感知辅助通信如何兜底低空可靠性：鲁棒轨迹与资源联合优化解读
低空经济要真正跑起来，前提之一是天上的飞行器始终"在线"。可一旦无人机数量上规模、飞行轨迹又存在不确定性，蜂窝网络给它们提供的链路质量就会剧烈波动——基站按照预测位置对准波束，无人机却因为风扰或机动偏离了预测点，通信随即中断。这不是通信专业的小问题，而是低空运行安全的底层约束。
arXiv 公开的论文《Sensing for Reliable UAV Communication: Robust Trajectory and Resource Optimization in Low-Altitude Networks》（arXiv:2606.31447，2026 年 6 月 30 日提交，归类 eess.SP）针对的正是这个痛点。作者团队为 Yifan Jiang、武庆庆（Qingqing Wu）、惠红勋（Hongxun Hui）、Wen Chen、Wei Feng、Shanpu Shen。其中武庆庆为上海交通大学电子工程系学者，长期从事智能反射面与无人机通信研究，为科睿唯安全球高被引科学家；惠红勋任职于澳门大学智慧城市物联网全国重点实验室。团队组合本身即代表了国内无人机通信方向的主流力量。
一、问题定位：通感一体不是锦上添花，而是可靠性刚需
在低空无线网络中，通感一体（ISAC，Integrated Sensing and Communication）已经成为主流范式：基站一边通信，一边利用回波对无人机进行跟踪定位，再用跟踪结果反过来指导波束与资源分配，即所谓感知辅助通信（sensing-aided communication）。
但既有研究大多默认感知结果是准的。现实中无人机的机动性带来位置预测误差，误差分布还随时间演化。论文的切入点很明确：在移动不确定性存在的前提下，如何保证多架蜂窝连接无人机的通信可靠性。具体建模为——联合优化无人机的实时预测位置、基站发射功率与带宽分配，最大化所有无人机中的最小中断容量（max-min outage capacity）。
选择 max-min 而不是总和最大化，是一个值得注意的工程取向：它保护的是链路质量最差的那一架无人机，符合航空安全"以最弱环节定安全水位"的逻辑，而不是追求平均性能好看。
二、方法亮点：把中断概率约束变成可解的几何问题
最大可容忍中断概率（outage probability, OP）约束是非凸且难以处理的，这是全文的技术难点。作者给出了两套鲁棒优化方案：
| 方案 | 建模方式 | 求解思路 | 特点 |
|---|---|---|---|
| CE 方案 | 连续置信椭圆（Confidence Ellipse）刻画位置不确定域 | 块逐次凸逼近（BSCA）逐架优化预测位置，再做凸资源分配 | 建模连续、精度直观 |
| IWS 方案 | 离散化的逆白化扇区（Inverse-Whitened Sectors） | 先给出基于 IWS 的 OP 近似，再用低复杂度扇区选择解耦变量，配合投影梯度下降 | 复杂度更低，仿真中性能更优 |
更有价值的是，作者最终把两套算法统一进同一个轨迹—资源优化框架，并由此揭示出鲁棒无人机轨迹与资源管理问题的一种低复杂度结构。这种"先分头攻坚、再归一成框架"的做法，让结论不止停留在两个孤立算法，而具备了向其他低空通信场景迁移的可能。
仿真结果验证了三件事：所提 OP 近似是有效的；两套鲁棒方案相比基准方案显著提升了中断容量；IWS 方案优于 CE 方案。也就是说，把不确定域适当离散化，反而比连续椭圆建模更划算——这与直觉相反，却是工程上更受欢迎的结论。
三、对低空/eVTOL 产业意味着什么
- 为网联无人机的链路 SLA 提供设计工具：物流无人机、巡检无人机的运营方最关心的不是峰值速率，而是"最差情况下会不会掉线"。max-min 中断容量正好对应这个指标，可以直接支撑运营商与运营企业之间的服务等级协议谈判。
- 推动 5G-A 通感一体从概念走向低空落地：国内多地已在建设 5G-A 通感基站以支撑低空监视。这类研究为基站侧的功率与带宽动态调度提供了算法内核，让通感基站不只是"看得见"，还能"保得住通信"。
- 降低对高精度感知的依赖：鲁棒优化的本质是承认误差、设计余量。这意味着不必一味堆砌昂贵的高精度传感设备，通过算法就能换取一部分可靠性，对成本敏感的规模化部署尤其重要。
- 对 eVTOL 载人运行的延伸意义：载人航空器对指挥链路可靠性的要求远高于货运无人机，链路中断概率的定量化管理是未来适航审定绕不开的议题。
四、局限与展望
局限同样清晰：第一，结论来自仿真，真实城市环境下的多径、遮挡与干扰远比模型复杂；第二，论文关注的是基站到无人机的下行资源分配，未涵盖无人机之间的组网与中继；第三，位置不确定性的统计特性被假定为已知，实际中这些参数需要在线估计，估计误差会进一步影响鲁棒性保障；第四，多基站协同与切换场景尚未纳入。
后续值得关注的方向包括：把气象扰动模型显式引入不确定域刻画、与感知波束赋形做联合设计、以及在真实 5G-A 通感试验网上验证算法的实时性。对国内产业界而言，更实际的动作是推动这类算法进入低空通信设备厂商的调度软件栈，而不是停留在论文层面。
相关阅读
- 堆叠智能超表面与 eVTOL 时延敏感通信：概率时延上界解读
- eVTOL 机群任务卸载：MAB 资源估计与 MCTS 决策
- 抗风鲁棒路由：无人机在风扰下的航线可靠性
- 无人机集群系统架构：通信、协同与容错设计
- 低空基础设施 2026：起降场、通信与监视网络全景
常见问题
什么是感知辅助通信，它和普通的无人机通信有何不同？
普通无人机通信依赖无人机自己上报位置或依靠信道估计对准波束，反馈存在延迟。感知辅助通信让基站利用雷达式回波直接跟踪无人机，把感知得到的位置预测用于波束指向与资源分配，响应更快；本文进一步考虑了这种预测本身存在误差时该如何设计。
为什么论文优化的是最小中断容量而不是总吞吐量？
总吞吐量最大化容易让资源集中到信道条件好的无人机，牺牲边缘用户。低空运行的安全水位由最弱链路决定，因此最大化最小中断容量更贴合航空场景的可靠性诉求，保证每一架无人机都有可接受的链路质量下限。
IWS 离散方案为什么会优于 CE 连续方案？
连续置信椭圆虽然刻画精细，但导致的约束更难凸化，需要较保守的逼近，实际性能被折损。逆白化扇区把不确定域切分为若干扇区后，可以得到更贴合的中断概率近似，并让优化变量解耦，既降低了复杂度，也减少了保守性，因此仿真中表现更好。