面向自组织无线网络的 AI-Native 集成感知与通信：体系结构、学习范式与系统级设计
网络与互联网体系结构
2026-01-07 v1 人工智能
摘要
集成感知与通信 (ISAC) 正在作为下一代无线网络的基础范式出现，使通信基础设施能够同时支持数据传输和环境感知。通过将无线感知与通信功能紧密耦合，ISAC 为 situational awareness、定位、跟踪和网络自适应开启新能力。同时，未来无线系统日益增长的规模、异构性和动态性要求具备自组织网络智能的能力，能够自主管理资源、拓扑和服务。人工智能 (AI)，特别是学习驱动和数据中心方法，已成为实现这一愿景的关键使能器。本综述提供了 AI-Native ISAC 使能的自组织无线网络的全面系统级综述。我们发展了统一的分类框架，涵盖：(i) ISAC 信号模型和感知模式，(ii) 来自感知感知无线数据的网络状态抽象和感知，(iii) 用于资源分配、拓扑控制和移动性管理的学习驱动的自组织机制，以及 (iv) 集成感知、通信和网络智能的跨层体系结构。我们进一步检查了新兴的学习范式，包括深度强化学习、图基学习、多智能体协调和联邦智能，这些方法在不确定性、移动性和部分可见性下实现自主适应。讨论了实际考虑中的感知-通信权衡、可扩展性、时延、可靠性和安全性，并介绍了代表性评估方法和性能指标。最后，我们确定了一系列针对面向 6G 及更高层次的可部署、可信赖和可扩展 AI-Native ISAC 系统的关键开放挑战和未来研究方向。
引用
@article{arxiv.2601.02398,
title = {AI-Native Integrated Sensing and Communications for Self-Organizing Wireless Networks: Architectures, Learning Paradigms, and System-Level Design},
author = {S. Zhang and M. Feizarefi and A. F. Mirzaei},
journal= {arXiv preprint arXiv:2601.02398},
year = {2026}
}