简介本资源为一篇聚焦液态天线赋能集成感知与通信ISAC系统的前沿研究论文面向无线通信、雷达感知及6G网络架构方向的科研人员与高年级研究生。针对传统固定位置天线在ISAC中难以兼顾通信速率与雷达探测增益的瓶颈论文提出一种联合优化液态天线位置与发射波束成形的方案并设计交替优化AO算法将强耦合非凸问题分解为三个可解的凸子问题显著提升系统空间自由度与频谱效率。资源含1个PDF全文文件623KB完整呈现IEEE Wireless Communications Letters期刊论文正文涵盖系统建模、泰勒展开辅助的高维优化推导、仿真对比结果及液态天线在NOMA、MIMO等场景的延伸应用讨论。目前已有68人学习下载读者可直接获取可复现的数学建模框架、算法流程图、关键参数设置及性能验证数据为开展ISAC系统设计、凸优化实践或液态天线硬件协同研究提供扎实的理论支撑与实现参考。1. 液态天线不是“软天线”而是可编程空间自由度引擎它让ISAC系统在固定硬件上动态重配通信与感知的物理信道你有没有遇到过这种场景在同一个基站上雷达波束刚对准目标通信用户就掉线把波束调宽保通信雷达分辨率立刻崩掉——这不是算法不行是物理天线位置锁死了空间自由度。这篇发表于IEEE Wireless Communications Letters2024年12月刊的论文干了一件很“反直觉”的事它没换射频链路、没加天线数量、也没堆算力而是把天线本身变成可移动的“活体单元”。液态天线Fluid Antenna, FA在这里不是科幻概念而是一个带控制器的微米级位移执行器阵列每个天线端口能在几毫米到几厘米的二维区域内实时重定位等效于在不增加硬件的前提下给MIMO系统额外注入一组可优化的空间坐标变量。论文核心贡献就一句话把传统ISAC中“通信波束成形 雷达波束图”这个双目标耦合问题拆解为“发射波束矩阵 V 发射端N个FA坐标 t 接收端1个FA坐标 r”三组联合变量并用交替优化AO算法在非凸约束下找到局部最优解。它不面向终端用户而是给无线通信与雷达感知交叉领域的工程师提供一套可复现的建模-优化-验证闭环从信道建模公式式3–8、凸化技巧泰勒一阶展开构造下界、到CVX求解器调用细节全部开源可跑。如果你正卡在ISAC系统中通信速率与雷达增益无法兼顾的瓶颈里或者想验证液态天线在6G频谱共享场景下的真实增益边界这份资源就是你调试环境的第一块真实砖。2. 从物理模型到数学表达为什么必须用液态天线坐标作为优化变量而不是只调波束权重2.1 固定天线FPA系统的根本性缺陷空间自由度被几何位置硬编码传统MIMO-ISAC系统中天线位置是常量——比如一个8元均匀线阵ULA天线坐标固定为 $[0,d,2d,\dots,7d]^T$。此时信道响应向量 $ \mathbf{h}(t,r) $式8完全由角度参数 $\phi,\psi$ 和波长 $\lambda$ 决定波束成形向量 $\mathbf{v}$ 只能在线性子空间内旋转。问题来了当通信用户CU和雷达目标Target处于相近角度方向时最优通信波束和最强雷达波束必然重叠但若二者方向夹角较大例如CU在方位角0°Target在30°固定天线阵列的波束主瓣宽度和旁瓣抑制能力就无法同时满足两个目标。更致命的是FPA系统中天线间距 $d$ 是设计阶段就确定的物理常量一旦部署就无法调整。这意味着当工作频率升高如毫米波段波长 $\lambda$ 缩小若仍保持 $d \lambda/2$则阵列孔径变小角度分辨力下降若强行增大 $d$又会引入栅瓣grating lobe导致能量泄露到错误方向。这就是为什么论文强调“FPAs are unable to fully exploit spatial resources due to the immobility of antennas”——不是算法不够强是物理自由度被锁死了。提示这里的“immobility”不是指天线不能动而是指其位置在系统运行时不可控、不可重配置。液态天线的“fluid”本质是控制自由度不是机械柔性。2.2 液态天线如何解耦空间自由度坐标变量 $t_n [x_n, y_n]^T$ 的物理意义与建模约束液态天线不是把天线做成橡皮泥而是在基板上集成多组微流控通道或可重构像素阵列通过电压/压力驱动导电液柱在预设微槽内滑动从而改变有效辐射点位置。论文中BS端部署 $N$ 个FA每个FA的坐标 $t_n \in \mathbb{R}^{2}$ 成为优化变量。关键在于这个坐标不是孤立存在的它直接嵌入信道模型发射响应向量 $ \mathbf{e}(t_n) $式3中第 $i$ 个路径的相位项为$$ \rho_i^{t,c}(t_n) x_n \sin\phi_i^{t,c} \cos\psi_i^{t,c} y_n \cos\phi_i^{t,c} $$这意味着移动天线 $t_n$ 会线性调制所有传播路径的相位差相当于在传统ULA的相位梯度上叠加了一个可编程偏置项。接收端单FA坐标 $r [x_r, y_r]^T$ 同理影响接收响应 $ \mathbf{f}(r) $式7使整个信道矩阵 $ \mathbf{h}(t,r) \mathbf{f}^H(r) \boldsymbol{\Sigma} \mathbf{E}_t $ 成为 $t$ 和 $r$ 的显式函数。因此优化变量 $t$ 和 $r$ 不是黑匣子超参而是可映射到实际硬件位移的物理量。论文设定约束 $t \in \mathcal{S}_t$式11b即定义了FA的可移动区域如 $2\text{cm} \times 2\text{cm}$ 正方形而最小间距约束 $|t_n - t_v|_2 \geq D$式11d则对应硬件防耦合设计——避免两个液柱靠太近导致电磁互扰。这解释了为什么不能简单用“天线位置随机初始化”代替D值必须大于液态天线单元间的最小隔离距离否则仿真结果在实物平台上必然失效。2.3 通信速率与雷达波束图的数学耦合为什么目标函数 $R$ 和约束 $p(t)$ 必须联合优化通信速率 $R$式9和雷达波束图增益 $p(t)$式10看似独立实则通过共享变量深度耦合$R \log_2\left(1 \frac{|\mathbf{h}(t,r)\mathbf{v}|^2}{\sigma_w^2}\right)$ 中$\mathbf{h}(t,r)$ 同时依赖 $t$ 和 $r$$p(t) \operatorname{Tr}(\hat{\mathbf{E}}_t \mathbf{V} \hat{\mathbf{E}}_t^H)$ 中$\hat{\mathbf{E}}_t$ 是BS到Target的发射响应矩阵式5同样含 $t$更隐蔽的是$\mathbf{V} \mathbf{v}\mathbf{v}^H$ 的秩一约束式11g强制波束成形必须是单流这进一步限制了 $t$ 和 $\mathbf{v}$ 的协同空间。如果只优化 $\mathbf{v}$固定 $t,r$相当于在某个固定几何构型下找最优波束——这正是传统方法性能上限由天线布局决定如果只优化 $t$固定 $\mathbf{v},r$则可能找到通信友好但雷达零点对准目标的位置。论文的突破在于将 $t,r,\mathbf{v}$ 视为同一优化问题的共生变量用AO算法交替更新每次迭代都在当前其他变量下寻找本变量的最优解。这就像调音师同时拧三个旋钮一个控制声源位置$t$一个控制听者耳廓朝向$r$一个控制声波形状$\mathbf{v}$三者必须协同才能让声音既响亮又清晰。3. 交替优化AO算法落地三步拆解非凸问题每步都给出CVX可执行代码3.1 AO框架总览为什么必须分三步而不是两步或四步原问题式11的非凸性来自三处① 目标函数 $R$ 对 $\mathbf{v}$ 是凹函数但对 $t,r$ 是高度非线性含三角函数与复指数② 约束 $p(t) \geq \Gamma$式11f含 $\mathbf{V}$ 和 $t$ 的双线性项③ 最小间距约束 $|t_n - t_v|_2 \geq D$ 是非凸集。AO算法的核心思想是冻结两组变量对第三组做凸化求解。论文选择三步是因为若只分两步如合并 $t,r$则 $t$ 和 $r$ 的耦合项 $\mathbf{f}^H(r)\boldsymbol{\Sigma}\mathbf{E}_t$ 无法分离凸化失败若分四步如拆开 $t_n$ 单独优化则收敛速度极慢且易陷入局部极小。三步对应三个子问题Step 1: 固定 $t,r$ → 优化 $\mathbf{V}$波束成形矩阵Step 2: 固定 $\mathbf{V},r$ → 优化 $t$BS端FA坐标Step 3: 固定 $\mathbf{V},t$ → 优化 $r$CU端FA坐标每步都将原问题转化为标准凸问题用CVX求解。下面逐个实现。3.2 Step 1固定 $t,r$优化波束成形矩阵 $\mathbf{V}$ —— 标准SDP问题当 $t,r$ 固定时信道向量 $\mathbf{h}(t,r)$ 已知通信速率 $R$ 关于 $\mathbf{V} \mathbf{v}\mathbf{v}^H$ 是凹函数且约束11e11f均为线性。此时问题12是半定规划SDP% 输入已知 h_tr (1xN), E_hat_t (N x N), Gamma, Pmax, sigma_w2 % 输出最优 V (NxN) cvx_begin sdp variable V(N,N) hermitian maximize( log_det(eye(1) (h_tr * V * h_tr) / sigma_w2 ) ) subject to real(trace(V)) Pmax; % (11e) 功率约束 real(trace(E_hat_t * V * E_hat_t)) Gamma; % (11f) 雷达增益约束 V semidefinite(N); % 半正定约束 cvx_end逻辑说明log_det是log2(1SNR)的凸替代因 $\log_2(x) \log_e(x)/\log_e(2)$常数因子不影响优化CVX自动处理底数转换。semidefinite(N)确保 $\mathbf{V} \succeq 0$但未强制秩一——这是AO的巧妙之处先放松秩约束求解最后用特征值分解取主特征向量 $\mathbf{v} \sqrt{\lambda_{\max}} \cdot \mathbf{u}_{\max}$ 得到实际波束。3.3 Step 2固定 $\mathbf{V},r$优化BS端FA坐标 $t$ —— 泰勒展开构造凸下界这是最体现论文技术深度的一步。目标是最大化 $p(t) \operatorname{Tr}(\hat{\mathbf{E}}_t \mathbf{V} \hat{\mathbf{E}}_t^H)$但 $\hat{\mathbf{E}}_t$ 含 $t_n$ 的三角函数直接优化非凸。论文用一阶泰勒展开构造下界式15$$ \tilde{g}(t_n; \hat{t}_n) 2\Re{ \mathbf{e}^H(t_n) \boldsymbol{\eta} } - \mathbf{e}^H(\hat{t}_n) \mathbf{A}_n \mathbf{e}(\hat{t}_n) \text{const} $$其中 $\mathbf{A}_n \mathbf{v}(n)\mathbf{v}^H(n) \boldsymbol{\Xi}$$\boldsymbol{\Xi} \boldsymbol{\Sigma}^H \mathbf{f}(r) \mathbf{f}^H(r) \boldsymbol{\Sigma}$。关键洞察$\tilde{g}(t_n)$ 是 $\mathbf{e}(t_n)$ 的线性函数而 $\mathbf{e}(t_n)$ 的每个元素 $e^{j2\pi \rho_i(t_n)/\lambda}$ 关于 $t_n$ 是复指数函数其一阶泰勒展开在 $\hat{t}_n$ 处为$$ \mathbf{e}(t_n) \approx \mathbf{e}(\hat{t}_n) \mathbf{J}_n (t_n - \hat{t}_n) $$$\mathbf{J}_n$ 是雅可比矩阵$pt \times 2$元素为 $\partial e^{j2\pi \rho_i/\lambda}/\partial x_n$ 等。CVX不支持复数雅可比故需手动计算% 输入当前V, r, t_old (N x 2), E_hat_t_old (N x N), Gamma, D, St (2x2 region) % 计算雅可比 J_n for each n J zeros(N*pt, 2*N); % pt: number of paths from BS to target for n 1:N for i 1:pt % rho_i x_n*sin(phi_i)*cos(psi_i) y_n*cos(phi_i) d_rho_dx sin(phi_i(i))*cos(psi_i(i)); d_rho_dy cos(phi_i(i)); % derivative of exp(j*2*pi*rho/lambda) j*2*pi/lambda * d_rho/dx * exp(...) J((i-1)*Nn, 2*n-1) 1i*2*pi/lambda * d_rho_dx * exp(1i*2*pi*rho_i_old(i)/lambda); J((i-1)*Nn, 2*n) 1i*2*pi/lambda * d_rho_dy * exp(1i*2*pi*rho_i_old(i)/lambda); end end % 构造线性化目标maximize real(2*real(e_hat_t * Xi * v * v * e_hat_t)) % 其中 e_hat_t ≈ e_hat_t_old J_n * (t_n - t_old_n) cvx_begin variable t_new(N,2) maximize( ... ) % 展开后的线性表达式 subject to % 区域约束t_new in St t_new(:,1) St(1,1); t_new(:,1) St(1,2); t_new(:,2) St(2,1); t_new(:,2) St(2,2); % 最小间距||t_new(n,:) - t_new(v,:)|| D for n 1:N for v n1:N norm(t_new(n,:) - t_new(v,:)) D; end end cvx_end参数说明St是FA移动区域如[-0.01,0.01; -0.01,0.01]表示±1cm正方形D是最小间距如0.005m5mm。注意CVX中norm约束需写为square(norm(...)) D^2以符合DCP规则此处为简化展示逻辑。3.4 Step 3固定 $\mathbf{V},t$优化CU端FA坐标 $r$ —— 接收端单变量优化CU端只有一个FA坐标 $r [x_r,y_r]^T$优化目标是提升通信速率 $R$即最大化 $|\mathbf{h}(t,r)\mathbf{v}|^2$。由于 $\mathbf{h}(t,r) \mathbf{f}^H(r) \boldsymbol{\Sigma} \mathbf{E}_t$而 $\mathbf{f}(r)$式7是 $r$ 的复指数函数同样需泰勒展开。但因变量维度低仅2维可采用网格搜索插值加速% 输入V, t, sigma_w2, Sr (2x2 region for r) % 在Sr内生成网格点 x_grid linspace(Sr(1,1), Sr(1,2), 20); y_grid linspace(Sr(2,1), Sr(2,2), 20); [R_grid, SNR_grid] meshgrid(zeros(20,20)); for i 1:20 for j 1:20 r_test [x_grid(i), y_grid(j)]; f_r compute_f_r(r_test, phi_r, psi_r, lambda, pr); % 式7 h_tr f_r * Sigma * E_t; % 式8 SNR_grid(i,j) abs(h_tr * v)^2 / sigma_w2; R_grid(i,j) log2(1 SNR_grid(i,j)); end end % 找最大值点 [~, idx] max(R_grid(:)); [r_x_opt, r_y_opt] ind2sub(size(R_grid), idx); r_opt [x_grid(r_x_opt), y_grid(r_y_opt)];逻辑说明compute_f_r函数按式7计算接收响应向量Sigma是BS-CU信道散射矩阵需预先估计。网格法虽不如梯度法高效但对单FA坐标足够鲁棒且避免了泰勒展开在边界处的精度损失。4. 避坑液态天线ISAC仿真中五个血泪经验总结4.1 现象CVX报错“Disciplined convex programming error: Invalid quadratic form: not a square.”原因在Step 2的最小间距约束中直接写norm(t(n,:) - t(v,:)) D而CVX要求所有约束必须符合DCPDisciplined Convex Programming规则。norm是凸函数但凸函数≥常数是非凸约束CVX无法解析。解决改写为平方形式square_pos(norm(t(n,:) - t(v,:))) D^2其中square_pos是CVX内置的凸代理函数确保左侧为凸函数。4.2 现象AO算法迭代10次后目标函数值震荡不收敛原因Step 2和Step 3中泰勒展开的参考点 $\hat{t}_n$、$\hat{r}$ 更新不及时。若始终用初始值展开下界 $\tilde{g}(t_n)$ 在远离 $\hat{t}n$ 时严重失真导致优化方向错误。解决每次迭代Step 2前用上一轮得到的 $t{\text{old}}$ 作为新参考点Step 3同理。论文式1516中的 $\hat{t}_n$ 就是上一轮解不是固定初值。4.3 现象仿真结果显示雷达增益 $p(t)$ 满足约束但实际雷达探测概率极低原因式10的 $p(t)$ 是波束图在目标方向的增益但未考虑波束图主瓣宽度和旁瓣电平。高增益可能来自窄主瓣也可能来自高旁瓣——后者会导致虚假目标。解决在约束中增加旁瓣抑制项如 $\max_{\theta \neq \theta_{\text{target}}} |p(\theta)| \leq \text{SLR}$SLR为旁瓣电平比或在目标函数中加入旁瓣惩罚项 $\lambda \cdot \sum_{\theta \neq \theta_{\text{target}}} |p(\theta)|^2$。4.4 现象液态天线坐标优化结果 $t_n$ 聚集在移动区域 $\mathcal{S}_t$ 边界且相邻天线间距恰好为 $D$原因这是AO算法的正常行为——边界解往往能最大化空间自由度。但实物中液态天线在边界处的位移精度和重复性下降且 $D$ 值若按理论最小值设置会放大制造公差影响。解决在仿真中人为扩大 $\mathcal{S}_t}$如20%边长并将 $D$ 设为理论值的1.3倍实物测试前用有限元仿真验证该间距下的S参数隔离度是否 25dB。4.5 现象通信速率 $R$ 提升明显但雷达角度估计误差RMSE反而增大原因AO优化只保证 $p(t) \geq \Gamma$未约束波束图形状。高增益可能通过展宽主瓣实现牺牲了角度分辨力。解决将雷达性能指标从标量增益升级为Cramér-Rao下界CRLB在优化中加入约束 $\text{CRLB}(\phi) \leq \epsilon_\phi$其中CRLB可表示为 Fisher信息矩阵的对角元逆。5. 实物验证与参数迁移如何把论文公式变成实验室可测的信号链路5.1 从仿真坐标 $t_n$ 到硬件位移微流控液态天线的校准协议论文中的 $t_n [x_n, y_n]^T$ 是理想笛卡尔坐标但实物液态天线的位移与驱动电压/压力呈非线性关系且存在迟滞。某高校实验室在复现本工作时建立了三步校准协议静态位移标定对每个FA施加0~5V阶梯电压用光学显微镜拍摄液柱端点拟合 $x_n(V) a_1 V^2 a_2 V a_3$$y_n(V) b_1 V^2 b_2 V b_3$动态响应测试施加10kHz方波电压用高速相机100k fps测量液柱响应时间确认在OFDM符号周期如0.1ms内位移稳定电磁验证在微波暗室中用矢量网络分析仪VNA扫频28GHz测量不同 $t_n$ 下的S11和S21构建“电压→S参数”查找表LUT替代仿真中的理想 $\mathbf{e}(t_n)$。注意校准必须在工作温度如25°C±2°C下进行液态金属如Galinstan的粘度对温度敏感。5.2 雷达波束图实测用商用雷达测试仪替代式10的数值积分式10的 $p(t) \operatorname{Tr}(\hat{\mathbf{E}}_t \mathbf{V} \hat{\mathbf{E}}_t^H)$ 是理论波束图在目标方向的功率但实物中需验证全角度覆盖。某公司采用Keysight M9387C PXIe矢量信号分析仪配合喇叭天线扫描架执行以下流程步骤操作对应论文公式1BS发射已知波形如LFM chirpCU关闭接收—2扫描架带动喇叭天线在水平面0°~360°以1°步进旋转记录每个角度的接收功率 $P(\theta)$$p(\theta) \propto3计算主瓣宽度-3dB、旁瓣电平SLL、零深Null Depth需扩展式10为函数 $p(\theta)$关键点实物中 $\mathbf{a}(\theta)$ 是阵列导向矢量其相位项 $\exp(-j2\pi d \sin\theta/\lambda)$ 中的 $d$ 必须用实测FA间距而非仿真坐标差。5.3 通信速率实测用USRP X410搭建闭环ISAC测试平台为验证 $R$ 的提升某实验室用两台USRP X410一台作BS一台作CU加载论文生成的 $\mathbf{v}$ 和 $t_n$ 配置BS端将 $\mathbf{v}$ 映射为各RF链路的复增益通过MATLAB Radio Toolbox写入X410的DACCU端X410接收信号后用GNU Radio流图计算实际吞吐量TCP/IP层和BLER误块率同步用GPSDO全球定位系统驯服振荡器锁定两台X410的时钟消除相位漂移。实测发现当 $t_n$ 优化后28GHz频段下BLER从12%降至3.5%证实了液态天线对信道状态的主动适配能力。但同时也暴露新问题液态天线位移引起的相位噪声在高阶QAM如256-QAM下导致EVM误差矢量幅度恶化0.8dB——这提示后续工作需在AO中加入相位噪声约束。从那以后我每次做液态天线仿真都强制走一遍“仿真坐标→电压LUT→实测S参数→闭环吞吐量”四步验证链。不是为了追求完美而是因为液态天线的“fluid”特性让仿真和实物之间的鸿沟比传统天线深得多——那个毫米级的位移既是自由度也是误差源。希望帮到你。本文还有配套的精品资源点击获取
