为智能通感一体化技术的发展提供了新的理论参考

近日，大连理工大学赵楠教授、2023级博士张吉发与浙江工业大学卢为党教授、北京理工大学邢成文教授、美国德克萨斯大学达拉斯分校AI-Dhahir教授、塞萨洛尼基亚里士多德大学Karagianidis教授、中国工程院教授杨小牛合作开展智能通感一体化前沿研究，全面深入地总结了智能通感一体化的研究动机、典型应用、最新发展趋势和未来挑战。相关成果发表在《中国科学:信息科学(英语版)》中。

通感一体化技术通过共享频带和硬件资源，显著提高了频带的利用效率，降低了硬件尺寸和功耗，为各种5G新应用提供了有力支撑。然而，传统通感一体化技术对精确数学模型的依赖，使其在实际应用中面临着计算复杂性高、扩展性有限等挑战。近年来，人工智能凭借其卓越的学习能力、优异的泛化性能、快速的推理速度和对动态环境的高度适应性，为上述问题提供了可行的解决方案，促进了系统设计从模型驱动向数据驱动的转变，促进了集成人的技能。

为了填补这一研究领域的空白，本文系统阐述了通感一体化的基本原理和核心技术，包括各种通感一体化系统、通感特性的衡量机制和典型应用领域，并详细介绍了前沿人工智能技术，包括深度学习、深度强化学习、联邦学习、生成式人工智能和迁移学习。从系统设计和优化求解的角度，对模型驱动和数据驱动两种范式下的通感一体化系统进行了对比分析。本文还总结了人工智能在参数估计、波束设计、波束预测、资源配置、影响管理和系统级设计等方面的新趋势。

该研究作为该领域较早、系统化的综合研究成果，为智能通感一体化技术的发展提供了重要的理论参考和研究框架。