arXiv论文提出SemISAC框架：统一语义通信与语义感知的双功能波形方案

近期发表于arXiv的一篇论文提出了SemISAC框架，旨在将语义通信与集成感知通信两大6G候选技术融合到同一种波形中。区别于以往研究仅在通信模块或感知模块单独引入语义技术的思路，SemISAC借助联合语义编码器，从同一信号中提取既能服务于通信又能服务于感知任务的信息。

系统以车联网场景为评估对象。发射端将道路场景图像通过深度学习编码器转换为语义符号，并映射到OFDM网格的数据单元上；网格中其余单元作为导频，兼顾信道状态信息估计与感知功能。导频配置依据信道条件进行自适应调整，从而在通信与感知需求之间取得平衡。接收端方面，深度学习模型从接收波形中重建语义分割结果，同时发射车辆借助周围目标反射回波完成目标识别与距离估计。

仿真结果表明，SemISAC在语义分割任务上的准确率接近独立的语义通信模块，并在目标识别与距离估计方面优于传统方法及已有语义基线方案，验证了通信与感知共用单一波形的可行性。

【空音视角】 从非接触式感知从业者的角度看，SemISAC的核心思路——用同一无线波形同时承载通信与感知任务——与WiFi感知的底层方法论相通。论文中按信道条件自适应调整导频配置的设计理念，对非接触监测场景中兼顾精度与鲁棒性具有借鉴意义。语义通信与感知一体化是6G的重要演进方向，其与无线感知在信号处理与深度学习解码等环节存在共同的算法演进路径。这一方向的方法论突破，对于包括生命体征监测在内的非接触感知应用具有长远的参考价值。

—— 本文基于公开报道由空音编辑部 AI 辅助改写 来源：arXiv 信号处理 原文链接：https://arxiv.org/abs/2609.30891