基于6G通感算融合的沉浸式XR实践与展望.pdf

“6G通感算融合”专题1基于6 G通感算融合的沉浸式XR实践与展望金凌，曾婷，徐宏，陈仲华1（1.中国电信研究院，上海2 0 0 12 2；2.中信科移动通信技术股份有限公司，北京10 0 0 8 5）【摘要】国际电信联盟为6 G确定了六大应用场景，通信-感知-计算（简称“通感算”）的融合已成为大势所趋。将沉浸式XR作为通感算融合的一个典型用例，首先基于毫米波技术设计了通感算融合试验平台，其人体位置感知精度可达厘米级。在该试验平台的基础上，进一步设计搭建一套沉浸式XR直播系统，实现了“车随人走”沉浸式观看体验。【关键词】通感算融合；毫米波；沉浸式；XRdoi:10.3969/j.issn.1006-1010.20240304-0001中图分类号：TN929.5文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 3-0 0 0 8-0 6引用格式：金凌,曾婷,徐宏,等.基于6 G通感算融合的沉浸式XR实践与展望.移动通信,2 0 2 4,48(3):8-13.JIN Ling,ZENG Ting,XU Hong,et al.Immersive XR Implementation and Prospects Based on 6G Integrated Sensing,Communication andComputingJ.Mobile Communications,2024,48(3):8-13.Immersive XR Implementation and Prospects Based on 6G Integrated Sensing,AbstractThe International Telecommunication Union has identified six major application scenarios for 6G,where integrated sensing,communication and computing(ISCC)has become an inevitable trend.Immersive extended reality(XR)is considered aquintessential use case for this integration.Initially,an ISCC experimental platform based on the millimeter-wave techniqueis designed,achieving human position sensing with centimeter-level accuracy.Building on this experimental platform,acomprehensive immersive XR live broadcasting system is further developed and constructed,facilitating an immersiveviewing experience where the“vehicle follows the user.Keywordsintegrated sensing;communication and computing;millimeter wave;immersive,XR0引言“元宇宙（Metaverse）”一词最早出现在美国科幻作家尼尔史蒂芬森的科幻小说雪崩中，其真正进人公众视野是在2 0 2 1年。围绕元宇宙的概念与特征众说纷绘-2 ，但由元宇宙诞生引发的技术革新正在延岩。元宇宙作为一种新型互联网形态，因其低延迟、高可靠、大连接、低能耗等需求，对通信技术提出了更高要求3。相比于5G，6 G 在通信连接上有望提供更高的频谱、能量、更高地传输速率、更低传输时延、超大连接密度、更高覆盖率和亚毫秒级的时间同步，进一步满足元宇宙在构建过程中的技术指标要求4。扩展现实（XR，Ex t e n d e d Re a l i t y）技术是元宇*基金项目：国家重点研发计划“6 G通信-感知一计算融合网络架构及关键技术”（2 0 2 1YFB2900200）收稿日期：2 0 2 4-0 2-188移动通信2024年3月第3期OSID:Communication and ComputingJIN Ling,ZENG Ting,XU Hong,CHEN Zhonghua(1.China Telecom Research Institute,Shanghai 200122,China;2.CICT Mobile Communication Technology Co.,Ltd.,Beijing 100085,China)扫描二维码与作者交流宙人机交互技术中发展最迅速的一种，包括虚拟现实（V R，V i r t u a l Re a li t y）、增强现实（AR,AugmentedReality）、混合现实（MR，M i x e d Re a l i t y）和拟真现实（ER，Emu l a t e d Re a l i t y）等，是实现元宇宙多感官体验模拟仿真的重要技术方案5。第三代合作伙伴计划（3GPP,3rdGenerationPartnershipProject）已对XR业务支持能力开展一系列评估，随着6 G技术研究的不断推进，其与元宇宙的结合将更紧密7。16G通感算融合技术发展现状国际电信联盟（ITU,InternationalTelecommunicationUnion）在原先国际移动通信（IMT,InternationalMobileTelecommunications）-2 0 2 0 8 基础上进行扩展，形成了6 G的六大应用场景9（1）沉浸式通信（ImmersiveCommunication）：第48 卷总第52 3期金凌，曾婷，徐宏，等：基于6 G通感算融合的沉浸式XR实践与展望对IMT-2020中增强移动宽带（eMBB，e n h a n c e d M o b i l eBroadband）进行扩展，涵盖为用户提供丰富的交互式（沉浸式）体验的用例，要求在复杂移动环境下提供高速率数据传输、高可靠性、低延迟和多终端接入。（2）超高可靠低时延通信（HyperReliableandLow-LatencyCommunication）：对IMT-2020中超高可靠低时延通信（uRLLC,ultra-Reliable Low-Latency Communication)进行扩展，涵盖了对可靠性和延迟有更严格要求的用例，具体还取决于定位精度和连接密度等因素。（3）海量通信（Massive Communication）：对IMT-2020中机器类通信（mMTC,massiveMachine-TypeCommunication）进行扩展，涵盖为海量设备或者传感器提供接人的用例，要求支持高密度连接。（4）泛在连接（UbiquitousConnectivity）：旨在为用户提供泛在连接服务和更好的连接体验，该场景所指的连接不限于IMT的物联网或移动宽带通信，也可以是卫星通信、无人机和广播等非IMT地面网络。（5）人工智能与通信（Artificial Intelligence andCommunication）：旨在支持分布式计算和人工智能，要求支持大容量、高速率、低时延和高可靠性的通信，还涉及人工智能相关的数据采集、准备和处理、模型训练、模型共享和分布式推理，以及计算资源编排和串联。（6）通感一体化（Integrated Sensing and Communication）：旨在利用广域多维感知能力，获取未连接物体和连接设备的运动状态和周围环境的空间信息，要求支持高精度定位和感知功能，包括测距、测速、测角、存在检测、定位、成像和制图等。6G阶段的通信和感知融合的程度将进一步提升，主要体现在频率的多样化、空间技术的成熟化和设备的高度协同化，还将进一步与AI结合，为构建智能数字世界提供数据人口，使能未来物理世界与数字世界的融合。在此基础上构建的通感算融合网络则是指同时具备物理-数字空间感知、泛在智能通信与计算能力的网络，具备通信、计算辅助感知增强、感知、计算辅助通信增强和感知增强与通信增强进一步辅助计算增强的特点和功能。2通感算融合试验平台2.1通感波形与编码方式的选取为了实现通感算融合网络，首先要解决通信与感知一体化的技术问题。通信感知一体化波形设计一般采用信号一体化的设计思路，主要包括三类方法12-13：基于线性调频（LFM,LinearFrequencyModulation）的一体化信号、基于扩频的一体化信号和基于正交频分复用(OFDM,Orthogonal Frequency Division Multiplexing)一体化信号。6 G通信感知一体化系统需同时满足高速率的通信和高精度的感知，而OFDM携带数据的能力极强【141,因此基于OFDM一体化信号的通感波形在未来6 G中将极具竞争力，也是本文所实现的通感算融合试验平台（简称通感算平台或平台）的选用波形。常见的编码序列包括m序列、P4码和Zadoff-Chu（ZC)序列等，不同的序列的感知性能具有一定的差异15。其中，m序列的自相关函数主瓣小，但旁瓣电平高，适合目标回波电平差别不大的情况；P4码和ZC序列具有更低的峰值旁瓣电平，能有效识别强目标旁边的弱目标，更适合实际场景需求。而ZC序列的自相关函数具有低峰均比，且不同感知资源可以通过时频分或码分配置降低干扰16 ，因此在通感算平台中采用ZC序列梳状配置。2.2感知信号设计通感算平台以基站自发自收方式实现无线感知链路，通过空间隔离收发天线技术手段实现空间自干扰抑制7，实现基站对于感知信号的自发自收。感知信号占用时隙的最后2 个OFDM符号，信号序列采用ZC序列，每隔5ms发送一次。发射信号为OFDM信号，经过感知目标反射后，在接收侧将感知回波信号送到感知接收处理端。一个OFDM符号的时域发射信号为：x(t)=El(n)exp(j2af.t),0tT其中，N为频域带宽内的子载波个数，f,为n个子载波的频率，T为OFDM符号时长，I(n)表示通过离散相位调制技术（如相移键控（PSK，Ph a s e Sh i f t K e y i n g）获得的携带任意信息序列的调制符号域信号。为了避免子载波间的干扰，子载波必须是正交的，需要满足以下条件：1AfT调制符号域信号I(n）经过快速傅里叶逆变换（IFFT,Inverse FastFourier Transform）、插循环前缀（CP,CyclicPrefix）、数模变换后，由发射天线发射。感知信号在空间被待感知目标反射，回波被接收天线接收，经过模数变换、去CP、快速傅里叶变换（FFT,FastFourierTransform）后生成接收端调制符号域信号I(n)。一个OFDM符号中的所有信息都通过以f分隔的不同频率的子载波传输。对于不同子载波上传输的数据，待测距目标的距离引人相同的时间延迟，子载波间隔引起了线性相移。因此，可以使用接收到的调制符号域信号I(n)携带的线性相移恢复待测距目标的距离。将I(n)逐项除以量(n）可以将感知信号携带的数据信息消除，并以矢量形式表示：9(1)(2)移动通信2024年3月第3期第48 卷“6G通感算融合”专题1总第52 3期I.(n)expI(n)矢量Iaiv(n)携带的线性相移包含了待测距目标的距离信息，该距离信息可以由离散傅立叶逆变换（IDFT,InverseDiscreteFourierTransform）求出：j2元nkn=0Idiv(n)expNIDFT结果在N。个采样点中，会有一个或多个峰值，利用峰值采样点的序号kpeak和式（5)，可以得到目标物体的距离：L=2AfN.平台使用波束扫描方式进行物体方位角测量，即在8个方位发送感知信号波束，每个方位对应5个方位的接收波束，共发送40 个波束进行物体方位角测量，发送间隔为5ms，共计2 0 0 ms一个扫描周期。在得到上述测距目标的峰值采样点序号后，平台根据对应的波束确定目标物体的方位角，其原理如图1所示。2.3通感算平台构建本平台采用了时分复用方式进行通信和感知的融合。其基本设计思路是通信和感知信号使用不同的OFDM符号，在同一系统中实现各自独立的功能。平台架构如图2发送波束#1发送波束#2人人-j4元fRn,n=0,.,N-1Cok=o,.,N-1(4)(5)所示。平台由一台毫米波频段室内基带处理单元（BBU,(3)BuildingBasebandUnit）和两台毫米波频段AAU（ActiveAntennaUnit，有源天线单元）组成，两台AAU上下放置通过空间隔离实现感知收发天线隔离。其中，AAU1完成通信信号的收发和感知信号的发射，AAU2完成感知回波信号的接收；BBU完成通信和感知信号的IP层、MAC层和物理层处理。通信信号和感知信号共用400MHz带宽，感知信号使用低峰均比的OFDM信号，在时域上与通信信号互不影响，并以不同的波束方向区分。为在BBU侧统一处理通信和感知，模拟一个特殊终端处理IP层信息，用于接收感知信号回波，并在输出的感知数据中携带该终端信息，计算平台配置所跟踪的模拟终端设备的基本信息，对接收数据进行筛选并计算最终的感知信息。MAC层融合了通信数据与感知数据的发送和接收处理，在调度通信业务的基础上增加感知业务的调度处理过程。物理层在通信信号处理的基础上增加感知信号生成、感知发射、接收波束配置和感知信号接收处理过程。2.4测试结果为验证通感算平台在感知目标移动情况下的通信和感知性能，搭建室内圆形环境测试场景，半径为5m。测试拓扑如图3所示，测试参数如表1所示。发送波束#3人发送波束#8接收接收接收接收接收接收波束波束波束波束波束波束#1-1#1-2#1-3发送波束中心与法线的角度#1-4#1-5#2-10接收波束中心与法线的角度310-1图1物体方位角测量原理示意图-2光纤AAU1以太网BBU计算平台光纤AAU2图2 通感算平台架构示意图10移动通信2024年3月第3期第48 卷总第52 3期金凌，曾婷，徐宏，等：基于6 G通感算融合的沉浸式XR实践与展望AAU1通信+感知发送信号(9)光纤通信接收信号(9)一光纤一AAU2一以太网一感知接收信号BBU计算平台AAUI发送通信下行信号AAU1接收通信上行信号AAUI发送感知信号元1移动反射目标1图3通感算平台测试拓扑示意图表1通感算平台测试参数配置表选取10 个点进行测试，感知距离角度和距离精度测参数项数值中心频点/GHz26.508感知带宽/MHz400通信带宽/MHz200EIRP/发送功率/dBm-15感知波形OFDM通信波形OFDM通信感知复用关系时分复用通信调制方式64QAM通信传输流数双流感知资源占比3.6%0设计了单目标移动轨迹跟踪测试场景，其中感知目标以双弧线轨迹移动，验证平台的感知距离精度和角度精度，如图4所示：y双弧线轨迹10个位置点AAU图4通感算平台测试场景示意图试结果如表2 和表3所示。表2单目标感知角度精度测试结果真实角度/感知角度误差/唇位置点感知角度精度/()角度估计值/()11226304-65-126-187-128-690106感知角度精度计算公式如下：XAA=ZM(A.-Am)N其中Ar-Am表示第i个位置点感知角度误差，A为第i个位置点感知角度估计值，Am为第i个位置点真实角度。11()10.6-1.46000-51-12.8-0.8-18.8-0.8-12.2-0.2-600.60.693移动通信2024年3月第3期()1.17(6)第48 卷“6G通感算融合”专题总第52 3期表3单目标感知距离精度测试结果位置点真实距离/m距离估计值/m感知距离误差/m感知距离精度/m15.0825.235.1945.2755.2164.664.0778910AGV小车搭载全景视频摄像头，根据头盔端人体运动状态对小车的移动进行控制，并通过通感算融合网络回传5.07-0.015.220.025.240.055.26-0.015.13-0.084.62-0.04-0.024.053.813.813.983.994.014.03全景视频；头盔端由通感融合基站实现人体运动方向速度的感知，并拉取全家监控视频流，实现“车随人走”的沉浸式观看体验。VR视频推送0.03运动中状态（）测量A0通感算融合0.01LVR头盔一0.02图5通感算融合的沉浸式XR直播演示系统示意图全景视频采集口融合算力节点通感算融合网络通信基站试验平台LAGV小车搭载全景摄像头感知距离精度计算公式如下：RA=ZM(R,-R.)N其中Rri-Rm表示第i个位置点感知距离误差，R,为第i个位置点感知距离估计值，Rm为第i个位置点真实距离。测试场景中的通信终端用于验证通感融合功能下的通信能力。因为感知资源的占比仅为3.6%，测试场景为室内LOS环境，实测通信下行速率为1Gbps左右，与未开启感知功能时的通信下行速率近似，感知开启对通信性能的影响较小。后续可在室外环境复杂环境、更大感知资源占比下验证开启感知功能对于通信性能的影响。从以上测试结果可见，本平台的感知测距性能在400MHz带宽下可达到厘米级，通信下行速率在2 0 0 MHz带宽下可达1Gbps，达到了平台的设计要求。3沉浸式XR实现方案3.1沉浸式XR方案设计现有的沉浸式视频技术的相关研究指出：沉浸式视频指的是一种采用裸眼观看方式获得身临其境感受，呈现画面覆盖人眼至少12 0（水平）7 0（垂直）视场角的视频系统及具备三维声的音频系统，其直播工艺流程主要包括：拍摄、实时拼接、实时编转码、直播传输分发和终端播放【18 。在IMT-2030的愿景中，XR有望成为个性化、多感官实时交互体验的实现载体，也正是通信-感知-算力融合的一个典型用例。基于本文第2 节的通感算融合试验平台，结合XR业务的特点，设计沉浸式XR演示系统如图5。该演示系统针对沉浸式XR直播所需的低时延交互、高精度感知、实时高清视频编码算力的融合需求，实现基于人体运动状态感知控制的拟态自动导向（AGV，A u t o m a t e dGuidedVehicle）小车随行沉浸式高清直播。其中，12移动通信2024年3月第3期演示系统整体架构可以划分为终端、网络、平台三(7)个组成部分：（1）终端：包含VR头盔、AGV小车和全景摄像头三类终端。（2）网络：可进一步按逻辑功能划分为头盔侧、算网侧和小车侧三类。头盔侧要求部署通感融合基站（即本文第2 节所述平台的通感基站），一方面要能够感知头盔佩戴者的运动状态并以低时延实时回传，另一方面要能够提供大带宽传输能力支持VR头盔观看高清直播视频；算网侧作为小车控制节点，需要将回传的头盔佩戴者运动状态数据快速转化为小车控制指令并发出，同时为头盔提供全景视频流传送；小车侧部署具备大带宽、低时延通信能力的通信基站，一方面实时传送小车控制指令实现小车与头盔佩戴者的同步运动，另一方面为搭载在小车上的摄像头提供全景视频流的实时回传。（3）平台：主要实现对小车的控制。3.2AGV小车控制方案AGV小车控制方法大体上有两种思路：一种是基于基站对被测者的实时运动状态的感知（指移动速度、方向），并向小车发送同样的移动指令；另一种是基于基站对被测者位置坐标的感知，并向小车发送对应的目标位置进行移动指令的转换。此外，以上两种方法在执行过程中都应当在小车端进行防撞的设计，确保在整个流程中不会因为误操作发生物损。结合本文第2 节的相关工作，在本演示系统中选用基于位置坐标感知的控制方法。人和小车通常不处于一个基站的覆盖范围之内，因而每一次人的位置变动只能被看作相对坐标的变动，而不是绝对坐标的变动。另一方面，人所在空间和车所在空间也有一定差异，可能存在一定的比例关系，在感知相对坐标的变化后，车必须计算其相应的运动方向、速度和时长。上述处理流程梳理如图6 所示：第48 卷总第52 3期金凌，曾婷，徐宏，等：基于6 G通感算融合的沉浸式XR实践与展望120Mbps20，而在实验室测试的8 K视频平均码率16 0 Mbps，采集人的初始坐标突发时可达30 0 Mbps。当前的商用5G网络上行速率无法满足该速率要求2 1，只能采用Wi-Fi和固定网络承载，小车端建立以人为原点的相对坐标系采集人的中间坐标换算成相对坐标系的相对坐标值计算小车要移动的方向、距离、速度、时间等参数和对应指令集，并代入两个地图之间的比例尺（如有）控制小车移动到相对位置移动到目标位置坐标否图6 基于坐标感知的AGV小车控制流程示意图3.3实现效果全景VR视频的实现思路为建立一个表面在内侧的球体，并将头显的摄像头放在球心。将串流媒体播放器附着于球体内表面，并载人统一资源定位系统（URL,UniformResourceLocator）对应的全景视频串流进行播放。此时，随着头显的转动，实现了全景VR视频的观看效果。图7 为全景VR视频实现效果示意图：图7 全景VR视频实现效果示意图8K超高清视频码率与率、色彩深度、编码格式相关19，中央电视台的8 K超高清直播信号码率为回传设备至少需支持Wi-Fi6（IEEE8 0 2.11a x）2 。在观看时延方面，单路VR头盔连接全景摄像头场景下有1-2 秒的观看时延。在尝试多路观看时，引人简单实时服务器（SRS，Si m p l e Re a l-t i m e Se r v e r）进行推流服务后，观看时延扩大到7 8 S。这也表明了算力与网络融合的必要性和迫切性，通过提升编码性能，引人AI视觉等技术优化编码效果2 3，压缩采集端的拍摄、实时拼接和实时编转码以及传输分发的时延，提升业务可用性和用户体验。4结束语对通感算融合技术的研究是实现6 G愿景的重要支撑。本文基于毫米波技术设计通感算融合试验平台，其人体位置感知精度可达厘米级。在该试验平台的基础上，针对沉浸式XR直播所需的低时延交互、高精度感知、实是否有障碍物时小车控制算力的融合需求，进一步搭建一套沉浸式XR是直播系统，初步实现了“车随人走”的沉浸式观看体验。停止移动当前，XR技术被广泛应用于教育、文旅和工业生产等领域。为将通感算融合网络能力更加充分赋能于实际坐标校准应用，在本文现有工作基础上，尚有较大改进空间：首先，提升通感能力的覆盖范围，适应更为复杂的工作环境；其次，算力节点部署位置下沉到网络边缘，如卸载通感基站的计算到边缘云，提升感知计算的实时性，又如AGV小车控制及避障模块上移到边缘云，使小车更为轻量化，再如通过将算力与视频采集、编码和分发环节融合，降低视频处理时延；最后，为进一步提升沉浸式效果，感知可以添加位置以外的维度，如人体动作，结合沉浸式终端设备的演进最终达成6 G愿景中的多感官交互的体验。参考文献：1 王文喜，周芳，万月亮，等.元宇宙技术综述.工程科学学报，2022,44(4):744-756,2 方巍，伏宇翔.元宇宙：概念、技术及应用研究综述/OL南京信息工程大学学报（自然科学版）.(2 0 2 2-11-2 8)2 0 2 4-0 2-18 https:/ 李荣洋，万月亮，宁焕生，元宇宙驱动的新技术及应用.重庆邮电大学学报（自然科学版）,2 0 2 3,35(4)：57 1-58 3.4 You X H,Wang C X,Huang J,et al.Towards 6G wirelesscommunication networks:Vision,enabling technologies,and newparadigm shifs3J.Science China Information Sciences,2020,64(1):1.5 董旭菲，高帅，李培，等.5GXR业务标准化技术及演进研究.邮电设计技术，2 0 2 3(10):45-49.63GPP TR 38.838.Study on XR(Extended Reality)evaluationsfor NR(Release 17)S/OL.(2022-01-04)2024-02-18.https:/www.3gpp.org/ftp/Specs/latest/Rel-17/38_series/38838-h00.zip.73GPP.TR 22.856.Study on localized mobile metaverse servicesS/OL.(2023-12-22)2024-02-18.https:/www.3gpp.org/ftp/Specs/archive/22_series/22.856/22856-j20.zip.（下转第46 页）移动通信2024年3月第3期13第48 卷“6G通感算融合”专题11总第52 3期12 马忠贵，李卓，梁彦鹏.自动驾驶车联网中通感算融合研究综述与展望.工程科学学报，2 0 2 3,45(1):137-149.13廖佳佳,向路平,胡杰,等.基于无人机的6 G通感算研究概述1移动通信,2 0 2 3,47(3):92-10 0.14 景毅，姜春晓，詹亚锋，面向卫星通信的6 G通感算融合架构、技术与挑战.无线电通信技术，2 0 2 3,49(1)：12-2 0.15Cui Y,Liu F,Jing X,et al.Integrating sensing and communicationsfor ubiquitous IoT:Applications,trends,and challengesJ.IEEENetwork,2021,35(5):158-167.16I Liu A,Huang Z,Li M,et al.A survey on fundamental limits ofintegrated sensing and communicationJJ.IEEE CommunicationsSurveys&Tutorials,2022,24(2):994-1034.17Hu L,Miao Y,Wu G,et al.iRobot-Factory:An intelligent robotfactory based on cognitive manufacturing and edge computingJJ.Future Generation Computer Systems,2019,90:569-577.18Nie L,Ning Z,Wang X,et al.Data-driven intrusion detection forintelligent internet of vehicles:A deep convolutional neural network-based methodJ.IEEE Transactions on Network Science andEngineering,2020,7(4):2219-2230.19I Wen D,Zhu G,Huang K.Reduced-dimension design of MIMOover-the-air computing for data aggregation in clustered IoTnetworksJ.IEEE Transactions on Wireless Communications,2019,18(11):5255-5268.201 Dai Y,Xu D,Maharjan S,et al.Joint computation offloading anduser association in multi-task mobile edge computingJ.IEEETransactions on Vehicular Technology,2018,67(12):12313-12325.21 Niknam S,Dhillon H S,Reed J H.Federated learning for wirelesscommunications:Motivation,opportunities,and challengesJ.IEEECommunications Magazine,2020,58(6):46-51.22 Qi Q,Chen X.Robust design of federated learning for edge-intelligent networksJj.IEEE Transactions on Communications,2022,70(7):4469-4481.23Zhang Z,Chai X,Long K,et al.Full duplex techniques for 5Gnetworks:self-interference cancellation,protocol design,and relayselectionJJ.IEEE Communications Magazine,2015,53(5):128-137.24I Qi Q,Chen X,Zhong C,et al.Integrated sensing,computationand communication in B5G cellular Internet of ThingsJ.IEEETransactions on Wireless Communications,2020,20(1):332-344.25I Liu F,Zhou L,Masouros C,et al.Toward dual-functional radar-communication systems:Optimal waveform designJ.IEEETransactions on Signal Processing,2018,66(16):4264-4279.26 Zhou T,Tang D,Zhu H,et al.Reinforcement learning withcomposite rewards for production scheduling in a smart factoryJ.IEEE Access,2020,9:752-766.27 Qi Q,Chen X,Khalili A,et al.Integrating sensing,computing,and communication in 6G wireless networks:Design andoptimizationJ.IEEE Transactions on Communications,2022,70(9):6212-6227.齐俏：工学博士毕业于浙江大学信息与通信工程专业，现任杭州师范大学信息科学与技术学院讲师，主要研究方向为蜂窝物联网、边缘智能、通感算一体化。陈晓明：工学博士，现任浙江大学信息与电子工程学院研究员、博士生导师，研究方向包括5G/6G关键技术、低轨卫星星座通信和智能通信。（上接第13页）8 ITU.Recommendation ITU-R M.2083-0-2015 IMT Vision-Framework and overall objectives of the future developmentof IMT for 2020 and beyondS/OL.(2015-09-29)2024-02-18.https:/www.itu.int/dms_pubrec/itu-r/rec/m/R-REC-M.2083-0-201509-I!PDF-E.pdf.9ITU.Recommendation ITU-R M.2160-0-2023 Framework andoverall objectives of the future development of IMT for 2030 andbeyondS/OL.(2023-11-13)2024-02-18.https:/www.itu.int/dms_pubrec/itu-r/rec/m/R-REC-M.2160-0-202311-I!PDF-E.pdf.10IMT-2030（6 G）推进组6 G通信感知一体化评估方法研究报告R.2023.11中国通信学会.通感算一体化网络前沿报告（2 0 2 1年）R.2022.12闫实，彭木根，王文博，通信-感知-计算融合：6 G愿景与关键技术.北京邮电大学学报，2 0 2 1,44(4)：11.13 Wei Z,Qu H,Wang Y,et al.Integrated Sensing andCommunication Signals Towards 5G-A and 6G:A SurveyJ.IEEE Internet of Things Journal,2023,10(13):11068-11092.14Geng Y.A Novel Waveform Design for OFDM-Based JointSensing and Communication SystemCJ/2023IEEE 3rdInternational Symposium on Joint Communications&Sensing(JC&S).Seefeld,Austria:IEEE,2023:1-6.15 SSturm C,Wiesbeck W.Waveform Design and Signal ProcessingAspects for Fusion of Wireless Communications and RadarSensing.Proceedings of the IEEE,2011,99(7):1236-1259.16Chen X,Feng Z,Wei Z,et al.Code-Division OFDM JointCommunication and Sensing System for 6G Machine-TypeCommunicationJ.IEEE Intermet of Things Jounal,2021,8(15):12093-12105.17He Z Y,Xu W,Shen H,et al.Full-Duplex Communication for ISAC:Joint Beamforming and Power OptimizationJ.IEEE Journal OnSelected Areas In Communications,2023,41(9):2920-2935.18国家广播电视总局科技司.5G高新视频一沉浸式视频技术白皮书（2 0 2 0）R.2020.19ETSI.TS 101 154 V2.8.1.Digital Video Broadcasting(DVB);Specification for the use of Video and Audio Coding in Broadcast andBroadband ApplicationsS/OL.Sophia Antipolis,France,2023.20杜艳红，陈志军，程宏，等.8 K超高清视频分发技术的研究与实践.广播与电视技术，2 0 2 3,50(11)：6 9-7 3.21移动网络质量领航方阵：全国移动网络质量监测报告（2 0 2 3年第四季度）R.中国信息通信研究院.2 0 2 4.22 IEEE.IEEE 802.11ax-2021S.2021.23 胡宁，孙庭.4K,8K视频H.266编码性能测试与研究.广播电视网络，2 0 2 1(3)：8 7-8 9.金凌：硕士毕业于上海交通大学，现任中国电信研究院网络技术研究所高级研发工程师，主要研究方向为未来网络架构与6 G通感作者简介融合仿真技术。曾婷：北京航空航天大学在读博士研究生，现任中信科移动通信技术股份有限公司创新中心工程师，主要研究方向为6 G通感一体化。徐宏：硕士毕业于电子科技大学，现任中信科移动通信技术股份有限公司创新中心工程师，主要研究方向为6 G通感一体化。作者简介46移动通信2024年3月第3期