B5G網絡架構及關鍵技術淺析

韓 瀟，李 培（中國聯通網絡技術研究院，北京100048）

0 前言

2019年是5G網絡的元年，全球各國視5G為帶動社會發展的新動能之一，競相開展5G網絡部署，大力發展5G創新業務，我國三大運營商也宣布了2019年5G試商用的計劃。以5G網絡為基礎，向下一代通信系統的演進稱為B5G（Beyond 5 Generation），近2年，業界開始關注B5G技術，思考通信技術變革的需求、5G網絡的持續演進和未來網絡的發展。

目前業界對B5G發展并沒有一個明確的方向，然而目前的技術研究方向表明，B5G對高數據速率、高容量、無縫覆蓋、低時延高可靠、低功耗低成本以及萬物互聯的要求越來越高。在未來，超高速數據傳輸的需求也不僅限于在陸地，隨著技術發展，人類的生存和活動空間越來越廣，海域和空域也有通信需求。此外，伴隨著計算機技術、ICT融合的發展，智能化、云化、虛擬化也成為B5G網絡發展的趨勢之一。

圖1示出的是B5G網絡發展趨勢。

1 B5G新型網絡架構

1.1 無邊界網絡架構

B5G可能打破傳統蜂窩網絡的小區邊界，把網絡視作一個整體和終端連接，而不是單個小區和終端連接。無邊界網絡將保證無縫的移動支持，在未來高頻網絡下，覆蓋半徑變小，切換會變得更加頻繁，無邊界網絡不會因切換而產生中斷，即使在具有挑戰性的高速移動場景中，也可為用戶提供高質量服務的保證。無邊界的小區概念也將使不同的B5G通信技術緊密結合成為可能。用戶能夠在不同的異構網鏈路（如Sub-6 GHz、毫米波、太赫茲及可見光）之間無縫過渡，基站自動選擇最佳的可用通信技術。

圖1 B5G網絡發展趨勢示意圖

1.2 3D網絡架構

在目前的通信網絡中，網絡架構為二維空間架構，即部署網絡接入點以提供網絡與地面上的設備間的連接。未來的B5G網絡進一步擴展到空域，可以提供三維（3D）覆蓋，以實現天地一體化網絡，可以用非地面平臺，如無人機、熱氣球及衛星設備來補充地面基礎設施的覆蓋。另外，可以利用非地面平臺部署的靈活性進行網絡覆蓋的快速部署，以確保服務連續性和可靠性。例如在農村地區或某些突發的熱點區域，可以利用非地面平臺設備的快速部署，節約固定基礎設施的運營和管理成本。

1.3 分布式網絡架構

在5G時代，移動邊緣計算使得傳統無線接入網具備了業務本地化和靠近用戶部署的能力，進一步降低業務時延，同時，業務面下沉形成本地化部署，可以有效降低對網絡回傳帶寬的要求和網絡負荷。按照這一趨勢，B5G網絡可采用更具創新性的架構，基站設備將僅包含物理天線和盡可能少的處理單元，例如可以根據業務的不同特征判定需要在本地處理或在云端處理的協議棧，從而降低對終端設備的要求。此外，由于通用處理器功能的進步，虛擬化技術將進一步發展，B5G將虛擬化其他組件，例如與MAC和PHY層相關的組件，這些組件目前需要用專用硬件實現。虛擬化技術將降低網絡設備的成本，使得大規模密集部署變得更加可行。

1.4 接入和回傳一體化網絡架構

新的B5G接入技術提供的海量數據速率將意味著回傳容量的大幅增長。此外，太赫茲和可見光技術由于覆蓋距離受限，接入點密度將大幅增加，這將對回傳網絡提出更高的要求。然而，B5G技術的高速率大容量也可用于回傳鏈路的解決方案，基站的無線傳輸可以為用戶提供接入服務并回傳用戶數據。雖然5G已經考慮了類似的方案，但B5G網絡的規模將會給回傳網絡的容量帶來新的挑戰，B5G網絡將需要更高的自主配置能力來優化無線接入和回傳一體化方案的性能，以實現接入容量增加而不需要相應增加光纖數量的目標。

2 網絡智能化

B5G通信技術和網絡部署的復雜性可能會使得手動優化變得更加復雜，甚至不可行。雖然智能技術在蜂窩網絡中的應用已經在5G領域進行了討論，但由于異構網絡帶來的網絡復雜性對網絡智能化帶來了新的挑戰，在B5G網絡中智能化技術的應用將更為普遍。相對于5G來說，B5G對網絡性能的要求更高，網絡智能化將在網絡優化中發揮更突出的作用。

2.1 人工智能和機器學習的應用

傳統移動通信系統的優化目標主要體現在對系統傳輸速率和移動性能力的支持方面。而在5G網絡中對于關鍵性能的支持進一步擴展至時延、網絡可靠性、連接密度以及用戶體驗速率等多個關鍵性能指標。為了達到這些關鍵性能指標，需要引入諸如大規模天線陣列、網絡切片等新的技術，這極大地增加了系統設計的復雜性，并為未來無線網絡運維和優化帶來了巨大挑戰。例如有相當多類型的應用會影響用戶流量的特征和交互關系，而為了實現對特定應用的特殊處理，需要對策略控制系統進行異常復雜的處理，以網絡功能虛擬化（NFV）為例，必須對計算資源進行動態分配，從而使核心決策算法能夠自動適配當前的無線、用戶以及流量條件。而人工智能技術近年來借助于現代計算和數據存儲技術的迅猛發展而再次復興，其本身是一種普適性的機器學習技術。凡是給定場景涉及到了數據的統計、推斷、擬合、優化及聚類相關問題，人工智能均能找到其典型應用。

在B5G網絡架構下，由于萬物互聯，各種制式的異構網絡并存，大數據和人工智能將會在新型網絡架構下發揮重大的作用。人工智能和機器學習可以用于頻譜資源的管理與控制，網絡規劃與網絡優化等方面，以滿足B5G多應用場景和性能需求。

2.2 基于信息共享和協作的萬物互聯

在B5G網絡中，頻譜和基礎設施共享將發揮更大的作用，由于萬物互聯的需求，網絡協同合作成為非常重要的方面，如何實現各網元間的信息共享，從而實現各網絡間的協作將成為提高網絡復用能力的關鍵之一，也成為萬物互聯的重要基礎。特別是結合自主學習和機器學習技術，信息共享和網元間的協作將會發揮更大的作用。

3 B5G潛在關鍵技術

3.1 可見光通信

經過多年對可見光通信技術的深入研究，全球發達國家和地區紛紛開展可見光通信技術應用轉化。目前，可見光通信產業化正處于研究向商業化試點和推廣的關鍵時期。國外已有多家公司推出可見光通信應用系統，并且在不同的應用場合開展了可見光通信的商業應用試點。

英國的PureLiFi是世界可見光通信領域最具影響力的公司。該公司的LiFi-X設備只有信用卡大小，其上包含著用于接收Li-Fi燈信號的感光器和用于發回數據的紅外發射器。法國的Oledcomm公司主要生產Li-Fi套件，包括Li-Fi臺燈、Li-Fi燈泡、支持Li-Fi的Android平板電腦以及針對智能手機的Li-Fi適配器；其可見光通信系統已投入商業運行階段，能夠為家庭、商業場所提供可見光通信技術。德國的海因里希.赫茲研究所（HHI）在光通信領域有著雄厚的研發實力。該研究所研發的LED回傳系統使用紅外LED對準，可以在100 m距離下實現500 Mbit/s、200 m距離下實現250 Mbit/s的雙向傳輸。其典型應用為工業環境下點對點無線光通信、Wi-Fi和LTE回傳等。美國Bytelight公司研發的基于LED燈光的室內定位服務，使得程序能在1 s時間內計算出當前位置，精確度可以達到1 m之內。

近年來，國家有關部門和各地政府都已經對可見光通信產業的發展加大投入力度。在國家有關部門和各地政府的大力扶持下，國內多家企業在可見光通信技術應用轉化方面也取得了較多成果。目前研究可見光的多是光通信的廠家，無線通信界研究相對較少，但隨著業界開始討論B5G網絡和技術，可見光通信也得到通信領域的較多關注，具體的潛在應用領域和場景還需可見光和通信領域的深入討論和跨界交流。

3.2 太赫茲通信

從2G、3G到5G網絡，無線通信的頻段已經從1 GHz以下擴展至52.6 GHz，高頻段的可用頻率多、可支持帶寬大的特性，使業界對于B5G的潛在技術展望繼續關注更高頻段。太赫茲波段的通信技術被認為是有望解決頻譜稀缺問題的有效手段，引起世界各國的高度關注。

太赫茲波段（簡稱THz）是指頻率在0.1~10 THz范圍內的電磁波，頻率介于技術相對成熟的微波頻段和紅外頻段2個區域之間。太赫茲科學技術作為非常重要的交叉前沿技術領域，是當今國際學術研究的前沿和熱點。美國認為太赫茲科學是改變未來世界的十大科學技術之一，歐盟第5-7框架計劃中啟動了一系列跨國太赫茲研究項目，日本政府將太赫茲技術列為未來10年科技戰略規劃10項重大關鍵科學技術之首。

由于太赫茲波具有高寬帶、高穿透性等特性，太赫茲通信技術為需要超高數據速率的各種應用打開了大門，并在傳統網絡場景以及新的納米通信范例中開發大量新穎應用。太赫茲可用于和地面高速通信與組網、空間通信、軍事保密通信、無線納米網絡通信等領域。

3.3 大規模數據分析和人工智能

大數據技術最大優勢在于可以從海量數據中挖掘人們難以發現的一些價值。對于運營商而言，大數據技術在節省成本、提高網絡運維效率方面具有突出優勢，還可以通過用戶每天的行為和數據分析為用戶提供更加個性化的服務，提高運營商對用戶的服務水平，增加用戶黏性。而無線通信網絡每天都在不斷產生海量的數據，因此為了提升無線網絡的感知能力和自適應柔性調整能力，需要充分利用無線網絡和無線傳輸以及無線應用的大數據，進行數據挖掘。大數據技術是對大型的數據集進行收集、組織以及分析，從而識別出模式并得出結論的一門科學。大數據分析結合人工智能算法可以在B5G多個領域發揮重要的作用，不僅可以用在資源管理和網絡優化方面，還可以用在無線信道建模、無線信號檢測、無線信道估計等物理層通信技術的優化方面。

3.4 智能交互

隨著機器人產業和機器學習（ML）技術的快速發展，預計具有機器學習能力的智能體（Intelligent Agent）的數量將出現快速增長，智能體之間的智能交互需求也將成為下一代寬帶移動通信系統的重要設計目標之一。

為了實現智能體之間的協同操作和合作學習，需要在智能體之間交互機器學習相關的智能數據。根據不同的智能交互場景，所需交互的智能數據可能包括機器學習的模型、機器學習的訓練集、機器感知的數據等。將交互數據上傳至云端服務器進行處理，不同的智能體之間可以通過感知信息交互進行協作學習從而達到智能體的智能化，更好地為人類服務。

3.5 動態頻譜共享

無線頻譜是信息經濟時代的重要戰略性資源，是信息化和工業化深度融合的重要載體，目前主要由國家統一管理和授權使用。隨著移動互聯網技術的發展，無線數據量呈現爆發式增長，這給原本就稀缺的無線頻譜資源帶來了更大的壓力。在異構網絡共存、密集覆蓋的場景下，如何管理傳統的IMS系統頻譜，未來用于B5G網絡的無線頻譜以及新開放的重耕頻譜，達到提高頻譜資源利用率、降低干擾、優化網絡性能的目的，是未來B5G無線網絡中需要重點考慮的問題。

在現有靜態的頻譜管理方式下，頻譜資源的使用主要存在2個矛盾：一是可用頻譜資源稀缺，而已用頻譜資源利用率低；二是頻譜劃分固定，而頻譜需求動態變化。這種問題的根源在于頻譜管理方式確定的頻譜劃分無法及時地根據需求做出調整。采用動態的頻譜管理方式進行動態頻譜共享，是解決上述矛盾的方法之一。

4 結束語

展望B5G時代，隨著網絡架構的變革，網絡智能化的發展，各種新技術的不斷涌現，整個無線通信網絡將發生巨大變化，B5G的發展將會在人類生活、工業化發展、各行各業的發展中起到重要的作用。隨著業界研究和探討的進一步深入，相信在未來一到兩年，B5G網絡的愿景和技術方向將會被勾勒得更加清晰。