Research Direction 02
通感算一体化，于山河未动时洞见风险
从无线信号中读取山体与环境变化，以深度学习和人工智能模型融合通信、感知与多源监测数据，面向山体滑坡、泥石流等自然灾害，探索低功耗、低成本、可落地的灾前监测与风险预测技术。
方向负责人
方向负责人
杨承轩本科生
ycxuan0517@gmail.com
方向合作单位
中国通信服务
东南大学 FutureComm Lab
研究方向
通感算一体化
2026年8月26日10时30分许，因尼泊尔一侧发生泥石流灾害，造成西藏日喀则市吉隆县吉隆口岸重大人员伤亡和失联。如果灾害发生前，基站就能“看见”山体正在发生的变化，会不会不一样？山体滑坡、泥石流的发生并非毫无征兆。地表微小位移、土壤含水率变化、持续降雨与山体结构变化，都可能在灾害发生前留下长期、缓慢而细微的信号。问题在于，山区往往也是供电最困难、通信最薄弱、监测设备最难长期维护的地方。
重点任务
与中国通信服务、东南大学 FutureComm Lab 合作，从真实山区需求出发，研究自然灾害场景下的通信、感知与计算一体化。我们希望让原本用于传输数据的无线网络进一步承担环境感知任务，让通信信号本身成为观察山体变化的一种新型传感器，再借助人工智能从长期观测中识别异常、判断趋势、发现风险。
行业背景
自然灾害监测并不缺少传感器，真正困难的是如何让它们在偏远山区长期、稳定、低成本地工作。
在西藏等山区，大量区域供电条件不足，通信信号也可能频繁中断。一旦链路失效，部署在山体上的感知节点就可能失联，监测数据无法及时回传。设备越多，供电、通信、施工和后期维护的压力也越大。
传统方案往往分别建设通信网络与感知系统。我们的研究尝试进一步向前一步：既然4G、5G等无线信号已经持续传播在环境中，能否让同一束信号在完成通信的同时，也参与感知？
无线信号在传播过程中会经历反射、散射、绕射与多径传播。山体、地表、植被、降雨以及周围环境的变化，都会改变信号传播路径，并进一步体现在CSI、RSSI、时延、相位、多径结构等无线特征中。深度学习模型则可以从长期信号中寻找人难以直接观察的变化规律。
通信网络由此不再只是数据的“运输通道”，也可能成为感知自然环境的一部分。
研究方向
通感算不是三个彼此独立的模块，而是三种能力之间的相互协同。围绕自然灾害灾前监测，我们重点从以下三个交叉方向展开研究，最终让通信、感知与计算形成一条完整技术链路。
通信 + 感知
研究如何让无线网络在保障山区可靠连接的同时参与环境感知。面向供电不足、信号易中断的场景，探索4G/5G、LoRa、卫星、无人机等低功耗通信与覆盖方案，并进一步利用CSI、RSSI、相位、多径等通信信号特征，感知山体、地表及周围环境的细微变化，实现“同一张网络，既通信又感知”。
感知 + 计算
研究如何把无线信号、位移、倾角、雨量、土壤含水率等多源观测转化为真正有意义的灾害风险信息。结合深度学习、时序预测、多模态融合与大模型等方法，从长期、复杂的数据中提取异常特征，识别山体状态变化及风险演化趋势，让系统从“感知到变化”进一步走向“理解变化、预测风险”。
通信 + 计算
研究弱覆盖、低功耗山区中的智能计算与网络协同。通过云边端协同和大小模型协同，将轻量模型部署在端侧或边缘节点，在通信受限甚至短时中断时仍能完成本地异常检测，云端则负责长期分析与复杂推理。同时利用计算结果辅助通信资源调度，在有限带宽和能源条件下保障关键监测信息优先传输。
未来方向
未来的山区里，通信基站或许不再只是连接手机和传感器。无线信号持续穿过山谷与坡体，环境的细微变化被记录在信道中，少量低功耗传感节点补充关键地质与气象信息，边缘模型持续判断局部异常，云端模型从数周、数月甚至更长时间的观测中寻找山体变化规律。
山体发生缓慢位移，信号首先出现变化，持续降雨改变土壤状态，多源数据开始呈现异常，风险尚未演变为灾害，系统已经给出了需要进一步关注的区域。监测由“部署更多设备”逐渐转向“让已有基础设施拥有更多能力”。
通信、感知与计算也不再是彼此独立的系统，而是在同一张网络中协同工作。当基站不仅能够连接山区，也能够理解山区正在发生什么，自然灾害监测就有可能从传统的设备驱动，进一步走向低成本、广覆盖和持续智能感知。
而这一切，可以先从一束通信信号、一组长期数据、一个模型开始。