9 · 新概念图景：电磁空间、近场、RIS、ISAC 与语义通信#
前八章把经典无线通信的地基打完了：电磁波与天线（第 1 章）、信道（第 2 章）、数字传输（第 3 章）、信息论（第 4 章）、多天线（第 5 章）、网络（第 6 章）、优化（第 7 章）与决策学习（第 8 章）。
本章带你逛一圈"6G 概念博览会"，但要带着工程师的怀疑精神。每个新概念，我们都问三个问题：物理原理是什么？关键公式怎么推？现在到底成熟到什么程度？最后用一张"成熟度 × 理论空白"总表，告诉你这些概念背后真正缺的基础理论，分别在本站四部曲的哪一部展开。
你将学会：
- 用"资源观演进"这一条主线（频谱 → 空间 → 电磁环境），把看似杂乱的 6G 新概念串成一个整体；
- 一步不跳地推导远近场分界（瑞利距离），并解释近场球面波为什么能带来"按距离聚焦"这个新能力；
- 写出 RIS 的级联信道模型 \(\mathbf{h}_r^H \boldsymbol{\Theta} \mathbf{h}_t\)，用三行代数推出 \(N^2\) 无源波束赋形增益，同时算清"乘性路径损耗"这盆冷水；
- 分清 ISAC 从频谱共存到波形共享的三个层次，理解感知精度（CRB）与通信速率的折中从何而来；
- 说清语义通信与经典率失真理论的关系，以及它"目前还缺编码定理"的诚实现状；
- 对照本章末尾的总表，知道每个概念该去本站第一部还是第二部深挖。
9.1 资源观的三次跃迁：频谱 → 空间 → 电磁环境#
9.1.1 直觉：无线资源像土地#
把无线通信的"资源"想象成土地。
第一代到第四代移动通信（1G–4G）的资源观是平面的：全部家当就是频谱这块"耕地"。工程师做的事，是把它切成小块分给用户：按频率切（FDMA）、按时间切（TDMA）、按码切（CDMA）、按子载波精细地切（OFDMA，见第 3 章与第 6 章）。土地总量有限，所以每一次扩容的主旋律都是"买新地"，也就是往更高的频段搬。
5G 的大规模 MIMO 带来第一次跃迁：空间本身是资源。同一块频谱上，只要天线足够多、信道足够散射，就能同时传输多路独立数据流。空间自由度（DoF）约为 \(\min(N_t, N_r)\)，这是第 5 章的核心结论。这相当于发现耕地上方还能盖楼：不买新地，向立体要产量。
6G 正在酝酿第二次跃迁：整个电磁环境是资源。传统观念里，信道是"天给的"：散射体在哪、墙怎么反射，工程师只能被动适应。现在情况在变：
- RIS（智能超表面）让环境变得可编程；
- ISAC 让电磁波在传信息的同时感知环境；
- 近场大孔径让"距离"也成为可分辨的维度。
于是资源的刻画从一个标量（带宽 \(B\)），逐渐变成一个多维的"电磁频谱空间"。
flowchart TB
A["1G–4G<br>资源 = 频谱<br>频率 × 时间的切分"] --> B["5G<br>资源 = 频谱 × 空间<br>大规模 MIMO 空间复用"]
B --> C["6G 愿景<br>资源 = 整个电磁环境<br>可编程 + 可感知"]
C --> C1["近场<br>距离成为新维度"]
C --> C2["RIS<br>环境本身可编程"]
C --> C3["ISAC<br>波形兼职感知"]
C --> C4["语义<br>只传任务需要的信息"]9.1.2 电磁频谱空间的多维刻画#
把"电磁空间"拆开看，它至少包含五个可利用的维度，各用一句话概括：
| 维度 | 一句话刻画 | 成熟度 |
|---|---|---|
| 频率 / 时间 | 最经典的正交资源，按赫兹和秒切分，理论与工程都已成熟 | 已商用百年 |
| 空间 | 多天线阵列提供的自由度 \(\min(N_t,N_r)\)，5G 的主力增益来源 | 已商用 |
| 极化 | 电场振动方向的正交性，水平/垂直双极化默认能翻一倍复用，工程上早已是标配 | 已商用 |
| 轨道角动量（OAM） | 波前绕传播轴螺旋旋转（相位因子 \(e^{jl\phi}\)）形成的正交模态，本质上是环形阵列的一组空间模式，远距离传输时模态发散严重，目前限于点对点视距试验 | 试验期 |
| 电磁环境结构 | 散射体、反射面本身的可编程性与可感知性——本章后续几节的主角 | 理论期—试验期 |
Note
OAM 常被宣传为"独立于空间维度的全新资源"，这种说法不准确。可以证明，OAM 模态包含于一般的空间自由度分析之中，受孔径大小的同样限制。它只是空间资源的一种特定"坐标系"，并没有多出一块新大陆。
算例 9-1：空间资源到底值多少频谱
在 3.5 GHz、带宽 \(B = 100\) MHz、接收 SNR \(= 20\) dB（即 100 倍）的条件下，单天线链路的香农容量约为
换成 \(8\times 8\) MIMO、空间复用 8 流、总功率平均分配（每流 SNR 降为 \(100/8 = 12.5\)）：
容量提升约 4.5 倍，而且没有多用一赫兹频谱。
若想用纯频谱达到同样容量，需要把带宽扩到约 450 MHz。这里假设 SNR 仍为 20 dB，即功率随带宽同比增加。若总功率不变，SNR 随带宽反比下降，需要约 800 MHz，此时 SNR 恰为 12.5，与 8 流 MIMO 是同一笔账。
这就是"空间是资源"的数量级含义，也是理解后面所有新概念的参照系：每个新维度的价值，最终都要换算成"等效多少频谱"来检验。
本节的理论空白
当天线从"离散的几根"走向"连续的一整面孔径"，当环境本身进入信道模型，经典的自由度计数方法（数天线个数）就失效了。于是问题变成：一块给定体积的空间里，电磁场到底能承载多少信息？这是电磁信息论（EIT）的核心问题，在本站第一部·环境的科学展开。
9.2 近场通信：球面波的回归#
9.2.1 直觉：手电筒与放大镜#
远场通信像手电筒：光束只能选一个方向照出去，同一方向上远近所有物体都被照亮。近场通信像放大镜聚焦阳光：能量汇聚到空间中的一个点，焦点前后都不烫。
手电筒只能"选方向"（beam steering），放大镜能"选位置"（beam focusing）。多出来的这个"距离维"，就是近场通信的全部新故事。
第 1 章和第 5 章的阵列分析全部建立在平面波假设上：波源足够远，到达阵列的球面波前近似为平面。近场，就是这个假设失效的区域。
9.2.2 分界在哪里：瑞利距离的完整推导#
考虑一个孔径（最大尺寸）为 \(D\) 的天线阵列，工作波长 \(\lambda\)，观察点在阵列法线方向距离 \(d\) 处。平面波假设的误差，可以用"阵列边缘与阵列中心到观察点的路径差"来度量。
第一步：写出精确的路径差。 阵列边缘离中心 \(D/2\)，由勾股定理：
第二步：提出 \(d\) 并做泰勒展开。 利用 \(\sqrt{1+x} \approx 1 + \frac{x}{2}\)（当 \(x \ll 1\)）：
第三步：把路径差换算成相位差。 相位误差为 \(\Delta\varphi = \frac{2\pi}{\lambda}\Delta d\)。天线工程的传统判据是：相位误差不超过 \(\pi/8\)（即路径差不超过 \(\lambda/16\)）时，平面波近似可接受：
第四步：解出 \(d\)。 左边等于 \(\frac{\pi D^2}{4\lambda d}\)，两边除以 \(\pi\) 得 \(\frac{D^2}{4\lambda d}\le\frac{1}{8}\)，即 \(8D^2\le 4\lambda d\)，得到瑞利距离（Rayleigh distance，亦称夫琅禾费距离）：
第 1 章 1.3 节把它记作 \(d_F\)，与这里的 \(d_R\) 是同一个量。
物理意义
\(d_R\) 是"波前弯曲程度可以被忽略"的最小距离。距离小于 \(d_R\) 时，阵列上不同单元"看到"的波前曲率差异不可忽略，必须用球面波建模，这就是辐射近场区（Fresnel 区）。更靠近阵列的电抗近场，见第 1 章 1.3 节分区表，本章不涉及。
注意判据用的是相位，不是能量：近场边界处信号强度并没有什么突变，变的只是建模方式。
行为分析
\(d_R \propto D^2/\lambda\)，即孔径的平方除以波长。这个平方关系是 6G 近场热潮的全部来源：孔径翻倍，近场范围翻四倍；频率升高（\(\lambda\) 变小），近场范围继续扩大。
4G 时代 \(D\) 小、\(\lambda\) 大，\(d_R\) 只有几米，近场无人关心。6G 的超大规模阵列（比如整面墙的 RIS）加上毫米波，\(d_R\) 冲到几百米，小区里大量用户都泡在近场里。
算例 9-2：三个时代的瑞利距离
代入 \(d_R = 2D^2/\lambda\)：
| 场景 | 频率 | \(\lambda\) | 孔径 \(D\) | \(d_R\) |
|---|---|---|---|---|
| 4G/5G 常规基站 | 3.5 GHz | 8.6 cm | 0.5 m | \(2\times 0.25/0.086 \approx 5.8\) m |
| 毫米波大阵列 | 30 GHz | 1 cm | 0.5 m | \(2\times 0.25/0.01 = 50\) m |
| 6G 超大孔径 / RIS 墙面 | 100 GHz | 3 mm | 1 m | \(2\times 1/0.003 \approx 667\) m |
第一行解释了为什么你此前学的远场模型一直够用。第三行解释了为什么 6G 教科书必须重写这一段：667 米意味着整个小区都是近场。
9.2.3 近场给了什么新能力：距离域聚焦#
设 \(N\) 元均匀线阵，阵元间距 \(\Delta\)，第 \(n\) 个阵元坐标 \(\delta_n = n\Delta\)（\(n\) 从阵列中心取正负）。用户位于极坐标 \((r, \theta)\)。
第 \(n\) 个阵元到用户的精确距离由余弦定理给出。注意 \(\theta\) 从法线量起，阵列轴与用户方向的夹角为 \(90^\circ-\theta\)，而 \(\cos(90^\circ-\theta)=\sin\theta\)：
第一步：做菲涅耳（Fresnel）展开。 令 \(x = \frac{-2r\delta_n\sin\theta + \delta_n^2}{r^2}\)，用 \(\sqrt{1+x} \approx 1 + \frac{x}{2} - \frac{x^2}{8}\)，保留到 \(\delta_n^2\) 阶：
第二步：核对第二行、第三行的来历。 第二行逐项来自下面两个展开：
- \(\frac{x}{2}=-\frac{\delta_n\sin\theta}{r}+\frac{\delta_n^2}{2r^2}\)；
- \(x^2=\frac{4\delta_n^2\sin^2\theta}{r^2}+O(\delta_n^3)\)，所以 \(\frac{x^2}{8}\approx\frac{\delta_n^2\sin^2\theta}{2r^2}\)。
\(\delta_n^3\)、\(\delta_n^4\) 项因 \(|\delta_n|\ll r\) 舍去。三项乘以 \(r\) 即得第二行。第三行用了 \(1-\sin^2\theta=\cos^2\theta\)。
物理意义
远场模型只保留线性项 \(-\delta_n\sin\theta\)，阵列响应只依赖角度 \(\theta\)，所以远场波束赋形只能"选方向"。近场必须保留二次项 \(\frac{\delta_n^2\cos^2\theta}{2r}\)，它显式地依赖距离 \(r\)。于是阵列响应向量变成 \((\theta, r)\) 的二元函数。
给第 \(n\) 个阵元乘上相位因子 \(e^{j2\pi r_n/\lambda}\)，正好抵消它到焦点 \((r,\theta)\) 的传播相位（相位共轭补偿）。这样，信号只在特定角度、特定距离的一个焦点附近相干叠加，这就是波束聚焦。
行为分析
二次项随 \(r\) 增大而消失（\(r \to \infty\) 时退化为远场），所以焦点越远、"焦深"越长，聚焦能力越弱。\(r\) 接近并超过 \(d_R\) 后，聚焦退化为普通的方向波束。反过来，用户离阵列越近，距离分辨率越好。
数值核对
以算例 9-2 第三行（\(\lambda=3\) mm，\(D=1\) m）为例，取法线方向 \(\theta=0\)、阵列边缘 \(\delta_n=0.5\) m。二次项带来的相位为 \(\frac{2\pi}{\lambda}\cdot\frac{\delta_n^2}{2r}\)：
- \(r=50\) m 时约 5.2 rad，接近一整圈；
- \(r=667\) m 时只剩约 0.39 rad \(\approx\pi/8\)，正是瑞利距离判据。
边缘处的 \(\frac{\delta_n^2}{2r}\)，就是瑞利推导里的路径差 \(\frac{D^2}{8d}\)。
两种波束的对比如下：
| 对比项 | 波束导向（beam steering，远场） | 波束聚焦（beam focusing，近场） |
|---|---|---|
| 波前模型 | 平面波 | 球面波（菲涅耳近似） |
| 阵列响应自变量 | 角度 \(\theta\) | 角度 + 距离 \((\theta, r)\) |
| 能量形状 | 一条射向远方的"光束" | 空间中的一个"光斑" |
| 可区分的用户 | 不同角度 | 同一角度、不同距离也能区分 |
| 新增自由度 | — | 距离域复用、单站定位、聚焦充电 |
9.2.4 应用与炒作的边界#
真实的应用潜力：
- 同一角度上远近两个用户可以空分复用，远场做不到；
- 单个基站利用波前曲率直接估计用户距离，远场只能测角；
- 无线能量传输可以把功率密度聚在接收机上，而不是一路撒过去。
诚实的另一面：
- 近场信道估计的参数空间从一维（角度）变成二维（角度 × 距离），码本大小和导频开销显著膨胀；
- 用户一动焦点就偏，移动性管理更难；
- \(d_R\) 是相位判据，不代表近场增益在整个范围内都显著。距离在 \(d_R\) 附近时，聚焦与导向的差别已经很小。
把"近场"当成免费的新频谱，是当前宣传中最常见的夸大。
本节的理论空白
近场把"数天线个数"的自由度分析逼到极限。孔径连续化之后，距离域到底提供多少独立的自由度？这需要从麦克斯韦方程组出发的电磁信息论，见第一部·环境的科学。
9.3 RIS 智能超表面：可编程的反射镜#
9.3.1 直觉与物理原理#
想象墙上贴了一层"魔法墙纸"，上面密布成百上千个亚波长尺寸（约 \(\lambda/2\) 以下）的小单元。每个单元里有一个 PIN 二极管或变容二极管，改变偏置电压就能改变单元的表面阻抗，从而改变它反射电磁波时附加的相位。
单元本身不放大信号（无源），只是"掰弯"入射波的波前。把所有单元的相位编排好，整面墙就成了一面可编程反射镜，可以把基站的信号反射并聚焦到被遮挡的用户那里。这就是 RIS（Reconfigurable Intelligent Surface，智能超表面/智能反射面）。
9.3.2 级联信道模型#
设基站单天线发送信号 \(s\)，RIS 有 \(N\) 个单元。基站到 RIS 的信道为 \(\mathbf{h}_t \in \mathbb{C}^N\)，RIS 到用户的信道为 \(\mathbf{h}_r \in \mathbb{C}^N\)，直达径为 \(h_d\)（可能被遮挡为 0）。RIS 的作用用对角矩阵刻画：
其中 \(\theta_n\) 是第 \(n\) 个单元的可编程反射相位（理想化假设反射幅度为 1）。接收信号为
物理意义
\(\mathbf{h}_r^H \boldsymbol{\Theta} \mathbf{h}_t\) 是一个标量，由 \(N\) 条"基站 → 单元 \(n\) → 用户"的二跳路径相干叠加而成，每条路径的相位都可以被 \(\theta_n\) 单独拨动。RIS 优化要做的，就是拨动这 \(N\) 个旋钮，让各路径在用户处同相相加。
9.3.3 \(N^2\) 增益的逐步推导#
第一步：把信道写成极坐标形式。 设 \([\mathbf{h}_t]_n = \alpha_n e^{j\psi_n}\)，\([\mathbf{h}_r]_n = \beta_n e^{j\chi_n}\)。展开级联项（注意 \((\cdot)^H\) 带来共轭）：
第二步：选最优相位。 让每一项的相角为零：\(\theta_n^\star = \chi_n - \psi_n \pmod{2\pi}\)，则所有项都变成正实数：
第三步：代入等幅假设，比较两种情形的接收功率。 取 \(\alpha_n = \alpha\)、\(\beta_n = \beta\)，比较两种情形的接收功率：
其中随机相位 \(\varphi_n\) 对应"没有优化、相当于一面普通粗糙墙"的情形。这时 \(N\) 项是功率相加，不是幅度相加。
第四步：算出 \(P_{\mathrm{rand}}\)。 先展开模方：
- \(n=m\) 的 \(N\) 项各等于 1；
- \(n\ne m\) 时，\(\varphi_n\)、\(\varphi_m\) 独立且在 \([0,2\pi)\) 上均匀，\(\mathbb{E}[e^{j(\varphi_n-\varphi_m)}]=\mathbb{E}[e^{j\varphi_n}]\,\mathbb{E}[e^{-j\varphi_m}]=0\)，交叉项全部消失。
所以只剩 \(N\)。
有源阵列只有 \(N\) 倍，是因为总功率 \(P\) 要分给 \(N\) 根天线：每根幅度 \(\sqrt{P/N}\)，相干叠加后功率 \((N\sqrt{P/N})^2=NP\)。RIS 各单元各自截获入射功率，没有这个 \(1/N\) 分摊。
关键结论
相位对齐后，幅度按 \(N\) 增长，功率按 \(N^2\) 增长；不对齐则功率只按 \(N\) 增长。
所以 RIS 的无源波束赋形增益是 \(N^2\)（相对单个散射单元），相对一面普通墙壁则是 \(N\)。
直觉上，\(N^2\) 来自两次孔径增益的乘积：\(N\) 个单元先"收集" \(N\) 倍功率，再相干地"重定向"获得 \(N\) 倍阵列增益，收发两头各赚一次。作为对照，有源发射阵列在总功率约束下的波束赋形增益只有 \(N\)。
9.3.4 冷水：乘性路径损耗与工程挑战#
\(N^2\) 看起来吊打一切，但每一项 \(\alpha_n\beta_n\) 是两段路径损耗的乘积。自由空间中 \(\alpha \propto 1/d_t\)、\(\beta \propto 1/d_r\)，于是级联链路功率 \(\propto 1/(d_t d_r)^2\)，即距离乘积的平方反比。
换成 dB，两段路径损耗相加：级联径要付两次路径损耗，而同样长度的直达径只按总距离 \(d_t+d_r\) 付一次。这就是著名的"double fading"（乘性衰落）问题。
算例 9-3：256 单元 RIS 打得过 35 米直达径吗
频率 3.5 GHz（\(\lambda = 8.57\) cm），RIS 距基站 \(d_t = 30\) m、距用户 \(d_r = 5\) m；作为对照，无遮挡直达径 \(d = 35\) m。自由空间路径损耗 \(L(d) = 20\log_{10}(4\pi d/\lambda)\) dB：
把每个单元理想化为 0 dB 增益的散射体，单元级联损耗约 \(72.9 + 57.3 = 130.2\) dB，比直达径差了 56 dB。
这 56 dB 就是多付的那一次路径损耗：
相当于在 \(d_td_r/(d_t+d_r)\approx 4.3\) m 上再付一次自由空间损耗。要靠 \(20\log_{10}N\) 把它全补回来，需要 \(N\approx 630\) 个单元。
挂上 \(N = 256\) 的无源赋形增益 \(10\log_{10} N^2 = 48.2\) dB，RIS 链路的等效损耗约
仍比无遮挡直达径差约 8 dB。这只是忽略单元方向图与有效孔径的数量级估算。
结论：几百单元的 RIS 打不过一条健康的直达径，它的正确用法是救援被遮挡的链路。当直达径被建筑物挡掉 20–30 dB 时，RIS 反射径反而成了最强的路。
怎么读这张图：第一条是 RIS 的级联损耗 \(130.2-20\log_{10}N\) dB，\(N\) 每翻倍降 6 dB，\(N=256\) 时 82.0 dB，与算例一致；第二条是无遮挡直达径的 74.2 dB；第三条是直达径被挡掉 25 dB（取正文 20–30 dB 的中值）后的 99.2 dB。第一条要到 \(N\approx630\) 才追平健康的直达径，却在 \(N\approx35\) 就压过被遮挡的直达径，"救援被遮挡链路"量化后就是这两个交点。与算例一样忽略单元方向图与有效孔径，是数量级估算。
工程挑战的诚实清单：
- 信道估计开销：RIS 无源、不能收发导频，只能估计 \(N \times M\) 维的级联信道（\(M\) 为基站天线数）。开销随 \(N\) 线性增长，\(N\) 为数百上千时，导频可能吃掉大量帧结构，信道老化前根本估不完。这是当前最被公认的瓶颈。
- 控制链路：相位配置要通过一条独立的（有线或低速无线）控制链路下发，带来时延、同步与部署成本问题。
- 相位量化：工程上单元相位往往只有 1–2 bit。可以证明，1-bit 量化平均带来约 \((2/\pi)^2 \approx -3.9\) dB 的功率损失。
- 1 bit 只能取 \(\{0,\pi\}\)，每项残留相位误差 \(e_n\) 近似均匀分布在 \([-\pi/2,\pi/2]\)。
- \(N\) 很大时，同相分量之和约为 \(N\alpha\beta\,\mathbb{E}[\cos e_n]=N\alpha\beta\cdot\frac{2}{\pi}\)，功率就乘上 \((2/\pi)^2\)。
- 2 bit 时误差缩到 \(\pm\pi/4\)，同理损失 \(\left[\frac{\sin(\pi/4)}{\pi/4}\right]^2\approx -0.9\) dB。
- 与有源中继的对比：一个简单的半双工放大转发中继没有乘性路损问题。诚实的对比研究表明，RIS 需要非常大的 \(N\) 才能在链路预算上胜过小型有源中继。RIS 的真正卖点是无源、低功耗、易共形部署，不在绝对性能。
成熟度
试验期（截至 2026 年 10 月）。已有多家机构完成外场样机试验。
- ETSI：行业规范组 ISG RIS 从 2023 年起陆续发布研究报告。GR RIS 001–003 讲用例、架构与信道模型，后续又有实现考虑、近场建模等报告。
- 3GPP：先落地的是另一种设备，Rel-18 标准化了网络控制中继器（NCR）。它有源、能放大，波束、开关和收发时序都由基站控制。Rel-19 的立项清单里没有 RIS，6G 研究项目（RP-251881）的范围里也没有。
为什么产业先选了中继器，见导览篇的方向的生命周期。
本节的理论空白
一旦环境（墙面）本身成为可优化变量，"信道容量"的定义就动摇了：容量是对什么求最大？环境自由度怎么计入？这属于"环境的科学"，见第一部，其与电磁理论的接口见第一部第 10 章·研究议程。
9.4 ISAC 通感一体化：一段波形，两种任务#
9.4.1 直觉：蝙蝠早就会了#
蝙蝠用同一套"收发系统"发出叫声：回声用来导航避障（感知），叫声本身也在和同伴交流（通信）。ISAC（Integrated Sensing and Communication，通感一体化）想让基站学会同样的本领：发出去的通信波形，反射回来就是雷达回波。一段波形，两种任务。
驱动力很实际，有三点：
- 雷达和通信在毫米波段抢频谱抢了几十年；
- 6G 的大带宽、大阵列基站，硬件形态已经和相控阵雷达高度相似；
- 自动驾驶、低空经济等场景恰恰同时需要"高速连接 + 高精度感知"。
9.4.2 三个层次：从共存到共生#
flowchart TB
L1["层次一：频谱共存<br>雷达与通信各用各的波形，互相视为干扰，靠协调避让"] --> L2["层次二：共站共硬件<br>同一套射频与天线，时间/频率分片轮流干两件事"]
L2 --> L3["层次三：波形共享<br>同一段波形同时承载数据与照亮目标——真正的一体化"]
L3 --> Q["核心理论问题：<br>一段波形能同时把两件事做到多好？<br>速率 R 与估计精度 CRB 的联合边界"]三个层次的差别在于融合程度：
- 层次一只是干扰管理，第 6 章的老问题换个说法。
- 层次二是资源分割，没有本质融合。
- 层次三才出现真正的新问题：通信和感知对波形的偏好是矛盾的。
9.4.3 感知这一侧怎么度量：CRB 一句话#
感知性能的标尺是估计精度。一句话版本：克拉美–罗界（CRB）是任何无偏估计器的方差下界，等于费舍尔信息的倒数。它之于估计，就像香农容量之于传输。
观测 \(\mathbf{y}\) 的分布 \(p(\mathbf{y};\theta)\) 依赖未知参数 \(\theta\)。估计器 \(\hat{\theta}(\mathbf{y})\) 无偏指 \(\mathbb{E}[\hat{\theta}]=\theta\)。
费舍尔信息（Fisher information）定义为
它度量对数似然在真值附近有多"尖"：\(\theta\) 稍变、数据分布就明显不同，\(J\) 就大，参数就好估。CRB 说 \(\operatorname{var}(\hat{\theta})\ge 1/J(\theta)\)。
最简单的例子：\(N\) 个独立观测 \(y_i=\theta+w_i\)，\(w_i\sim\mathcal{N}(0,\sigma^2)\)，每个观测贡献 \(1/\sigma^2\)，\(J=N/\sigma^2\)，CRB \(=\sigma^2/N\)，样本均值恰好达到。独立观测的费舍尔信息相加，与第 4 章 4.10 节的"精度相加"同理。
对时延（测距）估计，经典结果为
其中 \(\beta_{\mathrm{rms}}\) 是信号的均方根带宽，即把功率谱 \(|S(f)|^2\) 看作频率的分布时的标准差（频谱以零频为中心）：
谱在 \([-B/2,B/2]\) 内平坦时，它就是均匀分布的方差 \(B^2/12\)。
SNR 为匹配滤波后的信噪比，按复基带计就是 \(E/N_0\)（信号总能量除以噪声功率谱密度）。有的教材按实信号把匹配滤波输出写成 \(2E/N_0\)，式中的 \(8\pi^2\) 相应变成 \(4\pi^2\)，两种写法是同一个界。
测距误差为 \(\sigma_R = \frac{c}{2}\sigma_{\tau}\)，除以 2 是因为走的是往返路径。
物理意义
带宽决定你能把回波的"时间棱角"磨得多锐利：带宽越大，自相关峰越尖，时延越好分辨。SNR 决定噪声把峰"晃动"的幅度。
行为分析
精度对带宽是平方收益（\(\beta_{\mathrm{rms}}^2\)），对 SNR 只是线性收益。这就是感知偏爱毫米波大带宽的根本原因。
带宽翻倍，测距标准差直接减半，效果与功率翻四倍相同，也就是多花一倍频谱，省下 6 dB 功率。这是在 SNR 不变的前提下比。若功率谱密度不变、总功率随带宽一起翻倍，SNR 也跟着翻倍，标准差会降到原来的 \(1/(2\sqrt{2})\approx0.35\)，比单纯把功率翻四倍更划算。
算例 9-4：100 MHz 能把距离测多准
设 OFDM 信号功率谱在 \(B = 100\) MHz 内近似平坦，则 \(\beta_{\mathrm{rms}}^2 = B^2/12 \approx 8.3\times 10^{14}\ \mathrm{Hz}^2\)。取 SNR \(= 20\) dB（100 倍）：
换算成距离：\(\sigma_R = \frac{3\times 10^8}{2} \times 3.9\times 10^{-10} \approx 6\) cm。也就是说，一个普通 5G 载波带宽的信号，理论上就能支撑厘米级测距。ISAC 的感知承诺在数量级上站得住，难的不是精度极限，而是下面的折中与工程。
9.4.4 通信与感知的根本折中#
两边对波形的要求正好相反：
- 通信希望波形随机：信息本身就是不确定性，承载比特的波形必然像噪声（第 4 章：高斯输入达到容量）。
- 感知希望波形确定：雷达工程师喜欢恒包络、低峰均比、模糊函数图钉状的确定性波形，且最好重复发射便于积累。
模糊函数（ambiguity function）\(|\chi(\tau,\nu)|\) 是波形与它自己经时延 \(\tau\)、多普勒频移 \(\nu\) 后的版本的相关幅度。"图钉状"指它只在原点有一个尖峰、其余地方低平，这样距离和速度都能唯一地分辨。
同一段波形不可能同时完全满足两者。这被称为确定性–随机性折中，是 ISAC 理论的核心张力。
刻画这个折中的标准图景是"速率–CRB 可达域"：横轴通信速率 \(R\)，纵轴感知精度（如 \(1/\mathrm{CRB}\)），所有可达的 \((R, \text{精度})\) 组合构成一个区域。边界上有两个角点（通信最优点、感知最优点），中间是帕累托（Pareto）折中段：沿边界移动，一项变好，另一项必然变差。
这里要把话说准，否则容易被内行一句话证伪。
- 已有结论：以期望失真为度量的点对点情形，已经有单字母刻画。
- 模型是状态相关信道（目标参数作为信道的随机状态）加广义反馈（发端听得到自己的回波）。
- 其容量–失真折中 \(C(D)\) 已被完整给出【已解决】。
- "单字母"指公式只涉及单个符号的分布，不必对码长趋于无穷的序列取极限，因而可以直接计算。
- 没有一般性答案的有三块：
- 以 CRB（而非失真）为纵轴的完整可达域；
- 多用户/组网情形：一般广播与多址 ISAC 只有内界与外界，真实区域夹在两者之间但未确定；
- 波形受限（实际星座与帧结构）下的边界【开放】。
这三块正是本站第二部·链的定理要展开的主题之一。
单站通感要不要上全双工，第 10 章 10.4 节拿峰值功率分时作对照算了一笔账。结果是：近处强目标几乎不亏，远处弱目标才值得做，而那里恰是残余自干扰最难压的地方。
成熟度
试验期，标准化已启动（截至 2026 年 10 月）。
- 3GPP 先定义了通感用例，Rel-19 又做了通感信道建模的研究：感知目标的回波要先进信道模型，其余才谈得上。
- 6G 研究项目（RP-251881）把感知明确列入范围，包括感知的物理层功能、性能评估以及与通信的融合。
- 产业样机大量涌现，距离"波形共享"的商用形态仍有明显距离。
9.5 语义通信：传"意思"，不传比特#
9.5.1 直觉：着火了喊一声就够#
楼里着火，你给消防队打电话说"XX 路 5 号楼三层着火了"，十几个字，任务完成。没有人会传一段火场的 4K 视频再让对方自己看。
人类通信天然是任务导向的：只传对方完成任务所需的信息。而经典通信系统是"比特搬运工"：源端是猫的照片还是白噪声，物理层一视同仁。语义通信的主张是：让通信系统知道任务是什么，只传"意思"。
这个想法并不新。香农 1948 年论文开篇就声明语义与工程问题无关，而 Weaver 在 1949 年提出通信有三个层次：
- 技术层：比特对不对；
- 语义层：意思对不对；
- 效用层：行为对不对。
经典理论只解决了第一层，语义通信要去解决上面两层。
9.5.2 严格一点：它和率失真理论是什么关系#
第 4 章讲过率失真理论：允许失真 \(D\) 时，压缩极限是
经典失真度量 \(d(\cdot,\cdot)\)（如均方误差）是对源本身定义的：要求重建 \(\hat{X}\) 处处像 \(X\)。
语义/任务导向通信的数学做法，是把失真定义搬到任务变量 \(Y\)（标签、决策、控制指令）上：\(X\) 可以面目全非，只要关于 \(Y\) 的信息还在。这个思想的一个标准形式化是信息瓶颈（Information Bottleneck）：
即找一个压缩表示 \(Z\)，同时满足两点：
- 压得狠：\(I(X;Z)\) 小（第一项）；
- 保留任务相关信息：\(I(Z;Y)\) 大（第二项）。
\(\beta\) 用来拨动两者的折中。
编码端只看得到 \(X\)，失真却按任务变量 \(Y\) 算，这叫远端信源（remote source）或间接率失真问题。由于 \(Z\) 只由 \(X\) 生成，有马尔可夫链 \(Y\to X\to Z\)。
把失真换成"已知 \(X=x\) 时对 \(Y\) 的平均失真" \(\tilde{d}(x,z)=\mathbb{E}[d(Y,z)\mid X=x]\)，就回到上面的标准 \(R(D)\)。
信息瓶颈对应其中一种特殊选择：取 \(\tilde{d}(x,z)=D_{\mathrm{KL}}\big(p(y\mid x)\,\|\,p(y\mid z)\big)\)（KL 散度，见第 4 章 4.4 节）。注意 \(p(y\mid z)\) 本身随编码器 \(p(z\mid x)\) 而变，所以这不是事先固定的失真函数，只在自洽的意义下是特例。
利用马尔可夫性 \(p(y\mid x,z)=p(y\mid x)\)，有
\(I(X;Y)\) 是常数，所以约束"平均失真 \(\le D\)"就是"\(I(Z;Y)\ge I(X;Y)-D\)"。上面的目标函数正是这个约束下最小化 \(I(X;Z)\) 的拉格朗日形式。
物理意义
语义通信没有跳出香农框架，它只是把"保真对象"从信号换成了任务。它是率失真理论在"远端信源/间接失真"设定下的推广，没有推翻香农定理。任何"语义通信突破了香农极限"的说法，都混淆了"换了度量"与"破了定理"。
行为分析
- \(\beta \to \infty\)：\(Z\) 必须先保住 \(X\) 中关于 \(Y\) 的全部信息，再压到最小（最小充分统计量），即"只求任务"下的极限压缩。
- \(\beta \to 0\)：退化为不传输。
任务越"窄"（比如只要一个分类标签），可压缩空间越大。下面的算例给出数量级。
算例 9-5：从像素到标签差五个数量级
一张 \(224\times 224\times 3\)、每通道 8 bit 的图像，原始数据量为
若任务是 1000 类图像分类，任务答案的信息量至多 \(\log_2 1000 \approx 10\) bit，相差五个数量级。
折中方案是传中间语义特征：如 512 维特征向量、每维 8 bit 量化，约 \(4\times 10^3\) bit，压缩比约 300:1（对照：JPEG 约 10:1）。
代价是不可逆与不通用：传特征只能回答"是什么类"，想换个任务（比如数图里有几个人）就得重训重传。语义压缩的收益，是拿"通用性"换来的。
9.5.3 诚实的现状：缺编码定理#
当前语义通信系统的主流做法是深度联合信源信道编码（deep JSCC）：用神经网络端到端地学习"源 → 波形"的映射。在低 SNR、短块长场景下，它的实验性能确实超过"分离式设计"。
原因在于分离定理有前提。第 4 章 4.9 节列出了分离定理最优的三条前提：点对点、无时延约束即码长趋于无穷、平稳遍历。短块长正好打破了第二条。
但必须诚实地说：
- 语义信息的度量没有公认定义："语义熵"有多种提法，彼此不等价；
- 没有编码定理：经典理论有"容量 \(C\) 可达且不可超越"的双向定理，语义通信目前只有实验曲线，没有"语义容量"的可达性与逆定理；
- 神经网络系统的互操作性、可解释性、对分布漂移的鲁棒性都是开放问题。
成熟度
理论期（部分场景概念验证）。
本节的理论空白
为任务导向通信建立度量与编码定理，属于本站第二部·链的定理的核心议程。
9.6 数字孪生与 AI 空口：标准化走到哪一步了#
9.6.1 数字孪生网络#
数字孪生（digital twin）指为物理网络建立一个实时同步的虚拟副本：真实小区的建筑、材质、用户分布都在虚拟世界里有映射。网络的任何"如果"都可以先在副本里试，比如把波束这样调，或者在这里加一面 RIS。
它与第 8 章的强化学习天然互补：孪生体就是安全的训练场，避免让 RL 智能体拿真实网络练手。
瓶颈同样诚实可见：电磁级的孪生依赖射线追踪 + 实测校准，精度与算力、实时性三者互相打架。城市级场景的高保真信道仿真，至今是小时级而非毫秒级的事。
成熟度：概念期向试验期过渡。网管级孪生已有试点，电磁级孪生仍在研究。
9.6.2 3GPP 的 AI/ML 标准化现状#
AI 空口是新概念中离商用最近的一个。3GPP 在 R18 完成了"AI/ML 用于 NR 空口"的研究项目（技术报告 TR 38.843），圈定三个用例：
- CSI 反馈压缩：用自编码器替代人工设计的码本反馈；
- 波束管理：用预测减少毫米波波束测量开销；
- 定位增强。
研究把重心放在生命周期管理（LCM），即模型的训练、监控、切换、回退如何标准化。其中最棘手的是 CSI 压缩这类"双边模型"：编码器在终端、解码器在基站，分属不同厂商，模型配对与互操作测试成为规范化的主要难点。
Rel-19 的工作项目（RP-234039）的结果是：
- 波束管理和定位写进了规范；
- CSI 预测起初只列为研究，后来也进了规范；
- 以上三项都是单边模型（模型只在终端或只在基站一侧）；
- 双边的 CSI 压缩在 Rel-19 只继续研究，到 Rel-20 才立工作项目。
6G 研究项目里，AI/ML 一项的标题就是"沿用 5G 的 AI/ML 框架"，并要求系统在不用 AI/ML 时也能正常工作。以上截至 2026 年 10 月。
成熟度：试验期，标准化进行中。
算例 9-6：AI 压缩 CSI 反馈的压缩比
32 端口天线、13 个子带的下行 CSI，原始复系数共 \(32\times 13 = 416\) 个；若每个复数用两个 16 bit 浮点表示，共约
而上行反馈预算通常只有几百 bit，需要约 50–100 倍压缩。
现行码本（如 R16 增强型 Type II）是人工设计的有损压缩。AI 方案是把这个压缩器换成从数据学出来的自编码器。
增益空间是真实的，但要过两道关：
- 泛化：换个小区还准吗；
- 互操作：终端 A 厂的编码器配基站 B 厂的解码器。
这两道关考验的主要是标准化，不是算法。
9.7 全景总表：成熟度与理论空白地图#
把全章收拢成一张图和两张表。先看概念到理论空白的归属：
flowchart LR
subgraph NEW["6G 新概念"]
EMS["电磁空间资源观"]
NF["近场通信"]
RIS["RIS 智能超表面"]
ISAC["ISAC 通感一体化"]
SEM["语义通信"]
AI["数字孪生 / AI 空口"]
end
subgraph GAP["基础理论空白"]
G1["电磁信息论 EIT：<br>连续孔径与可编程环境的<br>自由度与容量"]
G2["统一编码定理：<br>感知、语义、学习系统<br>与通信的联合极限"]
end
EMS --> G1
NF --> G1
RIS --> G1
ISAC --> G2
SEM --> G2
AI --> G2
G1 --> P1["第一部 · 环境的科学"]
G2 --> P2["第二部 · 链的定理"]下面是本章的"钱图"，即成熟度 × 理论空白索引表：
| 概念 | 成熟度（截至 2026-10） | 核心承诺 | 最大工程障碍 | 背后的基础理论空白 | 本站去处 |
|---|---|---|---|---|---|
| 大规模 MIMO（对照基准） | 已商用 | 空间复用 | — | 离散阵列理论已成熟 | 第 5 章复习 |
| 电磁空间资源观 | 理论期 | 频/时/空/极化/环境的统一刻画 | 缺统一度量 | 电磁场承载信息的第一性原理 | 第一部 |
| 近场通信 | 理论期（样机起步；Rel-19 信道模型已加入近场与空间非平稳） | 距离域自由度 | 二维码本、估计开销、移动性 | 连续孔径的自由度与容量（EIT） | 第一部、接口见第一部 10 章 |
| RIS | 试验期（未进 3GPP 规范；Rel-18 先标准化了 NCR） | 环境可编程 | 级联信道估计、控制链路、乘性路损 | "环境入信道"后的容量定义 | 第一部 |
| ISAC | 试验期；Rel-19 信道建模研究，6G 研究范围内 | 一段波形两种任务 | 自干扰、组网感知、隐私 | 速率–CRB 联合可达域无一般定理 | 第二部 |
| 语义通信 | 理论期 | 任务导向压缩 | 互操作、泛化、可解释 | 语义度量与编码定理缺失 | 第二部 |
| 数字孪生 | 概念期 → 试验期 | 网络的虚拟试验场 | 建模精度 × 算力 × 实时性 | 电磁环境的可计算表征 | 第一部 10 章 |
| AI 空口 | Rel-19 已规范波束管理、定位、CSI 预测 | 学习替代模块化设计 | 泛化、互操作、测试方法 | 学习型通信系统的性能保障理论 | 第二部，方法基础见第 8 章 |
数量级速查表汇总了本章算例，建议记住：
| 量 | 数值 | 出处 |
|---|---|---|
| 瑞利距离 \(d_R = 2D^2/\lambda\)，100 GHz / 1 m 孔径 | 约 667 m | 算例 9-2 |
| 8 流空间复用相对 SISO 的容量增益（20 dB SNR） | 约 4.5 倍 | 算例 9-1 |
| RIS 无源赋形增益（\(N=256\)） | \(N^2 \to 48\) dB | 算例 9-3 |
| RIS 1-bit 相位量化损失 | 约 3.9 dB | 9.3 节 |
| 100 MHz / 20 dB SNR 的 CRB 测距极限 | 约 6 cm | 算例 9-4 |
| 图像 → 分类标签的语义压缩空间 | 约 \(10^5\) 倍 | 算例 9-5 |
| CSI 反馈所需压缩比 | 50–100 倍 | 算例 9-6 |
常见误解#
初学者最容易踩的五个坑
误解一："近场就是离得近。" 错。远近场分界 \(d_R = 2D^2/\lambda\) 由孔径与波长共同决定。手机连 Wi-Fi，距离 1 米也是远场（孔径太小）；而 100 GHz 的米级阵列，在 600 米外仍是近场。"近"是相对于阵列的电尺寸而言的。
误解二："RIS 有 \(N^2\) 增益，所以吊打有源天线。" \(N^2\) 是相对单个无源散射单元的增益，且要被乘性路径损耗吃掉一大块（算例 9-3：256 单元仍比健康直达径差 8 dB）。RIS 的定位是低成本救援被遮挡链路，不能替代基站。
误解三："ISAC 就是在基站里装个雷达。" 那只是层次一/二（共存、共硬件）。ISAC 真正的科学内容在层次三：同一段波形上通信随机性与感知确定性的折中。这个折中要靠理论回答，集成工程解决不了它。
误解四："语义通信突破了香农极限。" 它换掉的是失真度量（从重建源换成完成任务），整个框架仍是率失真理论的推广。换了赛道跑出更快的成绩，不等于打破了原赛道的世界纪录。
误解五："OAM 是取之不尽的新维度。" OAM 模态包含于空间自由度之内，受孔径同样的限制，远距离传输还面临模态发散。把它当作"第六种正交资源"是宣传话术。
通往前沿#
本章的每一盆冷水，倒出来的位置就是前沿的入口。
近场、RIS 与"电磁空间资源观"共同指向同一个基础问题：连续孔径与可编程环境中，电磁场究竟能承载多少信息？这是第一部·环境的科学的主线，其与电磁理论的接口在第一部第 10 章·研究议程展开。
ISAC 的速率–CRB 联合边界与语义通信缺失的编码定理，则同属"把新任务纳入信息论定理体系"的努力，在第二部·链的定理中系统展开。读完本章，你已经具备读懂这两部所需的全部预备概念。
本章没有讲到的内容在后两章：
本章所在的线索：采纳、自由度与秩、任务与价值。在八条线索一页里，可以顺着这几条线读到四部的相关章节。
参考文献#
- D. Tse and P. Viswanath, Fundamentals of Wireless Communication. Cambridge University Press, 2005.
- A. Goldsmith, Wireless Communications. Cambridge University Press, 2005.
- C. A. Balanis, Antenna Theory: Analysis and Design, 4th ed. Wiley, 2016.
- T. M. Cover and J. A. Thomas, Elements of Information Theory, 2nd ed. Wiley, 2006.
- C. E. Shannon and W. Weaver, The Mathematical Theory of Communication. University of Illinois Press, 1949.
- S. M. Kay, Fundamentals of Statistical Signal Processing, Volume I: Estimation Theory. Prentice Hall, 1993.
- Q. Wu and R. Zhang, "Intelligent reflecting surface enhanced wireless network via joint active and passive beamforming," IEEE Transactions on Wireless Communications, vol. 18, no. 11, 2019.
- Q. Wu and R. Zhang, "Towards smart and reconfigurable environment: Intelligent reflecting surface aided wireless network," IEEE Communications Magazine, vol. 58, no. 1, 2020.
- F. Liu et al., "Integrated sensing and communications: Toward dual-functional wireless networks for 6G and beyond," IEEE Journal on Selected Areas in Communications, vol. 40, no. 6, 2022.
- M. Cui and L. Dai, "Channel estimation for extremely large-scale MIMO: Far-field or near-field?" IEEE Transactions on Communications, vol. 70, no. 4, 2022.
- N. Tishby, F. C. Pereira, and W. Bialek, "The information bottleneck method," in Proc. 37th Annual Allerton Conference on Communication, Control, and Computing, 1999.
- E. Bourtsoulatze, D. Burth Kurka, and D. Gündüz, "Deep joint source-channel coding for wireless image transmission," IEEE Transactions on Cognitive Communications and Networking, vol. 5, no. 3, 2019.