随着5G通信技术逐渐步入商业化，全球开始了对6G通信技术的探索与研发．6G将在5G的增强型移动宽带(enhanced mobile broadband，eMBB)、超可靠低时延通信(ultra-reliable and low latency communication，uRLLC)和大连接物联网(massive machine type communication，mMTC)三大应用场景的基础上升级并扩展到未来增强型移动宽带(further-enhanced mobile broadband，FeMBB)、极高可靠低时延通信(extremely reliable and low-latency communication，eRLLC)、远距离高移动性通信(long-distance and high-mobility communication，LDHMC)、超大连接物联网(ultra-massive machine type communication，umMTC)和极低功耗通信(extremely low-power communication，ELPC)五大场景[1]．6G网络带来了更低的延迟、更高的传输速度和更大的传输容量，这将使物联网(Internet of Things，IOT)有能力提供更智能、更便捷的服务，如人机交互、自动驾驶、智能家居[2]及智慧医疗[3]等，面向6G的物联网将从各方面为人类的工作、生活提供更多帮助，创造更多价值；同时，随着接入传感器的增加和应用场景的复杂化，物联网系统的工作频段也在向高频频谱资源扩展，如毫米波和太赫兹频段[4]，这将为系统带来更好的连通性，提高智能感知系统的性能[5-6]．6G通信系统拥有广阔的应用前景，其核心技术已被多国列入创新战略，成为大国科技博弈高精尖领域和全球抢占的战略制高点[7]．2019年11月，中国科学技术部牵头成立了国家6G技术研发推进工作组，标志着我国6G技术研发工作的正式启动[8]．世界无线通信解决方案联盟(alliance for telecommunications industry solutions，ATIS)在2020年5月发布了第一份6G报告，建议美国政府在6G核心技术的研发上投入更多资金，以便取得在6G技术的研发、应用和商业化上的主动权[9]．文献[10]对比马斯洛需求模型提出了人类通信需求模型，目前移动通信技术正处于由信息消费向感官外延发展的过程当中，通过发挥新兴通信技术的优势，人机互联将变得高效、智能、便捷，再依托于火热发展中的云计算、大数据等技术，即可构建出完备的智能通信系统．扩展现实(extended reality，XR)是包含了虚拟现实(virtual reality，VR)、增强现实(augmented reality，AR)、混合现实(mixed reality，MR)及其他因技术进步而可能出现的新型沉浸式技术的一种涵盖性术语[11-12]．VR能让人完全沉浸于虚拟环境中；AR能创建一个叠加虚拟内容的世界，但无法与真实环境进行交互；MR则是虚拟与现实的混合体，它能创造出可以与真实环境交互的虚拟物体；XR则是创造人类“虚实融合”的新世界模式，尤其强调在拓展显示中人类的自由意志活动[13]．依托于6G通信技术，增强现实等技术将真正落地生活应用，为用户带来智能化、便捷化、高效快速的沉浸式体验，体验真正的智慧生活，实现感官外延．元宇宙表达了人类对宇宙本源的探索和互联网“终极形态”的向往．中国、美国、日本等国在元宇宙产业发展中表现出了较高的政策支持度和资本活跃度，苹果、微软、谷歌、华为、腾讯等国内外互联网巨头都在争相布局和探索元宇宙产业链，使得2021年成为元宇宙高速发展的“元年”[14]．XR设备作为用户与元宇宙之间的桥梁，在未来6G通信技术加持下高速发展的元宇宙时代有着巨大的潜力．无论是XR技术还是元宇宙，其需求和潜力都将帮助加速6G通信技术的发展与应用．这里首先对人体感知与人机交互技术的研究现状进行介绍，分析了其主要的应用方向及基于不同传感器的智能感知与人机交互技术的优劣势；结合6G移动通信技术的发展愿景，针对其发展需求，分析了6G背景下太赫兹雷达、毫米波雷达在智能感知与交互领域内的应用前景和具体实现形式；最后研究了高分辨雷达人体精细动作感知技术，着重分析了基于太赫兹雷达、毫米波雷达的手势识别技术的研究现状、面临的挑战及关键性技术．1 人体感知与人际交互技术随着通信技术与传感技术的发展，人体感知与人机交互技术已经成为了学术界与产业界共同关注的热点．Nature于2017年推出了子刊Nature Human Behavior，重点关注人类行为的获取、建模与分析，国家自然科学基金“十三五”发展规划将“面向真实世界的智能感知与交互计算”列为信息科学部优先发展领域[15]．基于智能系统实现人体感知和人机交互的技术有着非常广阔的应用前景和发展潜力，具有很大的研究意义和商业价值．1.1　人体智能感知与交互技术的主要应用方向通过对当前人体感知与人机交互技术的发展现状与技术特点的分析，总结出如下几种重要应用场景．以光学、红外或触控的方式感知用户的面部特征、指纹等信息，可用作重要设备的开关密码，由于其包含了用户个人特有的身份信息，现已被广泛应用于手机锁、门锁等涉及个人隐私安全的产品中．对场景中的目标进行定位，获取人体的温度、心跳、呼吸等生命特征，可以实现对目标人群身体状况的监测，也可辅助使用者在生活中了解自身身体状况，例如家用监控，以及华为、小米等企业生产的智能手环等．对人的姿态与手势进行检测和识别，既可以实现对生活生产设备的便捷操控，也可以通过远程操作系统，使用机器在极端环境下进行工作，减少工人施工的危险性，保护生命和财产安全．更进一步，通过智能系统对人的空间位置和身体姿态进行检测，进而感知和分析目标的行为意图，能够实现跌倒检测、安保检查、犯罪预警等功能．1.2　基于不同传感器的智能感知与交互技术智能感知与交互技术的实现，须要系统基于传感器对用户和周围环境进行感知．目前对人体进行感知并实现人机交互的主要途径包括基于光学图像传感器[16]、基于物理传感器[17]、基于无线信号传感器[18]三种方式．近年来，随着计算机视觉研究领域的崛起，基于光学图像对目标和环境进行感知的系统得到了飞速发展．光学图像中包含着丰富的目标信息，现有的较为成熟的图像处理算法能从复杂的图像数据中提取出关键信息，在应用到人体感知与人机交互系统当中表现出了相当高的可靠性．在基于人脸的身份识别系统，基于行人、车辆、障碍物检测与跟踪的高级驾驶辅助系统(advanced driving assistance system，ADAS)，基于人体姿态与手势检测的交互系统[16]等方面有相当广泛的应用．文献[19]基于Leap Motion实现了连续空中手写运动数据的检测与识别，其提出了一种基于窗口的自动检测与手势数据提取的方法，同时建立了一个同时包含检测与识别功能的空中书写系统，实验结果表明：该系统对空中手写单词的识别率为98.85%，对单个字母的识别率为90.16%．但是，基于光学图像的智能感知与交互技术也存在缺陷．由于光学摄像头的正常工作极度依赖于环境中的光照条件，在存在遮挡或者照明不足的条件下，视觉信息本身的缺陷或质量的下降将导致系统无法获取准确的感知结果[20]．光学图像的获取和处理对设备的运算性能提出了较高的要求．同时，近年来屡屡爆出的家用监控与个人电子设备摄像头的隐私泄露问题，降低了用户对该类智能感知交互系统的信任度，在一个信息爆炸式产生和快速传播的时代下，这是关乎用户隐私安全的严重问题．基于物理传感器的人体感知与人机交互技术主要通过可穿戴设备实现，其主要的实现形式包括但不限于手套、手表、头盔、服饰等，应用范围相当广阔．通过设备内部安装的压力传感器、温度传感器、加速度传感器等多种物理传感器实现对使用者体温、呼吸、心跳、运动状态等信息的检测和对人体全方位的感知；同时，该类技术也可以将系统信息反馈到用户所穿戴的设备来实现人机交互．文献[21]开发了一种被称为ChordGloves的手套，这种手套在手掌和每个手指端部装有电子接触器，用于侦测手指间的接触，通过手套传递的电信号，在系统中还原使用者的手势动作．基于物理传感器的方法不需要依赖良好的光照环境来实现对人体的准确感知，并且由于物理传感器的发展比较成熟，该类方法检测准确度较高．然而，基于物理传感器的方式须要使用者穿戴昂贵甚至笨重的设备才能实现，在提高了使用成本的同时，也限制了使用者的舒适度和自由度．并且，由于长期佩戴于用户身边，其续航也成为影响用户正常使用的问题．基于无线信号传感器的交互方式在近几年发展迅速，尤其是以毫米波雷达、太赫兹雷达为基础对目标进行感知与分辨的技术．毫米波雷达体积小、带宽大，距离、速度分辨率高，能对使用者的空间位置进行定位，分辨用户的呼吸和心跳，对人体姿态、手势进行高精度的检测，进而检测人体体征并分辨人体运动状态，实现人机交互；毫米波雷达也能对道路中的多个目标进行检测、跟踪与分类，成为了ADAS的重要组成部分．文献[22]基于IWR1642毫米波雷达，通过回波混频、傅里叶变换、相位提取与解缠获取人体胸腔的微小多普勒信息，实现对汽车驾驶员心跳、呼吸频率的检测．基于雷达的人体感知与人机交互系统只会针对自身的目标功能进行信息获取，因此不存在类似光学传感器泄露用户隐私的问题，保护了用户的隐私安全．雷达能够全天时、全天候进行工作，且具有一定的穿透性，在光照不足的环境或极端天气(雨、雪、雾、霾)下仍能正常可靠地工作，其无接触的交互特点也为用户的日常使用提供了便利．但是毫米波雷达的角度分辨率较弱，在室内环境进行工作须要克服多径问题．2 6G应用场景下基于雷达的智能感知技术2.1　频谱资源6G通信技术的频段已逐渐向太赫兹频段延伸，太赫兹频段是100 GHz到10 THz的频段，其波长范围为0.03~3.00 mm，介于毫米波与红外线之间，且与毫米波和红外波段均有重叠(见图1)．由于其特性并不完全服从光学理论或微波理论，太赫兹频段的早期研究与发展状况形成了空白区．但随着研究的逐步发展，因其独特的特点与优势，太赫兹技术逐渐渗透到了多个应用领域中．10.13245/j.hust.239495.F001图1电磁波频率谱太赫兹频段电磁波有较强的传载信息及抗干扰能力，可被应用到通信技术当中；同时，由于太赫兹电磁波具有穿透性、低能性、瞬态性、宽带性等特点[23]，且太赫兹雷达的频率高、波长短、波束宽度小，太赫兹雷达对探测目标有较高的测速精度、跟踪精度和成像分辨率，这给基于太赫兹雷达对人体精细动作进行感知的技术带来了可能．2.2　毫米波、太赫兹雷达技术及应用在通信技术逐渐向6G发展的过程当中，基于太赫兹的智能系统的数量和种类也呈井喷式增长，其典型应用场景可依据不同检测对象分为两类：一类针对物体进行探测与成像；一类针对人体进行感知和交互．2.2.1　目标探测与成像由于太赫兹、毫米波波段的电磁波具有穿透性，可以透过容器感知内部物体，在反恐和安检工作中具有广阔的应用前景．许多爆炸物及其相关成分和毒品在太赫兹波段都有指纹谱，使太赫兹技术对其进行检测成为可能，让太赫兹信号能在人口极其密集的场所提供大范围的预警[24]．利用合成孔径雷达(synthetic aperture radar，SAR)成像的思想，可以实现基于毫米波雷达、太赫兹雷达的合成孔径成像技术，进而实现对容器内部物体的探测成像[25]．太赫兹波在具有穿透性的同时，能量较低，不会对检测物体产生损害，可以用于无损检测．它能够透过泡沫、陶瓷、塑料、高分子复合材料、磁性材料等可见光与红外波、甚至超声波都无法穿透的材料[26]，实现对物体内部微小缺陷的检测．毫米波雷达的元器件体积小，可被安装到汽车上，得益于其对检测目标距离、速度的高分辨率，通过雷达信号处理算法可以获得道路上其他车辆、非机动车、行人、障碍物的距离、速度、方位角等信息，实现对道路目标的感知．2021年11月由工信部发布的《汽车雷达无线电管理暂行规定》正式规定了汽车雷达使用频率为76~79 GHz频段，并对汽车雷达的多种应用场景进行了定义[27]．其主要的应用场景包括自适应巡航控制、防撞、盲点探测、变道辅助、泊车辅助、后方车辆示警、行人探测、驾驶员生命体征检测等．在当下热门的辅助驾驶、自动驾驶领域，毫米波雷达已成为主流的道路目标与环境感知传感器．2.2.2　人体动作感知与人机交互针对人体进行感知的雷达已经逐渐在智能家居、医疗健康等领域开展应用．通过测量不同人体组织及其含水量对太赫兹波的吸收引起能量的变化，可以对细胞水平的生物组织进行成像[28]．目前太赫兹医学成像领域中已经实现了对人的烧伤皮肤、癌症病变组织等的成像．近年来，随着雷达芯片的高集成度发展，更多基于雷达探测的应用出现在民用生活中，包括不限人员定位计数、生命体征检测、睡眠质量监测和老年人跌倒风险警报等．在技术高度发达、信息透明度高的今天，以视觉技术为主的家用监控应用具有较高的泄露用户隐私的风险，针对高度需要隐私保护和全天候工作的场景，雷达能够替代摄像头作为首选传感器．通过雷达对人体的感知，使系统从人体动作、行为当中分辨使用者的目的，即可实现人机交互．将手势识别技术应用到新兴的智能系统中，从而极大地提升用户的使用体验和系统的智能性、便捷性．毫米波雷达对检测目标的距离、速度分辨率较高，能够准确地提取人体各姿态的距离信息和速度信息．基于毫米波雷达、太赫兹雷达的人体感知技术不仅能提高系统对用户隐私的保护性，在实现全天时全天候工作的同时，其无接触的使用方式将大大提高用户的使用体验，在当代防疫背景下，这种无接触式的人机交互系统在公共电子设备上的应用也能够降低病毒传播的风险．3 高分辨雷达人体精细动作感知技术现状与展望随着半导体设备制造技术的高速发展，民用雷达逐渐向着小型化、集成化发展，在功耗、成本、尺寸大小、工作环境、应用场景等方面显现出优势，引起了学术界和产业界的关注．使用雷达对人体进行感知的技术，围绕用户的生产生活进行产品的研发与应用，将更好地实现感官外延，实现智能通信系统的构建．手势动作是人们表达思想和情感的一种主要方式[29]，它是人类最自然、便捷的表达方式，并且易于学习和理解，因此基于雷达的手势识别技术也成为了人机交互领域的研究热点．3.1　研究现状文献[30]使用连续波(continuous wave，CW)雷达采集手势数据，利用时频分析和稀疏表征的方式表示手势信号，利用最邻近算法对四种手势进行识别．文献[31]使用77 GHz雷达和信号处理算法获取目标手势动作的距离、多普勒与角度信息，设计了多分支的卷积神经网络(convolutional neural network，CNN)实现手势识别与分类．文献[32]针对手势动作的多维度特征融合问题，提出了一种结合注意力机制的CNN多维度特征融合手势识别算法，并引入长短时记忆(long short-term memory，LSTM)网络显著降低算法参数量，完成从特征自动提取到类别预测的全部任务．文献[33]在Google的Soli项目采用的雷达系统基础上，通过使用LSTM学习距离-多普勒图(range- Doppler map，RDM)序列特征实现了对10种运动手势动作的在线识别，具有较高的识别准确率．文献[34]提出了一种将3D-CNN和LSTM相关联的网络识别八类不同的手势动作，同时引入了联结主义时间分类(connectionist temporal classification，CTC)算法对输入数据中多个手势之间边界的判断，该方法提高了对变长手势动作的分类精度．文献[35]提出了一种依据手势动作的运动模式和行为意图(motion pattern and behavior intention，MPBI)对手势动作进行负延迟识别的方法，使用340 GHz太赫兹雷达实现了对12个手势动作的识别，准确率达到了94.13%，并大幅降低了系统识别一个手势动作的时间延迟．3.2　面临的挑战与关键性技术随着近几年手势识别技术的快速发展，对简单、易区分的手势动作进行分类的技术已逐渐成熟．基于雷达的手势识别技术逐渐向着更高的层次发展，在其发展过程中也面临着一些挑战，其中部分研究人员针对这些问题提出了关键性技术，从一定程度上提升了雷达手势识别系统的性能．3.2.1　高精细度手势动作的识别从雷达的诞生到早期在军事战争中的应用再到现在普及于民用领域，雷达检测目标多被建模为没有形变的绝对刚体，以便雷达对目标进行检测和信息估计．在现有雷达理论基础之上，众多基于雷达的手势识别研究通常将手势的回波信号近似为刚性目标回波信号，只估计整体手势动作的距离、速度、角度信息，在此基础上对手势种类进行分辨．无论是人体姿态还是手势动作都是非刚性的，尤其是手势动作，它不仅是整个手部的动作，还包含了多根手指的复杂运动信息．精细的人体动作包含更多信息，这些信息无论是在完善识别模型的性能还是在丰富交互系统的功能上都至关重要．然而传统的基于刚性目标回波信号模型的人体感知方法会将人体的微动信息忽略，使得雷达数据的信息量大幅减少，在对精细动作的分辨上存在困难．对于高分辨雷达系统，其距离分辨率通常远小于目标尺寸，因此在散射点模型近似条件下，目标不再显示为一个“点”，而是由多个散点组成，这些散射点沿雷达视线(radar line-of-sight，RLOS)展开，分布在各距离单元中，通过求取各距离单元目标散射点子回波沿RLOS方向投影的矢量和的模值即可得到目标在该RLOS方向上的高分辨距离像(high resolution range profile，HRRP)[36]．HRRP是基于高分辨雷达获取的关于雷达检测目标的精确距离信息，由于其易于处理、获取速度快[37]，现已被广泛应用到基于高分辨雷达的目标检测等领域．基于HRRP的手势识别技术可以提取出大量关于目标手势动作的特征，例如跟踪特征、行为特征、方向特征等，基于上述特征，系统可对精细手势动作进行准确识别[38]．文献[39]基于太赫兹频段的高分辨率雷达提取了运动手势产生的HRRP序列和多普勒特征，采用动态时间规整(dynamic time warping，DTW)算法实现手势持续时间差异情况下的手势分类，展示了太赫兹雷达系统对于精细手势识别应用的潜力．实现高精细度手势识别可以在人机交互领域拓展出更多更丰富的应用场景，因此该问题是目前雷达手势识别领域的热点问题．3.2.2　手势识别的时效性现有的大多数针对手势识别的研究都是基于多种完整的手势动作进行分辨，作为人机交互的手段之一，手势识别的时效性相当重要，一些手势识别技术对降低系统延时有着很高的需求，例如在工业操控当中，系统及时对操控者的手势进行识别能够保证工程工作的顺利进行，在人机交互当中，低延时的手势识别能为用户带来良好的使用体验．随着手势识别任务逐渐向着复杂化、多种类方向发展，在复杂的手势识别任务上，深度神经网络逐渐显现除了其优越性．然而一个良好的手势识别网络具有相当高的数据依赖性，不完整的数据不仅会使网络在训练中难以收敛，当进行识别时也会产生大量误判．因此，手势识别任务所要求的低延时与神经网络的数据依赖性产生了冲突，手势运动信息积累不充分导致了识别准确率的降低．如何在检测准确率与检测速度之间寻找到平衡点成为了手势识别研究中的重点．手势动作的早期识别是指在手势动作尚未完成的情况下，系统根据现有的特征信息对手势进行分类，可以在保证识别准确率的情况下减少系统识别动作的延时．手势动作可由时间序列进行划分，目前常用循环神经网络(recurrent neural net，RNN)处理时序问题．RNN在t时刻会将t-1时刻的隐藏信息作为当前时刻的输出．LSTM是一种特殊的RNN，它通过精巧的“输入门”、“遗忘门”、“输出门”设计解决了长序列训练过程中的梯度消失和梯度爆炸问题，LSTM在手势动作的早期识别任务上表现出了相当高的性能．文献[40]开发了一种基于LSTM的多级循环架构来充分提取手势动作时间前后的感知信息，并使用损失函数对每个时间步的错误分类进行线性惩罚，鼓励模型尽快做出正确的类别预测．文献[41]基于太赫兹雷达提取手势动作的高分辨距离像，通过三方面的改进实现了对10类精细手势动作的高准确率早期识别．首先，使用一种优化的LSTM，即门控循环单元(gated recurrent unit，GRU)与CNN结合，充分提取手势动作序列的特征信息；其次，设计带有时间约束的损失函数，使得网络倾向于在手势动作的早期过程做出准确预测；最后，通过实验分析不同种类手势动作的预测结果随时间推进而产生的变化，制定早期手势识别触发策略，在反复的比较实验后设置合理的识别触发阈值．该识别方法能够实现88.85%的手势识别率，平均节省时间69.47%，与全序列识别结果相比，识别率仅下降了1.7%．3.3.3　通信感知一体化基于太赫兹雷达的感知方式发展迅速，伴随着6G通信技术确立太赫兹频段的使用地位，未来在两个行业的发展中难免会面临频谱资源重叠以至互相干扰的问题．通信感知一体化技术能够合理分配太赫兹感知系统与太赫兹通信系统的资源，充分发挥两者的潜力，节约频谱资源与电子元器件的成本．在实际应用中，通信感知一体化技术能够丰富雷达人体感知技术的功能，使系统在完成人体感知任务的同时，实现通信信息的传播，因此基于太赫兹的通信感知一体化技术也是6G背景下的一大热点．a．通信感知一体化技术的优势太赫兹通信感知一体化技术有利于实现感知和通信的相互促进，具有广阔的应用前景[42]．通信感知一体化技术将实现无线通信系统与无线电感知系统的资源与功能一体化，以达到频谱共享、设备一体化、功能互相辅助协同的效果．在功能上，面向6G的通信感知一体化可分为感知辅助通信与通信辅助感知两方面[43]．无线电感知系统将对环境信息进行感知，其提供的环境信息可以提高信道估计的准确性，并且避免了重复估计信道的过程，通过感知可以获得用户的位置信息和周围环境数据，这将帮助无线通信系统识别大型物体引起的链路阻塞，提高通信吞吐量．另一方面，在使用无线电感知系统对目标进行感知时，无线通信系统可为感知系统提供先验信息，良好地提升感知系统的工作性能，例如定位增强等应用．基于此，太赫兹通信感知一体化系统能够实现包括高精度定位追踪、增强感知、人体姿态识别等智能化功能．b．通信感知一体化技术面临的挑战由于通信系统与感知系统的使用目的并不相同，两者在信号波形、信号结构、性能指标等方面存在差异，因此这些差异为通信感知一体化系统的设计带来了诸多挑战[44]．一体化波形的选取是实现通信感知一体化系统的关键，正交频分复用(orthogonal frequency division multiplexing，OFDM)信号拥有图钉状的模糊函数，能够同时具有高距离和速度分辨率，且不存在距离-多普勒耦合，是目前常用的一体化信号．由于通信信号的随机性与感知信号所需要的强自相关性存在矛盾，因此传统的信号处理算法完全无法适用于一体化信号，文献[45]使用传统的雷达信号处理算法对调制前后的OFDM信号进行距离-多普勒成像，发现调制数据后的信号成像效果完全失真，随后基于调制符号的处理算法，通过矩阵相除消除通信数据的影响，并结合频域过采样处理，实现了对目标距离、速度的联合估计．文献[46]针对脉冲串PC-OFDM一体化信号，提出一种基于相关和DFT的处理算法，利用相位编码的自相关特性降低通信信息对雷达性能的影响，并结合最小二乘法实现了目标无模糊速度的精确估计，其距离和速度像的峰值旁瓣比提升了约24 dB，计算复杂度降低了约40%，但是牺牲了通信速率．同时，一体化器件与一体化信号的设计是通信感知一体化系统面临的重要挑战．从工作体制来看，通信一般采用时分或频分双工，而雷达则分为脉冲式与连续波雷达，需要设计一种低成本、低复杂度和高效率的毫米波通信感知一体化的新系统来同时提供高精度定位与高速率通信服务．文献[47]考虑了在雷达与通信非协作情况下的通信接收机设计，首先证明了在某种表示域下，通信系统接收到的雷达干扰是稀疏的，同时在迭代式解调算法中，解调错误将随着迭代次数的增加变得更加稀疏，综合这两点，该文献剔除了基于压缩感知和原子范数约束的优化算法，实现联合解调及波形估计，由此消除雷达信号干扰并恢复通信信号．文献[48]考虑了在雷达干扰信号的幅度已知相位未知情况下的通信接收机设计问题，主要解决了在给定通信星座图的情况下，如何根据最大似然准则决定最佳的判决域，以及如何设计自适应的最优星座图来最小化通信的误符号率两个问题．通过仿真实验得出结论：在低功率雷达干扰下，最优星座图呈同心六边形形状；在高功率雷达干扰下，最优星座图为非等间距的脉冲幅度调制(pulse amplitude modulation，PAM)．此外，通信感知一体化技术的应用场景是多样的，不同场景对感知与通信的性能需求具有较大差异，因此须要设计面向多样化场景的灵活可重构通信感知一体化波形[49]．4 结语基于太赫兹雷达、毫米波雷达的人体感知与人机交互技术与6G通信技术所使用的频段有较多的重合，为了节省频谱资源，在6G背景下可以尝试被应用于通信感知一体化技术中；同时，基于雷达的目标感知与检测、人体感知与人机交互等技术也可充分发挥6G通信技术的特点，实现高效化、便捷化、智能化的万物互联，带给用户沉浸式的体验．目前针对6G通信技术及其应用的研究还处在初步阶段．在6G的发展需求与应用前景的基础上，分析了现有人体感知与人机交互技术的特点，对6G背景下基于雷达的智能感知技术进行了研究，对基于高分辨雷达的人体精细动作感知技术作出了展望，希望能够促进对面向6G的智能感知与交互系统的进一步探索与研究．