As the fifth-generation (5G) mobile communication system is being commercialized, extensive studies on the evolution of 5G and sixth-generation (6G) mobile communication systems have been conducted. Future mobile communication systems are evidently evolving toward a more intelligent and software-reconfigurable functionality paradigm that can provide ubiquitous communication, as well as sense, control, and optimize wireless environments. Thus, integrating communication and localization using the highly directional transmission characteristics of millimeter waves (mmWaves) is a promising route. This approach not only expands the localization capabilities of a communication system but also provides new concepts and opportunities to enhance communication. In this paper, we explain the integrated communication and localization in mmWave systems, in which these processes share the same set of hardware architecture and algorithms. We also provide an overview of the key enabling technologies and the basic knowledge on localization. Then, we provide two promising directions for studies on localization with an extremely large antenna array and model-based (or model-driven) neural networks. We also discuss a comprehensive guidance for location-assisted mmWave communications in terms of channel estimation, channel state information feedback, beam tracking, synchronization, interference control, resource allocation, and user selection. Finally, we outline the future trends on the mutual assistance and enhancement of communication and localization in integrated systems.

随着第五代（5G）移动通信系统的商业化，已经对5G和第六代（6G）移动通信系统的发展进行了广泛的研究。显然，未来的移动通信系统正在朝着更加智能和软件可重新配置的功能范式发展，该范式可以提供无处不在的通信，以及感知，控制和优化无线环境。因此，使用毫米波（mmWaves）的高度定向传输特性来集成通信和本地化是一个有前途的途径。这种方法不仅扩展了通信系统的本地化能力，而且还提供了增强通信的新概念和机会。在本文中，我们将说明mmWave系统中的集成通信和本地化，这些进程共享相同的硬件体系结构和算法集。我们还概述了关键的支持技术和本地化的基本知识。然后，我们为使用超大型天线阵列和基于模型（或模型驱动）的神经网络进行定位研究提供了两个有希望的方向。我们还将在信道估计，信道状态信息反馈，波束跟踪，同步，干扰控制，资源分配和用户选择方面讨论位置辅助mmWave通信的综合指南。最后，我们概述了集成系统中相互协助以及增强通信和本地化的未来趋势。我们还概述了关键的支持技术和本地化的基本知识。然后，我们为使用超大型天线阵列和基于模型（或模型驱动）的神经网络进行定位研究提供了两个有希望的方向。我们还将在信道估计，信道状态信息反馈，波束跟踪，同步，干扰控制，资源分配和用户选择方面讨论位置辅助mmWave通信的综合指南。最后，我们概述了集成系统中相互协助以及增强通信和本地化的未来趋势。我们还概述了关键的支持技术和本地化的基本知识。然后，我们为使用超大型天线阵列和基于模型（或模型驱动）的神经网络进行定位研究提供了两个有希望的方向。我们还将在信道估计，信道状态信息反馈，波束跟踪，同步，干扰控制，资源分配和用户选择方面讨论位置辅助mmWave通信的综合指南。最后，我们概述了集成系统中相互协助以及增强通信和本地化的未来趋势。我们还将在信道估计，信道状态信息反馈，波束跟踪，同步，干扰控制，资源分配和用户选择方面讨论位置辅助mmWave通信的综合指南。最后，我们概述了集成系统中相互协助以及增强通信和本地化的未来趋势。我们还将在信道估计，信道状态信息反馈，波束跟踪，同步，干扰控制，资源分配和用户选择方面讨论位置辅助mmWave通信的综合指南。最后，我们概述了集成系统中互助以及增强通信和本地化的未来趋势。