关注我，追更更多通信仿真代码！

摘要

通信感知一体化（Integrated Sensing and Communication, ISAC）是第六代（6G）移动通信系统的核心使能技术之一，它允许在同一硬件平台和频谱资源上同时实现无线通信与环境感知。本文以正交频分复用（OFDM）波形为基础，设计并实现了一个完整的ISAC系统仿真框架。通信部分采用哈达玛（Hadamard）码实现多用户码分多址（CDMA），每用户使用QPSK调制；雷达感知部分利用相同的OFDM信号作为探测波形，通过匹配滤波和二维快速傅里叶变换（FFT）生成距离‑多普勒图，并采用有序统计恒虚警率（OS‑CFAR）算法进行目标检测。仿真实验验证了系统在通信误码率、星座恢复、目标距离‑速度估计及检测性能等方面的有效性，为ISAC系统的工程设计和参数优化提供了参考。

1 引言

1.1 研究背景与意义

随着5G的大规模部署和6G研究的全面展开，未来的无线网络不仅需要提供超高速率、极低时延和海量连接，还需要具备对物理世界的感知能力，以实现智能交通、智慧工厂、增强现实等新兴应用。传统上，通信和雷达感知各自采用独立的硬件和频段，这导致频谱利用率低、设备成本高、体积大。通信感知一体化（ISAC）技术应运而生，它通过统一波形和软硬件平台，使通信与感知功能深度融合，成为6G的关键技术方向之一。

1.2 OFDM波形在ISAC中的优势

正交频分复用（OFDM）因其频谱效率高、抗多径能力强、易于实现MIMO扩展等优点，已广泛应用于4G/5G、WiFi等通信标准。在ISAC场景中，OFDM同样极具吸引力：

• 通信与感知共用：OFDM信号在频域上由多个正交子载波构成，可直接用于数据调制，同时其确定性的频域结构适合作为雷达参考信号。

• 高分辨能力：OFDM信号的模糊函数呈“图钉状”，具有同时实现距离高分辨和多普勒高分辨的潜力。

• 循环前缀（CP）：CP的存在不仅消除符号间干扰，还可简化雷达回波中距离模糊的处理。

因此，基于OFDM的ISAC系统成为当前研究的热点。

1.3 本文工作与组织结构

本文基于MATLAB平台，实现了一个端到端的OFDM‑ISAC仿真系统，主要工作如下：

• 设计基于Hadamard码的多用户CDMA通信方案，并评估其在QPSK调制下的误码性能。

• 采用同一OFDM信号作为雷达探测波形，推导并实现匹配滤波、距离‑多普勒成像。

• 引入OS‑CFAR算法实现稳健的目标检测，并与真实目标进行匹配分析。通过仿真实验全面评估系统的通信和感知性能。

2 系统模型与信号处理

2.1 OFDM信号模型

2.2 通信信号模型

2.2.1 多用户CDMA与Hadamard码

2.2.2 发射端通信处理

2.2.3 接收端通信处理

2.3 雷达感知信号模型

2.3.1 目标回波建模

2.3.2 匹配滤波与距离估计

2.3.3 距离‑多普勒处理

2.4 OS‑CFAR目标检测

从距离‑多普勒图中提取目标需要有效的恒虚警率（CFAR）检测。本文采用有序统计CFAR（OS‑CFAR），因其在多目标和杂波边缘环境下更为稳健。

3 仿真实现

3.1 系统参数配置

参数	符号	数值
采样率	$F_s$	2 GHz
FFT点数	$M$	2048
循环前缀长度	$N_{\mathrm{CP}}$	1024
有效子载波起始索引	$n_0$	200
有效子载波数（Hadamard码维度）	$H_{\mathrm{size}}$	128
OFDM符号数	$N_{\mathrm{sym}}$	512
通信信噪比	${\text{SNR}}_{\mathrm{comm}}$	0 dB
雷达信噪比	${\text{SNR}}_{\mathrm{radar}}$	10 dB
用户数	$N_u$	10
每用户码片数	$N_{\mathrm{per}}$	10
载波频率	$f_c$	5.8 GHz
目标个数	$T$	4
匹配滤波FFT点数	$N_{fft\_corr}$	$2^{\lceil {\log }_2(2(M+N_{\mathrm{CP}})-1)\rceil }$
慢时间FFT点数	$N_{fft\_dop}$	$2^{\lceil {\log }_2(2N_{\mathrm{sym}})\rceil }$
OS‑CFAR训练单元数	$N_{\mathrm{train}}$	40
OS‑CFAR保护单元数	$N_{\mathrm{guard}}$	10
OS‑CFAR秩因子	$\eta$	0.75
OS‑CFAR门限因子	$\alpha$	3.5
幅度门限	$A_{\mathrm{gate}}$	0.035
最小检测间隔（距离单元）	$N_{\mathrm{sep}}$	25

3.2 仿真流程

发送端流程
接收端流程

3.3 仿真图分析

3.3.1 通信性能

• 图1给出了10个用户之间Hadamard扩频码的相关性矩阵。对角线元素精确为1，非对角线元素绝对值均小于0，验证了Hadamard矩阵的理想正交性。这一特性保证了多用户信号在理想条件下互不干扰。
• 图2展示了接收端恢复的QPSK星座，SNR =0 dB 条件下，接收符号围绕理想星座点呈高斯弥散。
• 结果表明，SNR =0 dB 条件下 用户的通信ser为10^-3之下，该系统仍能实现可接受的通信质量，验证了CDMA‑OFDM方案的可靠性。

3.3.2 雷达感知性能

• 图3给出了沿距离维的匹配滤波输出。在预设的4个目标延迟位置（对应采样点250、430、680、900）处观察到清晰的峰值，表明匹配滤波具有良好的脉冲压缩性能。
• 图4为二维距离‑多普勒图，图中可清晰分辨4个目标。
• OS‑CFAR检测结果显示所有4个真实目标均被正确检测（真阳性率100%），无虚警（假阳性0），无漏检

3.4 部分代码

function [decodedData, rangeMatrix] = runIsac(cfg, txData)
% runIsac - 执行通信和雷达一体化处理
%   cfg       : 配置结构体
%   txData    : 发送的 QPSK 符号（cell 数组，每个用户一个矩阵）
%   decodedData : 解码后的符号（cell 数组）
%   rangeMatrix : 匹配滤波输出的距离-慢时间矩阵

decodedData = cell(cfg.numUsers, 1);
for u = 1:cfg.numUsers
    decodedData{u} = zeros(cfg.numSymbols, cfg.NPerUser);
end

rangeMatrix = zeros(cfg.NfftCorr, cfg.numSymbols);

% 目标多普勒参数
targetVelocity = cfg.targets(:,2);
dopplerHz = 2 * targetVelocity * cfg.fc / cfg.c;
phaseStep = 2 * pi * dopplerHz * cfg.Tsym;   % 每个符号间的相位增量

for k = 1:cfg.numSymbols
    % ---------- 发射端：生成 OFDM 符号 ----------
    Xshared = zeros(1, cfg.HSize);
    for u = 1:cfg.numUsers
        codeBlock = cfg.H(cfg.userRows(u,:), :);
        Xshared = Xshared + txData{u}(k,:) * codeBlock;
    end

    Xfreq = zeros(1, cfg.M);
    Xfreq(cfg.n0 + 1 : cfg.n0 + cfg.HSize) = Xshared;

    xTx = real(ifft(Xfreq));
    xTxCp = [xTx(end-cfg.N_CP+1:end), xTx];   % 添加循环前缀

    % ---------- 通信信道 ----------
    signalPower = mean(xTxCp.^2);
    noisePower = signalPower / 10^(cfg.SNR_dB/10);
    xRxCp = xTxCp + sqrt(noisePower) * randn(size(xTxCp));

    % 去除 CP，FFT 解调
    Y = fft(hilbert(xRxCp(cfg.N_CP+1:end)));
    Yshared = Y(cfg.n0 + 1 : cfg.n0 + cfg.HSize);

    % 解扩（利用 Hadamard 码正交性）
    for u = 1:cfg.numUsers
        codeBlock = cfg.H(cfg.userRows(u,:), :);
        decodedData{u}(k,:) = Yshared * codeBlock.';
    end

    % ---------- 雷达回波 ----------
    radarReference = xTxCp;
    radarPower = mean(abs(radarReference).^2);
    radarNoise = radarPower / 10^(cfg.SNR_radar_dB/10);

    % 初始化噪声回波
    xRadar = sqrt(radarNoise/2) * ...
        (randn(size(radarReference)) + 1j*randn(size(radarReference)));

    % 叠加各目标回波
    for t = 1:size(cfg.targets,1)
        delay = cfg.targets(t,1);          % 延迟采样数
        amp = cfg.targets(t,3);            % 幅度
        phase = exp(1j*(phaseStep(t)*(k-1) + cfg.phaseNoiseStd*randn()));

        delayed = [zeros(1, delay), radarReference(1:end-delay)];
        xRadar = xRadar + amp * delayed * phase;
    end

    % 匹配滤波（频域相关）
    RX = fft(xRadar, cfg.NfftCorr);
    REF = fft(radarReference, cfg.NfftCorr);
    rangeMatrix(:,k) = ifft(RX .* conj(REF));
end
end

% 主脚本：运行 ISAC 系统仿真
clear; clc; close all;

% 获取当前脚本所在路径
root = fileparts(mfilename('fullpath'));
if isempty(root)
    root = pwd;
end

% 添加配置和源码目录
addpath(fullfile(root, 'config'));
addpath(genpath(fullfile(root, 'src')));

% 加载配置
cfg = projectConfig();
rng(cfg.seed, 'twister');   % 固定随机种子

% 设置图形默认字体（支持中文）
setupFigures();

% 创建结果文件夹
resultsFolder = fullfile(root, cfg.resultsFolder);
if ~exist(resultsFolder, 'dir')
    mkdir(resultsFolder);
end

% 生成发送数据
txData = makeTxData(cfg);

% 运行 ISAC 处理（通信解码 + 雷达距离矩阵）
[decodedData, rangeMatrix] = runIsac(cfg, txData);

% 通信性能指标
comm = communicationMetrics(txData, decodedData, cfg);

% 距离-多普勒处理
radar = rangeDoppler(rangeMatrix, cfg);

% OS-CFAR 目标检测
cfar = osCfar(radar.profile, cfg);

% 估计检测结果并匹配真实目标
detection = estimateDetections(cfar, radar, cfg);

% 打印性能摘要
printSummary(comm, detection, cfg);

% 绘制各图
plotCommunication(comm, cfg, resultsFolder);
plotRangeProcessing(rangeMatrix, radar, cfg, resultsFolder);
plotRangeDoppler(radar, detection, cfg, resultsFolder);
plotCfar(radar, cfar, detection, cfg, resultsFolder);

5 总结

本文基于MATLAB平台设计并实现了一个以OFDM波形为核心的通信感知一体化系统仿真，覆盖了从信号生成、多用户CDMA通信、雷达回波模拟、匹配滤波、距离‑多普勒成像到OS‑CFAR目标检测的完整链路。通过理论分析和仿真实验，得到以下结论：

• 通信功能：基于Hadamard码的CDMA方案可实现多用户正交复用，在0 dB SNR下仍能获得较低的误符号率，星座图清晰可辨，证明其具有良好的抗干扰能力。

• 雷达感知功能：利用同一OFDM信号进行匹配滤波和二维FFT处理，能够精确估计目标的距离和速度，满足一般感知场景需求。

• 目标检测：OS‑CFAR算法在多目标环境下表现出色，所有预设目标均被检测且无虚警，验证了算法对噪声和杂波的稳健性。

本文工作验证了OFDM‑ISAC系统的可行性，为后续研究提供了基础框架。未来可拓展至MIMO‑OFDM架构以提升角度分辨力，研究自适应资源分配（子载波、功率）以平衡通信和感知性能，以及探索复杂环境（多径、非均匀杂波）下的稳健处理算法。

参考文献：

[1] Liu F, Cui Y, Masouros C, et al. Integrated sensing and communications: Toward dual-functional wireless networks for 6G and beyond[J]. IEEE Journal on Selected Areas in Communications, 2022, 40(6): 1728-1767.

[2] Rohling H. OFDM radar systems - A promising approach for future automotive radar[J]. IEEE Transactions on Intelligent Transportation Systems, 2009, 10(4): 512-520.

[3] You D, Song Z, Wang Z. Ordered-statistic CFAR for OFDM radar[J]. IET Radar, Sonar & Navigation, 2020, 14(6): 835-843.
仿真代码可见文末VX公众号（包含往期博客所有代码），所见即所得！