6G定位的潛力與挑戰

趙軍輝　李一博　王海明　張英豪

【摘? 要】在部署5G網絡的同時，6G技術進入了研究起步階段。圍繞6G與無線定位技術，首先從直接和間接定位的角度對定位技術進行總結，并分析5G定位增強以及存在的不足。然后提出面向6G定位技術展望，重點分析了太赫茲通信技術、SM-MIMO超大規模天線陣列、融合定位、人工智能等6G技術發展對定位技術的影響。最后分析了6G技術應用于無線定位存在的挑戰。

【關鍵詞】6G移動通信;定位技術;太赫茲;MIMO;人工智能;融合定位

0? ?引言

2019年9月初，歐洲發布6G白皮書《6G泛在無線智能的關鍵驅動因素及其研究挑戰》。該白皮書提出未來6G愿景是實現泛在無線智能，并指出6G技術性能指標將比5G普遍提升10到100倍[1]。社會發展將帶來大量新的技術場景[2]，這些技術場景提出更高要求的LBS（Location Based Service，定位服務），如圖1所示，而6G相關技術發展與演進將為定位技術性能的提高提供潛在的技術可行性。高可靠低時延場景，需要提供高實時性和可靠性的LBS，太赫茲通信技術和智能化融合協作網絡將有助于提升低時延場景LBS性能;大連接應用場景，需要滿足大量設備接入并擺脫不良節點信息干擾，超大規模天線陣列技術將為這類場景的定位問題提供解決方法;移動導航場景，需要為用戶提供連續廣域的場景覆蓋、無縫穩定的室內外LBS，利用融合定位將多種定位技術平滑融合，這為移動場景定位提供思路。6G將在5G基礎上，借助新技術進一步提供高性能的LBS，全面提升主要技術場景的用戶體驗，進而擴展和深化公眾移動通信系統的范圍和領域，實現萬物智聯，服務于智能化的社會[3]。本文從直接和間接定位的角度對定位技術進行總結，并分析5G定位增強以及存在的不足。然后提出面向6G的定位技術展望，重點分析了太赫茲通信技術、SM-MIMO超大規模天線陣列、融合定位、人工智能等技術發展對定位技術的影響。最后分析了6G技術應用于無線定位存在的挑戰。

1? ? 現有定位技術

1.1? 基于公眾移動通信基礎設施的定位技術

基于公眾移動通信基礎設施的定位技術可以概括為兩大類：間接定位技術和直接定位技術。

（1）間接定位技術

間接定位的基本原理是基于測距的方法，由基站側LBS服務器綜合計算測量結果，進而得出移動終端的位置[2]。測距方法中需測量的物理量常常需要借助空間中的直射徑，測量的物理量包括TOA（Time Of Arrival，到達時間）、TDOA（Time Difference Of Arrival，到達時間差）、AOA（Angle Of Arrival，到達角）、FDOA（Frequency Difference Of Arrival，到達頻率差）等。基于TOA/TDOA的定位技術，利用信號的到達時間或時間差計算目標所在位置，需要終端與基站或基站與基站間有較好的時間同步，且受多徑時延效應影響大。基于AOA的定位技術，通過測量發射信號來波的角度實現位置估計，其對測向設備精度要求高且受角度分辨率影響大[4]。基于FDOA的定位技術，原理類似于TDOA，但需要設備與基站間存在相對運動，精度易受多徑時延影響[5]。間接定位技術在實際場景運用較常見，但每種技術都受自身特征限制，定位精度極限值的提高存在瓶頸。

（2）直接定位技術

直接定位技術的基本原理是借助相關信息，建立位置的最大似然函數，并不斷迭代估計位置。相關信息可包括信道狀態信息、接收信號強度[6]、樣本位置指紋[7]等。直接定位技術中最為普遍的是基于指紋的定位技術，通過匹配接收信號指紋與位置指紋數據庫的信息，得出目標設備的位置。具體定位過程可分為離線訓練和在線定位兩個階段，如圖2所示。離線訓練階段主要完成信號指紋-位置數據庫的構建，在線定位階段主要進行指紋匹配判斷目標設備位置。直接定位技術計算復雜，需要處理大量數據，但精確度遠高于間接定位技術[8]。對于解決多主動式目標源的定位問題效果很好[9]，因而近年來被認為是解決多基站場景下的定位問題的熱門技術[10-11]。但是，直接定位技術精確度受信號指紋特征和匹配算法影響較大，如何構建信號指紋和處理指紋匹配是現階段面臨的挑戰。

1.2? 現有定位技術的特點與不足

（1）5G定位增強

基于公眾移動通信基礎設施的定位技術不斷發展[12]。伴隨著對定位性能要求的提高，5G定位技術不斷增強。3GPP持續開展對定位技術的增強研究，相較于R14中定位參考信號結合CRS（Cell Reference Signal，小區參考信號）的定位方法，5G NR R15標準引入更多樣化的參考信號CSI-RS。同時，繼R14增強RAT（Radio Technology，無線電技術）定位方法后，在3GPP R15中應用了“無線接入技術無關”（RAT-independent）的定位方法，且在3GPP R16中還將繼續研究“無線接入技術相關”（RAT-dependent）以及混合定位技術。此外，3GPP已公布5G NR R17研究計劃將重點關注定位增強，進一步將室內定位精確度提升到厘米級。關于5G將實現的具體定位精度指標，NGMN聯盟在其關于5G增強型服務的白皮書中指出，定位精度應在80%的概率下達到10 m，而在室內組網中定位精度應達到1 m。另外，在R17討論區收集了包含V2X（Vehicle to Everything）定位、3D定位、校園定位、工廠定位等的潛在方向議題，這些研究將會為V2X等物聯網應用提供3D厘米級的LBS。

在IEEE 802.11az NGP（Next Generation Positioning，下一代定位）功能要求文件中關于系統性能指出，可支持通過單獨或結合的測量方法實現2.4 GHz和5 GHz頻帶中的AOA測量;對于60 GHz頻帶，采用添加其他ROLL（旋轉角度）、分別為T1T3和T2T4定義TOD和TOA、使用單鏈路距離和角度測量的方法，以減少漂移對測距計算的影響。從而實現在60 GHz頻帶內以1 cm的精度進行距離測量、以10 ms的延遲進行距離或角度測量、在同一信道中可同時測量12個用戶和7個AP（Access Point，無線接入點）的定位能力。

（2）定位技術的挑戰

面向5G的定位技術不斷增強，進一步提高定位的精確度。但是，由于相關技術的限制，面向5G定位技術仍存在許多有待解決的問題[13]。

1）泛在化問題：針對室外復雜場景[14]、室內外銜接場景、室內異構設備場景，融合不同定位技術是普遍方案，但目前尚未做到各場景泛在化。

2）覆蓋問題：無法提供大范圍和穩定連續的無縫覆蓋。

3）精度問題：定位精度受環境影響大，難以提供質量一致的LBS。在復雜環境下，NLOS（Non-Line of Sight，非直射）和多徑傳播會引入測量結果誤差[15]，這將大大影響基于距離、頻率等定位技術的精度[16]。此外，異構設備的定位精度也受到時間同步的嚴重影響[17]，定位精度的提升存在瓶頸。

2? ?6G定位技術展望

目前，全球學者對6G特征描述多樣，未來6G技術發展將可能涉及但不限于如下4個較重要的技術領域：太赫茲通信、超大規模天線陣列、星地融合與覆蓋擴展、人工智能[18]。接下來我們首先分析6G中可能有利于定位的技術，然后提出6G定位技術存在的挑戰。

2.1? 6G定位技術的潛力

（1）太赫茲通信技術

角度是定位技術中的關鍵特征信息。太赫茲信號波長短、波束窄、方向性好[19]。一方面，利用太赫茲信號良好的方向性，可以實現更高精度的測距和測角;另一方面，太赫茲信號采用波束賦形，結合大規模天線技術（MIMO），能夠得到更高分辨率的波束，從而接收機能夠獲得更佳的角度分辨率，大大提升基于角度測量（例如AOA技術）的定位精度。

NLOS和多徑時延擴展是制約精確定位的重要問題。在森林、峽谷、城市等區域內，受樹冠或建筑物的遮擋與多次反射，信號有效數據丟失，強度變弱，導致觀測噪聲擴大。隨著6G移動通信載頻升高，信號帶寬將從5G的100 MHz增加至500 MHz[18]。太赫茲信號所具有的高帶寬特性，使得其多徑時延分辨率可與UWB（Ultra-Wide Band，超寬帶）定位技術相當[20]。在頻域上，更高的信號帶寬更容易觀測出因多徑信號造成的頻率選擇性衰落;在時域上，更高的信號帶寬也可提高接收機對多徑信號的分辨率。同時，太赫茲頻段的電波二次反射相對較弱[21]，易于多徑時延擴展問題的解決。這將有助于提高基于時間（TOA/TDOA）、頻差以及RSS等定位技術的精度。此外，太赫茲信號穿透性能好，抗干擾能力強，利于定位精度提升[22]。

高可靠低時延場景，例如，智慧交通車輛定位、移動機器人等需要進行位置控制、軌跡跟蹤功能的強實時性控制系統，對定位系統的時延有著很高的要求。太赫茲通信技術的峰值數據傳輸速率將超過1 Tb/s，經驗數據速率將實現1 Gb/s，可滿足極高的數據傳輸速率[23]，從而實現高實時性和可靠性LBS的要求。

（2）超大規模天線陣列技術

大連接應用場景，例如工業物聯網中，智能工廠存在室內資產追蹤、AGV追蹤等應用場景。在這些場景中，定位區域內存在大量定位設備接入，且需要厘米級室內定位精度，并擺脫不良節點信息干擾，同時對定位的實時性和可用性有要求。6G移動通信將使用多天線空間調制技術（SM-MIMO）[18]，MIMO技術可通過增加天線數量，構造多天線陣列，補償高頻路徑的傳輸損耗;空間復用技術能在MIMO多天線的陣列配置下，提高傳輸數據量。SM-MIMO使得6G移動通信基站可同時接入上千個無線外部連接，容量將達到5G的1 000倍[18]。這將為工廠定位環境下，大量定位設備接入提供可能。同時，通過空間復用技術，可在不占用額外帶寬和不消耗額外功率的情況下增加信道容量，使得工廠設備定位的實時性和可用性得到保障。

MIMO技術構造的多天線陣列，天線數越多發射波束寬度越窄。在未來6G時代，基站側天線陣元數將達到10 000個[21]，加之太赫茲信號良好的方向性，角度分辨率可得到進一步提升。這使得各定位終端和不同波形之間干擾很小，結合波束賦形技術，可以實現對信號進行焦點式覆蓋，從而提高定位精確度。同時，大規模天線陣列可提供豐富的信號特征維度，便于構造多特征的位置指紋信息，有利于多天線信道特征的指紋識別技術定位精度提升。使用超大規模天線陣列可以對到達信號進行更加精準地估計，有助于提升多徑分辨率，從而提高基于時間和接收信號強度的定位精度，厘米級精確定位是可以預期的。另外，借用MIMO優勢，大大提高定位的覆蓋距離，降低定位系統對網絡密度的要求。

（3）融合定位

移動導航場景，需要為用戶提供連續廣域的場景覆蓋、無縫穩定的室內外高精度定位服務。除了利用6G技術提升基礎定位技術的定位精度外，另外可考慮的方面是借助融合定位方法。融合定位通過利用網絡中多個基站或者不同網絡間信息采集和定位結果分享，對目標位置進行估計。由于6G網絡是由多種網絡構成的異構網絡，能夠為多種定位方法平滑融合提供強有力的支撐。

1）多基站的融合定位：利用傳統定位技術（直接定位和間接定位）定位結果的基礎上進行數據融合。6G創新型網絡架構為精確定位的實施提供便利條件，分布式MIMO、C-RAN、以及無蜂窩構架等技術將基站間的聯合協作處理便捷化。通過將多個接入點定位結果融合，可解決用戶與基站時間存在偏差以及基站間存在同步誤差的難題[24]。此外，利用定位目標設備與接入點的連接信息進行定位時[25]，網絡接入點密度與定位精度直接相關，多基站融合定位將提升定位精度。

2）不同網絡融合定位：利用通信網絡、衛星網絡等不同網絡融合定位。一方面，解決廣域覆蓋問題。6G空天海地一體化網絡，在傳統地面蜂窩網絡的基礎上，分別與衛星通信（非陸地通信）和深海遠洋通信（水下通信）深度融合，實現全地形、全空間立體覆蓋連接。為各類用戶LBS提供可用的信息基礎設施保障，實現連續廣域的場景覆蓋，從而為遠洋物資跟蹤、大面積物聯網設備位置信息采集提供解決方案。另一方面，解決傳統定位方法泛在化問題。網絡間的融合將不局限于將位置相關信息（時間、距離等）淺層次融合，而采用以定位為目標的網絡間融合架構，將通信網絡、衛星網絡等混合架構、多層次融合。借助6G通信網絡異構性，如圖3所示，考慮每種定位技術自身的優缺點及適用范圍，融合各種不同異構定位技術。通過異構網絡之間、不同測量信息、不同定位方法的融合定位，實現通信和定位一體化。

（4）人工智能

AI與定位技術結合有兩方面的應用。首先，AI可以用于數據處理分析，進而有助于直接定位法定位精度提高。AI從用戶、環境和網絡獲取數據集學習，預測出定位信息。例如，獲取視覺現實（VR）、建筑地圖、聲音等可用信息，綜合空天海地網絡收集信息進行多源信息處理，預測定位結果。相較于傳統定位方法采用信號往返時間、信號到達時間差、到達角度等單一信息，與AI相結合的定位算法將提高3D定位精度。其次，可以在網絡邊緣及各網元實體（如基站和終端用戶設備）內嵌AI實現網絡自組織。實現基站設備間智能協作，使得精準定位實施更加便利。同時，AI可以學習環境，隨著環境變化采用不同的定位方法，充分利用各定位方法在不同環境的優勢，使得設備自主決策定位方法成為可能，實現定位智能化，進而實現LBS泛在化要求。

2.2? 面臨的挑戰

6G技術為定位性能的提升帶來了許多機遇，但也面臨著一些關鍵挑戰。

太赫茲通信技術應用于定位，需要研發可充分利用太赫茲頻段可用帶寬的收發機架構。另外，目前太赫茲器件成熟度不高。現有的固態太赫茲功率放大器的輸出功率無法滿足大覆蓋需求，太赫茲相控陣天線也尚未突破，基于射頻模塊的太赫茲通信系統小型化程度不夠，無法滿足地面移動應用場景的要求[26]。

大規模天線陣列技術應用于6G場景中，還需解決天線方面跨頻段、高效率、全空域覆蓋等問題。同時，大規模天線陣列相關的技術也有待發展，例如，高性能大規模模擬波束成型網絡設計技術。大規模天線陣列應用也依賴于高集成度射頻電路優化，需要突破射頻電路面臨的低功耗、低噪聲、非線性等多項關鍵性挑戰[27]。

融合定位方法中，運用空天海地一體化網絡有助于提升定位性能，但是天地一體化網絡，尤其是天基網絡受空間傳播環境等因素的影響，其穩定性低于傳統地面移動通信網絡[28]。另外，要想充分發揮融合定位優勢，還需要解決網絡架構、接口標準、衛星系統與移動通信網絡智能通信、頻譜資源分配管理等問題。

現階段，人工智能算法主要通過大量訓練數據的離線方式進行參數優化。而訓練樣本主要采用數學方法仿真生成，這些樣本忽略了部分實際通信環境帶來的影響。另外，從算法角度，通信領域數據和其后隱藏的物理規律與計算機視覺面向的圖像和視頻數據差別非常大，現在人工智能框架強項是針對圖像、視頻、文本和語音數據，直接把這些框架拿來解決通信領域數據，匹配效果無法達到最優。

3? ?結束語

6G將實現萬物智聯，大量場景需要低成本、高精度、高可靠性的室內外定位服務系統。以太赫茲通信技術、SM-MIMO超大規模天線陣列、人工智能和融合一體化的網絡架構等技術為代表的6G移動通信技術為解決當前定位難題提供了新的解決思路。本文介紹了5G定位方法并指出其有待解決的問題，然后通過分析面向6G的相關技術優勢，提出了解決定位問題的思路，并說明相關技術發展與演進將為定位性能提升提供潛在的技術可行性。基于上述有利條件，發展面向未來公眾移動通信系統的高性能LBS有望成為未來6G研究的一個重要分支。

參考文獻：

[1]? ? 高芳，李夢薇. 芬蘭奧盧大學發布白皮書初步提出6G愿景和挑戰[J]. 科技中國， 2019（12）： 94-97.

[2]? ? 張平，陳昊. 面向5G的定位技術研究綜述[J]. 北京郵電大學學報， 2018，41（5）： 1-12.

[3]? Z L， L Y C， N D. 6G Visions：Mobile Ultra-Broadband，Super Internet-of-Things，and Artificial Intelligence[J]. China Communications， 2019，16（8）： 1-14.

[4]? ? Z J， L J， N Y， et al. Location-Assisted Beam Alignment for Train-to-Train Communication in Urban Rail Transit System[J]. IEEE Access， 2019（7）： 80133-80145.

[5]? ? Z J， L L， G Y. Joint Navigation and Synchronization in LEO Dual-Satellite Geolocation Systems[C]//IEEE Vehicular Technology Conference（VTC2017-Spring）. IEEE， 2017： 1-5.

[6]? ? Z J， R J， Y H， et al. Combined Linear Regression and Simplex Method for Signal Strength Based Indoor Position[C]//International Conference on Wireless Communications IEEE. IEEE， 2008： 1-4.

[7]? ? Z J， Z H， R R. Distribution Localization Estimation Algorithm in Wireless Sensor Networking[C]//IEEE Vehicular Technology Conference 2015. IEEE， 2015.

[8]? ? A A， W M. Direct Localization by Partly Calibrated Arrays： A Relaxed Maximum Likelihood Solution[C]//2019 27th European Signal Processing Conference （EUSIPCO）. IEEE， 2019： 1-5.

[9]? ? ?馬賢同，羅景青，孟祥豪. 多目標位置信息場直接定位法

[J]. 信息與控制，2015，44（6）： 673-677.

[10]? L G， L A， L L， et al. Sparse Bayesian Inference Based Direct Localization for Massive MIMO[C]//2019 IEEE 90th Vehicular Technology Conference （VTC2019-Fall）. IEEE， 2019： 1-5.

[11]? ?G N， W H， L E G， et al. Direct Localization for Massive MIMO[J]. IEEE Transactions on Signal Processing， 2017，65（10）： 2475-2487.

[12]? ?L Y， S X， H S， et al. Prospective Positioning Architecture and Technologies in 5G Networks[J]. IEEE Network， 2017，31（6）： 115-121.

[13]? ?陳詩軍，王慧強，陳大偉. 新一代無線定位技術研究與發展趨勢分析[J]. 中興通訊技術， 2018，24（2）： 54-58.

[14]? ?Y T， Z J， G Y. UAV-aided localization algorithm with relay for train-mounted mobile terminals[J]. Physical Communication， 2019（34）： 227-234.

[15]? Z J， Z H， R R. Distance Geometry-based Wireless Location Algorithms in Cellular Networks with NLOS Errors[J]. KSII Trans. Internet and Information Systems （TIIS）， 2015，9（6）： 2132-2143.

[16]? ?Z J， L L， Z H， et al. Signal Path Reckoning Localization Method in Multipath Environment[J]. China Communications， 2017，14（3）： 182-189.

[17]? L Y， R P， L E S. Opportunities and Challenges in the Industrial Internet of Things based on 5G Positioning[C]//2018 8th International Conference on Localization and GNSS （ICL-GNSS）. 2018： 1-6.

[18]? Z Z， X Y， M Z， et al. 6G Wireless Networks： Vision， Requirements， Architecture， and Key Technologies[J]. IEEE Vehicular Technology Magazine， 2019，14（3）： 28-41.

[19]? 楊靜娜. 太赫茲通信技術的研究與展望[J]. 數字通信世界， 2019（3）： 62.

[20]? 肖竹，王勇超，田斌，等. 超寬帶定位研究與應用：回顧和展望[J]. 電子學報， 2011，39（1）： 133-141.

[21]? 尤肖虎，尹浩，鄔賀銓. 6G與廣域物聯網[J]. 物聯網學報， 2020，4（1）： 3-11.

[22]? 孫建國. 太赫茲通信技術的研究與展望[J]. 數字通信世界， 2018（10）： 52-82.

[23]? 張博文，林君. 6G移動通信的技術應用及發展前景[J]. 河南科技， 2019（29）： 37-38.

[24]? ?K M， C M， W J， et al. Joint Device Positioning and Clock Synchronization in 5G Ultra-Dense Networks[J]. IEEE Transactions on Wireless Communications， 2017，16（5）： 2866-2881.

[25]? B A， W X， H L， et al. Connectivity-Based Centroid Localization Using Distributed Dense Reference Nodes[J]. IEEE Transactions on Vehicular Technology， 2018，67（7）： 6685-6689.

[2 6]? 魏克軍. 全球6G研究進展綜述[J]. 移動通信， 2020，44?（3）： 34-36.

[27]? ?趙亞軍，郁光輝，徐漢青. 6G移動通信網絡：愿景、挑戰與關鍵技術[J]. 中國科學：信息科學. 2019，49（8）： 963-987.

[28]? 張乃通，趙康僆，劉功亮. 對建設我國“天地一體化信息網絡”的思考[J]. 中國電子科學研究院學報， 2015，10（3）： 223-230.

作者簡介

趙軍輝（orcid.org/0000-0001-5958-6622）：教授、博士生導師，博士，現任職于華東交通大學信息工程學院和北京交通大學電子信息工程學院，主要研究方向為移動通信、交通信息技術、物聯網等。

李一博：北京交通大學電子信息工程學院通信工程在讀本科生，主要研究方向為物聯網、移動通信。

王海明：教授、博士生導師，博士，現任職于東南大學信息科學與工程學院，主要研究方向為移動通信、天線和信道測量。