CSIYOLO：当目标检测遇上信道状态信息------一种即插即用的通感一体化散射体定位框架
你无需修改通信波形、无需增加额外硬件，仅凭单基站-单用户之间估计出的CSI，就能像YOLO识别图像中的物体一样，精准定位环境中的散射体。这是怎么做到的？
摘要
通感一体化（ISAC）被认为是6G的关键使能技术之一，其核心愿景是让通信信号在传输数据的同时"感知"环境。在众多感知任务中，散射体感知（包括三维环境重建和散射体定位）尤为重要：它不仅能为低空经济、自动驾驶提供环境认知，还能反哺通信系统，实现信道预测、波束管理、阻塞控制等智能化操作。
然而，现有散射体感知方法存在两大瓶颈：一是多数方案需要修改波形、增加雷达模块或多节点协作，与现有通信系统兼容性差；二是传统信号处理算法（如MUSIC、DFT）对散射体数量未知、信道估计误差、虚假目标干扰极为敏感，定位精度有限。
针对上述挑战，本文介绍的最新工作CSIYOLO，首次将计算机视觉中的YOLO目标检测思想引入CSI散射体感知。核心贡献包括：
- 即插即用的框架设计：仅利用单基站-单用户估计出的CSI矩阵，无需任何硬件或波形修改，可作为插件直接嵌入现有通信系统。
- 锚点式散射参数检测：将角度-延迟域的信道矩阵视为二维图像，每个矩阵元素作为一个"锚点"，通过轻量化神经网络同时预测散射体的坐标偏移和置信度，并自适应去除虚假目标。
- 任务导向的网络优化：针对CSI矩阵的周期性、能量扩散特性，设计了圆形卷积、卷积分解、多尺度锚点检测等结构，显著提升精度并降低计算量。
- 噪声注入训练策略：在训练过程中逐步增加高斯噪声，使模型对信道估计误差具有强鲁棒性。
实验表明，CSIYOLO在散射体数量未知（5~10个）、噪声干扰等复杂条件下，定位F1-score达0.97以上，定位RMSE低于0.2米，远超MUSIC-FFT和低秩张量分解等传统方法，且参数量仅为YOLOv5的千分之三。
一、引言：通信系统为什么需要"看见"散射体？
1.1 通感一体化的本质
未来的6G网络不再只是"传数据"的管道，而是希望利用无处不在的无线信号，同时完成环境感知。想象一下：你的手机在下载视频的同时，还能通过回波"看到"周围的车辆、无人机、甚至人的手势------这就是通感一体化（ISAC）的愿景。
散射体（Scatter）是环境中导致信号反射、衍射的物体，例如建筑物墙壁、车辆、行人等。精准定位散射体是环境感知的核心任务，其意义体现在两个方面：
- 赋能新兴应用：低空经济中无人机需要感知障碍物；自动驾驶中车辆需要识别周边物体；智能工厂中机器人需要定位工件。
- 辅助通信优化 ：知道散射体的位置后，基站可以预测信道变化、提前调整波束、规避阻塞，甚至重构非视距信道------这就是"环境辅助通信"的概念。
1.2 现有方法的痛点
当前散射体感知主要分为三类：
- 雷达专用波形（如FMCW）：精度高，但需要额外硬件，成本高，与现有通信系统不兼容。
- 多节点协作定位：利用多个基站或用户之间的传输时延差来解算散射体位置。但需要严格的节点同步和关联匹配，且易产生虚假目标。
- 基于CSI的参数估计 （如MUSIC、DFT）：仅利用单基站-用户对，较为灵活。但这类方法存在根本性缺陷：
- 需要预先知道散射体数量，否则性能崩溃；
- 对信道估计误差极为敏感；
- 受限于网格分辨率，定位精度有限；
- 多径干扰容易产生虚假目标（Ghost Target），难以区分。
1.3 一个大胆的跨域思路
既然CSI矩阵在角度-延迟域上可以看作一幅二维图像，而图像中的"亮点"对应着不同路径的散射体，那么能不能用计算机视觉中成熟的目标检测技术来直接"检测"这些散射体呢？
这正是CSIYOLO的核心思想：将散射参数提取转化为目标检测问题，并用YOLO式的锚点回归方法，实现端到端的散射体定位。
二、系统模型与问题形式化
2.1 系统架构
考虑一个单小区ISAC系统，包含：
- 一个基站（BS），配备 N t = 64 N_t = 64 Nt=64 根均匀线性阵列（ULA）天线，位置已知 p b s = ( 0 , 0 ) \mathbf{p}_{bs} = (0,0) pbs=(0,0)。
- 一个用户设备（UE），单天线，位置可通过GPS获得 p u e \mathbf{p}_{ue} pue。
- 环境中随机分布 N s N_s Ns 个散射体（ N s N_s Ns 未知，在5~10之间随机），每个散射体位置 p s , l \mathbf{p}_{s,l} ps,l 未知。
基站使用OFDM波形，子载波数 N c = 1024 N_c = 1024 Nc=1024，中心频率 f 0 = 28 f_0 = 28 f0=28 GHz，子载波间隔 Δ f = 100 \Delta f = 100 Δf=100 MHz。下行信号经散射体和直射路径到达UE，UE通过导频训练估计出信道矩阵 H ∈ C N c × N t \mathbf{H} \in \mathbb{C}^{N_c \times N_t} H∈CNc×Nt。
2.2 信道模型与散射参数
根据Saleh-Valenzuela模型，第 n c n_c nc 个子载波上的信道向量为：
h n c = ∑ l = 0 N s α l e − j 2 π τ l ( f 0 + n c Δ f ) a T ( θ l ) \mathbf{h}{n_c} = \sum{l=0}^{N_s} \alpha_l e^{-j2\pi \tau_l (f_0 + n_c \Delta f)} \mathbf{a}_T(\theta_l) hnc=l=0∑Nsαle−j2πτl(f0+ncΔf)aT(θl)
其中 l = 0 l=0 l=0 表示直射径（LoS）， l ≥ 1 l\ge1 l≥1 为非直射径（NLoS，即散射体反射路径）。每个路径有三个关键参数：
- 传输时延 τ l \tau_l τl：与散射体位置的关系满足椭圆方程（BS和UE为焦点）
- 离开角（AoD） θ l \theta_l θl：散射体相对于BS天线阵列的方向
- 复增益 α l \alpha_l αl
因此，如果能从CSI中准确估计出 ( τ l , θ l ) (\tau_l, \theta_l) (τl,θl)，就能通过椭圆模型和角度直线唯一确定散射体的二维坐标。
2.3 挑战与动机
- 数量未知：传统MUSIC需要输入散射体数量，而实际环境中数量动态变化。
- 信道估计误差：实际CSI包含噪声和干扰，导致参数估计偏差。
- 虚假目标：多径叠加会在角度-延迟域产生虚假峰值，传统方法难以区分。
这就引出了本文的核心问题：能否设计一种不依赖先验数量、对噪声鲁棒、能自动剔除虚假目标的散射体定位方法？ 
三、CSIYOLO方法详解
3.1 整体框架（两阶段）
CSIYOLO的结构如图2所示（原文图2），分为两个阶段：
- 锚点式散射参数检测 ：将角度-延迟域的CSI矩阵输入神经网络，网络输出每个锚点预测的散射体坐标偏移和置信度。通过阈值和聚类去除虚假目标，得到估计的 ( τ ^ l , θ ^ l ) (\hat{\tau}_l, \hat{\theta}_l) (τ^l,θ^l)。
- 基于椭圆模型的散射体定位 ：根据时延和角度，结合BS和UE的已知位置，解算出散射体的物理坐标。
3.2 从CSI到"图像"：角度-延迟域变换
原始CSI矩阵 H ∈ C N c × N t \mathbf{H} \in \mathbb{C}^{N_c \times N_t} H∈CNc×Nt 在频率-天线域。通过二维逆离散傅里叶变换（2D-IDFT），转换到角度-延迟域：
H ~ = F a H F d \tilde{\mathbf{H}} = \mathbf{F}_a \mathbf{H} \mathbf{F}_d H~=FaHFd
其中 F a \mathbf{F}_a Fa 和 F d \mathbf{F}_d Fd 是DFT矩阵。变换后的矩阵 H ~ \tilde{\mathbf{H}} H~ 中，每个传输路径会汇聚成一个能量峰值 ，其坐标 ( τ ˉ l , θ ˉ l ) (\bar{\tau}_l, \bar{\theta}_l) (τˉl,θˉl) 与时延 τ l \tau_l τl 和角度 θ l \theta_l θl 存在确定的整数映射关系（式10-11）。因此，检测散射体等价于检测这个二维平面上的峰值点 。
3.3 锚点检测机制（核心创新）
传统目标检测中，YOLO将图像划分为网格，每个网格负责预测其内部的物体。CSIYOLO借鉴这一思想，但做了重大修改以适应CSI的特性：
-
每个矩阵元素都是一个锚点 ：对于位置 ( τ ˉ i , θ ˉ i ) (\bar{\tau}_i, \bar{\theta}_i) (τˉi,θˉi) 的锚点，它负责扫描其周围一个矩形区域（例如 32 × 32 32\times32 32×32 的范围）。如果该区域内存在真正的散射体峰值，锚点需要预测这个峰值相对于锚点自身坐标的偏移量 ( Δ τ ˉ ^ i , Δ θ ˉ ^ i ) (\Delta \hat{\bar{\tau}}_i, \Delta \hat{\bar{\theta}}_i) (Δτˉ^i,Δθˉ^i)，同时输出一个置信度 C ^ i \hat{C}_i C^i 表示该预测的可信程度。
-
为什么不用边界框？ 在CV中，物体有宽度和高度，需要预测包围盒。但CSI矩阵中的"散射体"只是一个点状峰值，没有形状。所以CSIYOLO只回归中心点偏移，简化了任务，提高了效率。
-
连续坐标预测 ：由于锚点预测的是偏移量（连续值），最终得到的散射体坐标可以是小数，突破了DFT网格的离散分辨率限制，定位精度大幅提升（RMSE<0.2m）。
3.4 损失函数与正负样本
对于一个锚点，其训练标签包括：
- 是否存在散射体在该锚点的扫描区域内（ C i = 1 C_i = 1 Ci=1 或 0 0 0）
- 若存在，真实的偏移量 ( Δ τ ˉ i , Δ θ ˉ i ) (\Delta \bar{\tau}_i, \Delta \bar{\theta}_i) (Δτˉi,Δθˉi)
损失函数为：
L = ∑ i ∈ P [ ( Δ τ ˉ ^ i − Δ τ ˉ i ) 2 + ( Δ θ ˉ ^ i − Δ θ ˉ i ) 2 ] − ρ ∑ i = 1 N a [ C i log C ^ i + ( 1 − C i ) log ( 1 − C ^ i ) ] L = \sum_{i \in \mathbb{P}} \left[ (\Delta \hat{\bar{\tau}}_i - \Delta \bar{\tau}_i)^2 + (\Delta \hat{\bar{\theta}}_i - \Delta \bar{\theta}i)^2 \right] - \rho \sum{i=1}^{N_a} \left[ C_i \log \hat{C}_i + (1-C_i)\log(1-\hat{C}_i) \right] L=i∈P∑[(Δτˉ^i−Δτˉi)2+(Δθˉ^i−Δθˉi)2]−ρi=1∑Na[CilogC^i+(1−Ci)log(1−C^i)]
其中 P \mathbb{P} P 是正锚点（扫描区域内有真实散射体），只对正锚点计算位置回归损失；所有锚点（正+负）都计算置信度损失（二分类交叉熵）。负锚点的存在迫使网络学会区分"有"和"无"，从而自动抑制虚假目标。
3.5 自适应虚假目标去除
网络输出的候选散射体经过三个步骤清理：
- 粗过滤 ：丢弃置信度低于阈值 t 1 = 0.5 t_1=0.5 t1=0.5 的检测。
- 空间合并 ：如果多个检测的坐标距离小于 t d t_d td（例如2个像素），则只保留其中置信度最高的一个。
- 细过滤：计算剩余候选的置信度均值，将置信度低于"均值/3"的检测再丢弃。
这种自适应阈值策略比固定阈值更鲁棒，有效消除了多径产生的虚假峰值。实验表明，CSIYOLO的F1-score接近0.97，虚假目标极少。
3.6 网络结构：小型化与任务优化
CSIYOLO的检测网络基于U-Net改进（图6），具有以下特点：
- 多尺度特征提取：在骨干网络中使用不同卷积核大小（如3×3、5×5）并行，捕获不同宽度的峰值扩散模式。
- 可扩展的隐藏通道深度 h h h ： h h h 越大精度越高但计算量增加。实验中 h = 5 h=5 h=5 时F1=0.969， h = 2 h=2 h=2 时F1=0.931但参数量仅约4K------比YOLOv5小三个数量级。
- 圆形卷积（Circular Convolution）：角度维度是周期性的（0°和360°连续），传统零填充会破坏边界连续性，导致靠近边界的散射体被漏检。圆形填充（图7）保持了周期性，边界检测性能提升明显（表II）。
- 卷积分解 ：将 k × k k\times k k×k 的2D卷积分解为 1 × k 1\times k 1×k 和 k × 1 k\times 1 k×1 两个1D卷积。参数量从 O ( k 2 ) O(k^2) O(k2) 降到 O ( 2 k ) O(2k) O(2k)，并可在中间插入非线性激活，在降低计算量的同时甚至提升了精度（图15）。
3.7 噪声注入训练策略
真实信道估计总存在误差。为提高鲁棒性，训练时向CSI注入加性高斯白噪声，并且噪声方差随训练进程逐渐增大（从0线性增长到最大值）。这类似于课程学习：先学习干净样本，再适应越来越 noisy 的样本。
实验显示（图16），没有噪声注入时，CSIYOLO在高噪声下性能崩溃；使用该策略后，在很宽的噪声功率范围内保持稳定高精度。
---
四、实验结果与讨论
4.1 总体性能对比
图9、10展示了与MUSIC-FFT [14] 和低秩张量分解（LTD）[26] 的对比。注意，对比方法均假设已知真实的散射体数量（这是它们的前提条件），而CSIYOLO不知道数量。
- 检测概率（召回率）：CSIYOLO约0.96，MUSIC-FFT约0.92，LTD约0.90。
- F1-score：CSIYOLO约0.97，远高于对比方法。
- 定位RMSE ：CSIYOLO低至0.19 m，而MUSIC-FFT和LTD均在0.4 m以上。这得益于CSIYOLO的连续坐标回归，不受网格分辨率限制。
图11给出了一个可视化例子：LTD在角度-延迟域中检测出大量虚假峰值（图11(a)左下散布的红点），导致定位图中出现错误的散射体（图11(b)左下框）。而CSIYOLO的检测干净、定位准确。
4.2 网络设计的有效性验证
- 深度 h h h 的影响 （图14）： h = 5 h=5 h=5 时精度最高， h = 2 h=2 h=2 时精度小幅下降但参数量从23K降至4K，FLOPs从17.9M降至3.39M，适合资源受限设备。
- 卷积分解（图15）：采用分解后参数量减少约50%，F1-score从0.964提升到0.969（反而更好），因为分解引入的非线性增强了表达能力。
- 圆形卷积 （表II）：在不同 h h h 下，圆形卷积均优于零填充，尤其在边界散射体检测上提升明显。
- 与YOLOv5对比（表III）：YOLOv5s参数量7.03M，F1-score仅0.804；CSIYOLO（h=2）参数量仅0.004M，F1-score达0.931。直接套用通用目标检测网络效果很差，任务导向优化至关重要。
4.3 鲁棒性验证
图16展示了在不同噪声功率（对应信道估计误差）下的性能。不加噪声注入训练的CSIYOLO性能随噪声增加急剧下降；而采用噪声注入策略后，F1-score保持在0.95以上，远优于MUSIC-FFT和LTD。此外，渐进增噪方案比固定噪声方案效果更好。
五、结论与启发
5.1 论文总结
CSIYOLO是首次将YOLO式目标检测思想系统应用于CSI散射体感知的工作。它证明了：在无需修改现有通信波形和硬件的前提下，仅依靠单基站-单用户估计出的CSI，就能实现高精度、鲁棒、即插即用的环境散射体定位。
主要技术贡献：
- 将散射参数提取转化为锚点回归+置信度预测的目标检测问题。
- 设计了针对CSI角度-延迟域特性的轻量化网络（圆形卷积、卷积分解、多尺度锚点）。
- 提出自适应置信度阈值和空间合并策略，有效消除虚假目标。
- 引入噪声注入课程训练，增强对信道估计误差的鲁棒性。
实验结果显示，CSIYOLO在散射体数量未知、噪声干扰等实际条件下，定位精度和鲁棒性远超传统参数估计算法，且计算效率极高。
5.2 对研究者的三点启发
1. 跨域迁移的"中间表示"思维
CSIYOLO并没有直接在原始CSI上应用YOLO，而是先通过2D-DFT将CSI变换到角度-延迟域 ------这个域里，散射体呈现出类似图像中"点状物体"的分布，从而自然对接目标检测。这种找到一个适配下游任务的中间表示的思路，值得在其他物理问题中借鉴。
2. "点回归"替代"框回归"的任务简化
许多工程问题中，我们只需要检测目标的位置，而不需要其大小。经典的YOLO预测边界框（中心+宽高），但CSIYOLO只预测中心偏移量。这大幅减少了输出维度，降低了网络容量需求，使得一个仅几万参数的模型就能超越千万参数的通用的YOLO------根据任务本质裁剪输出空间，是高效模型设计的关键。
3. 物理先验引导的网络结构设计
- 圆形卷积：源自角度域的周期性物理事实。
- 多尺度锚点：源自散射体在延迟-角度域的能量扩散尺度不同（近处散射体峰值较胖，远处较瘦）。
- 卷积分解：源自对资源受限场景的预判。
这些设计不是"为了创新而创新"，每一个都能追溯到明确的物理动机或工程约束。这种物理+数据驱动的融合范式，将是6G智能感知的重要方向。
5.3 未来展望
- 多用户信息融合：当前仅用单用户，未来可融合多个UE的CSI，利用多视角提升定位精度和覆盖范围。
- 三维散射体定位：当前假设二维平面，可扩展至三维（需增加俯仰角维度）。
- 在线自适应学习：环境变化时，如何利用少量新样本快速微调模型？
- 与通信任务联合优化：感知结果直接反馈给波束管理、资源分配等通信模块，形成闭环。
参考文献
1\] X. Zhang et al., "CSIYOLO: An Intelligent CSI-based Scatter Sensing Framework for Integrated Sensing and Communication Systems," arXiv:2509.19335v1, 2025. \[2\] Z. Wei et al., "Integrated sensing and communication signals toward 5G-A and 6G: A survey," IEEE IoT J., 2023. \[3\] Q. Shi et al., "Device-free sensing in OFDM cellular network," IEEE J. Sel. Areas Commun., 2022. \[4\] B. Lu et al., "Deep-learning-based multinode ISAC 4D environmental reconstruction," IEEE IoT J., 2024. *** ** * ** *** **写在最后**：CSIYOLO的工作展示了计算机视觉领域成熟的目标检测框架如何"降维打击"通信感知中的传统信号处理难题。它的成功并非偶然------当我们将物理世界的信号变换到恰当的表示空间后，许多看似复杂的问题会变得与CV中的经典问题同构。这种跨领域的洞察力，或许比算法本身更值得学习。