说实话第一次看到通信感知一体化这几个字的时候我脑子里冒出来的第一个念头是这不就是把雷达和通信放在一起做吗等真正啃完几个仿真项目和原型验证之后才发现这个概念远比11复杂得多。它不只是物理层的波形复用而是从系统架构、资源管理到性能度量逻辑的一场整体重构。这篇文章就基于IMT-2030框架下的6G通感一体化场景把我自己踩过的坑、理清的逻辑、以及工程落地时绕不开的细节一次性说透。1. 先弄清楚通感一体化到底是干什么的1.1 核心概念拆解通信感知一体化ISACIntegrated Sensing and Communication最直白的理解让同一套无线系统在完成通信数据交互的同时还能像雷达一样看见周围的环境。它靠的是分析无线信号在传播过程中被物体反射、散射后带回的信息——比如目标的位置、速度、角度甚至环境的三维结构。但这里有个关键点也是很多新手第一次接触时最容易误解的地方通感一体化不是通信系统附加了一个感知功能模块而是从波形设计开始就让同一份频谱资源同时承载通信符号和感知波形。也就是说收发信机在发射信号时既是在传数据也是在主动发出探测光束。接收端不但要解调通信数据还要对回波做匹配滤波、到达角估计、多普勒处理——同一份硬件、同一段频谱、同一帧信号两件活儿同时干。IMT-2030框架里6G的性能指标已经在传统的峰值速率、时延、连接密度之外明确加入了感知相关的能力维度包括感知精度、感知时延和感知范围。这意味着通感融合不再是一个实验室里的概念玩具而是未来网络设计时必须纳入考量的基础能力。1.2 为什么6G绕不开感知能力通信网络发展到5G阶段频谱资源已经非常紧张天线阵列、算力平台也基本铺到位了。到了6G如果还要继续堆峰值速率单纯在传统通信维度上做文章边际收益会越来越低。而通感一体化带来的核心增量是让通信网络从管道变成感官。一个典型的例子是低空无人机监管。无人机飞行高度低、体积小、速度可变纯靠ADS-B这类协作式手段根本管不住不配合的目标而地面铺开的5G/6G基站天然具备大带宽和密集覆盖。如果基站同时具备感知能力就可以对低空目标实现非协作探测——不需要无人机主动报告身份网络自己就能算出它的位置和航迹。再比如智慧交通里的路口感知传统的摄像头容易受光照和天气影响而毫米波通感信号基本不受这些因素限制能同时完成车流通信和车辆轨迹感知。从产业推动的角度看运营商和通信设备厂愿意投入是因为感知能力可以把通信基站的资源复用率再抬一个台阶——毕竟基站的塔顶、机房、回传都是现成的多加一份感知功能相当于在已有的基础设施上长出新的服务能力。2. 物理层方案选型波形的选择决定系统的天花板2.1 OFDM和OTFS谁是更合适的底座在通感一体化系统的物理层设计里第一个绕不开的选择就是波形。目前主流的候选是OFDM正交频分复用和OTFS正交时频空间调制两者的底层逻辑完全不同。OFDM是我们非常熟悉的技术从4G到5G都在用。它的核心操作是把高速数据流分配到多个正交子载波上并行传输。在通信场景下OFDM的均衡算法非常成熟工程实现链路完善。但用于感知时OFDM有一个天然短板它对多普勒频移比较敏感快速移动目标会让子载波间干扰上升导致感知结果里速度维度的精度打折。OTFS则是把信号从时频域搬到了时延-多普勒域。也就是说它在发射端先把数据映射到哪个时延、哪个多普勒偏移的网格上再通过二维变换生成实际发射波形。这样做的好处是无线信道的时延和多普勒参数本身就代表了物理环境中的距离和速度信息OTFS直接在对应的域上调制数据相当于一开始就把感知信息编进了信号结构里。对高机动目标、高速移动场景OTFS的感知稳定性要明显好于OFDM。我自己的一个仿真对比测试里在归一化多普勒频移达到0.2的场景下OFDM系统的感知速度估计误差开始明显抬升而OTFS依然能保持比较稳定的估计精度。但OTFS也有代价——接收端的二维均衡复杂度高工程实现难度大且在低移动性场景下的通信性能与OFDM拉不开明显差距。2.2 集成感知与感知优先两套设计模式除了波形本身通感一体化在系统设计上还分两条路线感知优先Sensing-centric和通信优先Communication-centric。感知优先的典型代表是雷达通信一体化波形——波形结构里感知信号是主角通信数据作为辅助信息调制进去。这种方式感知性能好可用带宽大但通信速率上不去商用价值有限。通信优先目前来看是更现实的选择。它基本沿用通信系统的帧结构和协议感知功能通过复用通信参考信号比如CSI-RS、SRS或者专门设计的一小段感知序列来实现。好处是对现有通信系统改动小、产业链兼容性好但感知性能会受到通信资源块大小和调度周期的限制。我实际做参考信号复用的仿真时一个很深的感受是感知参数比如探测距离分辨率和速度分辨率和通信资源带宽、时隙周期之间存在一个直接的权衡关系。距离分辨率跟带宽成反比带宽越大看得越清楚速度分辨率跟相干处理时间成反比时间越长速度测得越准。但带宽和时隙资源是通信业务也要抢的资源所以在真实的系统里这个权衡永远存在不存在既要又要的白嫖方案。2.3 一体化波形的关键参数计算具体到参数设计上有一个比较实用的计算逻辑可以从感知需求反推通信参数。比如我们要实现1米的距离分辨率根据距离分辨率公式距离分辨率 c / (2B)其中c是光速B是信号带宽。代入1米可以得到B ≥ 150 MHz。这个带宽在6G的Sub-10GHz频段或毫米波频段是可以实现的但如果是低频段FDD系统连续的大带宽很难找。所以通感一体化系统通常倾向于在毫米波甚至太赫兹频段做因为带宽充裕距离分辨率天然占优。再看速度分辨率公式是速度分辨率 c / (2fc × T)其中fc是载波频率T是相干积累时间。假设载波频率28GHz想实现0.1m/s的速度分辨率那么积累时间T需要约53.6微秒。这个时间相比OFDM符号长度通常十几微秒一档要长不少意味着感知功能需要多帧联合处理。这里就涉及系统帧结构设计的取舍感知专用块需要预留多帧的时长通信业务能不能容忍这种留白需要统筹设计。3. 频谱与硬件架构共享不是嘴上说说那么简单3.1 频谱共享的两种现实路径通感一体化在频谱维度上的理想形态是通信和感知完全共用同一段授权频谱不做任何区分。但这种全共享模式在工程上非常难落地因为感知回波与通信下行信号会互相形成强干扰。感知接收机要侦听的是微弱的反射回波而自己旁边的通信发射机正在以大功率往下灌数据这种自干扰如果不处理感知灵敏度会急剧恶化。目前更常见的现实方案是时分或频分共享。时分共享就是在一个帧结构里切出感知专用时隙这段时间基站只发感知波形、做目标探测频分共享则是在系统总带宽里划出一段感知子带。这两种方式的干扰隔离比较容易处理工程风险低但从资源利用率角度来看并没有达到一体化的理想状态。还有一条思路是干扰消除。在接收端通过重建自己发射信号的副本在数字域把它从回波里减掉。这个在自干扰消除领域已经有不少研究积累但需要极高的线性度和相位噪声指标来支撑目前实现代价偏高更适合用在基站这类有条件上高成本器件的设备上。3.2 收发架构单站感知与协作感知从硬件组网上看通感一体化的感知模式分两种单站感知和多站协作感知。单站感知最简单直接基站自己发射信号、自己接收回波类似一部小型雷达。部署灵活不需要额外的同步配合但感知范围有限主要覆盖本小区周边区域而且对多径依赖较高容易出现探测盲区。多站协作感知则是多个基站或一个基站组协同工作一个站发射感知信号另外几个站接收目标的反射信号或散射信号。这种方式可以形成多角度的观测对目标定位精度和覆盖范围都有明显提升但代价是需要严格的时间和相位同步而且回传网络需要承载大量感知原始数据。我实际测试过一个双站协作定位的场景在同步误差控制在纳秒级的情况下定位精度可以做到比单站提升约40%但一旦同步漂移定位结果会迅速恶化甚至比单站还差。3.3 天线阵列的复用逻辑通感一体化的硬件载体通常是大规模天线阵列Massive MIMO。在通信模式下天线阵列通过波束赋形把信号集中传给用户在感知模式下同一个阵列则需要通过更宽的波束或扫描方式覆盖空间以探测目标。这里有个容易忽略的问题通信波束追求的是对准用户、主瓣窄、增益高而感知波束往往希望覆盖范围大、副瓣可控、能同时形成多个探测波束。两者对波束赋形的要求不一样所以很多系统实际采用混合方案——通信走数据面的精细波束感知走独立的宽波束扫描或者通过一组专门的天线子阵列承载感知任务。4. 感知性能度量体系用什么尺子量看得准不准4.1 感知指标的四个维度通感一体化的感知性能不能只拿能不能探测到目标来评价需要建立一套系统的度量框架。我一般把感知指标分为四个维度检测概率与虚警概率衡量系统能不能区分真目标和假报警。感知系统通常在给定虚警概率比如10^-6的前提下讨论能达到的检测概率。估计精度包括时延估计精度换算成距离、多普勒估计精度换算成速度、到达角估计精度。这三个精度的组合决定了目标定位能力。感知分辨率指系统区分两个邻近目标的能力。距离分辨率、速度分辨率、角度分辨率各自独立都跟带宽、积累时间、阵列孔径相关。感知时延从目标出现到系统输出感知结果的时间。这个在低空监管、自动驾驶场景里非常关键时延过大就无法做实时避让。4.2 通信感知性能的折中关系把通信和感知放在同一个系统里后最核心的问题不是各自的性能有多好而是两者组合后的联合性能如何权衡。学术上常用通信速率-感知精度R-E区域来刻画这个权衡通俗地说就是一条曲线通信速率越高感知精度越差感知精度要求越高能留给通信的速率就越少。我在仿真里对比过不同的资源分配策略。固定总带宽和总功率下把80%的功率分给通信、20%分给感知时感知距离误差约1.8米把功率比例反转到50:50感知误差能降到1米以内但通信速率直接从800Mbps掉到400Mbps。这种权衡没有标准答案完全取决于应用场景。低空监管场景宁可牺牲一些通信速率也要保证感知精度常规宽带接入场景感知只需要提供足够用的粗精度即可。5. 典型应用场景与落地节奏5.1 低空经济与无人机监管低空经济是通感一体化目前最被看好的落地场景。无人机物流、城市空中交通、无人机编队表演这些业务都要求网络能实时感知低空目标而且这些无人机本身也要跟地面通信。传统雷达覆盖城市低空成本太高但通信基站遍地都是基站具备感知能力后就能顺带完成低空监管。实际项目里通感一体化基站要实现三个能力探测无人机的位置、识别无人机的飞行轨迹、区分无人机和鸟类等杂波目标。前两个靠时延和多普勒估计就能实现第三个需要微多普勒特征分析也就是从信号回波里提取目标的微动特征。无人机旋翼转动会产生特有的微多普勒调制这和鸟类扇翅的调制特征差别很大可以用来做目标分类。5.2 智慧交通与车路协同车路协同场景里路侧单元通过通感一体化同时跟来往车辆通信并感知周围的行人、非机动车和障碍物。相比激光雷达和摄像头通感一体化不受雨雾天气影响而且视距覆盖范围更远。这种非视距感知能力对交叉路口和隧道场景格外有价值。需要说明的是车路协同对感知时延的要求非常高通常需要做到50毫秒以内对应的系统处理周期和信令调度周期都要相应加速。这里最难的部分不是算法本身而是把感知计算嵌入到基站现有的实时调度线程里不挤占通信业务的处理资源。5.3 智能家居与人体感知还有一类相对柔和的应用是利用通感一体化做室内人员感知和手势识别。Wi-Fi信号或5G家庭基站信号经过人体活动区域的反射后回波里会携带人体位置和姿态的信息。这类应用对感知精度的要求远低于雷达但对系统成本和功耗控制的要求很苛刻可能更适合在小型化设备上实现。6. 工程实战中的高频问题和排查方法6.1 感知信号自己干扰自己做联调的时候最常遇到的问题就是感知接收机被自己的发射信号干扰尤其在高发射功率下。排查时可以先看接收通道的饱和情况——如果接收链路前端的LNA出现饱和回波信号会被压缩此时感知输出会表现为一片噪声。处理办法是先降低发射功率做功能验证确认系统工作正常后再逐步提高功率同时校准自干扰消除系数。注意自干扰消除系数一旦跟实际信道的相位漂移不匹配反而会产生新的干扰分量。我建议在每次长时间运行前先跑一段校准序列通过自适应算法更新消除系数不要用固定值。6.2 多径导致的虚假目标在室内或城市密集环境下多径会带来鬼影目标——感知输出显示远处有个目标实际上只是某个建筑反射了信号后又二次反射。识别多径假目标有几个实用特征鬼影一般不具备连续平滑的运动轨迹速度估计在相邻帧之间会跳变通过多站交叉验证也能有效判定——真目标在多个站点看到的位置是收敛的鬼影则不一致。6.3 感知结果延迟抖动我在做系统联调时遇到过一种情况感知目标明明不动但输出的位置每隔几帧就会跳一下。查下去发现不是检测算法的问题而是感知处理任务在基站的实时操作系统里被通信任务抢占导致相干积累周期不固定。解决办法是把感知任务单独绑定到一个独立的核心上保证它的处理线程不被抢占同时把感知调度周期设置成跟通信帧结构对齐的整数倍。6.4 感知数据回传带宽问题多站协作感知需要把原始回波数据或中间估计结果通过回传网络汇集这个数据量非常大。一个100MHz带宽、16天线接收的系统每秒产生的原始数据量可以达到上百Gbps对回传网络是很大的负担。降低回传压力的思路是边缘预处理在基站侧先完成检测和参数估计只上传目标级别的信息比如每帧的航迹点而不是原始波形数据。如果确实需要原始数据做联合处理可以对回波做降采样或压缩感知处理控制在可接受的精度损失范围内。7. 从仿真到外场测试的几点体会仿真和实际场景之间的差距做通感一体化的项目感受特别明显。理论仿真里信道模型都是理想化的但外场环境里塔顶的风吹振动、车辆来往造成的杂波、相邻基站的同频干扰都会让感知性能下降一个档次。我个人的经验是仿真阶段至少要保留20%的性能余量给工程实现损耗。另外一个容易被忽视的环节是校准。感知系统对幅度相位的校准精度要求比纯通信系统高得多因为测角和测距都依赖这些参数。外场测试前用标准反射体比如角反射器做一次全链路的标定非常有必要它能一次性暴露接收链路增益不平衡、天线互耦、相位漂移等多类问题。关于后续扩展我觉得通感一体化跟AI结合的空间很大。感知输出的目标轨迹和环境点云数据本身就是很好的模型训练素材。未来让基站通过学习持续优化波形参数和感知调度策略动态适应环境变化是一个很值得关注的方向。不过那属于更后面的话题了先把当前这版系统的感知链路做稳定比什么都重要。