在无线通信技术从5G向6G演进的过程中，一个根本性的范式转变正在发生：网络不再仅仅承担信息传输的单一职能，而是逐渐演变为一个能够同时提供通信、感知乃至计算等综合服务的智能基础设施。其中，通信与感知一体化被视为6G网络最具变革性的关键特征之一。它并非指通信系统与独立的感知系统（如雷达）简单共存，而是旨在实现两者在物理信号、硬件平台、频谱资源和数据处理层面的深度融合与协同，从而在网络中内生地产生对物理世界的高精度、低时延感知能力。实现这一愿景的核心挑战与突破点，在于如何达成“信号同源”与“资源协同”，这两大支柱将重塑无线系统的设计哲学与能力边界。
通感一体化的驱动力源于对网络效能极限的追求与新兴应用场景的迫切需求。从效能角度看，无线频谱是极其宝贵且有限的资源。传统上，通信系统与雷达等感知系统往往工作在分离的频段，采用不同的信号格式与硬件，这种分离设计导致频谱与硬件资源利用率未能达到最优。一体化设计通过共享频谱与硬件，有望在完成通信任务的同时，“免费”或“增量”地获取环境感知信息，从而极大提升系统的整体资源效率。从应用场景看，未来的自动驾驶、无人机群协同、沉浸式扩展现实、智能工厂及数字孪生等，不仅需要超高速、低时延的通信保障，更依赖于对周围环境（如物体位置、速度、形状乃至材质）的实时、精准感知。如果这种感知能力可以直接由通信网络本身提供，而非依赖外部独立的传感器网络，将能实现更紧密的闭环控制、更低的系统复杂度与成本，以及通信与感知信息在时空上的天然对齐，这对于实现超高可靠性与情景智能至关重要。
实现通感一体化的第一个技术基石是“信号同源”，即使用相同的无线信号波形同时完成数据传输与环境感知双重任务。这与传统的雷达通信共享频谱概念有本质区别，后者往往采用时分或频分方式让通信波形与雷达波形交替或并行存在，并未实现波形级的深度融合。在一体化波形设计中，用于通信的调制信号本身被设计成也具备良好的感知特性。典型的候选波形包括正交频分复用及其变体，这类波形具有天然的时频结构，便于进行目标距离与速度的估计。更为关键的是，如何在保证高速率通信所必需的数据随机性的同时，确保该波形对目标检测、参数估计等感知任务具有足够的性能。这涉及到在波形设计中引入特定的参考信号结构、优化信号的模糊函数特性，或在通信符号中嵌入感知导频序列，使得接收端能够从接收到的、承载了随机数据的通信信号中，有效分离并提取出由环境反射产生的感知回波分量。这种同源信号需要在通信性能（如频谱效率、误码率）与感知性能（如距离分辨率、速度分辨率、测距精度）之间达成精心设计的平衡。此外，大规模多输入多输出天线阵列的普及为一波形设计提供了新的维度。通过波束赋形技术，不仅可以实现通信的空间复用与覆盖增强，还能形成高增益、可扫描的感知波束，实现对特定空间区域的精细化探测与成像，大幅提升感知的精度与范围。
在实现信号同源的基础上，第二个关键支柱是“资源协同”。这指的是在网络层面，对时间、频率、空间、功率等资源进行统一、动态的调度与优化，以同时满足通信与感知两类任务的需求，并实现整体效能的帕累托最优。资源协同面临着通信与感知在目标与约束上的固有差异。通信的目标通常是最大化数据传输的吞吐量、可靠性或用户公平性，其资源分配主要服务于信道条件与用户需求。而感知的目标则是最大化探测概率、参数估计精度或成像分辨率，其资源需求与探测距离、目标特性及环境干扰密切相关。例如，感知任务可能需要在特定时刻集中功率发射探测信号以提高信噪比，但这可能与此时刻的通信功率分配需求产生冲突；或者，感知需要更宽的带宽来获得高距离分辨率，这可能挤占通信的频谱资源。因此，高效的资源协同机制需要一种跨层的联合优化框架。这个框架需要实时或近实时地根据通信业务量、信道状态信息、感知任务优先级及环境反馈，动态地决定：在什么时间、使用哪个频段、以多大的发射功率、采用何种波束指向，来发射既承载数据又能用于感知的信号。这种决策可能是集中式的，由基站或中央单元基于全局信息做出；也可能是分布式的，在网络节点间通过协调完成。其核心算法需要解决一个多目标优化问题，即在给定的资源约束下，权衡通信速率与感知精度的边界，或者在一定感知性能保障下最大化通信容量，反之亦然。人工智能与机器学习技术在此领域被寄予厚望，可用于学习通信与感知需求之间的复杂关联，并预测性地调度资源以实现长期性能最优。
通感一体化系统的接收机处理是另一个技术焦点。接收端需要从混合信号中，分离出直接来自发射机的通信信号（用于解调数据）和经环境反射后返回的感知回波信号（用于提取环境信息）。这本质上是一个自干扰抵消与信号分离的问题，因为对于感知而言，强大的直达通信信号是待消除的干扰；而对于通信解调，微弱的感知回波则构成额外的噪声。先进的信号处理算法，如基于参考信号的自干扰抑制、联合通信感知信号检测与参数估计等，是实现高性能分离的关键。同时，感知信息的提取通常需要高精度的参数估计技术，例如基于超分辨率的到达角估计、基于压缩感知的稀疏目标重构等。当网络中存在多个通感一体化节点时，还可以通过多点协作感知，即多个节点共享各自的感知测量结果，进行数据融合，从而获得比单点感知更全面、更准确的环境态势图。这种协作感知自然依赖于节点间的高速、低时延通信链路，这恰好由一体化网络自身提供，形成了一个感知与通信能力相互增强的闭环。
通感一体化在6G中的潜在应用模式深刻体现了其价值。在网络管理层面，通感能力可以内生地用于无线环境地图构建。网络可以实时感知并绘制出覆盖区域内的障碍物分布、建筑物轮廓、人流车流密度等信息，这些地图可用于优化无线资源分配、预测网络拥堵、辅助波束管理及切换决策，使网络从被动适应环境转变为主动认知与优化环境。在垂直行业应用层面，通感一体化能直接服务于高价值场景。例如，在智能交通系统中，路侧基站或车载终端在与其他车辆通信的同时，可以持续感知周围车辆、行人的精确位置与速度，实现超越传统视觉或雷达传感器的协同感知与碰撞预警。在智能工厂中，工业无线网络在连接机器人与传感器的同时，可以实时监测生产线上工件的位置、移动轨迹甚至缺陷，实现生产流程的透明化与精细化控制。在低空经济中，通感一体化网络可为无人机提供导航、避障与集群协同所需的感知信息，同时保障其控制指令与视频回传的通信质量。然而，通感一体化的实现路径布满挑战。在理论层面，需要建立统一的通感性能度量指标与联合优化理论框架，以严格分析通信容量与感知精度之间的基本权衡关系。在信号处理层面，需要设计在低信噪比、强干扰环境下仍能稳定工作的鲁棒性算法。在硬件层面，需要开发支持宽频带、高线性度、低噪声的射频前端，以处理同时用于通信和感知的信号；同时，全双工技术可能成为必要，以支持在同一频段同时进行信号发射与回波接收。在标准化与法规层面，需要定义通感一体化的新空口协议、信号格式以及感知信息的交换接口；频谱管理政策也需要考虑通感一体化系统的独特性质，例如其发射信号既用于通信也用于主动探测，这可能对共存规则与电磁兼容性提出新要求。此外，感知功能必然涉及对物理环境的探测，这引发了关于隐私保护与数据安全的新问题，需要在系统设计之初就嵌入隐私增强机制与安全防护策略。
