感知,已经成为6G通信网络的一个关键特征和技术。与以往数代通信网络不同,感知将打破传统的设计原则,彻底改变传统通信网络的架构,改变与所在通信环境的交互的方式。如何对通信场景进行感知和重建,从而进一步提高通信系统的效率,则是一个需要解决的挑战。本论文主要内容如下:第一,本文提出了一种基于毫米波天线阵列的计算成像方案。为了更好地进行通信方案的设计和优化,基站通常需要获得该区域内服务的所有用户的准确信道状态信息,因此信道参数估计是无线通信系统中的一个重要环节。一般情况下,信道估计是基于统计信道模型的。但由于无线信道是由电磁波的传播机制（如反射、散射、衍射等）以及真实的物理散射环境（如场景内的散射体、反射体的空间布局等）决定的,如果我们能充分利用场景中固有的环境信息,主动对通信场景进行感知,来建立通信环境真实几何模型,就可以将信道从统计模型转变成确定性模型,从而大大提高通信的效率。为了解决这一问题,我们提出了一种基于毫米波天线阵列的计算成像,这是一种基于随机辐射和波前随机调制思想的波束内超分辨率方法。这种方法通过调制探测信号的波前来形成时空随机辐射场,然后通过目标散射回波与探测信号之间的计算来获得波束内的目标信息,从而构建出场景的确定性模型。仿真结果表明这种方法可以有效对环境进行成像和重建。第二,本文提出了一种智能反射面辅助的分布式计算成像方案。在先前的计算成像系统中,收发机是天线阵列,并且每个天线单元需要分别被调制,这需要许多射频链和复杂的信号处理技术。另外,传统方法使用一体的发射和接收天线,这不利于系统的灵活部署。智能反射面是一项革命性的技术,可在未来的无线通信系统中实现高频谱和能源效率。在本文中,我们提出了智能反射面辅助的分布式计算成像。在此系统中,发射天线、接收天线和智能反射面分布在不同的空间位置。通过部署智能反射面,检测信号的相位和幅度由智能反射面的可重新配置的无源元件进行随机调制,从而以较低的硬件成本实现了高频谱和高能效。此外,我们详细分析了探测信号的四种传播模型,并将待成像区域细分为空间网格集合,将重建过程构造为稀疏恢复问题。仿真结果表明,提出方案可以达到出色的成像性能并有效地重建目标。第三,本文提出了一种自适应分辨率环境感知算法。建立模型时,我们将连续的目标空间划分成离散的空间网格,将散射体的散射中心设为空间网格正中心。但由于现实中的散射体是在连续的空间中分布的,因此散射中心有时候会位于网格之外,而且我们无法预先知道要检测的目标的大小和分布。当分辨率,即网格的精细程度,与实际场景中的散射体尺寸不匹配时,就会出现网格失配问题。如果我们此时希望简单地通过进一步划分空间网格来解决这个问题,随着分辨率的提升,网格的精细化,测量矩阵之间的相干性随之增大。由于许多压缩感知算法是依赖于测量矩阵的低相关性的特性,这将导致难以再简单地利用传统的压缩感知算法来进行稀疏恢复。因此,本文提出的算法通过利用带排除与相关带的思想,缓解网格失配以及参考矩阵相关性过高的问题。并且通过计算残差来控制迭代深度,从而找到合适的分辨率,得到环境重建结果。仿真结果表明,提出的自适应分辨率环境感知算法可以有效降低重构误差,提高成像质量。