合網(wǎng)絡(luò)通信有限公司、中國(guó)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(dòng)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(dòng)通信有限公司、OPPO廣東移動(dòng)通信有限擾管理及原型驗(yàn)證。相比《網(wǎng)絡(luò)協(xié)作通感一體化技術(shù)白 2 3 4 6 6 7 27 27 1實(shí)（XR）等6G新場(chǎng)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(guò)時(shí)分或者頻分的實(shí)現(xiàn)方式，在基號(hào)自發(fā)自收，且通感功能分立設(shè)計(jì)，5G-A通感一體仍面臨效率、成本、感知精通過(guò)A發(fā)B收的協(xié)作感知放松對(duì)自干擾的抑制要求，通過(guò)多點(diǎn)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(dòng)通信網(wǎng)絡(luò)得規(guī)模部署優(yōu)（1）智慧低空：作為國(guó)家戰(zhàn)略性新興產(chǎn)業(yè)，智慧低空包括輕中型無(wú)人機(jī)物2（2）智慧交通：智慧交通場(chǎng)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(chǎng)景國(guó)際電信聯(lián)盟（ITU）2023年發(fā)布了《IMT面向2030及未來(lái)發(fā)展的框架和總體目標(biāo)建議書(shū)》[3]，引入感知與通信融合作為6G典型應(yīng)用場(chǎng)景，并在6術(shù)報(bào)告。中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)（CCSA）在2023年已通過(guò)多基站協(xié)作通感關(guān)鍵3發(fā)布了感知需求、網(wǎng)絡(luò)架構(gòu)、信道和評(píng)估、空口技術(shù)等方向研究報(bào)告[4][5][6]，并正在國(guó)內(nèi)開(kāi)展。更進(jìn)一步，面向6G協(xié)作感知，業(yè)界正在進(jìn)行場(chǎng)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(guó)際會(huì)議、學(xué)術(shù)研討通感一體化理論研究[11]-[13]。依托國(guó)家重點(diǎn)實(shí)驗(yàn)室建立軟硬件驗(yàn)證平臺(tái)，助力通(a)獨(dú)立通感(b)協(xié)作通感圖2通感一體化工作模式4協(xié)作通感無(wú)需感知節(jié)點(diǎn)具備全雙工能力，可避免對(duì)有源天線單元（AAU）當(dāng)感知目標(biāo)運(yùn)動(dòng)方向與感知信號(hào)到達(dá)目標(biāo)的入射角及反射角的角平分線垂附近區(qū)域。通過(guò)多個(gè)不同方向的接收節(jié)點(diǎn)協(xié)范，以實(shí)現(xiàn)各項(xiàng)技術(shù)指標(biāo)的精確測(cè)量和評(píng)估，5模非精準(zhǔn)，將導(dǎo)致仿真性能的偏差。如何建模非視距（NL性能進(jìn)一步惡化。如何從網(wǎng)絡(luò)層面分析、設(shè)計(jì)作、如何協(xié)作、如何更好協(xié)作等問(wèn)題。相比《網(wǎng)絡(luò)協(xié)作通感一體化技術(shù)白皮書(shū)1.0》，新增了技術(shù)指標(biāo)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(cè)試及原型驗(yàn)證，可保障網(wǎng)絡(luò)協(xié)作感知性能需求并6作通感系統(tǒng)，其感知服務(wù)質(zhì)量（SensingQoS）至關(guān)重標(biāo)數(shù)量。SensingQoS可包含多種要求，包括感知時(shí)延、定位精度、測(cè)速精度、場(chǎng)景，感知服務(wù)質(zhì)量可更多的關(guān)注感知時(shí)延、定7估目標(biāo)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(biāo)的幾何形狀、入射波的頻率等因素。RCS的值越大，表示目標(biāo)的散射特性。因此，復(fù)雜目標(biāo)的建模及散射特性的特性，這對(duì)兩種模式下的高精度感知具有重8圖3不同節(jié)點(diǎn)感知時(shí)無(wú)人機(jī)的RCS對(duì)比圖建模為目標(biāo)信道Htarget和背景信道Hbackground之和，用如下公式表示[2]：HISAC=Htarget+Hbackground其中，目標(biāo)信道Htarget是指受到目標(biāo)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(biāo)信道中的9圖4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(gè)簇，那么整個(gè)目標(biāo)信道中的簇總數(shù)為N=PQ，其中，第n個(gè)簇是由入射信道中的第p個(gè)簇和后向散射信道方式，從入射信道中的第p個(gè)簇和后向散射信道中的第q個(gè)簇得到。在得到第n個(gè)簇的信道參數(shù)后，即可將其代入3GPPTR38.901協(xié)議[17]中的信道模型中，獲?目標(biāo)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(biāo)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(biāo)的散射矩陣可以從交叉極化比矩陣中剝離，則第n個(gè)簇的交叉極化==exp(jΦθ) nSnnSnnSnSθexp(jΦθ) 一個(gè)典型的網(wǎng)絡(luò)協(xié)作通感系統(tǒng)模型如圖5所示。在該系統(tǒng)模型中，節(jié)點(diǎn)A作為通感一體化發(fā)送端，其發(fā)出的下行通信信號(hào)由該小區(qū)內(nèi)的用戶A接收，用于數(shù)據(jù)通信。節(jié)點(diǎn)A也可以發(fā)送感知信號(hào)，經(jīng)目標(biāo)反射后，感知回波信號(hào)由節(jié)點(diǎn)B和節(jié)點(diǎn)C接收，用于聯(lián)合感知。通過(guò)這一協(xié)作感知過(guò)程，可以將感知的收發(fā)端在空間上分離開(kāi)，節(jié)點(diǎn)A僅需進(jìn)行下行傳輸，而節(jié)點(diǎn)B和節(jié)點(diǎn)C工作在上點(diǎn)B和節(jié)點(diǎn)C工作在上行模式時(shí)，還可以與各自小區(qū)內(nèi)的用戶進(jìn)行上行通信。圖5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(lái)評(píng)估協(xié)作組網(wǎng)感知方案的整個(gè)組網(wǎng)性能以及對(duì)傳調(diào)制的過(guò)程,而是通過(guò)一種物理層抽象的鏈路級(jí)接口曲線為系統(tǒng)級(jí)提供一種簡(jiǎn)單仿真結(jié)果通過(guò)合理的數(shù)學(xué)建模凝練成接口曲線的形式為系統(tǒng)級(jí)提供判斷感知結(jié)中發(fā)送端信號(hào)生成與接收端感知算法實(shí)現(xiàn)是將鏈路仿真中的信號(hào)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(diǎn)：在通感一體基站的感知區(qū)域內(nèi)進(jìn)行感知目標(biāo)的撒點(diǎn)和建模，在通信區(qū)域內(nèi)進(jìn)行通信用戶的撒點(diǎn)和初始化。根據(jù)一定的撒點(diǎn)算法確定感知l散射特性建模：對(duì)于感知目標(biāo)，除建立其全局坐標(biāo)外，還需配置感知目標(biāo)的特征，如形狀、材質(zhì)等，并對(duì)其散射特性進(jìn)行建模，獲取不同入射位置、速度等信息的計(jì)算，并根據(jù)協(xié)作組網(wǎng)感知CSTStudioSuite是一款全面的電磁場(chǎng)仿真軟件套件，用于模擬和分析電磁感知目標(biāo)RCS，分析目標(biāo)物體在不同條件下的散射特性，為通信感知一體化系統(tǒng)設(shè)計(jì)和分析提供重要的技術(shù)支持。具體步驟如圖6所示。圖6RCS測(cè)量仿真步驟流程圖在CST仿真平臺(tái)中使用的無(wú)人機(jī)模型，長(zhǎng)度、寬度均為0.28m；車輛模型，長(zhǎng)圖7所示，其中與Z軸和X軸的夾角圖7兩種目標(biāo)模型表1RCS仿真參數(shù)設(shè)置參數(shù)無(wú)人機(jī)數(shù)值車輛數(shù)值功能入射俯仰角目標(biāo)不同位置入射方位角目標(biāo)不同姿態(tài)觀測(cè)俯仰角觀測(cè)節(jié)點(diǎn)不同位置觀測(cè)方位角觀測(cè)節(jié)點(diǎn)不同姿態(tài)步。本小節(jié)首先介紹同步誤差來(lái)源及其影響，而后分別時(shí)鐘偏差，影響OFDM解調(diào)的性能。時(shí)鐘偏差與信號(hào)傳播時(shí)延疊加在一起構(gòu)成測(cè)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(shí)間同步精度約為±1.5us[32]，可造成約450米的距離偏差，生成的本振頻率隨時(shí)間發(fā)生漂移，進(jìn)一步影響圖8頻率抖動(dòng)測(cè)試圖9時(shí)間及頻率同步誤差對(duì)目標(biāo)距離及速度精度的影響根據(jù)信號(hào)傳輸方式的不同，時(shí)間同步方案可分為利用全球?qū)Ш叫l(wèi)星系統(tǒng)基站對(duì)GPS/DBS信號(hào)搜索，解算基站與衛(wèi)星時(shí)間之間的鐘差實(shí)過(guò)差分站，利用已知精確坐標(biāo)的GPS基準(zhǔn)臺(tái)修正目標(biāo)基站時(shí)間，前者時(shí)間同步時(shí)間網(wǎng)絡(luò)授時(shí)[34]-[36]實(shí)現(xiàn)，上述兩種方案實(shí)現(xiàn)的基站間時(shí)間同步誤差分別約為方法。第一步，節(jié)點(diǎn)B接收來(lái)自節(jié)點(diǎn)A發(fā)送的感知信號(hào)，測(cè)量感知信號(hào)的傳播(L1+L2)/2=(T1+T2)/2，得到與同步誤差無(wú)關(guān)的時(shí)間參數(shù)。最后，通圖10同步誤差消除方案此外，一種通過(guò)測(cè)量多徑時(shí)間差避免節(jié)點(diǎn)間同圖11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(lái)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(cè)速差別的頻偏測(cè)量方法如圖12圖12基于目標(biāo)位置變化率的頻偏估計(jì)方法頻偏可通過(guò)基于訓(xùn)練符號(hào)的方式進(jìn)行補(bǔ)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(jì)精度，但是兩個(gè)訓(xùn)練序列開(kāi)銷較大，降低了數(shù)據(jù)的傳輸效率。S&C算法的頻偏估計(jì)分為兩部分，分別是小數(shù)倍頻偏估計(jì)）：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(duì)應(yīng)的采樣點(diǎn)存在相位差，可通過(guò)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(hào)存在整數(shù)倍頻偏時(shí)，接收到的頻域數(shù)據(jù)相對(duì)于發(fā)送端會(huì)出現(xiàn)循環(huán)移位。因此，通過(guò)對(duì)PN1和PN3進(jìn)圖13Schmidl&Cox算法的訓(xùn)練序列時(shí)域結(jié)構(gòu)強(qiáng)的協(xié)作簇。如圖14所示，一種可行的方案是上報(bào)一個(gè)或多個(gè)非直達(dá)徑的SINR（SINRP），發(fā)送節(jié)點(diǎn)根據(jù)各個(gè)接收節(jié)點(diǎn)上報(bào)圖14利用測(cè)量量（RSRP/SINR）選取協(xié)作節(jié)點(diǎn)示意圖集以減小目標(biāo)到最近微站的路徑損耗，保證接收?qǐng)D15微站部署方案圖16不同微站部署策略的感知精度圖17感知通過(guò)靈活時(shí)隙實(shí)現(xiàn)（2）盡可能減小GP開(kāi)銷，提升資源利用率?；続如果發(fā)送需要增加保護(hù)間隔GP，造成資源浪費(fèi)，如圖18(a)所示。因此為了盡可能減小圖18盡可能減少GP開(kāi)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(shí)隙。為了從源頭規(guī)避遠(yuǎn)端基站干擾，要保證感知的發(fā)送圖19降低干擾根據(jù)上述幀結(jié)構(gòu)配置原則，如何設(shè)計(jì)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(shí)，盡可能降低波束開(kāi)銷成為協(xié)作波分布較為稀疏，如圖20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20垂直維度非均勻波束配置可以在降低總體波束掃描開(kāi)銷的前提下，提升圖21水平維度區(qū)域化波束掃描配置多節(jié)點(diǎn)協(xié)作的核心問(wèn)題是如何融合處理協(xié)作多節(jié)點(diǎn)的多維信息從而最大化部分感知測(cè)量量發(fā)送給服務(wù)器，傳輸數(shù)據(jù)量小，圖22協(xié)作定位誤差隨節(jié)點(diǎn)數(shù)目變化曲線免上下行交叉鏈路干擾的影響，以同時(shí)滿足網(wǎng)絡(luò)的感知需求與通信需求[25]。圖23上下行交叉鏈路干擾干擾基站進(jìn)行適當(dāng)?shù)母蓴_管理，以滿足不同場(chǎng)圖24同站址互干擾強(qiáng)度CDF曲線圖圖25測(cè)距RMSE與鄰站址干擾強(qiáng)度關(guān)系圖減少小區(qū)內(nèi)上行通信用戶對(duì)其他接收節(jié)點(diǎn)的干擾。如圖30所示，采用等功率分需求自適應(yīng)動(dòng)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(biāo)接近通信用戶設(shè)備時(shí)，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(cè)概率分布網(wǎng)絡(luò)架構(gòu)，可采用“環(huán)狀”組網(wǎng)方式，如圖32所示。同站址三扇區(qū)的幀結(jié)構(gòu)同鄰站址基站配置正交碼字的感知信號(hào)，可進(jìn)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(jī)采用4.9GHz虛檢率、漏檢率均可達(dá)到5%以下，可滿足低空安防和低空經(jīng)濟(jì)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(jī)無(wú)人機(jī)探測(cè)場(chǎng)景的低頻網(wǎng)絡(luò)協(xié)作通感，原型樣機(jī)采用4GHz頻段，開(kāi)展面向室內(nèi)行人的軌跡追蹤置的UE，基于多普勒測(cè)量算法實(shí)現(xiàn)人體軌跡追蹤[37]，通過(guò)使用CSI商估計(jì)多普?qǐng)D34低頻網(wǎng)絡(luò)多UE協(xié)作軌跡追蹤場(chǎng)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(jì)(e)M形軌跡估計(jì)(f)S形軌跡估計(jì)6G時(shí)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(lái)，6G網(wǎng)絡(luò)協(xié)作通感仍需要加強(qiáng)跨域技術(shù)縮略語(yǔ)列表AngleofArrivalAngleofDepartureAdditiveWhiteGaussionNoiChannel-StateInformatMovingTargetDetecNLOSPhysicalDownlinkControSignaltoInterference-pTransmissionReceptiUSRP2Dimensional-FastFourierT參考文獻(xiàn)[1]IMT-2030(6G)推進(jìn)組,6G典型場(chǎng)景和關(guān)鍵能力白皮書(shū)[R].2022[2]3GPP,Summary#3onISACchannelmodelling[R],3GPPRAN1#116,R1-2401496,2024[3]ITU-Rrecommendation,FrameworkandOverallObjectivesoftheFutureDevelopmentofIMTfor2030andBeyond[R].2023[4]IMT-2020(5G)推進(jìn)組,5G-Advanced通感融合仿真評(píng)估方法研究報(bào)告[R].2023[5]IMT-2030(6G)推進(jìn)組,通信感知一體化研究報(bào)告（第二版）[R].2022[6]IMT-2030(6G)推進(jìn)組,6G通信感知一體化評(píng)估方法研究報(bào)告[R].2023[7]CCSA,研究課題項(xiàng)目建議書(shū)（面向多基站協(xié)作的通信-感知-計(jì)算深度融合體系架構(gòu)與關(guān)鍵技術(shù)研究）[R],TC5WG6#64-012,2023[8]LiuG.,XiR.,HanZ.,etal.,CooperativeSensingfor6GMobileCellularNetworks:Feasibility,PerformanceandFieldTrial[J].IEEEJournalonSelectedAreasinCommunications,2024[9]ZhouY.,LiuJ.,XuC.,etal.,Raytracing-BasedSimulationPlatformwithEfficientDopplerEmbeddingforIntegratedSensingandCommunication[C].inProc.IEEEPIMRC,Toronto,Canada,2023:1-6[10]LiS.,LuoC.,TangA.,etal.IntegratingPassiveBistaticSensingintommWaveB5G/6GNetworks:DesignandExperimentMeasurement[C].inProc.IEEEICC,Rome,Italy,2023:2952-2957[11]WangY.,TaoM.andSunS.,Cramer-RaoBoundAnalysisandBeamformingDesignforIntegratedSensingandCommunicationwithExtendedTargets[J].IEEETransactionsonWirelessCommunications,2024[12]LiuF.,CuiY.,MasourosC.,etal.,IntegratedSensingandCommunications:TowardDual-FunctionalWirelessNetworksfor6GandBeyond[J].IEEEJournalonSelectedAreasinCommunications,2022,40(6):1728-1767[13]ZhangX.,JinJ.,MaL.,etal.,Pilot-BasedDelayandDopplerEstimationIn6GIntegratedCommunicationAndSensingNetworks[C].inProc.WCSP,Nanjing,China,2022:478-482[14]3GPP,StudyonIntegratedSensingandCommunication[R].3GPPTR22.837,2023[15]LiuG.,MaL.,XueY.,etal.,SensCAP:ASystematicSensingCapabilityPerformanceMetricfor6GISAC[J].IEEEInternetofThingsJournal,2024,11(18):29438-2945[16]3GPP,DiscussiononChannelModellingMethodologyforISAC[R],R1-2404469,2024[17]3GPP,StudyonChannelModelforFrequenciesFrom0.5To100GHz[S].3GPPTS38.901,2023[18]ChiriyathA.R.,PaulB.,JacynaG.M.,etal.,InnerBoundsonPerformanceofRadarandCommunicationsCo-Existence[J].IEEETransactionsonSignalProcessing,2015,64(2):464-474[19]HanZ.,DingH.,etal.,MultistaticIntegratedSensingandCommunicationSysteminCellularNetwork[C].inProc.IEEEGlobecomWorkshops,Kuala,Malaysia,2023:123-128[20]HanZ.,DingH.,etal.,CellularNetworkBasedMultistaticIntegratedSensingandCommunicationSystem[J].IETCommunications,2024,18(12):1-11.[21]LeyvaL.,CastanheiraD.,SilvaA.,etal.,Two-stageestimationalgorithmbasedoninterleavedOFDMforacooperativebistaticISACscenario[C].inProc.IEEEVTC2022-Spring,Helsinki,Finland,2022:1-6[22]PucciL.,MatricardiE.,PaoliniE.,etal.,Performanceanalysisofabistaticjointsensingandcommunicationsystem[C].inProc.IEEEICCWorkshops,Seoul,Korea,Republicof,2022:73-78[23]SakhniniA.,GuenachM.,BourdouxA.,etal.,ACramér-RaoLowerBoundforAnalyzingtheLocalizationPerformanceofaMultistaticJointRadar-CommunicationSystem[C].inProc.IEEEJC&S,Dresden,Germany,2021:1-5[24]LiR.,XiaoZ.,andZengY.,Beamformingtowardsseamlesssensingcoverageforcellularintegratedsensingandcommunication[C].inProc.IEEEICCWorkshops,Seoul,Korea,Republicof,2022:492-497[25]ZhangX.,HanL.,HanZ.,etal.,InterferenceAnalysisforCollaborativeIntegratedSensingandCommunicationNetworks[J].CommunicationsofHUAWEIRESEARCH,2023,2:99-106[26]ChenX.,FengZ.,WeiZ.,etal.,MultipleSignalClassificationBasedJointCommunicationandSensingSystem[J].IEEETransactionsonWirelessCommunications,2023,22(10):6504-6517[27]ZhouJ.,LiW.,JiangS.,NLOSIdentificationandRangingErrorMitigationforUWBSignal[C].inProc.IEEEICNSC,Shanghai,China,2022:1-5[28]ZhangX.,XuJ.,AnIndoorNLOSIdentificationandExtractionAlgorithmBasedonMulti-dimensionalDataCorrelation[C].inProc.IEEEICCC,Dalian,China,2023:1-5[29]LiZ.,TianZ.,ZhouM.,etal.,AnAccurateAndRobustEnvironmentSensingAlgorithmforEnhancingIndoorLocalization[C].inProc.IEEEINFOCOMWorkshops,Honolulu,USA,2018:244-249[30]ShiQ.,LiuL.,ZhangS.,JointDataAssociation,NLOSMitigation,andClutterSuppressionforNetworkedDevice-FreeSensingin6GCellularNetwork[C].inProc.IEEEICASSP,RhodesIsland,Greece,2023:1-5[31]X.Wangetal.,Multipath-ExploitedBistaticSensingwithLoSBlockageinMIMO-OFDMSystemsfor6G[C].inProc.IEEEICCWorkshops,Denver,USA,2024:1529-1534.[32]3GPP,Requireme