SemISAC 在单一双功能波形中同时实现语义通信和语义感知。系统在发送端使用联合语义编码器，将道路场景图像映射为语义符号并填入 OFDM 子载波的数据单元，其余单元作为导频用于信道估计和感知。导频的数量和分布依据当前信道条件自适应优化，以在通信误码率和感知精度之间取得平衡。接收端的深度学习模型依据接收波形恢复像素级道路分割；同时，发送车辆捕获来自周围物体的反射波形，使用任务专用解码器完成目标识别和距离估计。仿真在车辆共享道路分割并进行周围物体分类与测距的场景下进行。结果表明，SemISAC 的分割准确率接近专用语义通信模块，而在目标识别和距离估计上显著优于传统和语义基线。
点评：该工作展示了通过自适应导频配置实现通信与感知的协同优化，为 6G ISAC 系统提供了兼顾效率和性能的实现思路。