IMT-2020（5G）推進組：2022年5G-Advanced通感融合場景需求研究報告（49頁）.pdf

《IMT-2020（5G）推進組：2022年5G-Advanced通感融合場景需求研究報告（49頁）.pdf》由會員分享，可在線閱讀，更多相關《IMT-2020（5G）推進組：2022年5G-Advanced通感融合場景需求研究報告（49頁）.pdf（49頁珍藏版）》請在三個皮匠報告上搜索。

1、5G-A通信感知融合旨在基于移動通信基礎設施使能感知服務，實現面向通感行業的一網多能。本研究報告針對通信感知融合的四大典型應用場景，包括智慧交通、智慧低空、智慧生活和智慧網絡場景中的十五大典型應用案例，分析了基于通信基礎設施使能感知業務的潛能，以及對應場景下的感知業務性能指標要求。面向智慧交通、智慧低空、智慧生活場景，基于移動通信網絡進行位置、速度、角度等信息探測感知，提供低成本、高精度、無縫泛在的感知服務。面向智慧網絡場景，基于感知信息輔助基站或終端波束管理、信道估計、能耗節省、資源調度與優化等，提升通信系統性能。通過通感融合應用場景的研究分析，將進一步挖掘5G移動通信網絡的核心價值，帶動發

2、揮移動通信系統作為重要基礎設施向感知領域延伸的技術優勢，有效推進通信感知融合技術研究與應用產業的發展。研究報告要點目錄目錄 IMT-2020(5G)推進組于2013年2月由中國工業和信息化部、國家發展和改革委員會、科學技術部聯合推動成立，組織架構基于原IMT-Advanced推進組，成員包括中國主要的運營商、制造商、高校和研究機構。推進組是聚合中國產學研用力量、推動中國第五代移動通信技術研究和開展國際交流與合作的主要平臺。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告概述智慧交通場景通感融合需求分析智慧低空場景通感融合需求分析智慧生活場景通感融合需

3、求分析智慧網絡場景通感融合需求分析標準化影響總結與建議參考文獻縮略語主要貢獻單位P1P2P10P18P30P35P39P40P46P471I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告概述隨著移動通信技術的飛速發展，移動通信系統從2G一直演變到5G，空口傳輸能力不斷加強，使能的業務也向垂直行業不斷延伸。如今5G已全球規模商用，5G發展將進入新的分水嶺。2021年4月27日，3GPP（3rd Generation Partnership Project，第三代合作伙伴計劃）在第46次PCG（Project Cooperation Group，項目合作

4、組）會議上正式將5G演進的名稱確定為5G-Advanced（5G-A），標志著全球5G技術和標準發展進入新階段。除了5G原有的移動帶寬增強、超高可靠低時延、海量機器類通信的“三角能力”外，5G-A將向垂直行業更深領域擴展，加強智能維領域探索，從支撐萬物互聯到使能萬物智聯，為社會發展、行業升級創造價值。而感知服務將是實現未來5G-A智能網絡升級、擴展行業應用的一個重要支撐能力，通信與感知融合成為5G-A一個重要演進方向。通常，感知系統與通信系統具備不同的功能，二者獨立存在。感知系統主要是獲取周圍環境或者物體的信息，從而實現定位以及追蹤等目的。傳統的感知技術主要是依賴于無線電波、雷達、紅外線以及傳

5、感器等，例如，雷達是利用電磁波探測目標的電子設備。雷達發射電磁波對目標進行照射并接收其回波，由此獲得目標至電磁波發射點的距離、距離變化率（徑向速度）、方位、高度等信息。目前，雷達技術已經得到了廣泛應用，比如機載、艦載、基地雷達等對目標進行檢測和成像。而通信系統主要是借助電磁波在自由空間的傳播，保證通信數據的傳遞。通信感知融合基于軟硬件資源以及頻譜資源共存/共享在一張網上同時實現無線感知與無線通信功能。在5G-A階段，通感融合旨在利用移動通信基礎設施使能感知服務，實現一網多能，充分發揮移動網絡優勢滿足不同場景下的感知性能要求，同時借助感知服務可以為通信性能帶來一定提升。一方面，借助于通信系統實現

6、感知維度的測量、降低感知硬件部署成本、發揮無縫覆蓋網絡優勢有效擴展感知范圍；另一方面，基于對無線通信信道環境的感知、識別與預測進一步創新無線通信資源管理、提升無線通信系統的性能。未來通信感知融合技術應用場景較為廣泛，可應用于大部分廣域和局域場景，滿足其通信和感知的雙重需求，如智慧交通、智慧低空、智慧生活、智慧網絡等。通信感知融合將開啟超越傳統移動網絡聯接的應用大門。為了使通信和感知高效共存，實現高性能的感知能力，產業需要共同推動通感融合技術研究、共同定義標準感知功能與接口、加強試驗研發驗證基于通信網絡的感知應用能力。在后續章節中，本報告將主要研究分析典型場景下的通感融合應用需求，通過探討利用移

7、動通信系統作為關鍵基礎設施向感知領域延伸的能力與優勢，進一步挖掘5G技術的核心價值，推進通信感知融合技術研究與應用產業發展，為社會發展和行業升級創造無限可能。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告2智慧交通場景通感融合需求分析隨著交通領域聯網化、數字化、智能化、云化的趨勢，通過匯集道路、車、人的信息來組成城市交通管理和優化的基礎，支撐多種交通業務，是智慧交通的重要組成部分。無人化與自主化是智慧交通的主要特征，智慧交通在交通領域中充分運用物聯網、云計算等技術，對交通管理、交通運輸、公眾出行等領域全方面進行管控支撐，使交通系統在區域、城市甚至更

8、大的時空范圍具備感知、互聯、分析、預測、控制等能力，以充分保障交通安全、發揮交通基礎設施效能、提升交通系統運行效率和管理水平。為了完整呈現實時高速路交通狀態，及時準確的發現擁堵、事故、道路異常等交通事件，需要在城市路口和關鍵路段采集視頻和多種路側傳感器信息。此外，車路協同是智能交通系統的重要發展方向，需要連接海量交通終端設備，實現視頻、雷達等多種交通終端設備的數據采集和數據分析，高效感知路、車、人的實時狀態。但當前感知設施部署還面臨頻譜資源緊缺、性能提升、部署成本高等眾多挑戰。本章節主要列舉了智慧交通領域里面比較典型的通感融合場景以及商業價值，5G網絡提供感知能力，一方面實現道路的全方位感知，

9、同時簡化路側設施部署，將加速智慧交通的發展。2.1.1 案例描述自動駕駛集感知、決策和控制等功能于一體，是智慧交通場景的重要組成部分。人類駕駛是通過眼睛、耳朵等器官去感知車身周邊環境，憑借道路記憶或傳統導航地圖，依靠駕駛經驗及技巧保證汽車安全行駛并到達目的地。自動駕駛系統用傳感器替代了人類感官，用地圖替換了人的道路記憶，而高精地圖是實現高階自動駕駛的核心，能夠為自動駕駛汽車提供車道級導航服務。目前，L3級別以上的自動駕駛系統中，高精地圖已成為必不可少的組成部分。其不僅包含了更加豐富、精確的車道級信息，同時實現了路況內容的實時更新。通常情況下，高精地圖包括道路屬性（車道數、施工狀態等）、交通設施

10、（交通信號燈、斑馬線、停止線等等）、車道模型（車道線、曲率/坡度、中心線、車道屬性變化等）等信息，高精地圖依賴于從激光雷達掃描、移動攝像頭、連接傳感器和GPS（Global Positioning System，全球定位系統）設備收集信息，通過不間斷地對地圖信息進行采集，從而保證地圖數據始終處于最新狀態。但是激光雷達在惡劣天氣下效果較差，比如大霧、大雨或大范圍的塵土。當前方大車遮擋導致探測死角，攝像頭無法探測前方紅綠燈。自動駕駛汽車行駛的過程中，由于需要車輛對自身位置進行實時定位，因此對高精地圖提出更高的精度要求，此外考慮到實際路況信息的復2.1 應用案例1：高精地圖構建3I M T-2 0

11、2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告圖1 動態高精地圖構建示意圖雜性，比如某些時刻自身車輛與旁邊車道只有幾十厘米距離的情況下，也需要有高精地圖作為參考?；谕ㄐ排c感知融合技術，使用新一代無線網絡的無線通信信號，可以在基站側或者端側實現低成本、低開銷的環境感知能力，將最大數量的環境信息整合到新一代無線網絡中，實現超分辨成像、透視和夜視。如圖1所示，一方面，利用通信感知融合基站或者多站協同可以實現對道路環境的感知，即針對區域的感知，利用基站的高視角，擴大感知范圍，彌補車載傳感器在惡劣環境下的感知缺陷和遮擋盲區，有效實現宏觀道路匹配、車輛自定位和全局環境感知，為自

12、動駕駛汽車安全運行提供超視距輔助。另一方面，高清地圖構建可包含端側實時環境感知信息的測量反饋，并同時用于ADAS（Advanced Driving Assistance System,高級駕駛輔助系統）以提高駕駛的舒適性和安全性?；谕ㄐ排c感知融合技術，車載設備利用無線通信信號獲取感知數據，并將感知結果發送到網絡側提供給高精地圖服務商以及ADAS。車輛行駛時，車載設備發送感知信號，并基于其他車輛的反射信號，感知其他車輛的距離和速度，將相關感知數據發送到網絡側和ADAS。在停車場使用自動或輔助泊車功能時，車輛發送感知信號，并基于停車位附近的物體（例如汽車、立柱）的反射信號，感知其他物體的距離和位

13、置，將相關感知數據發送到網絡側和ADAS。注：本文中所有圖均為示意圖，僅針對通感融合某種工作模式舉例示意I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告42.1.2 業務需求參考5GAA（5G Automotive Association，5G汽車聯盟）給出的高精地圖場景需求1，給出了感知數據傳輸速率和感知時延需求。高清地圖對于信息實時性、準確率、連續性具有很高要求，因此刷新率、傳輸速率、時延要求高。由于地圖主要是針對室外道路公共區域，不涉及安全隱私風險。此外，考慮到公路場景下，主要是包括汽車、摩托車、行人等移動物體，針對這些移動物體的尺寸、形狀、移

14、動速度、安全距離、路寬等給出了速度范圍、距離分辨率、速度分辨率、距離精度、角度精度、速度精度。例如，小車長度、寬度、高度分別為4m、1.7m、1.5m，高速單車道寬度為3.75m，限速120km/h，速度超過100km/h的安全距離為100m，速度低于100km/h的安全距離為50m，當然還需考慮堵車等低速密集場景時車間距只在5-10m時，對感知分辨率和精度的提出了更高要求。綜上考慮，給出了下述感知業務指標需求。表1 智慧交通高清地圖構建感知業務指標需求注：根據感知服務等級不同、應用場景不同，對指標需求不同，例如低感知服務等級對感知數據刷新率要求為20Hz，高感知服務等級對感知數據刷新率要求為

15、30Hz。5I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告2.2 應用案例2：道路監管2.2.1 案例描述智慧高速作為新型交通基礎設施建設的核心場景之一，集成應用5G、物聯網、大數據、人工智能等新興技術，推進高速公路傳統基礎設施系統升級迭代，是推動交通領域綠色、智能轉型的基礎。當前，高速公路建設開始由高速增長階段轉向高質量發展階段，在轉型發展的過程中存在智慧管控手段不足的痛點。本案例主要從車輛信息統計和行人入侵高速檢測兩個子場景來展開描述。一、車輛信息統計智能交通系統中，車輛信息統計包括車流量檢測和車速檢測。其中，車流量檢測系統是非常關鍵的一個環節

16、，包括對城市交通道路中的車輛、行人等進行信息采集和監控，實時地對道路當前的擁堵情況、緊急交通事故等進行智能化調度管理，從而實現了緩解交通阻塞和提高交通服務質量的作用。傳統的車流量統計技術包括感應線圈檢測、波頻檢測（如超聲波檢測和微波檢測）、視頻檢測等等。但是傳統統計技術存在諸多約束和不足之處。例如，感應線圈檢測是基于環形線圈在磁場中的電磁感應原理計算出道路中的車流量，但是線圈填埋方式費事費力，維護成本高。波頻檢測的方法是利用電磁波的反射特性，檢測器向車輛發出電磁波并接收反饋信息進行檢測，但是這種方法檢測距離有限并且分辨率低。視頻檢測方法是通過監控攝像頭來捕捉道路中車流量的信息，通過一系列圖像處

17、理和分析算法對車輛目標的特征進行提取，但是檢測結果受環境影響較大，由于光照強度變化產生的陰影，使得車輛在車流密集時很容易發生粘連問題，導致車輛檢測存在誤差，影響車流量統計的準確性。如圖2所示，基于通信與感知融合技術，利用通信感知融合基站或者多站協同實現全天候、不間斷地探測行駛車輛的移動軌跡和移動速度，在監控交通道路、卡口等重要路段統計各類車輛進出區域的數量以及車輛行駛速度，從而根據實時監控的車流量分析路口、路段的交通狀況，為交通調度、路況優化提供精準參考依據。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告6圖2 車輛信息統計示意圖二、行人入侵高速檢

18、測高速公路是最低限速60km/h的全封閉道路，通常車流量大、車速快?！案咚俟?，行人勿入”是高速交通安全常識，但行人上高速已經成為最易引發高速公路事故因素之一。根據交管單位發布的行人違法上高速的案例，比較典型的示例是以下幾種：高速服務區工作人員在上下班途中橫穿高速公路、周邊村民橫穿高速公路抄近道、行人上高速拾荒、客車駕駛員在高速路行駛過程中甩客等等。行人、非機動車違法上高速公路的危害極大，不僅危及自身生命安全，還會危害高速公路行車安全。高速公路車速較快，駕駛人很難發現突然橫穿道路的行人，有時駕駛人即便發現了，往往也來不及剎車避讓，最終導致碰撞事故發生。同時為了躲避違法進入高速公路的行人，駕駛人

19、往往會采取緊急避讓措施，但這種情況極易導致車輛失控，危及駕乘人員的安全。如圖3所示，基于通信與感知融合技術，利用通信感知融合基站對高速周邊環境進行檢測，定位并跟蹤入侵高速公路的行人。同時，還可以第一時間通知交管單位進行執法，勸阻行人趕緊離開，保障高速公路的安全行駛環境。7I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告圖3 行人入侵檢測示意圖綜上所述，基于通信與感知融合技術，利用通信感知融合基站或者多站協同可以實現對道路環境的感知，實現全方位、全天候、不間斷地探測行駛車輛的移動軌跡和移動速度，并將感知信息上傳至處理中心，還可以利用感知通信融合技術對車

20、輛進行持續跟蹤，實現事件狀態的動態監測、全面提升高速公路運行狀態智能感知能力，為高速公路交通安全提供數據支撐。2.2.2 業務需求道路監管的感知業務需求同時適用于車輛信息統計和行人入侵高速檢測。道路監管對于信息實時性、連續性要求較低，但對準確度要求較高，因此刷新率、傳輸速率、時延要求可以適當降低。由于監管主要也是針對室外道路公共區域，不涉及安全隱私風險。其它參數指標類似2.1中的分析，但指標要求可以低一個等級。綜上考慮，給出了下述感知業務指標需求。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告82.3 應用案例3：高鐵周界入侵檢測2.3.1 案例描

21、述隨著高速鐵路技術的快速發展和大規模投入運營，列車速度不斷提升，列車的安全運行愈發重要。由于列車運行的環境有高架橋、山區以及隧道等等，針對高鐵沿線及相關設施的破壞活動時有發生，軌道異物入侵問題已經嚴重影響到了鐵路的安全行駛，給高鐵運行安全帶來了嚴重的威脅，因此需要對軌道進行檢測防護，防止異物入侵軌道。表3列舉了不同種類的異物給鐵路運輸帶來的安全危害。異物入侵事件具有突發性和隨機性，發生的時間和 地點往往很難預測。傳統鐵路安防工程量大、成本高且需要人工操作進行干預。此外，現有技術誤報率過高、無人值守區域導致監控盲點，已經越來越難以達到日益提升的安全運輸環境需求。表2 智慧交通道路監管感知業務指標

22、需求9I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告圖4 高鐵周界入侵檢測示意圖目前，面向高速鐵路的5G技術在車地之間已經建立了滿足支持高速移動、高速率、高可靠、高實時的通信鏈路。如圖4所示，基于通信與感知融合技術，通信感知融合基站可以實現對鐵路軌道環境進行感知，實現全天候的異物入侵檢測。2.3.2 業務需求國鐵周界檢測主要是針對車輛、人、大型動物、塌方滑坡等進行檢測，因此檢測物體尺寸可以以分辨人為基準（1.7m*0.5m），移動速遞以人步行為基準（2km/h）。入侵高鐵周界屬于高危型事 表3 異物入侵的類型和危害I M T-2 0 2 0(5 G

23、)推 進 組5G-Advanced通感融合場景需求研究報告10根據中國民航局2019年第一季度無人機云數據統計3：運行高度在120m以下的無人機占96.5%，1000m以下的無人機占據99.9%。未來幾年無人機在國內將有數百億元的產業空間，預測到2025年，國內無人機市場總規模將達750億。其中行業應用農林植保約為200億，安防市場約為150億，電力巡檢約為50億，而用于航拍娛樂的消費級市場為300億。借助于5G網絡，低空無人機發展邁向全新階段，無人機能全天候、全空域執行偵察、預警、通信等多種任務，同時無人機也可廣泛應用于航拍、警力、城市管理、農業、地質、氣象、電力、搶險救災等垂直行業。在未來

24、城市中，將有大量無人機被應用于件，因此對于信息實時性、準確率、傳輸速率具有一定要求，但考慮到入侵物體速率較低，刷新率和時延要求可稍微降低。而由于主要是針對室外鐵道公共區域，不涉及安全隱私風險。根據高速鐵路設計規范2，高速單車道寬度為1.435m，護坡寬度3m，單軌路基寬度8.6m，可以推斷出安全保護帶寬度可以為3-4m，所以給出了下述感知業務指標需求。表4 智慧交通高鐵周界入侵感知業務指標需求智慧低空場景通感融合需求分析11I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告工業巡檢、治安巡邏、交通運輸等場景，另外還有部分無人機被應用于繁多的細小領域，例

25、如保險取證、畜牧監測、文物保護。目前的無人機空域管理系統并不能做到針對群體性飛行的管理，包括空中防碰撞、流量管控、空域管控，也無法解決無人機與民航、通航之間空域使用的沖突。面對未來數以百萬架的無人機，依舊存在著監管不力、安全等問題，主要有以下幾點原因：1)無人機監管難度大，低空無人機數目多，體積小，執行任務復雜多樣，很難用雷達來監控它們。2)無人機缺乏有效的信息獲取手段，難以全面、及時感知規避障礙物，導致空中碰撞的風險增加。3)從無人機運營方面，缺乏高效飛行任務的申報渠道，造成黑飛現象屢禁不止。針對上述問題，本章節主要列舉了無人機領域內的通感融合場景，以期有效地利用通信感知融合技術，獲得更為全

26、面的空域信息，能夠更好地識別潛在威脅目標，確保低空無人機更安全、更可靠的規避飛行，構建更加穩定的無人機網絡控制及運行系統。面向無人機場景，利用基站通信功能實現信息回傳和飛行控制；利用基站對一定區域進行感知可識別無人機的飛行狀態、檢測障礙物、監測氣候變化等，提供監管類和輔助飛行類服務，進一步地，利用基站對機上終端的感知功能可針對特定無人機進行監管。具體智慧低空感知業務場景可歸納如下：無人機監管：針對存在電子圍欄的區域，若感知到無人機接近圍欄邊界或將突破圍欄限制時，給出圍欄告警；無人機避障：對空域進行全方位多角度的探測并將感知結果提供給無人機，為避障預警提供冗余量，提升避障成功率；飛行入侵監測：監

27、測特定區域，若感知到非法無人機，則給出入侵告警；飛行路徑管理：感知無人機位置、高度、航向、速度等信息，若發現與原計劃飛行軌跡不符，則給出飛行一致性告警；同一區域存在多個無人機時，根據各無人機的位置、高度、航向、速度等信息，預測其航跡，若預計無人機間將發生沖突，則給出沖突告警。3.1 應用案例1：無人機監管和避障3.1.1 案例描述下面主要介紹無人機監管和無人機避障兩大應用場景。一、無人機監管輕小型民用無人機在航拍、農業、測繪等領域大顯身手，同時也會干擾民航飛行，造成事故。為I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告12實現對無人駕駛航空器的依法

28、管理，中國民航局發布了無人駕駛航空器飛行管理暫行條例4。條例明確，除空中禁區、機場、軍事禁區、危險區域等周邊一定范圍內，微型無人機無需批準可以在真高50米以下空域飛行，輕型無人機可以在真高120米以下空域飛行。此外，按照相關規定，無人機飛行前還要向空管部門申請飛行空域和計劃，得到批準后才能行動。除此之外任何飛行都叫“黑飛”。但是，當前很多無人機飛行并未嚴格遵守國家相關規定，導致未經許可闖入公共及敏感區域、意外墜落、影響客機正常起降、碰撞高層建筑等“黑飛”事件時有發生。在實踐中，通過技術手段限制非法違規飛行，是防止“黑飛”的主要手段。比如，主流無人機廠商均推出了電子圍欄功能，無人機接近不準起飛的

29、地帶會自動發出警報，并無法操控進入禁飛區域。目前，除了機場附近得到了較嚴格的電子圍欄保護，類似軌道交通沿線、高鐵站、碼頭等重點區域，依然是一些電子圍欄的盲點?；谕ㄐ排c感知融合技術，利用通信感知融合基站或者多站協同實現對特定區域的全天候、不間斷地探測無人機的出現或鄰近、以及跟蹤無人機的移動軌跡和移動速度，以實現對非法進入的無人機進行監管，為安全低空提供精準參考依據。二、無人機避障無人機感知與規避技術是實現未來無人機空域集成應用的核心技術之一。由于中低空以及超低空的空域越來越“擁擠”，無人飛行器與其他物體發生碰撞的風險與日俱增，造成了極大的安全隱患。通常，無人機基于搭載的機載傳感器（如雷達）對空

30、間環境進行感知，主要的感知目標包括飛行空域的各類合作/非合作動態目標以及各類靜止障礙物。在復雜的無人機任務環境和氣象條件下進行目標的檢測、跟蹤、識別,實現精確、穩定的目標狀態獲取和可靠的態勢感知和威脅評估是無人機環境感知的主要挑戰。目前，主流無人機型具備全向感知與避障系統，應用了紅外感知、目視感知系統、毫米雷達波等多種技術，能夠探測在其安全鄰域或空域監視范圍內是否存在障礙物（包括靜止物體或運動的其它飛行器），通過分析自身和障礙物的相對運動狀態，由操作手或自動進行分析決策，從而解除潛在的碰撞危險。感知系統是無人機感知與規避系統中第一個環節，需要檢測并獲取障礙物信息，為決策系統提供支撐。出于對單機

31、傳感設備帶來的高成本考慮，一些無人機可能不會安裝或只安裝低能力的用于避障的傳感設備。那么對于這些中小型無人機，可以借助通信感知融合基站實現對空域中無人機進行面向區域或者面向特定目標/設備粒度的感知，將周圍環境的感知結果（比如障礙物的位置、形狀和其他無人機的飛行速度）提供給處理中心，可以實現無人機避障。此外，單機感知和避障系統由于建筑物等遮擋存在探測范圍受限的問題，通信感知融合基站的連續組網可以對空域進行全方位多角度的探測并將感知結果提供給無人機，可以為避障預警提供冗余量，提升避障成功率，如圖5所示。13I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告

32、3.1.2 業務需求對無人機的感知指標是參考雷達能力。感知數據量和感知數據刷新率、感知帶寬、感知特征、感知方法等因素有關，在該場景中，需要對無人機周圍環境進行感知，感知特征（障礙物的位置、形狀和其他無人機的飛行速度等）眾多，感知數據量大，基站得到的感知信息發送給核心網感知管理功能會對基站和核心網之間的通信速率有要求，特別是在實時性要求較高的情況下，感知數據傳輸對通信速率的要求高。此外，感知時延應該是毫秒級別的。綜上考慮，給出了下述感知業務指標需求。圖5 無人機避障示意圖I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告14 表5 智慧低空無人機監管和避

33、障感知業務指標需求3.2 應用案例2：飛行入侵檢測3.2.1 案例描述隨著無人機市場的不斷拓寬，越來越多的民用無人機進入到生活當中，無人機被廣泛地應用于民事和軍事領域，比如航拍攝影、商業表演、物流配送等等。越來越多的民用無人機進入到生活當中，在帶來便利的同時也造成了“黑飛”事件頻發，嚴重危害公共安全和個人隱私。無人機“黑飛”的定義，在2.2.1.1章節中已有相關描述，詳細定義可參見中國民航局發布的無人駕駛航空器飛行管理暫行條例。目前對無人機的監管存在盲區，給社會的安全和公共秩序造成了不容忽視的危害。例如，近期每年都存在無人機擾航事件發生，導致航班延誤，擾亂客機飛行任務和秩序。對于體育館、廣場等

34、公共活動區域，無人機入侵還可能潛在地威脅到人群的人身安全，導致安全事故發生。無人機具有飛行高度低，有效探測面積小，不容易被偵測發現的特點，當前的無人機探測技術包括雷達探測、音頻探測、視覺探測等等。雷達探測技術根據對雷達回波的多普勒頻移信息的分析，進一步探測運動目標。音頻探測技術通過采集聲音信號并進行信號處理，提取無人機的聲音特征進行無人機探測。視覺探測技術通過采集圖像信息進行圖像處理實現無人機的探測。但是，當前的探測技術15I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告圖6 無人機突破電子圍欄示意圖也存在諸多缺點，例如雷達探測易受低空雜波影響，多普

35、勒效應不明顯，反射面積小，雷達檢測困難且成本較高。音頻探測受環境噪聲干擾大，探測距離較短，適用范圍較小。視覺探測技術主要依賴于運動目標檢測技術，探測精度不高。由此可見無人機“黑飛”情況的避免除了加強有效的無人機監管之外，在通感融合系統中，可以利用無線基站，對覆蓋范圍內進行全空域檢測，定位并跟蹤侵入到范圍內的無人機，可利用通感網絡實現對無人機位置信息的實時感知，進而實現面向固定區域的無人機入侵監測。此外，考慮到當探測空域內的無人機入侵之后，會立即采取行動來驅趕“黑飛”的無人機，無需對入侵空域的無人機的數量進一步識別，因此通感場景下的業務需求可以不用過多考慮感知分辨率。而且由于探測空域較大（如機場

36、10km*10km）且存在安全緩存區，所以不需要過高的感知精度要求。該需求可廣泛應用于政府機關、旅游景點、港口碼頭等固定重點安全區域以及地點靈活的重大活動保障（例如演唱會、開/閉幕式等）?；谕粚崿F技術邏輯，可針對無人機的飛行范圍實現電子圍欄預警：利用感知網絡，針對劃定電子圍欄的區域，若網絡感知到無人機接近圍欄邊界或將突破圍欄限制時，給出無人機突破圍欄告警，可有效提高無人機飛行安全。如圖6所示，無人機進入醫院電子圍欄范圍內，有嚴重干擾醫院急救直升機的起飛/降落的可能，對醫院里的人員和物品可能造成影響。通過無人機飛行入侵檢測，讓無人機及時避開電子圍欄，可有效避免該影響。I M T-2 0 2

37、0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告163.2.2 業務需求感知精度相關指標參考雷達能力。該場景下的技術要求相比路徑管理或避障場景的技術要求要低（精度要求低），感知數據量相比路徑管理應用低。在該場景中，無需對無人機身份進行識別，因此安全隱私要求低。綜上考慮，給出了下述感知業務指標需求。3.3 應用案例3：飛行路徑管理3.3.1 案例描述隨著無人機的廣泛應用和普及，無人機在執行飛行任務時，如何在有限的時間內避開環境中的障礙物和擁堵航線，規劃合理、安全、有效的飛行路徑規劃直接影響無人機的飛行效率。無人機路徑規劃是無人機自主飛行的關鍵因素之一，它指的是為無人機規劃出從

38、起始點到目標點的一條或者多條實際可飛的路徑。一般情況下根據環境信息和各條航線上的無人機飛行狀況，選擇最優路徑，以避開障礙物、避免飛行擁堵、防止進入飛行限制區、防止在人員密集區域飛行等。一方面，對于合法的受監管無人機，會將其自身信息注冊登記到運營商網絡和無人機監管中心。利用基站的感知能力，通信網絡可獲得無人機位置、高度、航向、速度等信息，并將上述信息提供給相關的無人機服務商或飛行管理中心，基于對各條航線上的無人機數量和飛行速度等信息的統計，可 表6 智慧低空飛機入侵檢測感知業務指標需求17I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告圖7 無人機路徑

39、管理示意圖另一方面，對于非法的無監管無人機，其可能會無意或有意地闖入無人機航線上，影響其它合法無人機的正常飛行甚至導致重大安全事故，因此需要對此類無人機進行及時發現及時處理。通信網絡可以通過基站對各航線進行實時感知，當出現不可識別的非法無人機時，快速反饋給飛行管理中心進行相應應急處理，如現場捕獲非法無人機并定責等。需要說明的是本案例中的合法無人機是指網聯無人機，即可實現與基站接入的通信終端。通信網絡可利用通信功能實現信息回傳與飛行控制，同時通過感知功能，識別無人機的飛行狀態，飛行路線輔助其對無人機飛行路徑的管理。具體地，當目標無人機接入通信網絡后，利用自帶GPS等設備或蜂窩網絡定位技術，獲得定

40、位信息并將坐標發送給無人機服務商或飛行管理中心?；跓o人機位置信息和基于感知得到的各條航線上的無人機飛行狀況，無人機服務商或飛行管理中心的無人機操作系統依據反饋信息對既定飛行路線作出調整，同時通信網絡可利用感知或高精度定位等技術對無人機進行定位跟蹤，進行飛行路徑輔助監測，如圖7所示。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告18智慧生活應用范圍很廣。5G-A通感融合旨在通過通信設備間的信號傳輸感知生活場景中的環境中的路障等，提供輔助飛行服務。3.3.2 業務需求感知精度的相關指標參考雷達能力。在該場景中，既需要對無人機特征進行識別，也需要對周圍

41、環境進行識別，感知信息較多，感知數據量大。此外，需要對無人機的進行實時控制，因此，對于端到端的感知時延要求高。在該場景中，需要識別被感知無人機的身份，安全隱私要求也高5。綜上考慮，給出了下述感知業務指標需求。表7 智慧低空飛行路徑管理感知業務指標需求智慧生活場景通感融合需求分析19I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告信息或者環境變化的特征，用于服務于人們的生活，如健康監測、家居安全、家居健身服務、出行安全等。結合5G-A通信網絡空口特點，當前智慧生活領域應用通感融合技術的主要應用案例包括呼吸監測、入侵檢測、手勢/姿態識別、運動健身監測、天

42、氣監測等。4.1 應用案例1：呼吸監測4.1.1 案例描述呼吸頻率是重要的生命體征，能夠有效反映當前身體健康狀況，呼吸與人體的健康狀況息息相關，呼吸急促或呼吸不暢等癥狀都反映了身體的非健康狀況，例如常見的感冒、流感、肺部病毒感染等疾病，也會引發咳嗽、鼻塞等呼吸問題，由于上呼吸道堵塞引起的呼吸暫停癥狀更是會威脅到患者的生命健康。在臨床醫學上，現有醫療設備都是通過有線連接技術獲取高精度的呼吸信號，檢測器監測由于人體呼吸運動產生的胸腹部壓力、呼吸音、氣流、溫度、胸部阻抗等各種生理參數的變化，接觸式檢測在醫院病床監護場景下被廣泛使用，但在居家生活中對日常睡眠進行長期不間斷的檢測則不適用。一部分人不希望

43、使用可穿戴設備，影響睡眠舒適度，且購買專門的設備以及維護等增加了額外的成本開銷。其次，使用過程中可能會因為人體的隨機活動導致傳感器接觸不良或者直接脫落，并且佩戴的檢測設備對于部分患者可能產生皮膚刺激，例如嬰兒或有皮膚燒傷的病人等。因此，如何在室內實現持續的非接觸式呼吸監測技術，是迫切需要解決的問題。常見的非接觸式呼吸檢測技術例如諧振電路調頻法對于電流過于敏感，如電路中本身存在的電路噪音會產生干擾，檢測準確度存在問題；渦流檢測方法則會帶來一定的副作用；紅外熱成像檢測法會因為周圍環境的溫度導致一定程度的誤差，機器視覺檢測方法通過攝像頭收集人體的視頻信息間接獲取呼吸信息，但是該方法受到光照條件的影響

44、，并且不能有遮擋，應用場景進一步受到了限制。相比較之下，利用無線信號檢測能夠克服以上不足，且由于無線信號在絕大部分場景中廣泛存在，不僅可以應用于醫療領域的病床監護也可以應用于日常家庭睡眠情況監測，具有無接觸、低成本的優點。關于呼吸監測，通過基站和終端間發送信號，以及接收信號和感知測量來進行呼吸監測如圖8所示。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告20基于3GPP信道模型可進行初步評估，假設采用CDL-D（Cluster Delay Line-D，簇延時線-D）信道，其中選擇一簇為呼吸影響的反射路徑且功率設定為10.1dB，呼吸時胸腔起伏假設

45、為00.005m（5mm），呼吸頻率設為0.2Hz。根據信噪比和環境中是否有其他移動物等情況分別進行仿真驗證，在1根發送天線和4根接收天線、不同信噪比、不同NLOS（Non-Light Of Sight，非視距）簇移動狀況下仿真結果如圖9-圖12所示。圖10 0dB信噪比下環境中無移動物的仿真結果圖9 20dB信噪比下環境中無移動物的仿真結果圖8 基站和終端間收發信號的呼吸監測示意圖21I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告根據上述仿真結果，呼吸監測感知不僅與信噪比有關，還與環境中其他變化的因素有關。在理想信道無噪聲的情況下，并且環境中無其

46、他物體移動的情況下，從呼吸頻率檢測結果來看，呼吸頻率檢測效果最佳。隨著信噪比降低和環境中其他物體移動，呼吸頻率檢測結果可以明顯觀察到上述因素引入的噪聲和干擾，尤其是當受檢測目標存在移動時，對呼吸檢測效果產生嚴重影響。因此，基于當前5G信號進行呼吸檢測是可行的方案，適合于包括睡眠以及病床監護等目標相對靜止場景下的長時間呼吸檢測。4.1.2 業務需求人類典型呼吸頻率范圍在1030次/每分鐘6，呼吸檢測結果每隔110s刷新一次能夠滿足呼吸異常情況檢測。呼吸速率檢測結果體現在多普勒域，相干檢測時間窗口為10s時能夠達到至少0.1Hz的多普勒分辨率，即呼吸速率相差6次/每分鐘以上既可以區分出來。呼吸速率

47、精度體現為多普勒精度95%，虛警概率2%是可實現且符合業務需求的。如上一小節所述，基于無線感知的入侵檢測，相比于基于視頻的入侵檢測存在隱私性高的優勢。由于入侵檢測需要持續對用戶居家環境進行監測，感知數據的安全隱私等級高。表9 智慧生活入侵檢測感知業務指標需求4.3 應用案例3：手勢/姿態識別4.3.1 案例描述在智能家居、智能穿戴設備、智能汽車以及VR（Virtual Reality，虛擬現實）/AR（Augmented Reality，增強現實）等領域都增加中，人機交互技術的重要程度日益凸顯。其中，手勢識別是一種最直接、最簡便的交互方式。在早期的穿戴式手勢識別技術中，手勢識別需佩戴專用的傳感

48、器設備，通過傳感器采集信息進行識別、這種方式成本高，而且用戶體驗收到較大影響。隨后隨著計算機圖像處理技術的發展，手勢識別擺脫了穿戴設備，通過視頻設備采集手勢的視頻數據，也能實現手勢識別。25I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告4.3.2 業務需求為了保證良好的用戶體驗，手勢/姿態識別的識別準確率不能太低。在研究工作12中，基于Wifi CSI（Channel State Information，信道狀態信息）時間序列的手指動作識別準確率達到了96%；在研究工作13中，通過多接收機感知手勢識別準確率能夠達到92.7%；在研究工作14中，2、

49、3、4、5個然而，這種方式容易受光照條件的影響，當光照不穩定，識別準確率就會降低，另外也存在個人隱私容易泄露的問題?；跓o線信號的手勢識別技術，因其部署方便、配置成本低、信號傳輸范圍廣、適用性強等優點而受到越來越多的關注，其作為一種免穿戴、無接觸的人機交互方式，目前已成為學術界和工業界研究的熱點領域之一。在當前互聯網社會中，無線網絡已逐漸成為現實生活的重要補充和延展，大部分公共區域都實現了LTE（Long Term Evolution，長期演進）/5G無線網絡覆蓋，所以基于無線信號的手勢識別技術具有天然應用基礎?；跓o線信號的手勢/姿態識別彌補了傳統手勢識別技術的缺陷，比如部署成本高，用戶隱私

50、得不到保護，以及受環境條件制約較大。如圖14所示，基于無線信號的行為感知方法，具有實現成本低、部署過程便捷和無需攜帶設備等優勢，并且能夠在各種應用環境中進行部署，不受光照條件的影響，相較于傳統方法感知范圍大幅提升，用戶無需擔心隱私受到侵犯，甚至在有部分遮擋的情況下也可以進行有效地手勢/姿態識別。圖14 手勢/姿態識別示意圖I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告26用戶同時進行手勢識別的識別準確率分別能夠達到95.0%、94.6%、93.6%、92.6%以及90.9%。在研究工作15中，基于LTE信號也能進行手勢識別，平均識別準確率達到95%

51、以上。對于手勢/姿勢識別類應用，往往可能涉及到用戶服務內容、用戶操作密碼等，安全隱私等級高。綜上考慮，給出了下述感知業務指標需求。表10 智慧生活手勢/姿態識別感知業務指標需求4.4 應用案例4：健身監測4.4.1 案例描述由于工作、學習壓力等外界因素，當前社會亞健康人群急速膨脹，據研究表明，世界上約80的人群長期處于亞健康狀態，很多人時常會感到精神緊張、身心疲憊。長時間久坐、用眼過度等工作生活習慣使得出現頸椎病、焦慮癥、重度肥胖等疾病的人群日益龐大，體育鍛煉的重要性不言而喻，日常的鍛煉與人們的生活息息相關，也逐漸成為現代居民關注的重點。在這樣的背景下，依托互聯網技術和新媒體技術的運動健身類A

52、PP以及各種配套的健身方案應運而生，無論在辦公室，家中還是健身房，只需要有限的空間和簡單的器械變可以進行體育鍛煉，不受時間和空間的限制。為了向鍛煉者提供有用的反饋并改善他們的鍛煉體驗，需要能夠準確監控和評估鍛煉效果的強大且易于部署的解決方案。在過去的幾年中，常見的方案包括基于視覺以及可穿戴設備等方式，基于視覺的方法利用攝像頭或相機采集鍛煉動作的視頻或圖像信息，然后使用圖像處理技術以及計算機視覺等方法識別不同動作，然而該方式存在隱私問題和光照要求，且要求攝像頭和用戶之間無遮擋；基于可穿戴設備的方式需要將設備連接到用戶的身體上，這在鍛煉期間會帶來不便和影響27I M T-2 0 2 0(5 G)推

53、 進 組5G-Advanced通感融合場景需求研究報告4.4.2 業務需求人類進行跑步、深蹲、俯臥撐、仰臥起坐等健身運動時，檢測結果每隔0.510s刷新一次能夠滿足檢測需求，對于這些重復性健身動作的頻次的檢測結果體現在多普勒域，相干檢測時間窗口為10s時能夠達到至少0.1Hz的多普勒分辨率，即至少可以分辨出每分鐘重復次數相差6次以上的健身動作，健身動作重復速率精度體現為多普勒精度95%，能夠滿足日常健身輔助需求，對于健身監測，需要傳輸的感知數據，即檢測結果，可以是健身動作識別結果，以及健身次數或速率（多普勒檢測結果），還可以是原始的信道信息，對于帶寬要求較低，且可以選擇檢測結果較好的子載波數據

54、或者對多個子載波數據進行合并，因此需傳輸的數據量較小，健身動作監測屬于個人信息，對安全隱私要求較高。綜上考慮，給出了下述感知業務指標需求。圖15 健身監測示意圖運動效果，且需要額外的購買成本開銷。相比之下，無線信號具有穿透性強、感知范圍大，不記錄涉及隱私的敏感信息、無需佩戴裝置、低成本等優勢，前面提到的典型室內健身場景均有無線信號的覆蓋，如圖15所示，利用無線信號感知進行例如跑步、深蹲、俯臥撐、仰臥起坐等健身運動的識別、計數等，可以替代攝像頭以及穿戴式設備，成為較有前景的運動健身輔助方案。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告28 表11

55、智慧生活健身監測感知業務指標需求4.5 應用案例5：天氣監測4.5.1 案例描述天氣監測例如降雨監測對天氣預報、氣候模型、農業、水利工程設計等有重要意義，傳統降雨監測主要有雨量計、氣象雷達和衛星等。雨量計通過對接收到的雨水進行計量來檢測局部區域降雨量，具有空間分辨率高的優點，然而雨量計的空間覆蓋范圍小，廣域覆蓋時需要部署大量雨量計及配套設備。氣象雷達通過測量雨滴的反射回波信號提取降雨信息，具有時間分辨率高、可定位降雨位置、可檢測降雨分布、檢測范圍廣等優點；然而氣象雷達誤差因素來源較多，設備昂貴、且具有較大的電磁污染、不適合大量部署。氣象衛星通過各種氣象遙感載荷接收包括紅外光、可見光、微波等信號

56、來分析云層及風速風向等氣象信息，從而提取包括降雨在內的各種氣象信息，具有時間分辨率和空間分辨率高的優點，然而氣象衛星獲取的降雨強度等信息不精確，通常用作輔助覆蓋。如圖16所示，在通信感知融合場景下，可以利用已有的移動通信網絡進行天氣監測；基本方法是測量通信鏈路中的信號鏈路衰減，進而利用信號鏈路衰減與天氣指標之間的關系分析得到對應的天氣指標。以降雨監測為例，降雨率R（mm/hr）與信號鏈路衰減A（dB/km）之間具有明確的指數關系A=aRb，其中a和b為常數。通信感知融合中天氣監測的最大優勢是無需額外部署硬件、具有較大的成本優勢，此外還具有傳感器數量大、空間分布廣泛、降雨監測的時間和空間分辨率高

57、、可檢測降雨分布等優勢。29I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告4.5.2 業務需求降雨檢測的目標是檢測特定的地點在特定的時間是否有降雨、以及在有降雨的情況下的降雨的大小。降雨的大小主要由降雨率來描述，單位是mm/hr；通常又會根據降雨率的范圍將降雨的大小分類為小雨、中雨、大雨、強降雨、暴雨和大暴雨等，其降雨率數值的范圍分別為：0.492.7、2.713.3、13.327.3、27.348.6、48.6133.2和大于133.217。從降雨率的數值上來看，為了準確的區分降雨大小的分類，降雨率的分辨率需要在1mm/hr左右。降雨過程在時間和

58、空間上具有一定的分布，降雨檢測的結果應能夠盡可能準確地反應降雨的時空分布、同時又不占用過多的資源。降雨的時間分布用數據刷新率來描述，一方面基于通信鏈路進行降雨檢測具備每10s更新一次的能力，另一方面在基于通信鏈路進行降雨檢測的已有協議中規定每15分鐘執行一次降雨檢測18；因此降雨檢測的數據刷新率的指標可以參考已有協議定位每15分鐘刷新一次或者相當的數量級。降雨的空間分布指標，即空間分辨率，參考傳統的雨量計的部署密度、并結合通信鏈路的空間分布規律，可確定為1km3km19。因降雨檢測僅對信號強度進行測量和分析，需傳輸的數據量較低。并且降雨信息不涉及安全和隱私問題，所以對安全隱私要求低。綜上考慮，

59、給出了下述感知業務指標需求。圖16 天氣監測示意圖I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告30通信感知融合將實現通信能力和感知能力的交融互通，一方面，借助于通信系統提升感知精準度、提高感知時效性、實現無縫泛在的感知服務；另一方面，基于對無線通信信道環境的感知、識別與預測進一步提升無線通信系統的性能，助力構建智慧網絡。5.1 應用案例1：基站和終端波束管理在當前的無線通信系統中，廣播信道、控制信道、數據信道、參考信號等都采用基于波束的方式進行發送和接收，為了保證基于波束傳輸的準確性和健壯性，基站和終端需要在傳輸過程中進行相互的波束測量和確定，以

60、確保使用正確的波束進行控制和業務信道的傳輸?，F有的波束訓練和波束跟蹤方法需要基站頻繁發送訓練序列并進行測量反饋，空口時頻資源開銷過大，同時還具有時延較高，波束跟蹤時效性較差，難以及時與無線信道實時匹配等缺陷，進而造成較高的波束失敗和通信中斷概率。如圖17所示，基于感知技術獲取小區內終端位置信息等可以縮小波束掃描范圍、縮短波束訓練時間：例如當感知工作模式為終端發送上行感知信號，基站測量時，第一步，基站基于終端發送的參考信號做感知，確定終端的位置信息，但是僅僅獲取終端的位置信息只能確定終端工作在LOS徑時的最 表12 智慧生活天氣監測感知業務指標需求智慧網絡場景通感融合需求分析31I M T-2

61、0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告5.2 應用案例2：信道估計增強信道狀態信息CSI的反饋決定了MIMO（Multiple-in Multiple-out，多進多出）傳輸的性能，通過CSI反饋可以獲知信道能夠承載的信息流數、信道的質量或信噪比、信道預編碼矩陣等。當前的CSI測量及反饋流程，隨著天線數的增加，CSI-RS（CSI Reference Signal,信道狀態信息參考信號）/佳波束，終端工作在NLOS徑時的最佳波束還需要考慮信號的反射等因素；第二步，終端發送的參考信號經過了周圍環境的反射等到達基站，可以輔助基站感知獲取通信信道的環境信息，進而

62、確定終端工作在LOS還是NLOS環境，以及對應的更精確的波束信息，輔助縮小通信波束訓練范圍?；诟兄夹g獲取通信信道環境信息等可以進行波束預測，降低波束測量反饋開銷并提升波束跟蹤時效性：例如當感知工作模式為終端發送上行感知信號，基站測量時，第一步，基站基于終端發送的參考信號做感知，確定終端的位置信息、移動速度、運動方向等信息，基于此基站可以預測終端的運動軌跡等；第二步，終端發送的參考信號經過了周圍環境的反射等到達基站，可以輔助基站感知獲取通信信道的環境信息，基站可以基于預測的終端運動軌跡以及感知的信道環境信息可以進行波束預測，提升波束跟蹤時效性。圖17 感知輔助基站和終端波束管理示意圖I M

63、T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告325.3 應用案例3：基站和終端節能相比于4G網絡，5G網絡傳輸帶寬增大，基站通道數增多，造成系統靜態功耗顯著增加。此外，5G網絡由于部署頻段增高，覆蓋范圍變小，越發密集的基站部署也造成整個網絡總體功耗進一步增加。網絡實測數據顯示基站能耗隨著小區負載變化并沒有顯著變化，深夜空載時段PRB（Physical Resource Block，物理資源塊）利用率只有2%，但是能耗高達滿載下的60%，也就是說空載時基站能耗仍有很大節省空間?？蛰d時，基站仍要以波束掃描的方式周期性發送SSB（Synchronization

64、 Signal Block，同步信號塊）、SIB（System Information Block，系統信息塊）、尋呼等公共信令，為小區內空閑態終端或新進入小區的終端提供服務。如圖19所示，基于感知技術獲取小區內空閑態終端密度和位置等信息，可以輔助基站側能耗調SSB信道測量資源和CSI反饋開銷隨之增加；隨著信道環境狀態信息的快速變化，CSI反饋結果難以及時與無線信道實時匹配，將會嚴重影響信道傳輸質量。如圖18所示，基于感知技術進行通信信道環境識別與預測，提升通信系統信道估計性能：例如當感知工作模式為終端發送上行感知信號，基站測量時，第一步，基站基于終端發送的參考信號做感知，獲取信道狀態信息，提

65、升信道估計準確性；第二步，終端發送的參考信號經過了周圍環境的反射等到達基站，可以輔助基站感知獲取通信信道的環境信息。同時，基站可以結合人工智能技術進一步預測信道狀態信息，從而降低信道測量和反饋開銷，提升通信系統頻譜效率。圖18 感知輔助信道估計增強33I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告5.4 應用案例4：基站資源調度與優化隨著互聯網技術的發展與智能手機的不斷進步，人們對于移動網絡的流量需求呈現爆發式的增長。為了滿足越來越豐富的通信業務需求和越來越龐大的流量需求，基站在提升網絡容量的同時，也亟需解決因此帶來的網絡能耗增加。如圖20所示，一

66、方面，網絡可以基于業務特征、用戶喜好等特征感知并預測網絡中用戶的業務數量以及QoS（Quality of Service，服務質量）的需求，并配置相應的基站資源調度策略?；就ㄟ^配置基站天線、頻譜資源等手段，保證網絡服務的QoS、連續性，滿足用戶需求。另一方面，基站可以根據感知無線環境獲得的空口質量，終端位置以及環境干擾等信息，進一步優化自己的資源調度策略，進而提升網絡服務質量，降低網絡能耗。圖19 感知輔助基站和終端節能整：例如當感知工作模式為“終端發送上行感知信號、基站測量”時，基站基于終端發送的感知信號做測量，可以確定小區內空閑態終端個數及位置等信息，此外，終端發送的參考信號經過了周圍環

67、境的反射等到達基站，可以輔助基站感知獲取通信信道的環境信息，進而確定終端工作環境，以及對應的更精確的波束信息，從而輔助基站進行合理的節能策略選擇。同時，從終端節能角度，如果只允許連接態終端才能發送或者接收感知信號，則會導致原本沒有通信需求的空閑態終端為了實現感知功能需要頻繁的進入連接態，嚴重增加了終端能耗。因此，允許終端在空閑態發送或接收感知信號可以使得終端無需進入連接態就完成感知功能，進而節省終端能耗。I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告345.5 業務需求基于通信感知融合系統提升無線通信系統的性能的用例對感知技術的需求主要包括感知最大

68、速度、感知精度、感知數據刷新率等。感知最大速度主要取決于通信場景和終端類型，約3km/h-500km/h：基于感知技術獲取終端移動運動軌跡等信息，因此對感知的最大速度需求主要取決于終端移動速度。參考TS 38.90120，人移動速度3km/h，工廠場景AGV（Automated Guided Vehicle，無人搬運車）移動速度30km/h，高速公路車輛移動速度100km/h，高鐵場景500km/h等，因此感知最大速度大約在3km/h-500km/h。感知距離精度主要是考慮終端位置偏移范圍對基站波束方向、信道估計準確度的影響，如果終端位置偏移較大，會導致基站側波束方向不準、信道估計不準等。感知

69、數據刷新率主要取決于具體應用案例，例如對于波束管理、信道估計感知數據刷新率需求較高，例如每10秒刷新一次即可，對于基站/終端節能感知數據刷新率需求較低，可以放松至每100秒刷新一次。綜上考慮，給出了下述感知業務指標需求。圖20 感知輔助基站資源調度與優化 表13 智慧網絡感知業務指標需求35I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告已經廣泛部署的5G網絡，具備天然的組網優勢，覆蓋能力強，天線陣列規模大，可以通過軟硬件的升級，在滿足通信需求的同時，也具備原生的感知能力，構建通信感知融合網絡。針對上述通信感知融合應用場景，需要5G網絡提供廣域無縫覆

70、蓋的通信網絡，例如智慧交通場景需要通信網絡在道路兩旁每隔1km通過立桿或橫桿的方式提供線裝連續覆蓋，智慧低空場景需要通信網絡在無人機感知區域提供泛在無縫的區域覆蓋，智慧生活場景需要通信網絡滿足室內、工廠等熱點場景的高容量大速率需求。在5G網絡基礎上，我們從感知工作模式、無線空口、網絡架構、感知測量量等方面分析通信感知融合的潛在標準化影響。6.1 感知工作模式針對不同場景、不同應用、不同感知需求對多樣化感知收發工作模式的需求，如圖21所示，根據感知信號發送和接收方式的不同，具體主要分為基站自發自收、基站間協作感知、基站發終端收、終端發基站收、終端自發自收以及終端間協作感知六種工作模式?；咀园l自

71、收工作模式與傳統雷達感知工作模式相似，主要挑戰是如何處理收發信號之間的干擾，例如可以通過獨立的收發天線以實現發送和接收硬件隔離的方式獲取獨立的收發信號?；鹃g協作感知工作模式能夠實時適配感知目標和環境的位置，尤其適用于高速公路或高鐵等高速移動場景，為其提供接近全域覆蓋的感知服務?；鹃g協作感知主要挑戰是基站間精準同步，多基站間的資源調度以及小區間上下行交叉鏈路干擾消除等?；景l終端收或終端發基站收工作模式通過下行或上行無線通信信號進行測量感知。終端自發自收工作模式與基站自發自收工作模式類似，主要挑戰是終端發送功率較低、天線數較少，導致終端感知范圍和感知精度性能受限。此外受限于能力和成本，終端側

72、收發的干擾隔離實現比基站側更困難。終端間協作感知多用于局域感知場景，例如基站感知直射徑較少的場景，并以協作的方式擴展終端感知范圍。同時隨著智能設備的發展，智能化終端設備數目和種類越來越多，終端間協作感知將有效提升感知性能和效率。標準化影響I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告366.2 無線空口影響在無線空口方面，對于自發自收工作模式，以基站自發自收模式為例，如圖22所示，基站側發送通信信號，并接收回波進行感知，這里有兩種候選方案：（1）將感知信號發射與接收天線隔離或者設計新的接收機；（2）改變現有的信號幀結構來實現自發自收。方案（1）的第

73、一種實現方式是通過2個獨立的基站實現發射和接收天線的物理隔離，對標準化影響較?。赡苌婕盎鹃g交互）；第二種實現方式是基于現有基站實現全雙工發射和接收，會極大改變基站側原有設計，增加了新的硬件資源、空口資源。方案（2）則需要改變現有信號數據格式內容，對標準化影響較大，但硬件改動影響較小。圖21 通信感知融合工作模式37I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告對于協作感知工作模式，以基站間協作模式為例，如圖23所示，基站A發送通感信號，基站B接收反射信號。最終數據分析可以在基站A也可以在基站B?；鹃g協作感知工作模式，需要各基站之間進行同步，并

74、進行信息協同交流，需要增加資源協調，并對資源進行處理。圖22 基站自發自收模式圖23 基站間協作模式I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告38對于基站發終端收或者終端發基站收的工作模式，如果復用現有通信下行或上行參考信號，那么需要標準化討論潛在的感知測量量增強，對空口影響較小。如果需要增加空口感知測量資源或者對現有無線測量資源/信號進行增強，則需要標準化討論感知參考信號配置及發送方式、感知信號與通信信號復用方式等。如果是基站發送下行感知測量信號，終端進行測量，終端將測量結果上報給基站和核心網感知功能網元，還需要定義感知測量量上報流程以及相關

75、數據格式。此外，還需要考慮感知信號波束管理增強，例如基站指示相關波束進行全空域檢測，以滿足感知覆蓋要求，并提供連續覆蓋。6.3 網絡架構影響在通感網絡架構方面，需要增加感知功能網元，負責網絡感知能力的對外（終端和第三方應用）開放、根據外部服務請求對終端的管控、以及對上報的感知測量數據的處理。感知功能網元的邏輯位置、功能定義、針對功能所需的輸入（如必要測量）與輸出、與其他網元的交互、新的標準化接口的引入與定義等方面均具有標準化影響。通感網絡架構應支持上述六種感知工作模式，并且支持感知模式的選擇、修改和多種感知模式的協作。此外，考慮到并非所有網絡設備和終端都支持感知能力，故需要考慮為感知服務選擇支

76、持感知能力的網絡設備和終端，并為其配置執行感知所需要的相關參數。感知數據的收集和處理較為關鍵，考慮到計算量和傳輸數據量，可能需要在終端或基站對接收到的信號信息進行一些必要的初步處理，得到感知測量數據后再上報給核心網，或者直接在基站側對感知數據進行處理得到測量數據。除上述內容外，在5G網絡中引入通感融合技術還會對安全、隱私、監管和計費等方面存在標準化影響，需進一步考慮。6.4 感知測量量需求感知測量通過對感知信號進行處理，獲得目標對象的距離、速度、角度、多普勒、信號強度、信道狀態等測量量。針對距離測量量：對于自發自收感知工作模式，測量發射波與目標回波之間的時間延遲t，從而得到目標與測量點之間的距

77、離R=Ct/2，其中光速C=3108m/s；對于A發B收工作模式，測量發送信號和接收信號之間的時間延遲t以及根據接收信號AoA（Angle of Arrival,到達角）綜合確定感知目標位置信息。針對速度測量量：利用目標運動產生的多普勒效應，通過測量感知信號的多普勒頻率來推導目標速度，其中多普勒頻率fd=v/，其中v為目標運動速度，為信號波長。針對角度測量量：通過不同波束感知信號間的強度差異或多相位中心感知信號的相位差異測定目標角度。智慧生活場景根據信道狀態信息CSI的變化特征可以得到呼吸監測、入侵檢測、手勢/姿態識別、健身監測和天氣監測等感知結果。針對呼吸監測，主要測量量為多普勒，根據信道狀

78、態信息CSI的變39I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告化特征可以得到呼吸頻率、呼吸深度以及睡姿等感知結果。針對入侵檢測，主要測量量為信號強度，根據RSSI（Received Signal Strength Indication，接收信號強度指示）或RSSI方差特征變化判斷檢測區域內目標移動，也可以同時利用頻域信道響應中的幅度和相位信息進一步提高檢測準確度，尤其是NLOS場景檢測性能。針對手勢識別，主要測量量為幅度、相位和多普勒，根據提取的CSI信號相位的變化特征可以得反射路徑長度變化特征，區分不同動態手勢21。針對健身監測，主要測量量為

79、多普勒，根據對CSI進行時域分割對重復性運動進行計數，通過對多普勒域信號分布特征的分析識別不同健身運動。針對降雨檢測，主要測量量為信號強度，無雨/小雨/中雨/大雨時RSSI的概率密度函數具有不同的均值和方差特征22，利用RSSI瞬時值、均值和方差進行降雨水平的分類，需要無雨時的RSSI參考值對所有數據進行歸一化，以排除其他衰減因素的影響，對于降雨量分類可以采用AI（Artificial Intelligence，人工智能）的方法。以上測量量包括了現有系統支持的信道測量信息（如RSSI、CSI等）以及新的測量量（如角度、速度、信號時間延遲等）。隨著通感技術研究的發展以及通感業務的演進，預計后續還

80、會有潛在新的感知測量量引入。在標準中將會涉及現有測量信息是否支持感知業務指標需求的評估，是否改進現有參考信號或引進新的參考信號設計支持更高要求的測量或者新的測量量的研究。通信感知融合基于移動通信基礎設施向行業一網多能。通信網絡在滿足通信業務要求的前提下將使能感知業務，一方面支持更豐富應用業務提高網絡資源的利用效率，另一方面可以通過感知為業務智能和網絡智能提供基礎支撐能力。本研究報告針對通信感知融合的四大典型應用場景，包括智慧交通、智慧低空、智慧生活和智慧網絡場景中的十五大典型應用案例，分析了基于通信基礎設施使能感知業務的潛能，以及對應場景下的感知業務性能指標要求，匯總通信感知融合需求指標如附錄

81、2所示。面向智慧交通場景、智慧低空場景、智慧生活場景，基于移動通信網絡進行位置、速度、角度等信息探測感知，構建低成本、高精度、無縫泛在的感知網絡。面向智慧網絡場景，基于感知信息輔助基站或終端波束管理、信道估計、能耗節省、資源調度與優化等，提升通信系統性能。通感融合發展目前處于初期階段，本研究報告綜合產業界的觀點和需求研究了當前主要潛在通感融合應用案例，旨在為通感融合的空口技術研究、網絡架構設計以及設備的研發試驗提供參考，并推總結與建議I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告40動通感融合應用產業發展。針對后續進一步推進加快通感融合技術與產業發

82、展，我們提出以下建議：加強通感融合關鍵技術研究。通信網絡使能感知將包括多方面的關鍵技術研究，在網絡架構側中將引入新的感知功能，以及感知流程和感知業務的管理；在無線空口側中涉及感知通信融合波束管理、感知測量相關的信號設計與測量結果獲取等方面研究。此外，與其他新興技術如人工智能技術融合研究以增強通感性能也是一個重要方向。建議結合通感融合應用場景需求，對通感融合關鍵技術亟待解決主要問題進行深入研究，尋求對應解決方案使能通信網絡基礎感知應用能力。加快試驗驗證網絡通感融合能力。建議通過試驗進一步驗證通感融合關鍵技術性能，包括不同通信頻段的通感融合技術研發，和在不同應用場景下的性能驗證?？紤]結合5G-A商

83、用技術試驗，以探索5G-A網絡可支持的感知場景，推動5G-A感知能力建設和感知新應用發展，為后續6G通感融合的系統設計作重要參考。加強與垂直行業合作。建議與不同應用場景下的垂直行業加強合作，一起探索通感融合應用需求，充分考慮應用場景的特點和關鍵問題，為關鍵技術的研究與標準化提供重要指導，使得研發技術與設備能切實滿足產業化需求。IMT-2020(5G)推進組通信感知融合任務組愿攜手通信感知產業相關企業與組織、垂直行業、科研機構與高校等加強合作，一起推動通信感知融合技術與應用的發展。1 C-V2X Use Cases Volume II:Examples and Service Level Req

84、uirements,5GAA,2020.10.20.2 高速鐵路設計規范（TB10261-2014），國家鐵路局，2014.12.1.3 2019年無人機云數據統計報告，民用無人機檢驗中心，2020.7.13.4 無人駕駛航空器飛行管理暫行條例（征求意見稿），中央軍委空中交通管制委員會，2018.1.26.5 Moore,Erik George,Radar Detection,Tracking and Identification for UAV Sense and Avoid Applications(2019).Electronic Theses and Dissertations.154

85、4.6 S.Yue,H.Hao,H.Wang,et al.Extracting Multi-Person Respiration from 參考文獻41I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告Entangled RF Signals.Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies,2018,2(2):1-22.7 Y.Zeng,J.Liu,J.Xiong,et al.“Exploring Multiple Antennas fo

86、r Long-range WiFi Sensing.”Proceedings of the ACM on Interactive,Mobile,Wearable and Ubiquitous Technologies,2021.8 C.Dou and H.Huan.“Full Respiration Rate Monitoring Exploiting Doppler Information with Commodity Wi-Fi Devices.”.Sensors(Basel,Switzerland).2021 May;21(10):3505.9 W.Zhuang,Y.Shen,L.Li,

87、C.Gao and D.Dai.“Develop an Adaptive Real-Time Indoor Intrusion Detection System Based on Empirical Analysis of OFDM Subcarriers.”Sensors(Basel,Switzerland).2021 Mar;21(7):2287.10J.Lv,D.Man,W.Yang,X.Du and M.Yu,Robust WLAN-Based Indoor Intrusion Detection Using PHY Layer Information.IEEE Access,vol.

88、6,2018,pp.30117-30127.11K.Qian,C.Wu,Z.Yang,Y.Liu and Z.Zhou.PADS:Passive detection of moving targets with dynamic speed using PHY layer information.2014 20th IEEE International Conference on Parallel and Distributed Systems(ICPADS),2014,pp.1-8.12O.Zhang and K.Mudra Srinivasan.Mudra:User-friendly fin

89、e-grained gesture recognition using WiFi signals.Proceedings of the 12th International on Conference on emerging Networking EXperiments and Technologies.2016.13Y.Zheng,et al.Zero-effort cross-domain gesture recognition with Wi-Fi.Proceedings of the 17th Annual International Conference on Mobile Syst

90、ems,Applications,and Services.2019.14Venkatnarayan,H.Raghav,Griffin Page,and Muhammad Shahzad.Multi-user gesture recognition using WiFi.Proceedings of the 16th Annual International Conference on Mobile Systems,Applications,and Services.2018.15W.Chen,et al.Robust dynamic hand gesture interaction usin

91、g LTE terminals.2020 19th ACM/IEEE International Conference on Information Processing in Sensor Networks(IPSN).IEEE,2020.I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告4216S.Li,X.Li,Q.Lv,G.Tian and D.Zhang.WiFit:Ubiquitous Bodyweight Exercise Monitoring with Commodity Wi-Fi Devices.2018 IEEE SmartWor

92、ld,Ubiquitous Intelligence&Computing,Advanced&Trusted Computing,Scalable Computing&Communications,Cloud&Big Data Computing,Internet of People and Smart City Innovation,2018.17Mark，A.Richards等著，雷達信號處理基礎，電子工業出版社，2017.18Messer,Hagit,and Lior Gazit.From cellular networks to the garden hose:Advances in r

93、ainfall monitoring via cellular power measurements.2016 IEEE Global Conference on Signal and Information Processing(GlobalSIP).IEEE,2016.19Messer,Hagit,Artem Zinevich,and Pinhas Alpert.Environmental monitoring by wireless communication networks.Science 312.5774(2006):713-713.203GPP TR 38.901,“Study

94、on channel model for frequencies from 0.5 to 100 GHz.”(v17.0.0),2022.21W.Chen,et al.Robust dynamic hand gesture interaction using LTE terminals.2020 19th ACM/IEEE International Conference on Information Processing in Sensor Networks(IPSN).IEEE,2020.22F.Beritelli,G.Capizzi,G.Lo Sciuto,C.Napoli and F.

95、Scaglione.Rainfall Estimation Based on the Intensity of the Received Signal in a LTE/4G Mobile Terminal by Using a Probabilistic Neural Network.IEEE Access,vol.6,2018,pp.30865-30873.43I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告附錄1：感知業務指標定義 表14 感知業務指標定義I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告44表15 通感融合典型應用場景感知業務指標需求附錄2：感知業務指標需求匯總45I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告表15 通感融合典型應用場景感知業務指標需求 續表I M T-2 0 2 0(5 G)推 進 組5G-Advanced通感融合場景需求研究報告46縮略語