1、通感算一体化网络通感算一体化网络 前沿报告前沿报告 （2021年）年） 中国通信学会中国通信学会 2022 年年 1 月月 专家组和撰写组名单专家组和撰写组名单 顾问顾问(以姓氏笔划为序以姓氏笔划为序)： 专家组：专家组： 组长：组长： 张平 中国工程院院士、北京邮电大学教授 副组长：副组长： 王桂荣 中国电信集团有限公司科创部总经理 撰写组撰写组(按单位排名按单位排名) 单位 姓名 北京邮电大学 冯志勇、张奇勋、尉志青、黄赛、王胜烽、昌硕、杨恒、陈旭、姜旺俊、冀可嘉、王溢、孙宏卓、李怡恒、马昊、高新野等 中国电信集团有限公司 孙震强、 蒋峥、 雷波、 邢燕霞、 刘胜楠、刘家祥、赵倩颖、汪博文

2、、史凡、陈运清等 鹏城实验室 崔曙光、许晓东等 中国信息通信研究院 王志勤、杜滢等 前前 言言 第六代移动通信系统（6th Generation Mobile Communication System, 6G）已经成为全球的研究热点。以智慧城市、智慧交通、智能制造和智能家居等为代表的多种新型垂直应用场景，在 6G 时代将层出不穷，这些都需要通信设备和终端具备智能感知物理世界和镜像映射数字世界的能力。通信系统与感知和人工智能等多系统的深度融合已成为技术发展新趋势，为实现虚实平行空间下的随时随地、多元化、深度沉浸式体验展现了更加美好的愿景。为满足不同场景的新需求，亟需探索通感算一体化设计的新型网络

3、架构及使能技术。 通感算一体化网络是指同时具备物理-数字空间感知、泛在智能通信与计算能力的网络。 该网络内的各网元设备通过通感算软硬件资源的协同与共享，实现多维感知、协作通信、智能计算功能的深度融合、互惠增强，进而使网络具备新型信息流智能交互与处理及广域智能协作的能力。 本前沿报告提出并分析了 6G 通感算一体化网络的内涵、典型应用场景与性能评价指标体系；具体阐释了通感一体化空口技术、通感算赋能的网络化感知、通感算赋能的智能算力网络技术等核心使能技术；详细总结了通感算智能化演进的路径。通过撰写本前沿报告，旨在为加快面向 6G的通感算一体化网络相关技术发展、促进学术界与产业界达成共识、推进通感算

4、一体化网络技术走向成熟与商用贡献力量。 目目 录录 缩略语 . 1 一、 通感算一体化网络场景和需求 . 3 1.1 6G 网络愿景与发展趋势 . 3 1.2 通感算一体化网络 . 5 1.3 通感算一体化网络典型应用场景 . 8 1.3.1 局部空间应用场景 . 9 1.3.2 开放空间应用场景 . 11 1.4 通感算一体化网络的性能评价指标体系 . 14 二、 通感一体化技术 . 20 2.1 通感一体化物理层设计 . 20 2.1.1 通感一体化频谱适配特性 . 20 2.1.2 通感一体化关联信道模型 . 22 2.1.3 通感一体化波形设计 . 23 2.1.4 通感一体化帧结构设

5、计 . 26 2.1.5 通感一体化波束赋形技术 . 27 2.1.6 通感一体化抗干扰信号处理技术 . 28 2.2 通感一体化多址接入技术 . 29 2.2.1 典型通信节点的多址接入技术 . 30 2.2.2 通感联动的多址接入技术 . 31 2.3 通感一体化的无线资源管控技术 . 32 2.3.1 通感一体化的资源分配 . 33 2.3.2 通感一体化的干扰管控 . 34 2.3.3 通感一体化的资源调度 . 35 2.4 通感一体化空口关键技术实验系统 . 36 三、 通感算赋能的网络化感知 . 40 3.1 通感融合的移动网络 . 40 3.2 多点组网协同感知 . 42 3.2

6、.1 宏基站和微基站间的协同感知 . 43 3.2.2 面向大连接的物联网感知 . 44 3.2.3 空天地一体化感知 . 46 3.3 定制化感知 . 47 3.3.1 定制化感知与计算能力结合 . 48 3.3.2 定制化感知与通信能力结合 . 48 四、 通感算赋能的算力网络技术 . 50 4.1 算力网络架构 . 51 4.2 算力网络关键支撑 . 52 4.2.1 算力度量 . 53 4.2.2 算力感知 . 53 4.2.3 算力路由 . 54 4.2.4 交易与算力编排 . 54 五、 通感算网络的智能化演进 . 55 5.1 独立感知，智能优化 . 56 5.2 分布感知，智能

7、管理 . 58 5.3 协同感知，智慧互动 . 60 5.4 万物智能，螺旋发展的超智能主体 . 62 结束语 . 64 参考文献. 65 图表目录图表目录 图 1-1 6G 网络愿景示意图 . 3 图 1-2 通感算一体化网络架构图 . 7 图 1-3 通感算一体化典型应用场景 . 8 图 1-4 通感算一体化网络典型应用场景需求分析 . 15 表 1-1 通感算一体化网络评价指标体系 . 16 图 2-1 不同频段感知用例 . 22 图 2-2 通感一体化关联信道模型 . 23 图 2-3 通信系统中的 OFDM 波形 . 24 图 2-4 雷达系统中的 FMCW 波形 . 25 图 2-

8、5 通感一体化智能波束赋形示意图 . 28 图 2-6 基于机器学习的新型通感一体化信号处理方法 . 29 图 2-7 时分、频分、正交频分与码分多址结构示意图 . 30 图 2-8 智能车联场景中的干扰示意图 . 35 图 2-9 通感一体化系统实物图 . 37 图 2-10 通感一体化系统逻辑架构图 . 37 图 2-11 通感一体化系统的帧结构示意图 . 38 图 2-12 通感一体化系统的实验结果 . 38 图 3-1 通感融合的移动网络 . 41 图 3-2 宏基站和微基站协同感知 . 43 图 3-3 面向大连接的物联网感知 . 45 图 3-4 空天地一体化协同感知 . 47 图

9、 3-5 定制化感知场景示意图 . 48 图 4-1 通感算赋能的算力网络架构图 . 51 图 5-1 6G 系统中 AI 能力分布示意图 . 56 图 5-2 基于云边协同的通感智能化网络示意图. 57 图 5-3 通感智能网络多目标优化示意图 . 58 图 5-4 车联场景通感智能化全景图 . 59 图 5-5 基于云边端协同的智能通感网络示意图. 60 图 5-6 通信-感知-计算-智能融合一体化的超智能主体 . 62 1 缩略语缩略语 4G 4th Generation Mobile Communication System 第四代移动通信系统 5G 5th Generation Mo

10、bile Communication System 第五代移动通信系统 6G 6th Generation Mobile Communication System 第六代移动通信系统 AI Artificial Intelligence 人工智能 ASIC Application Specific Integrated Circuit 专用集成电路 B5G 5G and Beyond 后 5G 移动通信 BGP Border Gateway Protocol 边界网关协议 BS Base Station 基站 CDMA Code Division Multiple Access 码分多址 CP

11、 Cyclic Prefix 循环前缀 CPU Central Processing Unit 中央处理器 CRLB Cramer-Rao Lower Bound 克拉美罗下界 CSMA Carrier Sense Multiple Access 载波侦听多址访问 DS-UWB Direct Sequence Ultra Wide Band 直接序列超带宽 DTL Deep Transfer Learning 深度迁移学习 FDMA Frequency Division Multiple Access 频分多址接入 FL Federated Learning 联邦学习 FMCW Frequen

12、cy Modulated Continuous Wave 调频连续波 FPGA Field-Programmable Gate Array 现场可编程门阵列 GPU Graphics Processing Unit 图形处理器 GRU Gated Recurrent Unit 门控循环单元 IA Interference Alignment 干扰对齐 IMs Intelligent Machines 智能机器 IP Internet Protocol 互联网协议 ISLR Integration Side Lobe Ratio 积分旁瓣比 KPI Key Performance Indicat

13、or 关键性能指标 LSTM Long Short-Term Memory 长短期记忆网络 MECS Mobile Edge Computing Servers 移动边缘计算服务器 MSE Mean Square Error 均方误差 MIMO Multiple Input Multiple Output 多输入多输出 MIPS Million Instructions Per Second 单字长定点指令平均执行速度 mMIMO massive Multiple Input Multiple Output 大规模多输入多输出 MUI Multi-User Interference 多用户干扰

14、 OAM Operation Administration and Maintenance 操作维护管理 OFDM Orthogonal Frequency Division Multiplexing 正交频分复用 OFDMA Orthogonal Frequency Division Multiple Access 正交频分多址接入 2 OTFS Orthogonal Time Frequency Space 正交时频空 PAPR Peak-to-Average Power Ratio 峰均功率比 PSLR Peak Side Lobe Ratio 峰值旁瓣比 QoS Quality of

15、Service 服务质量 RNN Recurrent Neural Network 循环神经网络 RSU Road Side Unit 路侧单元 SDMA Space Division Multiple Access 空分多址接入 SDN Software Defined Network 软件定义网络 S-FFR Soft Fractional Frequency Reuse 软分数频率复用 SLAM Simultaneous Localization and Mapping 即时定位与地图构建 SPEB Squared Position Error Bound 平方位置误差界 SRS Sou

16、nding Reference Signal 探测参考信号 SSLR Spurious Side Lobe Ratio 虚假旁瓣比 TDMA Time Division Multiple Access 时分多址接入 V2V Vehicle to Vehicle 车对车 WWB Weiss-Weinstein Bound 维斯温斯坦界 ZZB Ziv-Zakai Bound 齐夫扎基亚界 3 一、一、通感算一体化网络场景和需求通感算一体化网络场景和需求 1.1 1.1 6G 网络愿景与发展趋势网络愿景与发展趋势 图 1-1 6G 网络愿景示意图 第五代移动通信系统（5th Generation

17、Mobile Communication System, 5G） 的大规模商用正在加速促进经济社会向数字化、 网络化、智能化转型， 推动网络跨入万物互联新时代1。 快速涌现的智慧城市、智慧交通、智慧工业生产等方面的应用需求，使得网络设备能力差异化、网络功能多样化、网络管控智能化的发展趋势持续增强，进一步推动了万物智联的第六代移动通信系统（6th Generation Mobile Communication System, 6G）的到来。图 1-1 展示了以全域覆盖、普惠智能、通感一体化、感官互联等为特征的 6G 网络愿景2，通过人4 机物泛在互联、智慧协作、数字孪生、沉浸式体验等技术为手段，

18、实现物理世界和数字世界的相互作用与深度融合， 进而推动构建泛在无线、智能普惠的人类社会总体愿景。以智慧城市、智慧交通、智能家居为代表的 6G 典型应用场景中存在着大量能力高度差异化的智能自动化设备，对极低时延、极高可靠性、超大带宽、海量接入等方面的通信需求越发严苛， 智能自动化类型的应用对感知能力也提出了高精度、高分辨率等要求。一方面，数目激增的无线通信、感知设备使得业务需求的无止境增长与无线资源和算力有限的矛盾愈发突出； 另一方面，6G 愿景的实现需要借助对环境感知信息的获取、信息交互与共享、智能信息处理、到控制信息（包括对通信网络的控制信息及应用执行设备的控制指令）逐层分发的闭环信息流处理

19、。现有无线网络架构和相关技术已经难以满足后 5G（5G and Beyond, B5G）/6G 时代不断涌现的应用需求，亟待研发资源高效利用、差异化应用智能适配的新型网络架构和使能技术。 针对以上挑战， 学术界和工业界的研究与技术发展也蕴藏着巨大的潜能。一方面，后 5G 时代，无线通信网络使用的高频段与无线电感知频段逐渐趋近乃至重叠；另一方面，通信系统与感知系统在射频收发机、信道特性、信号处理方面存在相近或相似的特性，这催生了通感一体化网络架构与相关技术的研究与发展3。 此外， 以深度学习、强化学习、 分布式学习等为代表的人工智能 （Artificial Intelligence, AI）技术

20、的兴起，在通信网络优化、智能感知及控制应用等各个领域产生了广泛而深刻的影响，大大推动了通信-感知-计算领域深度融合的可能。近期，元宇宙（Metaverse）概念受到全球产业界及学界的广泛关注4。元宇宙是基于数字孪生、沉浸式人机交互、边缘计算、人工智能等新技术在物理世界镜像中提供沉浸式体验的新型虚实相融的5 现象级应用形态5。元宇宙概念的落地应用，将需要通信-感知-计算等多种技术手段作为支撑。 基于此，如果 6G 在智能计算技术的赋能下实现通信能力与感知能力的融合共生，将赋予 6G 网络无时无刻、无处不在地智能感知物理世界和镜像映射数字世界的能力： 既能充分满足网络节点多维智能感知的交融互通，又

21、能有效支撑以通信能力为基础的广域智能协作6；泛在连接的海量新型智能终端将依赖不断增强的算力进行学习、交流、合作和竞争，以此实现网络的自学习、自运行、自维护2，进而实现 6G 通感算一体化网络的愿景。AI 服务与应用也将借助 6G 通感算一体化网络，送至千家万户，助力千行百业，实现人机物泛在互联、智慧协作、物理世界和数字世界的相互作用与深度融合。 1.2 1.2 通感算一体化网络通感算一体化网络 通感算一体化网络是指同时具备物理-数字空间感知、泛在智能通信与计算能力的网络。 该网络内的各网元设备通过通感算软硬件资源的协同与共享，实现多维感知、协作通信、智能计算功能的深度融合、互惠增强，进而使网络

22、具备新型闭环信息流智能交互与处理及广域智能协作的能力，为 6G 的智慧城市、智慧交通、智能家居等典型应用场景提供支持。 进一步，我们对通感算一体化网络中感知、计算、通信的内涵进行如下解读： 感知：如同人体的感官。感知是指物理-数字多维空间的感知，包含：网络外部感知和网络内生感知两大部分。其中，网络外部感知包括对电磁环境（信道状态、频谱质量、电磁干扰等）、外部物理环境（目标运动状态检测与识别、目标成像等）的感知；网络内生感知包括对业务需求（传输速率、通信时延、算力要求等）、网络物理与6 数字空间状态（网元设备运行状态及资源使用情况、AI 训练模型库、数字孪生网络运行状态等）的感知。 计算：如同人

23、体的大脑。一般意义上，计算是指零散、孤立的分散在网络各处的具有计算能力的网元。在通感算一体化网络中，计算是指增强感知与通信后可协同分配调用的分布式泛在智算。 通信：如同人体的神经。通信是赋予智能网络节点间多维感知信息共享、分布式智能计算等信息交互的载体，也是实现网络广域智能协作的基础。 通信、感知、计算，三者深度融合、互惠增强，其逻辑关系可以从如下三方面进行解读： （1）通信、计算辅助感知增强通信、计算辅助感知增强 通信功能可以有效传递和汇聚感知信息，以支撑多节点协作感知，进而扩展感知的维度和深度。此外，实时共享的分布式算力可对感知数据进行定制化的特征抽取及信息融合处理， 借助先进算法模型将原

24、始感知信息转化为可被终端或用户直接理解的意图及语义信息，实现从环境感知到环境认知的能力增强。 （2）感知、计算辅助通信增强感知、计算辅助通信增强 感知功能通过获取更丰富的用户信息、 环境数据等为通信提供先验信息。智能终端可利用随取随用的分布式算力，进行精准高效的信道估计、测量及快速波束对准，有效增强智能终端的信息处理能力；智能云网可通过多维数据融合处理及大数据分析， 重构未知的物理信道状态，设计最优传输方式，提升通信的整体性能。 （3）感知增强与通信增强进一步辅助计算增强感知增强与通信增强进一步辅助计算增强 增强后的感知功能可以为分布式算力的最优化快速调度提供先验信息，也可以为 AI 服务与应

25、用提供更丰富的数据来源，以增强训7 练模型的鲁棒性； 而增强后的通信功能则进一步提高了算力网络的泛在计算能力，实现 6G 时代各类场景下算力资源的即用即配。 图 1-2 通感算一体化网络架构图 具备以上特点和功能的通感算一体化网络架构，如图 1-2 所示，主要由终端、边缘网络、核心云网三部分构成7。 通感算一体化终端： 主要由集成各类传感单元的大规模智能机器（Intelligent Machines, IMs）组成。IMs 通过共用射频收发器、共享频段实现通信和感知功能的融合，即通感一体化8。通过辅助的环境感知信息获取 （如通感一体化设备和传感单元的节点位置信息） ， IMs可以快速执行拓扑构

26、建和媒介访问控制等操作， 进而建立分布式或集中式的自组织网络。除此之外，IMs 可采用分布式智能计算技术（如强化学习等）融合大规模感知信息，通过智能协作和网络化感知，辅助即时通信系统的自主决策。分布式智能计算的加持，将辅助通信网络的资源分配和路由优化，进而提高通感算一体化网络的整体性能。 通感算一体化边缘网络：主要由基站（Base Station, BS）和移动边缘计算服务器（Mobile Edge Computing Servers, MECS）组成。BS通过通感一体化技术实现 IMs 间的通信及环境感知；MECS 通过 BS与 IMs 进行交互，也可接收基站覆盖范围内的来自不同 IMs 的

27、感知信息，进行局部感知信息的融合和处理，进而通过边缘智能计算技术8 （如强化学习、深度学习等）执行局部决策和局部控制。 通感算一体化核心云网： 主要由具备最强大的计算与存储能力的集群核心云服务器组成。 核心云服务器可以综合各类由 IMs 和边缘网络上传的数据来融合大范围区域的感知信息。更进一步，核心云服务器可以记录并智能分析大范围区域的感知信息以构建全局的云智能计算模型库，进而实现全局感知、决策和任务编排。 算力网络：以通感算一体化为核心支撑，将云-边-端多级算力通过网络化的方式进行连接与协同， 实现随时随地的实时感知和算力服务的按需实时调度与高效共享， 为各类业务灵活匹配最佳算力资源节点。

28、综上所述， 6G 通感算一体化网络通过云-边-端多维感知、 协作通信、智能计算功能的深度融合、互惠增强，实现新型闭环信息流智能交互与处理，进而支持通感算一体化网络广域智能协作。 1.3 1.3 通感算一体化网络典型应用场景通感算一体化网络典型应用场景 基于通感算一体化网络架构， 我们按照通感算一体化网络的覆盖范围由小到大划分为局部空间、开放空间两部分典型应用场景，如图1-3 所示。 图 1-3 通感算一体化典型应用场景 9 1.3.1 局部空间应用场景局部空间应用场景 （1）智能家居）智能家居 现代人生活的大部分时间在室内度过， 为了获得更舒适便利的居住体验，智能家居应运而生。在由海量连接设备

29、作为节点编织的通感算一体化网络中，无线信号既可用于设备间通信或人机交互，又可用于感知人员或设备的位置，对整个家居环境进行长时间、全方位的管理，提供家居控制、安防监控、行为监测等服务。不同于传统图像采集设备，利用通信信号进行目标检测，可以在有效保障室内隐私性的同时，实现有效的监控。在驾驶舱、医院、日常居家等诸多室内场景中， 通感算一体化设备可以利用毫米波或太赫兹等更高频段提高无线电设备对周围环境目标的感知精度，进一步提升用户室内的安全性、舒适性、便捷性。具体感知内容可以分为以下两类： 日常行为识别：通过采集室内物品或人类活动影响下的空口信号，提取其中的有用感知信息，如多普勒特征、幅度、相位变化等

30、，配合 AI 算法识别人类行为。目前，基于探测参考信号（Sounding Reference Signal, SRS） 可以实现室内定位和手势识别等分米级感知精度应用。6G 通感算一体化设备感知精度的显著提升，将支持病房内病患的呼吸监测、驾驶员闭眼报警、老人跌倒监控等超高精度、全时段监控的应用。 家居物联网：通过采集无线反射信号，分析来波方向、距离等信息，获取室内物联设备的空间信息。由于室内无线设备通常被密集部署于相对狭小的空间内，因此需要具备厘米级的距离分辨率和 1 的角度精度，进而精准确定室内物联网设备间的空间相对位置，构建室内接入节点网络。 无线设备的空间环境感知先验信息可以显著降低毫米

31、波通信波束的对准负载，降低接入时延至 ms 级，支持 Tbps 超大10 带宽应用，如全息影像、虚拟现实增强等应用。 （2）智能工厂）智能工厂 智能工厂通常涉及对网络节点、机器人的调度，多机器的集群作业等任务。 未来超密集的数据交互对于通信的吞吐量和可靠性有更高的要求。 6G 智能工厂应用需要机器具备端到端 10Gbps 的吞吐， 通感一体化功能的集成使节点间可以实现协作通信与环境感知的无缝进行，降低信令开销。 为了支持 6G 智能工厂内大数量级的多机协同，通感算一体化网络将提供一个统一的平台来调度厂区内的机器人、 车辆、 货物等单位，通过可管理的方式采集所有单位数据，做出全局最优决策，大大提

32、升系统运行的可操作性和灵活性。面向智能工厂的 6G 通感算一体化需要小于 1ms 的机器端到端时延、 毫米级定位精度以及至少 99.999%的可靠性，以保证大规模机器的工作效率和稳定性，进而实现工厂内机器集群导航、编队等高时效性、大数量级的工业机器应用。 （3）智慧办公）智慧办公 传统办公场所电子设备多、用电负荷重、检修成本大、数据隐私性差，未来物联网、云计算、大数据存储等技术的加持，将实现办公设备的一体化设计、综合信息管理的动态化、物理环境与安全保障的自动化、进而实现深层次信息共享，无纸化远程智能办公。 未来 6G 通感算一体化网络可加大全息光存储介质和存储刻录技术的研发以全面提高全息存储容

33、量， 满足大数据时代对海量数据存储的日常需求，如延长实物档案的保存时长9。相比传统的电、磁等存储技术采用二维存储方式， 光全息存储可将二维存储转换多维高密度存储，信息储存量大且读取速率高。同时，通感一体化空口技术的赋能， 可以实现场景内人、 设备、 环境状态的实时捕捉， 提升办公体验，11 降低办公成本。感知功能实体可以捕捉办公室内办公者的数量、位置和环境指标，利用通信能力实现灯光、空调及各类办公设备供电的统一调度，实现能耗的智能管控。 （4）医疗健康）医疗健康 在健康监测方面， 通感算一体化系统有能力在无感状态下监测多项人体指标，并提出预警和建议，而传统健康监测系统需要人体佩戴专用检测设备。

34、此类场景下通感一体化工作范围有限，通感一体化空口设备适宜工作在高频段。通过通信感知计算功能的协同，呼吸心率等常规项、组织成分分析、光谱检查等都可无接触式完成。 1.3.2 开放空间应用场景开放空间应用场景 （1）智慧交通）智慧交通 智慧交通对于通信和感知能力都具有极高要求，通信方面，需要超低时延、高数据速率；感知方面，要求实时探测车辆行驶环境。现有的通信、感知分立设计解决方案中，借助大带宽通信网络及大规模传感器部署， 不仅价格高昂， 且数据共享可靠与实时性成为痛点问题。尽管毫米波已经被大量研究用于自动驾驶感知，但频谱是稀缺资源，通感一体化应用比独立应用设计需具有更高的频谱利用效率。 通过多车环

35、境感知数据共享， 道路上的驾驶员可以获得其当前位置以及自身视野之外的空间信息，并在此基础上执行导航和路径规划。 传统即时定位与地图构建 （Simultaneous Localization and Mapping, SLAM）依赖相机或激光雷达，6G 通感一体化设备将利用通信信号的传播特性作为构建周围环境的一种数据源，车间通过 Gbps 量级的大带宽传输实现多传感器数据的毫秒级车对车（Vehicle to Vehicle, V2V）通信。在车辆编队方面，当前的车辆编队方案大多基于多跳V2V 通信，在所有车辆上共享全部车辆的状态信息，实现协作自适12 应巡航控制。然而多跳通信的高延迟会导致编队车

36、辆的信息不同步，尤其当车队较长且行驶状态动态变化时， 车辆编队的自动驾驶控制风险将大大升高。 针对这个问题， 通感一体化路侧单元 （Road Side Unit, RSU）具备了部署位置优势和设施智能算力优势，可快速获取多车的行驶状态并下发控制信息，车辆编队借助具备通感一体化能力的RSU， 可以为车辆编队的自动驾驶控制提供更可靠的服务保障。 因此，通感算一体化网络将以更快速、 更低成本的方式实现车辆编队状态更新，车辆与 RSU 的端到端通信时延将有望降至 10ms 以下，V2V 时延有望降至 1ms 以下，同时通信的可靠性将能够达到 99.999%。 （2）无人机网络）无人机网络 未来无人机可

37、能作为各种应急场景的空中基站， 如灾难救援等场景。在这些用例中，通信和感知是一对基本功能。相比对环境光线条件敏感的视觉传感器，无线感知更稳定可靠，可全天候服务，并帮助无人机集群的编队飞行和碰撞规避。在军事上，无人机可执行各种高机动性、灵活性和隐蔽性的军事任务，包括搜索救援、监视侦察以及电子对抗。通感一体化设备可极大地精简硬件和节约计算资源，最小化无人机的载荷，增加其机动性、灵活性，降低功耗。随着物流/电力/油气/安防无人机市场的发展以及相关政策法规的完善，需要对低空无人机进行有效探测和管控， 通感一体化网络可以辅助城市空管系统，保证准入无人机的正常运行（包括通信、冲突检测与避让），监视未经授权

38、的无人机，管理低空飞行器，保证低空交通规模化发展，以确保未来低空应用的安全。 （3）空天地一体化网络）空天地一体化网络 未来 6G 网络将融合地面蜂窝网、高中低卫星网络、无人机网络等，构建无缝连接的三维立体网络，通感算一体化网络将提供广域快13 速感知、精准定位的能力。感知范围方面，地面蜂窝网的小范围感知与卫星的大范围感知相互补充，实现感知范围的灵活调整；移动性方面，高铁等高速移动场景，可借助卫星高达几十到几百公里的覆盖范围进行精准定位，中低速移动场景可将感知任务卸载到地面蜂窝网，缓解卫星压力的同时降低网络功耗；感知时延方面，可根据不同时延需求将感知业务分发到蜂窝网或卫星网络， 以避免时延堆积

39、从而实现快速感知。同时，针对偏远地区、灾后重建地区的通信需求，可通过无人机灵活组网提供应急通信服务。 （4）环境监测）环境监测 6G 通感算一体化网络可以借助无线电信号的传输特征获取温度、湿度、空气颗粒浓度等环境信息。通过分析基站和智能手机间城市范围内毫米波链路的路径损耗数据， 可以监测降雨或大气环境中的其他变化，如水蒸气、空气污染物和昆虫。因此，具有感知能力的6G 通感算一体化网络可以用作广泛分布的大规模环境监测网络。此外，采用更高频率的 6G 蜂窝网络还将具备蝗虫或其他昆虫的检测能力，帮助建立农业虫害防治网络。 （5）文化）文化计算计算 文化的传播与传承离不开信息技术， 文化数字化生产与传

40、播方式的变革将对文化计算提出更多新要求， 而通感算一体化网络将为新型文化计算与文化展呈提供解决新思路与新技术途径。 文物特征采集过程，传统采用单节点扫描式高光谱相机方法，面临成像速度慢、光谱分辨率低、海量采集数据处理时效性差等问题难以解决。采用光计算与电计算相结合的新思路，可以设计高速、高分辨率的高光谱相机与超快文化计算分析系统，频段覆盖可见光或红外、可实现低于 5nm的光谱分辨率和小于 0.1s 的成像速度。 但文物多维微信息的采集使得14 海量数据处理效率亟待提高，光计算等新型信息技术凭借高速率、大带宽、低功耗、高并行度的优势，将大大缓解传统电计算的信息处理压力，采用多点协同的通感一体化网

41、络技术，可以实现多点协同的文化数据多维采集及超快计算分析。 除此之外，6G 数字孪生与虚实重塑技术将带来文化互动体验与文化展呈新模式创新，助力文化数字化博物馆的建设，保障文化数据的宽带低时延传输与虚实无缝融合。 这将赋能未来文化数字化博物馆的视、听、触、嗅、味多维度全息交互新体验，通过大视角、高分辨真 3D 光场动态显示等新技术，将为文化全息展呈与增强体验提供更多可能性。 （6）元宇宙）元宇宙 元宇宙能够为人们的生活和工作提供现实物理世界与虚拟世界互动的多样性、丰富性和娱乐性，被认为是深度沉浸式的下一代互联网应用。元宇宙要实现随时随地、多元化、虚实互动，需要 6G 通感算一体化网络、区块链、边

42、缘计算、人工智能、沉浸式人机交互等众多新技术的支撑。只有终端和网络基础设施满足了元宇宙的深感知、大计算、 高可信、 低时延等需求， 元宇宙才能从概念变为现实。 近期，元宇宙会以现实物理世界为基础， 在与一系列大大小小的虚拟世界相结合的过程中，提供平台和云网的基础能力，服务好各类虚拟世界业态；在未来的中远期，元宇宙将会逐步形成和现实物理世界平行的超级虚拟世界；最终，将构建起深度融合与智能交互的物理世界与虚拟世界平行空间。 1.4 1.4 通感算一体化网络的性能评价指标体系通感算一体化网络的性能评价指标体系 通感算一体化网络典型应用场景的需求存在显著差异，如图 1-4所示，需要从通信、感知、计算等

43、三个维度满足相应的指标要求。局15 域空间应用方面，智能家居场景需要大连接数、小覆盖范围、较低感知精度、较大算力资源需求；医疗健康场景需要满足高精度感知、个域通信范围、较高算力服务速率的要求。开放空间应用方面，智慧交通要求高速率、极低时延、高精度感知、大覆盖范围、极高可靠性、准实时算力；无人机网络要求低时延、高可靠性、大连接、高精度感知、大覆盖范围。 图 1-4 通感算一体化网络典型应用场景需求分析 通感算一体化网络评价指标体系包含以下四方面， 具体分类见表1-1： 通信性能指标通信性能指标：分为安全性指标、可靠性指标和有效性指标三大类。 安全性指标，主要指数据安全性，表示通感算一体化网络中的

44、无线数据为避免泄露给非授权的个人或企业加以利用所具备的特性。 衡量这种特性可以通过模拟攻击测试，如：网络中断、口令猜测、缓冲区溢出、消息篡改等，来验证网络安全防护能力，进而设计针对网络漏洞的安全防范模型。 可靠性指标， 表示通感算一体化网络在规定条件下满足业务需求16 的能力，主要包含误比特率/误码率、网络覆盖率。误比特率/误码率指在传输的比特/码元总数中发生差错的比特/码元数所占的比例。网络覆盖率，指在一定地理区域内，用户能够接收到超过一个给定最小阈值的信号功率的位置区域的占比。 表 1-1 通感算一体化网络评价指标体系 评价项评价项 分类分类 指标指标 通信性能指标通信性能指标 安全性 数

45、据安全性 可靠性 误比特率 网络覆盖率 有效性 时延 传输速率 连接密度 频谱效率 能量效率 感知性能指标感知性能指标 目标定位 检测性能 定位精度 目标分辨率 环境探测 空间分辨率 旁瓣比 图像熵 感知范围 计算性能指标计算性能指标 计算机性能指标 CPU 利用率 吞吐量 MIPS 计算资源指标 计算资源总量 计算资源使用量 计算资源利用率 计算服务指标 计算服务可靠性 计算服务有效率 计算服务响应时间 17 有效性指标， 表示通感算一体化网络在有限资源条件下满足业务需求的能力，主要包含：时延、传输速率、连接密度、频谱效率、能量效率等。时延指数据（报文、分组、或比特）从网络（或链路）的一端传

46、送到另一端所需的时间。 传输速率指在单位时间内传输的字符数、码元数或比特数。连接密度指每平方千米或每平方米内连接的设备数量。频谱效率指单位带宽内比特的传输速率。能量效率指单位能量传输的最大比特数。 感知性感知性能指标能指标：分为目标定位指标和环境探测指标两大类。 目标定位类感知，关注特定目标的状态变化，涉及假设检验和参数估计， 通过估计诸如角度、 距离、 多普勒频移等基础参数完成定位、识别等复杂任务。常用指标包括：检测性能方面，以虚、漏警和检测概率等来表征正确检测目标的能力；精度方面，常用绝对偏差或均方误差（Mean-square Error, MSE）来衡量参数估计性能；分辨率方面，常以模糊

47、函数刻画系统参数与距离、速度分辨率之间的权衡关系。此外，性能界也常伴随上述指标一起用于衡量感知性能，主要分为基于参数估计和基于感知互信息两类。克拉美罗界（Cramer-Rao Lower Bound, CRLB）是最常用的参数估计最小方差下界；当考虑非确定性的随机多径时延或非视距正向传输时延时， 还常使用平方位置误差界（Squared Position Error Bound, SPEB）13。此外，SPEB 也为更复杂的协作位置感知网络提供了定位性能的基本界限14。互信息（Mutual Information, MI）作为刻画感知性能极限的性能界，则衡量了被传达到接收端的信道（传播环境）信息

48、量，也即感知信息量。因此，优化MI 对于更依赖信号特征提取而非参数估计的感知应用特别有效，例如目标识别。此外，MI 还可以用于指导波形设计。 环境探测类感知，关注周围环境整体信息而非个别目标，感知结18 果往往是图像这类更丰富的信息。以无线信号成像为例，典型的评价指标是空间分辨率，包括：距离分辨率、方位分辨率、俯仰分辨率三个维度。其中距离分辨率受系统带宽、介质电磁性能的影响，方位分辨率和俯仰分辨率受中心频率和阵列孔径影响；旁瓣性能，雷达成像中单个像素的总能量理应来自于单个空间分辨单元， 实际中常以峰值旁瓣比（Peak Side Lobe Ratio, PSLR）、积分旁瓣比（Integrati

49、on Side Lobe Ratio, ISLR）、虚假旁瓣比（Spurious Side Lobe Ratio, SSLR）来评价能量泄露情况， 定量描述较暗目标与周围区域的区分度10； 图像熵，描述图像的平均信息量，熵值表明图像中各点的聚焦性，进而刻画图像质量1112； 感知范围， 描述指定感知性能前提下的覆盖区域远近。 计算性能指标计算性能指标：分为计算机性能指标、计算资源指标、计算服务指标两大类。 其中，计算机性能指标，是指单个计算资源（服务器）的性能指标， 如： CPU 利用率、 吞吐量、 单字长定点指令平均执行速度 （Million Instructions Per Second,

50、 MIPS）等。 计算资源指标，指整个计算生态系统（如下文中所提算力网络）中所有计算资源的性能指标，包括：计算资源总量、计算资源使用量以及计算资源利用率。计算资源利用率是计算资源被有效使用的比率，计算资源利用率越高则表示闲置的算力资源越少。 计算服务指标值，包括计算服务可靠性、计算服务有效率和计算服务响应时间。计算服务可靠性，指计算资源能够被安全可靠的提供给用户的能力； 计算服务有效率， 指计算服务资源需求被满足的比例，计算服务有效率越高表示被满足的资源需求越多。计算服务响应时间，指用户发出计算请求到计算资源被响应的时间，根据业务的服务19 等级，需要提供相应计算服务响应时间的最低保障。计算服