从人体感知到环境监测：ISAC技术在6G时代的跨域融合与创新应用

《IEEE Journal of Selected Topics in Electromagnetics, Antennas and Propagation》：ISAC: From Human to Environmental Sensing

本文针对第六代移动通信系统（6G）中集成感知与通信（ISAC）技术的研究空白，首次系统性地综述了该技术在人体感知与环境监测两大领域的交叉应用。研究团队通过分析无线信号传播中的多普勒效应、信道状态信息（CSI）等物理特征，构建了统一的信号处理框架，并利用长期演进（LTE）和WiFi信号在非视距（NLOS）条件下的实验验证了技术可行性。这项工作为6G网络实现高精度情境感知与高效通信的资源共享提供了重要理论支撑和实践路径，推动了智能城市、环境监测等应用的发展。

　　

随着第五代移动通信技术（5G）的规模化部署，第六代移动通信系统（6G）的研发竞赛已悄然拉开帷幕。在6G的愿景中，网络将不再仅是数据传输的管道，更被期望成为感知物理世界的重要基础设施。这一愿景的核心技术支撑正是集成感知与通信（ISAC），它旨在通过共享频谱、时间和硬件资源，实现通信与感知功能的深度融合。然而，当前ISAC研究存在明显的领域割裂：一方面，人体感知研究聚焦于室内近场环境下基于微多普勒特征的活动识别与生命体征监测；另一方面，环境监测研究则关注远场户外场景中降雨、土壤湿度等大尺度环境参数的无线信号反演。这种碎片化现状阻碍了ISAC技术的通用化发展。

为解决这一问题，悉尼科技大学全球大数据技术中心的Kai Wu、Zhongqin Wang、Shu-Lin Chen、J. Andrew Zhang和Y. Jay Guo等研究人员在《IEEE Journal of Selected Topics in Electromagnetics, Antennas and Propagation》上发表了题为“ISAC: From Human to Environmental Sensing”的论文。该研究首次建立了统一的理论框架，系统分析了人体活动与环境变化对无线信号传播的影响机制，并通过实验验证了基于商用通信信号的跨域感知可行性。

研究人员创新性地提出了多维特征提取方法，重点解决了双静态ISAC系统中的时钟异步问题。通过交叉天线互相关（CACC）及其变体算法，有效消除了载波频率偏移（CFO）和定时偏移（TO）引起的随机相位噪声。在特征提取层面，研究团队开发了从信道状态信息（CSI）中联合估计多普勒-时延-到达角（Doppler-Delay-AoA）的三维特征提取流程，为后续感知任务提供了统一的信号表示基础。

在人体感知方面，研究团队设计了基于扩展卡尔曼滤波（EKF）的实时跟踪系统，通过二维恒虚警率（CFAR）检测生成目标点云，实现了亚米级的定位精度。尤为突出的是，该研究创新性地将位置信息作为空间滤波器，显著提升了生命体征监测的准确性。实验表明，基于5GHz WiFi信号，系统能够从静态人体反射中提取出呼吸波形（0.1-0.5Hz）和心跳波形（0.8-2Hz），测量结果与智能手表数据高度吻合。

在环境监测领域，研究团队在悉尼帕拉马塔河畔开展了为期数月的实地实验。通过软件定义无线电（SDR）接收器捕获多个LTE基站的下行信号，研究人员发现不同频段信号对水位变化表现出差异化敏感性。特别是Band 5（850MHz）和Band 28（700MHz）等低频信号，由于波长较长、穿透力强，呈现出与潮汐变化高度相关的接收信号强度指标（RSSI）波动。基于线性回归模型的水位反演实验达到了7.36cm的均方根误差，证明了在非视距（NLOS）条件下实现厘米级环境监测的可行性。

进一步的研究展示了空间时频处理技术的突破性进展。通过联合多普勒-到达角（Doppler-AoA）谱分析，系统能够区分水体反射信号与其他散射体干扰，将水位监测精度提升至10^-4m²量级。这种高精度感知能力为洪水预警、水资源管理等应用提供了技术支撑。

ISAC FUNDAMENTALS部分建立了正交频分复用（OFDM）系统的统一信道模型，揭示了环境参数如何通过路径损耗（ρ）、传播时延（τ）和多普勒频移（f^D）等物理量影响信道频率响应（CFR）。该模型为跨域感知提供了共同的理论基础。

ISAC FOR HUMAN SENSING章节详细阐述了时钟异步消除技术。研究发现，传统的交叉天线互相关（CACC）方法会产生多普勒镜像问题，而交叉天线信号比（CASR）方法则会破坏时延与到达角之间的线性关系。研究团队提出的CACC变体方法通过构造天线对间的差分项，在保持信号线性特征的同时有效抑制了镜像分量。

在活动识别方面，研究团队创新性地将语音活动检测技术引入行为分割领域，通过微多普勒特征的时间演化模式识别不同动作类型。这种基于多普勒特征的方法克服了传统基于时延和到达角的方法在分辨率上的局限性，为连续行为识别提供了新思路。

ISAC FOR ENVIRONMENTAL SENSING部分系统总结了环境感知领域的研究进展。在降雨感知方面，研究团队验证了基于毫米波链路（25-38GHz）的降雨强度反演能力，发现不同雨型（对流雨与层状雨）在链路动态特性上存在明显差异。在土壤湿度监测方面，研究揭示了介电常数变化如何影响信号相位偏移（Δφ∝√ε）和界面反射率（Γ），为基于LoRa和WiFi信号的土壤含水量估算提供了理论依据。

CONCLUDING REMARKS AND OPEN CHALLENGES章节指出了ISAC技术走向实用化面临的核心挑战。在人体感知领域，弱视距与非视距场景下的多目标分离仍是技术难点，特别是在低带宽系统中时延分辨率受限的情况下。在环境监测方面，数据稀缺性和模型泛化能力不足制约了技术的大规模部署。研究团队建议通过物理信息融合机器学习、多模态数据融合等途径提升系统的适应性和鲁棒性。

这项研究的重大意义在于首次建立了ISAC技术在人体感知与环境监测之间的理论桥梁，证明了基于统一物理层机制的跨域感知可行性。研究提出的多维特征提取方法和统一信号表示框架，为6G网络实现“通信即感知”的愿景奠定了重要基础。随着天线技术（如流体天线系统、超表面天线）和人工智能算法的持续创新，ISAC技术有望在智能城市、环境监测、健康护理等领域发挥变革性作用，最终推动无线网络从单纯的连接基础设施向智能感知平台的演进。