無人機通信感知一體化：架構、技術與展望

劉晨熙，馬睿，彭木根

無人機通信感知一體化：架構、技術與展望

劉晨熙，馬睿，彭木根

（北京郵電大學信息與通信工程學院，北京 100876）

無人機應急通信作為第六代移動通信系統（6G）的一種典型應用，具有靈活部署、按需覆蓋的優勢。與此同時，通信感知一體化是6G的重要特征和核心使能技術之一，它可以應用于無人機應急通信中，以提升頻譜效率、感知精度，降低系統成本，但二者如何結合，仍是學術界和工業界的研究熱點和難點。為此，提出了一種無人機通信感知一體化的體系架構，探討了支撐該架構的基礎理論和關鍵技術，并展望了無人機通信感知一體化的未來發展方向及挑戰。

通信感知一體化；無人機通信；智能服務

0 引言

無人機應急通信是6G的典型應用，具有靈活部署和廣域覆蓋的優勢，近年來得到了學術界和工業界的廣泛關注[1]。相較于傳統地面基站，無人機具有高機動、強視距、易部署等優勢，可為熱點區域、應急場景等增加容量、補充覆蓋。具體地，在無人機上搭載通信、感知設備，可為指定區域提供按需的數據傳輸和感知服務，為受災地區提供通信保障。

與此同時，為進一步支撐智能車聯網、增強現實/虛擬現實（augmented reality/virtual reality，AR/VR）等新興智能應用，6G在適配巨容量（極致傳輸速率至1 Tbit/s）、極高可靠性（誤碼率至10?7）、極低時延（傳輸時延至0.1 ms）等極致通信性能需求的同時，還需要支持廣域感知和高精度的定位、探測、成像等。在此背景下，通信感知一體化技術因在智能感知和高效無線傳輸方面的巨大潛力，已被認為是6G的重要特征和關鍵性賦能技術。通信感知一體化可充分發掘通信和感知技術各自的優勢，通過新的一體化波形設計，利用同一無線信號同時完成通信和感知功能，可提高資源利用率，實現通信、感知性能的均衡普惠[2]。利用感知信息可以實現更精確的波束成形和波束跟蹤設計，減少導頻資源的開銷，提升波束成形增益。同時，通過對多節點感知信息的交互與融合，可以進一步提高系統的感知精度和范圍。

將無人機與通信感知一體化技術結合可以提高無人機的環境感知能力，無人機可根據感知的環境信息，為地面用戶提供更加精準的覆蓋，實現更加智能的無線組網。同時，無人機的強視距特性可以減少感知盲區，擴大感知的范圍，實現廣域感知。然而，二者的結合也面臨如下挑戰：首先，當前無人機通信感知一體化研究大多聚焦單無人機場景[3-6]，通信和感知性能受限，亟待研究支持通信感知一體化的多無人機組網架構和方案；其次，無人機平臺高抖動、強視距的特性使得無人機通信感知一體化存在易受干擾的問題，現有面向傳統地面移動通信系統的通信感知一體化性能分析模型、波束追蹤及成形方案難以適用，亟須研究適配無人機特性的通信感知一體化傳輸性能分析模型及方法；最后，現有無人機系統的研究多關注通信單一維度，難以實現無人機通信感知一體化對通信和感知性能的聯合設計。為高效支撐多無人機組網下通信感知性能的多維極致需求，實現通信感知的普惠均衡，亟須研究多無人機協同感知及多維資源調配方法。

1 無人機通信感知一體化體系架構

本節提出了一種無人機通信感知一體化的體系架構，并討論了支持該架構的基礎理論。

本文所提的無人機通信感知一體化體系架構如圖1所示。具體來說，該架構通過對目標用戶的感知，實現對目標區域的精確覆蓋，提高系統容量，改善用戶的服務質量（quality of service，QoS）；通過對感知信息的傳輸實現感知信息的數據融合，實現無人機的全局感知，提升了感知精度和感知范圍。該架構主要由非系留式無人機和系留式無人機組成。其中，根據自身負載能力的不同，非系留式無人機可選擇搭載通信感知一體化基站或射頻拉遠頭（remote radio head，RRH），機載通信感知一體化基站配備輕量化人工智能（artificial intelligence，AI）引擎，具有一定的存儲計算能力，能夠執行相關AI算法對感知數據的預處理，實現對局部區域的感知，機載RRH則能為熱點地區進行補充覆蓋，且具備初步的感知功能。系留式無人機與地面指揮中心通過光纖連接，可以進行信息的回傳與分發，實現感知信息的融合與無人機狀態的監測與控制。

圖1 無人機通信感知一體化體系架構

通信感知一體化無人機能夠發射3種波束：通信感知一體化波束、感知波束、通信波束。利用通信感知一體化波束，非系留式無人機在為地面用戶提供通信服務的同時，通過反射的回波信號實現對地面用戶的探測、定位；感知波束則可用于實現相鄰無人機的位置感知，避免發生機間碰撞。此外，感知波束還可以實現無人機對地面障礙物分布情況的感知，提升無人機的視距傳輸性能；非系留式無人機對地面用戶和物理環境的感知信息將會通過通信波束回傳到系留式無人機，系留式無人機感知信息回傳至地面控制中心，同時將控制信息發送至各分布式通信感知無人機，實現對各無人機的靈活部署。

該架構的優點在于非系留式無人機節點搭載的通信感知一體化基站能夠在服務地面用戶的同時，實現對用戶和環境的探測，利用感知信息對波束成形方案進行設計，使得通信感知波束能夠盡可能精確地對準服務用戶，實現對目標用戶的精準覆蓋，同時降低了用戶間的相互干擾，利用感知信息提升了通信服務性能；另一方面，無人機的隨機抖動等因素，會影響無人機對通信感知回波信號的接收，使得局部感知信息誤差增大。為了實現對局部感知信息的誤差修正并獲取全局感知信息，該架構借助系留式無人機和地面控制中心的AI決策能力對各非系留式無人機上傳的局部感知信息進行誤差分析校正，并對校正后的感知信息進行數據融合，生成全局感知信息。全局感知信息包括地面用戶和環境信息（用戶分布情況、速度、加速度和障礙物分布情況等）以及各分布式通信感知無人機的空間部署情況和自身狀態信息（三維位置、飛行速度、剩余能量、用戶連接情況等）。系留式無人機根據全局信息，對各無人機的部署方案進行靈活調整，在提升無人機感知性能的同時，增強了無人機系統的魯棒性。

該架構可以滿足不同業務的需求，對多種應用場景進行靈活適配。例如，利用通信感知無人機實現地面基站故障時的應急通信、熱點地區的補充覆蓋，以及在車聯網場景中的車輛信息實時監測和交互。利用無人機上部署的自適應AI算法可以完成對物理世界的實時感知和建模，為實現智能車聯網、AR/VR等對感知精度要求較高的智能化業務提供支撐。需要注意的是，通信系統和感知系統的設計準則不同。通信系統的設計目標為，從包含干擾的信道中無失真地恢復信源信息，其主要聚焦的性能指標包括吞吐量、能耗、時延、能量效率、頻譜效率等。香農公式闡釋了在給定信噪比的條件下信道容量的理論上界。感知系統的設計目標則是利用測量信息或經驗數據，盡可能精確地對未知環境參數進行估計，最小化參數估計的誤差，提升感知精度和準確度。刻畫感知性能的指標主要包括識別精度（識別準確率、分辨率等）、估計精度（均方誤差、克拉美羅界等）以及檢測精度（虛警概率、檢測概率）。此外，傳統的無線探測理論表明，無線感知精度及參數估計誤差與信干噪比關系密切，回波信號的信干噪比會直接影響感知的距離、分辨率以及準確度等，這為通信感知一體化的設計提供了理論依據[7]。

基于以上理論，下面討論無人機通信感知一體化體系架構中感知如何增強通信、通信如何增強感知以及如何實現通信感知性能的普惠均衡。

（1）感知增強通信

搭載通信感知一體化基站的非系留式無人機可以通過回波信號對地面用戶的位置進行感知，獲取相關的用戶角度信息，利用該信息能夠提升無人機的波束成形增益，實現更智能的無線資源分配，提升無人機系統的整體通信性能。具體而言，在波束成形方面，對于靜止或移動速度較小的用戶，無人機可根據感知的角度信息，設計較窄的波束對其進行精準覆蓋，精確地指向用戶的接收天線，提高波束成形增益并降低用戶間的干擾，從而提升傳輸速率。對于移動速度較快的用戶，如地面車輛等，無人機可先用較寬的波束對其相鄰幾個時隙內的角度信息進行探測，并利用分布自適應的AI算法對該用戶的運動狀態信息進行分析預測，再設計較窄的波束對該用戶進行跟蹤覆蓋，從而提升通信性能。與傳統地面移動通信系統基于導頻的波束跟蹤方法相比，該方案不僅提升了波束跟蹤的準確性，還減少了信令的開銷，提升了資源利用率。在無線資源分配方面，由于地面用戶的分布不均且移動性差異較大，無人機的資源分配和用戶調度出現了挑戰。基于感知信息，非系留式無人機可以獲取地面用戶的分布情況和相關的物理環境信息，如障礙物位置信息等；并由系留式無人機對各節點的狀態信息進行融合分析，從而動態調整無人機的無線資源分配方案，進一步提升無線資源的利用率。

（2）通信增強感知

感知信息的共享和融合可以提升通信感知一體化無人機的感知精度和感知范圍。具體地，由于無人機的隨機抖動等因素，單臺非系留式無人機的感知信息存在一定的誤差。為了提升感知精度，各無人機可將感知信息傳輸到系留式無人機上進行信息融合處理，該融合過程并不是簡單的信息拼接，而是利用全局AI決策算法對局部信息進行誤差修正。具體地，由于感知誤差的存在，相鄰非系留式無人機對同一用戶的感知信息存在偏差，而系留式無人機將會利用基于AI的智能決策算法，如強化學習算法，對同一用戶的多組感知信息進行分析處理，得到該用戶的最終位置信息，盡可能地對感知誤差進行修正，提升感知精度；另一方面，障礙物的遮擋等因素，使得單臺非系留式無人機在其服務范圍內存在一定的感知盲區，而上述感知信息融合的方式，可為每臺無人機提供全局感知信息，擴大了感知的范圍。

（3）無人機通信感知性能的普惠均衡

通信感知的均衡關系是無人機通信感知一體化設計中需要考慮的一個重要因素。一方面，為了增強信道容量、擴展覆蓋范圍、改善用戶的QoS，無人機需要為通信波束分配更多的無線資源，如功率、頻譜等；另一方面，為保障無人機的感知性能，需要為感知波束分配無線資源，犧牲一部分通信性能，換取更高的感知精度和感知范圍。為了獲取最大的通信感知性能增益，需要根據不同的場景，設計合理的資源分配方案，做到通信感知性能的均衡與折中，達到系統效益的最大化。無人機自身的移動特性對通信感知性能的影響也不容忽視。無人機的軌跡和位置的靈活規劃，可以減少障礙物的遮擋，改善無人機與用戶之間的視距信道條件，這為無人機的感知和通信覆蓋創造了有利條件，能夠同時提升感知精度、增加信道容量。然而，無人機的隨機抖動也會加大無人機－無人機、無人機－用戶之間的感知通信難度。由于無人機需要通過通信感知一體化信號反射的回波實現對地面用戶的探測感知，無人機的移動和抖動會嚴重影響無人機回波的接收，降低無人機的感知性能。另一方面，無人機的移動和抖動還會影響相鄰分布式通信感知無人機之間的空間位置感知，使得局部感知信息的誤差增大。為了解決上述由無人機的移動和抖動帶來的通信感知性能下降的問題，需要對無人機上傳的局部感知信息進行修正，提高全局感知信息的精度，實現對分布式通信感知無人機的靈活控制和管理，提升系統的整體通信感知性能。

2 關鍵技術

為實現無人機通信感知一體化，需要突破通信感知一體化波形設計、波束成形和波束追蹤，以及資源分配和軌跡規劃等關鍵技術。

2.1 適配無人機的通信感知一體化波形設計

波形設計是通信感知一體化技術的重要組成部分。通信感知的設計原則和目標不同，使得現有波形難以適配無人機對通信感知一體化的需求。根據復用方式的不同，目前的通信感知一體化波形可分為通信感知復用波形和通信感知一體化波形。通信感知復用波形設計方案示意圖如圖2所示，前者主要采用時分復用或頻分復用的方式，為通信和感知功能分配相互正交的資源，資源利用率較低。而后者的研究還處于起步階段，主要包括基于正交頻分復用（orthogonal frequency division multiplexing，OFDM）的一體化共用波形和基于正交時頻空間（orthogonal time frequency space，OTFS）的一體化共用波形[8-10]。然而目前的通信感知一體化波形設計方案往往僅針對特定的場景，與無人機的適配性較差。此外，無人機的一些固有特性，如無人機的移動性等，與通信感知一體化波形的設計相互耦合，進而加大了一體化波形的設計難度。

圖2 通信感知復用波形設計方案示意圖

因此，亟須研究一種適配于無人機的通信感知一體化波形，綜合考慮無人機的移動性對通信和感知性能的影響，明確設計指標，包括最大用戶服務數量、最大感知范圍、感知精度以及資源開銷等，進一步明晰適配于無人機通信感知一體化的波形設計方案。明確該方案的關鍵參數，進而優化無人機通信感知一體化的通信和感知性能。

2.2 波束成形和波束追蹤

無人機感知的一個重要任務是實現對地面用戶或非通信實體的方位角探測和位置估計，這對波束成形和波束跟蹤技術提出了更高的要求。一方面，現有的波束成形技術依賴于完美的信道狀態信息（channel state information，CSI），然而在實際系統中由于干擾、噪聲等因素，信道估計的誤差難以避免，提高信道估計的準確度往往需要消耗更多的導頻資源。因此，如何設計一種基于不完美CSI的信道估計與波束成形方案仍需要進一步研究；另一方面，無人機和用戶的移動性也會增加波束成形的難度。具體地，對于移動速度較快的地面用戶，如地面車輛，為了實現實時的波束追蹤，需要頻繁地進行信道估計，更新信道狀態信息，進一步增大了導頻的開銷，無人機的抖動等因素也會影響信道估計的準確性，進一步加大了波束成形的難度。此外，波束成形往往依賴于多天線技術，需要對高維參數進行優化設計，增大了優化算法的復雜度。為此，亟須研究一種導頻開銷小、復雜度低的波束成形方案，以滿足無人機對移動性的需求。

2.3 資源分配和軌跡規劃

傳統的無人機資源分配和軌跡規劃方案僅關注提升通信性能，無人機通信感知一體化則需要考慮無人機的環境感知能力，這為資源分配方案的設計和無人機的靈活部署帶來了新的挑戰[11]。首先，目前的通信感知聯合性能指標不明確，缺乏對通信和感知性能的聯合評估體系，使得資源分配的優化目標多聚焦于通信或感知，維度單一，難以適配無人機通信感知一體化對通信感知的聯合性能優化需求；另一方面，引入感知功能往往需要額外的系統開銷，且需要考慮更多與感知相關的系統參數，如參數估計誤差、感知分辨率等，進而增加了資源分配方案的設計難度。在軌跡規劃方面，無人機的位置和移動速度等因素會在一定程度上影響無人機的感知性能，如移動速度較快時帶來的多普勒頻偏會降低無人機的感知精度。因此，資源分配和軌跡規劃設計流程如圖3所示，亟須明確通信性能和感知性能的耦合關系和系統約束條件，并設計一種兼顧無人機復雜度和感知性能的資源分配和軌跡規劃方案。

圖3 資源分配和軌跡規劃設計流程

3 未來展望

本節展望了無人機通信感知一體化的未來發展方向和挑戰，包括AI驅動的無人機通信感知一體化、智能超表面輔助的無人機通信感知一體化及通信感知一體化輔助的無人機算力網絡。

3.1 AI驅動的無人機通信感知一體化

隨著智能車聯網、AR/VR等智能業務的不斷涌現，人工智能技術將成為未來6G的關鍵性賦能技術，并在無人機通信感知一體化中發揮重要的作用。一方面，感知能為人工智能技術采集更加豐富的訓練數據，基于感知信息，人工智能技術能夠訓練出更加精確、更加適配當前環境的模型；另一方面，利用人工智能技術能實現感知數據的預處理和感知信息的智能融合，可為無人機帶來更高的感知精度并擴展感知的范圍。此外，無人機上部署的一些基于AI的環境預測算法，可以提高無人機的環境適應能力。然而，面向無人機通信感知一體化的人工智能技術還存在著諸多的挑戰。首先，傳統的人工智能技術計算復雜度高，對計算能力和存儲能力都提出了更高的要求，難以適配機載資源有限的無人機場景，亟須設計低復雜度的人工智能算法。此外，無人機的高移動性也對其搭載的人工智能算法提出了更高的要求。具體地，無人機的靈活移動，使得環境信息時刻變化，為了避免機間碰撞，并為地面用戶提供更加精準的通信感知服務，需要設計精確度較高的AI模型。

3.2 智能超表面輔助的無人機通信感知一體化

智能反射表面（intelligent reflecting surface，IRS）作為6G的潛在關鍵技術之一，在提升系統傳輸容量和感知性能方面表現出巨大的潛力。該技術能夠通過對無線傳輸信道的靈活重構，擴展信號的覆蓋范圍，實現對盲區的覆蓋和感知[12]。在通信感知一體化的無人機上部署IRS可以進一步提升無人機的通信和感知能力。具體地，雖然無人機具有強視距的特點，但由于局部地區物理環境的復雜性，其仍存在障礙物的遮擋問題，易形成通信和感知盲區，會嚴重影響無人機在該區域的通信和感知性能。智能超表面輔助的無人機通信感知一體化示意圖如圖4所示，搭載IRS可以提高無人機對無線環境的適應能力，IRS通過對入射通信感知一體化信號的靈活調整，實現無人機對盲區的感知和覆蓋。此外，作為一種無源或半無源的器件，IRS為無人機帶來性能增益的同時，對能耗的要求較低，進一步提升了系統的能量效率。然而，在通信感知一體化的無人機上部署IRS仍面臨許多挑戰，如無人機的抖動會對IRS相移矩陣的設計帶來困難，降低了IRS所帶來的性能增益。此外，IRS需要對發射端波束和IRS半無源波束等多種不同波束進行聯合設計，增大了信道估計和波束成形的設計難度。

圖4 智能超表面輔助的無人機通信感知一體化示意圖

3.3 通信感知一體化輔助的無人機算力網絡

隨著未來通信系統對算力需求的不斷增加，用戶設備的本地計算資源將不足以支撐各類智能化業務，如AR/VR業務。一種潛在的設計方案是將計算資源部署到網絡邊緣，為用戶提供邊緣緩存與計算服務[13]。基于未來通信系統的這一發展趨勢，無人機在通信和感知的基礎上，還需要引入計算能力。通信感知一體化輔助的無人機算力網絡示意圖如圖5所示，可在無人機上同時搭載邊緣計算服務器和通信感知一體化基站，構建通－感－算互利共惠的無人機體系架構。該架構不僅能夠為用戶提供通信、感知服務，還能進一步緩解用戶的本地計算壓力。值得一提的是，這里的感知不僅包括無線感知，還將擴展到用戶的算力感知和算力需求感知。無人機將對用戶在空間上的業務分布進行感知和分析，明確熱點地區的分布情況，并對不同區域用戶所需的算力進行預測和判斷。基于此，對不同算力的無人機進行智能化部署，實現無人機通信感知一體化的靈活算力調配，以滿足未來各類智能化業務對算力的需求。然而，通信感知一體化輔助的無人機算力網絡仍面臨一些挑戰。首先，目前算力和通信感知性能的耦合關系不明確，缺乏算力和通信感知性能的聯合設計指標，需要進一步明確二者的聯合性能指標和關鍵參數，并制定聯合通信感知性能的算力調度方案；其次，現有的感知方案多聚焦于對用戶位置的感知，缺少對用戶算力需求的感知方式，如何對地面的算力需求進行感知仍需要進一步探討；最后，目前的計算卸載方案局限于地面邊緣計算網絡，邊緣計算節點位置固定，難以滿足無人機的移動性和靈活部署的需求，亟須設計一種通信感知一體化輔助的無人機網絡算力調配方案，權衡無人機的感知、通信和計算能力，提升無人機的資源利用率和整體性能。

圖5 通信感知一體化輔助的無人機算力網絡示意圖

4 結束語

本文提出了一種無人機通信感知一體化體系架構，探討了實現該體系架構的基本原理和其中通信感知性能的折中關系。在此基礎上，明確了利用無人機實現通信感知一體化需要突破的關鍵技術。最后，對無人機通信感知一體化的未來發展方向及挑戰進行了展望。

[1] MOZAFFARI M, SAAD W, BENNIS M, et al. A tutorial on UAVs for wireless networks: applications, challenges, and open problems[J]. IEEE Communications Surveys & Tutorials, 2019, 21(3): 2334-2360.

[2] WU Q Q, XU J, ZENG Y, et al. A comprehensive overview on 5G-and-beyond networks with UAVs: from communications to sensing and intelligence[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(10): 2912-2945.

[3] HU S Y, YUAN X, NI W, et al. Trajectory planning of cellular-connected UAV for communication-assisted radar sensing[J]. IEEE Transactions on Communications, 2022, 70(9): 6385-6396.

[4] MENG K T, WU Q Q, MA S D, et al. UAV trajectory and beamforming optimization for integrated periodic sensing and communication[J]. IEEE Wireless Communications Letters, 2022, 11(6): 1211-1215.

[5] JIANG W W, SHEN C, AI B. UAV-assisted sensing and communication design for average peak age-of-information minimization[C]//Proceedings of 2022 IEEE International Conference on Communications Workshops (ICC Workshops). Piscataway: IEEE Press, 2022: 1005-1010.

[6] LYU Z H, ZHU G X, XU J. Joint maneuver and beamforming design for UAV-enabled integrated sensing and communication[J]. IEEE Transactions on Wireless Communications, 2022(99): 1.

[7] 彭木根, 劉喜慶, 劉子樂, 等. 6G通信感知一體化理論與技術[J]. 控制與決策, 2023, 38(1): 22-38.

PENG M G, LIU X Q, LIU Z L, et al. Principles and techniques in communication and sensing integrated 6G systems[J]. Control and Decision, 2023, 38(1): 22-38.

[8] 姜大潔, 姚健, 李健之, 等. 通信感知一體化關鍵技術與挑戰[J]. 移動通信, 2022, 46(5): 69-77.

JIANG D J, YAO J, LI J Z, et al. Key technologies and challenges for integrated sensing and communication[J]. Mobile Communications, 2022, 46(5): 69-77.

[9] 江甲沫, 韓凱峰, 徐曉燕. 6G通信感知一體化系統的性能指標[J]. 中興通訊技術, 2022, 28(5): 39-45.

JIANG J M, HAN K F, XU X Y. Performance metric for 6G integrated sensing and communication system[J]. ZTE Technology Journal, 2022, 28(5): 39-45.

[10] 李國琳, 郭文彬. 雷達通信一體化波形設計綜述[J]. 移動通信, 2022, 46(5): 38-44.

LI G L, GUO W B. Waveform design for integrated radar and communication: a survey[J]. Mobile Communications, 2022, 46(5): 38-44.

[11] MU J S, ZHANG R H, CUI Y H, et al. UAV meets integrated sensing and communication: challenges and future directions[J]. IEEE Communications Magazine, 2023(99): 1-7.

[12] LIU C X, HU X L, PENG M G, et al. Sensing for beamforming: an IRS-enabled integrated sensing and communication framework[C]//Proceedings of ICC 2022 - IEEE International Conference on Communications. Piscataway: IEEE Press, 2022: 5567-5572.

[13] 劉晨熙, 劉炳宏, 張賢, 等. 面向智能服務的霧無線電接入網絡：原理、技術與挑戰[J]. 智能科學與技術學報, 2021, 3(1): 10-17.

LIU C X, LIU B H, ZHANG X, et al. Intelligent service oriented fog radio access network: principles, technologies and challenges[J]. Chinese Journal of Intelligent Science and Technology, 2021, 3(1): 10-17.

The National Key Research and Development Program of China (No.2021YFB2900200), The National Natural Science Foundation of China (No.62001047), The Young Elite Scientists Sponsorship Program by China Institute of Communications (No.YESS20200064)

UAV-enabled integrated sensing and communication:architecture, techniques, and future vision

LIU Chenxi, MA Rui, PENG Mugen

Beijing University of Posts and Telecommunications, School of Information and Communication Engineering, Beijing 100876, China

UAV emergency communication has been regarded as a typical application of the sixth generation mobile communication system (6G), and it can be flexible deployed and provide on-demand services. Meanwhile, integrated sensing and communication (ISAC) is a key feature and enabling technology for 6G. With the aid of the ISAC techniques, the spectral efficiency and the sensing accuracy of UAV emergency communication can be improved, while the system costs can be simultaneously reduced. However, how to efficiently integrate the ISAC techniques into the UAV emergency communication remains a hot and challenging research issue for both the academia and industry. Against these backdrops, a UAV-enabled ISAC architecture was proposed. Then, the fundamental principles that supported the proposed architecture were discussed. Finally, the future directions and challenges in UAV-enabled ISAC were provided.

integrated sensing and communication, unmanned aerial vehicle communication, intelligent service

TP393

A

10.11959/j.issn.1000–0801.2023029

劉晨熙（1989-），男，博士，北京郵電大學信息與通信工程學院副研究員、博士生導師，主要研究方向為無人機通信感知一體化網絡。

馬睿（1996-），男，北京郵電大學信息與通信工程學院博士生，主要研究方向為無人機通信感知一體化網絡。

彭木根（1978? ），男，博士，北京郵電大學信息與通信工程學院院長、教授、博士生導師，網絡與交換技術國家重點實驗室副主任，IEEE Fellow，中國電子學會會士，中國通信學會會士。主要研究方向為智簡無線網絡、空天地海一體化網絡、通信感知計算融合等。擔任《電信科學》副主編，期刊指導委員會委員，、、等期刊的編委等。

專題策劃人：彭木根

2023-01-15；

2023-02-07

國家重點研發計劃項目（No.2021YFB2900200）；國家自然科學基金資助項目（No.62001047）；中國通信學會青年人才托舉項目（No.YESS20200064）