通感算融合架构将通信链路、感知功能与计算资源纳入统一的资源管理框架，三种功能共享同一硬件平台与频谱资源。通信链路的预算由发射功率、天线增益与传播损耗共同决定，感知分辨率由信号带宽与阵列孔径共同决定，计算资源的调度由任务类型与截止时间共同决定。三者的资源需求在时间与频率维度上存在重叠，独立优化各自参数会导致整体性能下降。联合优化的目标是在满足通信速率、感知精度与计算时延约束的前提下使系统总效用最大化，效用函数由三者的性能指标加权构成。权重系数的设定根据应用场景对三种功能的相对重要性动态调整，通信主导场景中通信权重较高，感知主导场景中感知权重较高。联合优化问题的求解通过分解为三个子问题并迭代进行，子问题的耦合变量在每次迭代中更新。
链路预算对感知分辨率的影响通过发射功率的分配比例体现。通信功能与感知功能共享同一发射机功率，通信功率分配较高时感知信号的发射功率降低，感知回波的信噪比下降，距离分辨率与角度分辨率的实际值偏离理论值。功率分配策略根据感知目标的散射截面与通信用户的信道质量动态调整，散射截面较小的目标需要较高的感知功率以保证回波可检测，信道质量较差的通信用户需要较高的通信功率以保证数据速率。功率调整的步进由发射机的功率控制分辨率决定，步进较小时功率分配可以在更精细的粒度上优化，但控制信令的开销增加。感知分辨率的实际值通过回波信号的信噪比与带宽共同计算，功率分配确定后感知分辨率的上限也随之确定。
通信链路预算对计算资源调度的影响通过数据传输速率与计算任务输入数据量的关系体现。通信速率较高的链路能够更快地将感知数据传输至计算节点，计算节点的输入队列更新速率提高。计算资源的分配根据输入数据的到达速率与任务的截止时间进行，到达速率较高的节点需要分配更多的计算核心以维持队列长度在可接受范围内。计算任务的分类在到达节点时通过数据包头部信息识别，实时控制类任务分配到优先级较高的队列，非实时分析类任务分配到优先级较低的队列。优先级较高的队列中的任务在调度周期内优先获得计算资源，调度周期的长度由任务的截止时间分布决定，截止时间较紧的应用采用较短的调度周期。
感知分辨率与计算资源调度之间的耦合通过感知数据的预处理程度体现。高分辨率感知产生较大的数据量，预处理阶段需要更多的计算资源来执行滤波与目标检测。计算资源有限时预处理算法采用复杂度较低的近似方法，近似方法的分辨率损失需要在感知分辨率与计算时延之间折中。折中参数通过分析预处理算法的复杂度与输出精度的关系确定，复杂度与精度的关系曲线通过实测数据拟合。预处理后的数据量较原始数据压缩，压缩比由后续计算任务的输入格式决定，格式兼容的压缩算法可以保留较多的有效信息。
联合优化的求解算法采用交替方向乘子法，该算法适用于目标函数可分离但变量耦合的凸优化问题。耦合变量在每次迭代中固定一部分，优化另一部分，交替进行直到收敛。收敛速度由迭代步长与目标函数的曲率决定，步长设置较大时收敛速度较快但可能在最优值附近震荡。步长根据当前迭代点与最优点的距离自适应调整，距离较远时采用大步长，距离较近时采用小步长。算法的计算复杂度由每次迭代中子问题的求解复杂度决定，子问题为线性规划或二次规划，在计算资源充足的平台上可以在数毫秒内完成。
联合优化方案的性能验证通过对比固定资源分配方案进行。固定方案中通信、感知与计算的资源比例为预先设定值，不随场景变化调整。对比指标包括通信速率、感知分辨率与计算时延三项，联合优化方案在三项指标的加权平均值上优于固定方案。优化方案的增益在资源紧张的场景中较为明显，资源富余时增益较小。验证过程中资源的实际利用率接近理论最优值，表明联合优化算法将资源分配调整至边界条件约束下的最优状态。从链路预算到感知分辨率再到计算资源调度，通感算融合架构的联合优化正在通过三种功能之间的耦合关系建模使共享资源的利用效率达到全局最优，这种最优状态依赖于对各功能性能指标与资源消耗之间关系的精确表征。
