专题导读
金石;刘凡;<正>随着低空经济蓬勃发展，无人机物流、空中巡检、城市空中交通等应用对无线通信网络提出极高要求。传统地面二维覆盖难以支撑低空立体空间通信，通信感知一体化（ISAC）技术正变革低空网络的运行模式。然而，低空立体网络在高度维度增加、传播与干扰结构变化、全球导航卫星系统（GNSS）拒止环境及三维移动连续性等方面仍面临重大挑战。为此，本期以“广域立体覆盖低空通信技术”为主题，收录了6篇文章，从通感理论边界、网络规划优化、资源分配、移动性管理、协作感知及具身智能导航等角度展开探讨。
面向低空广域立体覆盖的ISAC理论与关键技术
何其原;杨日艳;谢磊;围绕低空经济驱动下的广域立体覆盖需求，概述了通信感知一体化（ISAC）在低空智联网中的理论与技术进展。首先，从低空广域立体覆盖需求出发，分析低空场景下通信随机性与感知确定性的内在冲突，引入随机矩阵理论（RMT）确立通感性能的理论边界。随后，结合低空场景传播特性，重点分析多站协同感知、可重构智能表面（RIS）、可移动天线（MA）、空间-极化域联合优化，以及安全、隐私与可信监管等关键技术。本研究旨在为构建高可靠、高精度的智能化低空智联网提供坚实的理论支撑与技术路径。
低空立体覆盖网络中的关键技术：网络规划与优化
李昕昊;李宵杰;张翼;韩凯峰;朱光旭;随着低空经济的蓬勃发展，无人机（UAV）物流、空中巡检及城市空中交通等应用场景对无线通信网络提出了全新的挑战，传统的地面二维网络覆盖已无法满足低空立体空间的通信需求。深入探讨了低空立体覆盖网络中的两大核心环节：网络规划与网络优化。在网络规划方面，介绍了一种基于解耦表征学习的低空网络覆盖预测框架，重点分析了如何利用专家知识与深度学习解决基站波束方向图无法获取以及数据稀疏性问题。在网络优化方面，聚焦于低空通信场景下的覆盖增强策略，重点阐述了初始接入阶段的覆盖场景配置对低空覆盖的影响，以及天线面板角度的优化方法。本研究旨在为构建高效、可靠的低空立体智联网络提供理论依据与技术参考。
从通信连续性到通感连续性：通感一体化切换技术
焦志琨;陈力;通感一体化（ISAC）网络的发展促使切换技术从传统的“通信连续性”向“通信-感知双连续性”演进。从链路级与网络级两个维度系统梳理了ISAC切换关键技术。在链路级层面，阐述了感知辅助切换与感知服务切换两种典型范式；在网络级层面，剖析了网络级感知切换与网络级ISAC切换的核心挑战，提出了相应的感知切换流程，并总结了用户关联的最新研究进展与未来方向。针对网络级感知场景，借鉴通信切换方法，设计了模糊感知切换算法，仿真验证了其优越性能。相关工作可为ISAC网络的移动性管理提供理论参考与技术支撑。
基于通信感知一体化的多基站无源协作感知技术
张宏权;杨恒;李虎军;刘浩田;尉志青;面向低空经济与智能交通等场景对高精度感知与可靠通信协同的迫切需求，研究了一种基于通信感知一体化（ISAC）的多节点无源协作感知技术。针对复杂环境下多基站协作感知中视距（LoS）径不稳定、时间偏移（TO）与载波频偏（CFO）不同步，以及多基站无源数据融合定位等挑战，构建了基于正交频分复用（OFDM）信号的多点无源协作感知信号处理方案。首先，采用二维多重信号分类（2D-MUSIC）方法实现到达角与离开角估计，并进行角度补偿与降维处理。其次，提出适配LoS不稳定场景的多点相位同步互相关（MPSCC）方法，有效抑制TO引起的测距模糊。在此基础上，设计多基站无源数据级融合定位算法，包括LoS存在时的椭圆-波达方向（DOA）联合定位法与LoS不存在时的到达时间差（TDOA）联合定位法，实现高精度三维定位。仿真结果验证了所提基于OFDM信号的多点无源协作感知信号处理方案的可行性，并表明了MPSCC方法的有效性。该研究为6G通感网络中的多节点协作感知提供了理论支撑与算法基础。
GNSS拒止下低空无人机导航与资源分配优化
金海佳;袁伟杰;伍军;针对低空无线网络（LAWN）在全球导航卫星系统（GNSS）拒止与机载射频资源受限下面临的挑战，研究无人机自主到位及部署后受限资源下的服务问题。在导航阶段，基于地面参考锚点的方位几何特征，提出纯角度制导策略，使无人机在无卫星导航信号辅助下精确抵达目标阵位。在通信阶段，针对机载发射功率与射频链路受限的问题，以最大化系统有效服务用户数为目标，构建联合用户调度与波束赋形的资源分配模型，并提出一种基于交替优化（AO）、逐次凸逼近（SCA）和半定松弛（SDR）的高效算法。仿真实验验证了该方案的有效性：导航算法能以递减的角度误差实现可靠的目标捕获，且联合资源分配策略在不同功率预算与速率门限下显著提升了系统的服务性能。
面向未知环境的频谱与激光雷达联合具身建图与导航
张佳益;梁宏韬;万奕尧;周福辉;吴启晖;提出了一种频谱与激光雷达联合具身建图与导航的框架。该框架以多通道栅格张量表征环境状态，在感知层通过建图网络将稀疏频谱采样与局部几何信息联合反演为全局频谱信号势场与障碍概率图，打破单一模态导航的限制，实现目标引导与几何约束的有效融合；在决策层引入深度强化学习网络以捕捉历史轨迹与环境特征，将部分可观测状态映射至高维潜在决策空间并实现动作策略优化，缓解策略震荡与重复访问问题。仿真结果表明，在40×40室内栅格环境中经过5 000轮训练后，所提方法的导航成功率达到82%，相较基线方法显著降低了碰撞率与路径冗余度。在多种地图尺度及室外低空参数配置下的泛化测试表明，该框架具备良好的场景适应能力，验证了多模态联合驱动框架的有效性与鲁棒性。本研究以室内环境为典型验证场景，所提框架可推广至更大规模的低空通信网络覆盖场景。
