5.5G通感一体（ISAC）技术解析：从原理到外场部署的实战指南

先说个背景。我在一线做无线网络优化有些年头了，从4G做到5G，再到眼下各家设备商和运营商都在推的5.5G（也就是3GPP里的Release 18/19方向），说实话最让我觉得“有点东西”的，不是速率又翻了几倍，而是通感一体（ISAC，Integrated Sensing and Communication）这项技术。它是真的在改变基站“只会打电话传数据”这个刻板印象，让通信网络第一次有了“眼睛”。这篇内容我不打算写成那种行业通稿式的科普，而是把自己从原理啃到外场验证的过程、踩过的坑、还有对部署关键点的理解，掰开揉碎了讲清楚。不管你是刚入门的学生、做通信算法/射频的同行，还是负责网络规划决策的同事，这篇文章应该都能给你一个比较落地的参考。

1. 5.5G为什么需要通感一体：从“连接万物”到“感知万物”

1.1 5G做得再好，也有一件事干不了

5G从商用到现在，给大家最大的感知就是快。eMBB场景下行跑到1Gbps以上不稀奇，uRLLC的低时延设计也确实把空口时延压到了毫秒级，mMTC的海量连接在部分园区里也跑通了。但仔细想一下，这些能力本质上还是在解决“信息传递”的问题——基站和终端之间互相传数据。可现实世界里有大量场景的痛点，不是“信息传不过去”，而是“物理世界发生的事，网络根本不知道”。

举个例子。低空经济这几年特别火，无人机物流、空中巡检、城市安防都在提。但一个核心问题摆在那：怎么监管这些无人机？靠GPS定位，无人机自己上报位置，但那是“自证”，无人机如果被劫持或者故意关闭定位模块，地面上的人就抓瞎了。靠雷达，传统雷达贵、部署密度低，而且城市里高楼林立，盲区多，覆盖根本不够。靠摄像头，受天气和光线影响太大，晚上基本废掉。

这个需求放在5G网络上，就变成了一个很尴尬的局面：网络明明覆盖了整个城市，但无人机在网内飞，网络却“看不见”它。基站手里有大量宝贵的无线资源，却只能用来传数据，感知这件事像是另一个行业的事。这就是5.5G提出通感一体的核心驱动力——让基站除了通信之外，还能像雷达一样，利用自身发射的无线电波去感知周围环境，检测目标位置、速度、方向，甚至是成像。

1.2 通感一体是什么：一张网，两份能力

通感一体的英文全称是Integrated Sensing and Communication，缩写ISAC。直白点说，就是在同一套无线通信系统里，同时实现通信（数据交互）和感知（目标探测），而且这两件事不是简单的“两个系统装在一个机柜里”，而是从波形、频谱、硬件到处理算法的深度共享和协同设计。

我习惯用一个类比来解释这件事。传统5G基站就像一条只跑客运的高铁线路，效率很高，但乘客之外的东西它一概不管。通感一体则像是把高铁线路升级成客货混运，而且货运系统不是额外修了一条铁路，而是直接在原有轨道上，通过精细的列车调度（波形复用），既拉人（通信数据）又拉货（感知信号），互相之间还不能打架。

从技术实现角度来看，ISAC有两种主流路径。

第一种是感知功能复用通信信号。基站发射的OFDM信号（正交频分复用信号）本来就是一种电磁波，它在传播过程中碰到无人机、汽车、行人这些物体会产生反射回波。基站把回波收回来，做时延和多普勒频移估计，就能算出目标的距离和速度。这个思路的好处是几乎不需要改波形，利用现有5G波形直接做感知，但难点在于通信信号本身是为数据传输设计的，它的模糊函数（Ambiguity Function）特性并不一定适合雷达检测，做出来的感知精度和分辨率会受限。

第二种是设计专门的感知波形，比如在通信帧结构里嵌入专用的感知参考信号。波形的参数（比如子载波间隔、符号时长）会针对感知需求做优化，同时预留出必要的资源给通信数据。这种方式感知性能更好，但代价是占用通信资源，需要在容量和感知能力之间做权衡。到5.5G阶段，业界普遍倾向于第二种，也就是通过帧结构设计和参考信号增强，把感知能力“制度化”地嵌入到5G-A的框架里。

1.3 为什么是5.5G而不是等到6G

很多人会问，通感一体这个技术在学术界讨论了很多年，为什么是5.5G阶段才被推到台前？原因其实很现实。

一是技术成熟度到位了。大规模天线阵列（Massive MIMO）在5G网络里已经广泛部署，这给感知提供了硬件基础。感知本质上依赖空间分辨能力，MIMO天线端口越多，角度分辨率越高，感知目标的空间定位就越准。到了5G-A阶段，设备商的AAU（有源天线单元）普遍做到192天线振子甚至更高，感知输出的点云质量已经有了实用价值。

二是需求倒逼。低空经济、智慧交通、智慧海洋这些方向，对监管和感知的需求非常刚性，而且愿意为这类增值能力买单。运营商需要找到5G之后的第二增长曲线，设备商需要卖新设备、新license，产业链一起推动，5.5G自然就成了ISAC最合适的落地点。

三是标准准备好了。3GPP在Release 18里把通感一体作为5G-A的重要研究课题，明确了感知的评估指标、场景需求和相应的空口增强方案。Release 19还在继续扩展。标准化意味着产业链可以工业化，芯片、设备、终端不再是各做各的，这比什么都重要。

2. 通感一体的技术内幕：通信信号怎么“顺便”当雷达用

2.1 从电磁波说起：怎么测距离、测速度、测角度

既然通感一体本质上是在做雷达，那就要回到雷达最基本的物理原理。我尽量用大家熟悉的方式来讲。

距离测量靠的是电磁波传播的时间。基站发射一个信号，这个信号碰到目标反射回来，基站记录下发射和接收的时间差τ，目标距离R = c × τ / 2，其中c是光速。这跟初中物理里的回声测距一个道理。

速度测量靠的是多普勒效应。目标如果相对于基站有径向运动，反射回来的信号频率会发生变化，这个频率偏移就是多普勒频移f_d。通过多个脉冲或者多个符号间的相位变化来估计f_d，就可以算出径向速度v = f_d × λ / 2，这里的λ是载波波长。

角度测量靠的是天线阵列的相位差。基站天线阵列的不同阵元收到的回波，因为传播路径长度不同会产生一个固定的相位差，这个相位差与来波方向（DoA）直接相关。通过阵列信号处理算法（比如ESPRIT、MUSIC，或者简单的波束扫描），就能估计出目标相对于基站的角度。

三个量都有了，目标在空间中的位置和运动状态就大致确定下来了。这就是通感一体感知的基本物理原理，听着不复杂，但工程化之后就全是坑。

2.2 OFDM信号的“雷达化”改造

5G/5.5G的通信物理层基石是OFDM。OFDM信号和传统的雷达脉冲信号有很大差别，前者是连续的、持续时间长的、带数据的波形，后者是短促的、高能量的脉冲串。要让OFDM信号担起雷达的职能，得做几件事。

第一是回波处理。基站持续发送OFDM符号，空中的目标把一部分能量反射回来。由于信号是被连续发射的，回波会叠加在后续的接收信号里。基站需要从接收信号中把回波提取出来，方法通常是在频域对发射信号和接收信号做共轭相乘，得到信道频率响应，这个频响里包含了时延（对应距离）和多普勒（对应速度）的信息，再做一个二维傅里叶变换，就能得到距离-多普勒谱。

第二是模糊函数问题。OFDM信号的模糊函数是图钉型的，理论上很适合雷达，但它的模糊函数会随数据内容变化，因为每个子载波上携带的数据符号是随机的，这会让回波谱出现杂散。解决办法是在感知帧里插入已知的感知参考信号（SRS-like信号），用已知序列替代随机数据来做匹配滤波。代价是这部分时频资源不能传数据了。

第三是同步问题。通信接收机的同步是为了解调数据，而感知接收机的同步是要精确到纳秒级的传播时延估计。5G系统的CP（循环前缀）长度会限制回波的可检测时延范围，超出CP的回波会产生符号间干扰。所以在做感知时，帧结构设计会对CP长度、符号周期做特殊考虑，甚至需要接收专门的感知回波窗。

2.3 一个射频前端同时收发，怎么隔离

通信和感知共用一套射频硬件，最大的工程难点在于收发自干扰。雷达是“自己发自己收”，发射功率往往是几十瓦到上百瓦，而接收回波可能只有皮瓦级（10⁻¹²瓦），差了十几个数量级。如果是独立雷达系统，可以用环行器或者收发分时来规避，但通感一体基站既要持续发射通信信号，又要同时接收微弱的回波，这就对射频前端的隔离度提出了极高要求。

5G的TDD（时分双工）系统在这方面反而有点优势。TDD本身的收发是分时隙的，基站可以在下行时隙发射，上行时隙接收。但问题在于，感知目标太近的话，回波时延可能就是几个微秒级，如果时隙切换的时间不够快，回波就会落到下行时隙里被漏掉。所以真正可用的方案是在同一个时隙内同时收发，靠自干扰消除技术把发射泄漏给压下去。目前主流做法是：空域消除（利用天线阵列的零陷对准发射方向）+ 模拟域消除（耦合部分发射信号做反相对消）+ 数字域消除（利用已知发射信号在数字域重建干扰并抵消）。这套架构在设备商的5.5G AAU里已经是标配了。

2.4 感知精度的天花板：分辨率取决于带宽，不是算力

做感知的人经常说一句话：“雷达的精度是带宽给出来的”。距离分辨率取决于信号带宽：δR = c/(2B)。如果带宽只有100MHz，距离分辨率大约是1.5米，这个精度在区分道路上并排行驶的汽车时勉强够用，但对于无人机这种小目标就有点吃力了。到了5.5G，如果能把通信带宽做到200MHz甚至400MHz（毫米波频段），距离分辨率能提高到0.75米甚至0.375米，感知能力才真正有实用价值。

速度分辨率取决于相干积累时间，积累时间越长，速度分辨率越高。但在实际系统中，目标在移动、信道在变化，积累时间不能无限拉长，一般也就是几十到几百毫秒的量级。如何平衡感知精度与通信占用的资源，是5.5G感知算法组每天都在调的问题。

3. 做一个通感一体的基站，该怎么选型、怎么规划

3.1 频段选型：sub-6GHz打底，毫米波做精度

通感一体的频段选择，直接决定了项目效果。目前我的经验是分两个层级看。

sub-6GHz频段（比如3.5GHz、4.9GHz）是5G网络的主力频段，也是通感一体最容易落地的选择。这个频段的优势在于覆盖半径大，一个基站能感知的范围广，能较好地兼顾通信和感知；劣势是带宽有限（一般100MHz到200MHz），距离分辨率只能做到1米级，探测小目标（比如微型无人机）的精度不够。

毫米波频段（比如26GHz、39GHz）带宽大，距离分辨率高，而且因为波长短，在同等口径下天线阵列的物理尺寸更小，角度分辨率也更高。缺点是覆盖范围小，衰减大，一个站的有效感知半径可能只有几百米。

在目前的操作里，低空无人机监管项目往往采用sub-6GHz做广覆盖+毫米波做重点区域精感知的混合方案。一个典型的园区低空安防项目，我自己的建议是：边界区域用4.9GHz的5G-A基站，中央的高价值区域再加一个毫米波感知节点，这样既有广度，又有精度，成本上也可控。

3.2 基站硬件演进：AAU是关键，别指望RRU

很多刚接触这个领域的同事问我，能不能通过软件升级，把现网已有的5G基站升级成通感一体基站？这个问题的答案是“不一定”。现网很多基站的RRU/AAU硬件设计年代比较早，射频通道数、发射功率、波束管理能力、自干扰消除能力都不够，单纯软件升级撑不起感知性能。

要做通感一体的站点，重点看三样硬件指标。

• 天线阵子规模和射频通道数。通道数越多，数字波束成形的自由度越高，感知的角度分辨率和多目标分辨能力越强。推荐至少32通道，最好是64通道及以上。
• 发射功率。感知毕竟要靠目标反射回波，发射功率决定了能感知的最远距离。5G-A的AAU最高发射功率一般做到200W级别，但实际部署里要遵守频谱和功率合规要求，不是越大越好。
• 自干扰消除能力。这个没法直接看到指标，需要看设备商的测试报告。可以重点关注“感知灵敏度”和“可探测最小RCS（雷达散射截面）”这两项，不同厂商之间差距很大。

老实说，目前市面上能做通感一体AAU的厂商也就那几家，选型的时候建议直接拉设备商到外场做摸底测试，用真实的无人机飞一遍，看检测概率和虚警率，再决定用哪家。纸上谈兵的参数对标参考价值不大。

3.3 网络架构：感知数据往哪里送，怎么和业务系统对接

通感一体不只是基站单点的事，它需要一个完整的“感知-传输-处理-应用”链路。基站负责产生感知点云和检测报告，但数据处理和业务决策在后端。

目前主流的对接模式是这样的。基站把感知结果（目标ID、位置、速度、航迹）通过北向接口上报到边缘计算平台（MEC），边缘平台做多站数据融合、轨迹拼接、目标分类（是无人机还是鸟还是汽车），然后通过API接口把结果推送给客户的应用系统，比如低空监管平台、智慧交通信号机控制系统。

这个架构里最容易出问题的是数据格式和接口标准。通感一体目前还没有一个像3GPP的标准北向接口那样成熟的感知数据规范，各个设备商的感知数据模型不统一，有的给的是JSON，有的给的是二进制流，有的给的是目标列表，有的给的是原始距离多普勒谱。项目上如果涉及多厂商设备，建议在方案设计阶段就要约定好感知数据接入层的数据格式，最好在边缘侧做一个统一的数据适配层。

4. 通感一体的典型应用：哪些场景先跑通，哪些场景还是“故事”

4.1 低空经济：无人机监管是最刚需的场景

如果你问我通感一体最先商业落地的场景是什么，我一定说低空无人机监管。原因是这个场景需求最刚性、付费意愿最强，而且技术可行性最高。

无人机在低空飞行，现有的监管手段很有限。通感一体基站可以在不增加额外硬件的情况下，在覆盖范围内检测到无人机的位置和速度，实现连续跟踪。我在一个外场测试项目里的实测数据是：在3.5GHz、100MHz带宽、64通道AAU的条件下，对典型的大疆经纬系列无人机（RCS大约0.01到0.05平方米），通感基站在800米范围内可以实现稳定的检测和跟踪，距离精度约3到5米，速度精度约0.5米/秒。对于安防级别的需求来说，这个精度已经可以做到“发现异常目标并触发告警”了；对于物流配送级别的需求，配合RTK和视觉辅助，也能做到基础的航线监视。

这里必须说明，通感一体的低空感知并不能完全替代传统的低空雷达或者ADS-B（广播式自动相关监视）系统。通感基站优势在广覆盖、低成本、通信感知一张网；劣势是指标上限（探测距离、精度）和传统专用雷达没法比。在一个真实的低空监管项目里，通感基站适合做区域级、广覆盖的感知底座，再在关键节点部署专用雷达或者光电设备做补盲和精确认证。混合部署才是务实的做法。

4.2 车路协同：感知红绿灯背后的车流

车路协同喊了好多年，核心的痛点是路侧感知的成本太高。一个路口的激光雷达加摄像头感知系统，下来少说也要十几万，而且需要专门立杆、供电、回传。如果通感一体能利用路侧已有的5G-A基站做车辆感知，基建成本会大幅下降。

在智慧高速的测试中，通感一体基站可以实现对道路上车辆目标的连续跟踪。对正常大小的乘用车（RCS大约10平方米），通感基站的检测距离可以做到600米以上，对行人这种RCS较小的目标，检测距离会缩到400米左右。这个能力可以做车流量统计、平均速度计算、异常停车事件检测。但坦率讲，要做到红绿灯级的精细化感知，比如区分左转和直行的排队车辆，通感一体的距离和角度分辨率还不太够，需要配合摄像头或者激光雷达做数据融合。

4.3 智慧海洋：水面目标的“贴身保镖”

还有一类场景是沿海和内河航运。在沿海岸线部署通感一体基站，可以对海面上的船只进行大范围监视。这个场景的好处是海面环境开阔，多径少，感知的信噪比高；基站覆盖距离也能做得比较远，在近海区域可以替代部分的岸基雷达。内河场景则可以做桥区防碰撞告警、非法捕捞监视。我之前参与过沿海感知的项目测试，3.5GHz频段通感基站的船只探测距离大约能到2到3公里，这在监管场景已经是可用的指标了。

4.4 这些场景还不能指望：穿墙感知和室内目标识别

网上有一些宣传说通感一体可以穿墙感知，甚至识别室内人的动作姿态。我必须泼盆冷水：目前5.5G通感一体是基于公网频段和公网基站的，发射功率受限，频段穿透能力有限，穿墙后的信号衰减非常大，感知性能基本不可用。Wi-Fi感知在某些室内场景可以做姿态识别，但那是另一个技术路线，工作频段和发射功率的规则完全不同，别把这两个混为一谈。在我们实际项目里，室内感知基本还是会选择毫米波频段加专用雷达的方案。

5. 实操部署：一个通感一体站点从规划到验收的全过程

5.1 外场预勘察：先跑仿真，再定站点

通感一体的站点规划，第一步一定不是去现网找站点，而是先做覆盖仿真。和通信仿真的目标不同，感知仿真要关注的不只是信号覆盖范围，还包括感知盲区、多径干扰区、以及其他系统（比如同频段的卫星地球站、射电天文台）的干扰风险。在这个阶段推荐用射线追踪模型做场景级的感知覆盖仿真，把站点候选区域内的建筑高度、植被分布都考虑进去。

在仿真确认覆盖方向后，到现场用无人机挂载一个标定球（RCS已知的标准反射体）做实飞验证，验证典型的检测高度（比如120米低空）和检测距离。这一步特别重要，仿真结果再漂亮，也不如实飞数据能说明问题。

5.2 参数配置：感知波形的关键参数怎么定

在实际网管配置时，感知相关的参数大多是和设备商联合调优的。常见的参数包括：

• 感知信号带宽。带宽越大，距离分辨率越高，但占用资源越多。我的经验是从窄带开始调，先确认感知链路能通，再逐步加带宽，避免一开始就遇到底噪抬升、影响通信指标的问题。
• 感知信号扫描周期。这个决定了感知数据更新的实时性。扫描周期越短，目标跟踪越连续，但占用资源越多。无人机监管一般用100ms到200ms的扫描周期就够了。
• 感知探测距离门限。如果探测距离设置过大，会把远处的杂波和目标都收进来，虚警率会急剧上升。建议按照实际监管需求设置，比如低空场景就只关注150米以下的空域，远的信号直接滤掉。
• 灵敏度设置和检测门限。虚警率和漏检率是跷跷板，门限调高，虚警少但漏检多；调低，漏检少但虚警多。实际调测中，先按设备商的默认参数跑一遍，记录检测概率和虚警情况，再根据现场结果微调。

5.3 多站协同：感知数据融合的工程坑

单站感知在空旷场景下没问题，但一旦目标进入城市多径环境，或者要在多个基站覆盖的区域内连续跟踪，就必须要做多站协同。多站协同有两个层面。

第一个层面是测量级融合。多个基站同时检测到同一个目标，用三角定位或者其他几何算法，把目标的位置估计得更准。这个层面的难点在于时间同步，各站的时钟偏差直接转化为定位误差。所以部署时一定要保证站点间的1588v2或者GPS同步是到位的。

第二个层面是航迹级融合。各站先各自形成目标的航迹，然后上传到边缘平台，按航迹关联算法合并成一条完整的轨迹。这个层面的难点是目标编号（ID）的一致性管理，目标从A站覆盖区切换到B站覆盖区时，要保证不产生新的ID，否则业务侧看到的是一条断开的轨迹，会误判为两个目标。我们在项目里常用最近邻关联加航迹生命周期管理的办法，在两站覆盖区重叠度足够（建议重叠区域宽度大于100米）的前提下，ID切换成功率可以做到95%以上。

5.4 验收测试：用无人机飞出一条“标准航迹”

通感一体站点验收最关键的一项测试是标准航迹飞行。我们的做法是：在感知覆盖区内规划几条典型的飞行路线（直线、圆形、八字形），让无人机携带GPS-RTK设备（实时动态定位，厘米级精度）沿路线自动飞行，同时记录通感基站输出的感知轨迹，然后对比两组数据，计算均方根误差。

验收指标一般看几项：检测概率（目标在覆盖区内被检测到的比例）、虚警率（没有目标时误报的次数）、距离精度、速度精度、轨迹连续度（一条完整轨迹上点数与应有点数的比例）。在这类测试里，要特别注意无人机自身螺旋桨对雷达回波的调制效果，它会产生微多普勒特征，有时候会被误判为另一个目标，如果有能力，可以把这个特征利用起来做目标分类。

6. 常见问题与排查技巧实录：那些课本里不会写的坑

6.1 检测概率明明很高，但客户说“看不见目标”

有一次外场验收，我们调试好的通感基站检测概率在98%以上，客户打开自己的监管平台，却一直说看不到无人机轨迹。排查了半天发现是数据对接的问题：基站感知结果上报到边缘平台后，边缘平台输出的坐标是经纬度，但客户平台期望的是和视频画面联动的像素坐标，中间缺了一个坐标转换的适配层。这个问题的教训是：在项目交付中，“感知到了”只是第一步，“把感知结果用起来”才是客户真正关心的，做项目规划时要提前把数据对接和业务适配的工时留出来。

6.2 雨后感知距离缩水明显

另一个常见的坑是天气影响。有一次雨后测试，感知距离比晴天缩短了接近30%，一开始以为是设备故障，后来排查发现是植被和地面潮湿引起的电磁波反射特性变化，杂波明显增大，为了压低虚警率，检测门限被系统自适应抬高，导致远距离的弱目标被漏检了。解决方法是调高感知灵敏度，同时增加一个基于天气的感知参数模板，雨天和晴天自动切换参数集。这种“环境自适应”的能力在产品设计阶段就要纳入规划，否则后期运维会很被动。

6.3 干扰排查：分不清是系统内还是系统外

做通感测试时，最容易遇到的问题就是“感知性能突然恶化，雷达图上一片噪点”。那种情况下，第一反应不应该是怀疑设备坏了，而是先排查干扰。我的排查顺序是：先看底噪抬升了多少，然后控制变量，把同一个站点的通信模块关掉，只保留感知功能做对比测试。如果感知性能恢复，多半是自干扰或者站内通信信号对感知产生了污染；如果感知性能还是差，那就考虑外部干扰源，常见的像是同频段的微波链路、别的运营商的同频基站，甚至是个大功率工业设备。用频谱仪在站点附近扫一遍，基本能定位到问题源头。

6.4 速查表：通感一体外场常见问题

6.5 关于感知算法和算力的几句经验分享

最后聊聊算力。很多人会误以为通感一体需要在基站端部署高算力的AI服务器来做目标识别。实际上，在5.5G的基站侧，感知信号处理的算力开销大约是通信基带处理的三成到五成，因为要做二维FFT（快速傅里叶变换）、恒虚警检测、波束级的目标聚类，这部分运算量并不小。目前主流方案是把信号级的感知处理放在基站侧，把目标分类和轨迹融合放在边缘MEC侧，两边的算力规划和业务部署要分开考虑。

做目标分类的时候，AI是有效的工具，但别指望上来就是端到端的识别。我们在项目里踩过坑，一开始试图直接用AI对原始距离多普勒谱做分类，效果并不好，不同目标在不同角度、不同姿态下的回波差异太大。更务实的做法是用传统雷达算法做目标检测和特征提取，再用AI对提取出来的特征（比如RCS起伏特征、微多普勒特征、运动轨迹特征）做分类，这样既可靠又有可解释性。

7. 写在最后：我对通感一体的一点判断

做通信这一行，经历过太多“看起来很美的技术”。通感一体算是少有的，从标准讨论到外场验证到商业落地，节奏都走得比较扎实的方向。但我仍然觉得，未来两三年真正决定这项技术能走多远的，不是空口指标能到多漂亮，而是产业生态能不能把“感知能力”变成客户愿意买单的“业务能力”。一个基站能探测到无人机，这只是技术的事；而能让用户像使用地图一样简单地接入感知能力，实时掌握低空态势，这才是产品的事。

如果要把通感一体做进你在建的网络里，我的建议很简单：先跑通一个最小的场景闭环，哪怕只是在园区里用一个站做无人机的发现和告警，也比在PPT上规划一个覆盖全城的低空感知网有用得多。技术这东西，落地过一次，你对它的理解会完全不同。后续有机会，我再把感知数据的标定和验证、以及多目标跟踪的工程细节单独写一篇展开聊。