6G網絡中的星地一體化

王葆葆 張秋旋 任曉航 王潑 朱榮臻

摘要：基于全球移動通信系統“使用一代、建設一代、研發一代”的發展思路，6G的研究已啟航3年。本文針對6G網絡中融合地面網絡（TN）和非地面網絡（NTN）展開研究，分析了6G移動通信網絡愿景與衛星通信特點，探討了星地一體化的融合網絡架構研究方向，簡要介紹了星地一體化的潛在技術。

關鍵詞：TN；NTN；星地一體化；衛星

一、引言

自20世紀80年代第一代移動通信系統商用以來，全球移動通信網絡按照每十年一代的速度快速發展，在近40年里，我國移動通信技術從1G至5G經歷了“空白、跟隨、突破、并跑、引領”的發展歷程，2020年大規模商用的5G網絡，正在實現4G網絡“服務于人”至“服務垂直行業”的應用轉變，與醫療、交通、教育、娛樂、工業、農業、電力、城市管理與服務等社會各行業相融合，大幅提升各行業數字化升級轉型[1]。在5G商用如火如荼之際，6G移動通信技術已吸引世界各國學者、研究人員的關注[2]，我國由工信部牽頭的IMT2030（6G）推進組于2022年7月發布的《6G典型場景和關鍵能力白皮書》指出了6G發展的四大驅動力，分別為經濟、社會、環境的可持續發展及技術創新發展，這四大驅動力將為5G向6G的迭代升級提供源源不斷的靈感與動力，推動人們走進“泛在互聯、普惠智能、多維感知、全域覆蓋、綠色低碳、內生安全”等特征于一體的智能化未來社會。其中全域覆蓋是本文關注的重點，指的是6G將融合地面網絡（TN）和非地面網絡（NTN），將地面基站、中高空飛行器、衛星等各類網絡節點進行星地一體化組網，實現空、天、海、地網絡融合，以達到全球無縫地理覆蓋的通信服務。

二、6G移動通信網絡與衛星通信

現有5G移動通信網絡以TN為主，針對eMBB、mMTC、URLLC三種典型場景，采用獨立組網、非獨立組網并行發展體系架構，利用人工智能、SDN、NFV、大規模天線、非正交頻分多址、移動邊緣計算等技術，為人與人、人與物、物與物的海量連接提供了強大的通信支撐。未來6G網絡需要具備比5G更高的性能，用戶體驗速率可達到幾十Gbps，相對5G有數十倍的提升；實現萬物互聯的超高連接數密度及流量密度，每平方公里千萬至上億連接數、每平方米可達數十Gbps的流量密度；極小的空口時延，達亞毫秒級，是5G時延的十分之一；還可支持1000km/h以上的移動性，最高峰值速率達1Tbps。此外，6G將延伸通信觸角，實現空、天、地、海領域的全域覆蓋，為全球任意地點提供通信服務。但是，受地貌影響，TN在海洋、荒漠、山區、森林等地難以實現無縫覆蓋，使得對移動通信的服務需求逐漸加深的航空、林業、礦業、邊防、應急通信等行業的發展受到較大限制，為解決此問題，各國普遍將研究方向對準以高空飛行器、中低軌衛星為代表的NTN。在1G移動通信時期，第一代TNT由摩托羅拉公司成功部署，名為“銥星”全球移動通信網絡，可提供包括南北極在內的全球任意地點的電話通信業務。但是由于技術、成本、市場等因素影響，在全球通信標準競爭中，未能贏得以GSM為代表的2G通信系統，退出了民用移動通信市場。在之后的三十多年，TN與NTN各自獨立發展，直至6G全域覆蓋需求的愿景提出，人們開始探索TN與NTN融合發展的技術路線，其中，衛星通信系統在NTN中的地位至關重要。

在6G NTN網絡中，衛星通信系統以軌道高度為300km的低軌地球衛星星座（LEO）為主，以中軌地球衛星（MEO）、地球靜止軌道衛星（GEO）為輔。這是綜合考慮時延、傳輸損耗、頻率復用率、衛星使用壽命等參數得出的結論。受無線電波傳播速度限制，使用較大的衛星通信距離時，衛星通信系統傳輸時長遠大于地面系統。如表1所示，衛星軌道高度越低，信號傳輸時延越小、傳輸損耗越小、實現全球覆蓋所需衛星數量越多，相應地對實時業務保障能力越強、同等傳輸功率下可提供更高速率業務服務、多顆衛星實現較高頻率復用增大系統容量。但是軌道過低時，受大氣阻力影響，衛星使用壽命縮短，增加衛星系統建設成本，而低軌衛星所處高度可基本忽略大氣阻力影響，故低軌衛星將在6G網絡中發揮重大作用，但是中高軌衛星的作用也不容忽視，對于實時性要求不高的如語言視頻流媒體（時延約為10s）通信業務，中高軌衛星具有一席之地?；跁r延、覆蓋參數，第3代合作伙伴計劃（3GPP）為基于GEO、MEO或LEO集成基礎設施的衛星接入網絡制定了具體的QoS參數，見表1[1-3]。

三、星地一體融合的智能異構網絡架構

國內外普遍認為6G網絡將會是星地一體融合架構，通過人工智能（AI）、大數據、機器學習、神經網絡等技術，實現宏蜂窩、微蜂窩、Wi-Fi、物聯網、車聯網、高空平臺、無人機、氣球等為一體的異構網絡深度融合，打造具有固移融合、云網邊端協同、智能內生特征的智能化、綠色、可持續的安全網絡[4]。為了實現空、天、地、海的全域無縫覆蓋的同時，充分利用現有通信網絡基礎，星地一體融合網絡將以傳統陸地5G網絡為基礎，以衛星通信、水下無線通信網絡等為補充，為太空、空中、陸地、海洋等自然空間提供任意位置的通信覆蓋及業務支撐[5]。文獻[6]認為三維連接技術將由TN和NTN獨立發展踏入融合發展新階段，通過連接任意部署位置的無線站點/天線，實現不受時間、地點、對象限制的通信，成為6G融合組網的關鍵使能技術。文獻[7]中將復雜星地一體融合網絡分解為三種基本合作模型的多種組合，這三種模型可以用最少的無線鏈路描述衛星通信與地面通信間的基本協作行為，展示了一個無蜂窩、分層、解耦的星地融合網絡的發展方向，并探討了關于為6G中無處不在的物聯網，建設一個敏捷、智能、安全的星地一體網絡的問題。3GPP關于NTN的標準化工作側重于透明的有效載荷架構，為了向物聯網設備提供衛星接入服務，衛星平臺必須連接到地面站網關，因此為了實現全球覆蓋，在LEO星座部署中需要復雜的地面段基礎設施。文獻[8]指出，對于交付延遲容忍的窄帶物聯網，衛星網絡部署可以從基于衛星再生有效負載使用的架構中受益，并且即使在衛星未連接到地面站的情況下，仍可支持存儲轉發操作，該篇文章將服務的不連續性納入考量，提出一種使用新型代理函數的再生衛星有效載荷的架構設計。

針對云計算、區塊鏈等新技術的蓬勃發展，文章[9]中提出“三層三扇”網絡架構，繼續沿著服務化架構演進的同時滿足人們對定制化服務、網絡泛在、高速高效、安全可信等要求。根據預測，與2022年相比，到2040年時6G各類終端連接數增長將超過30倍，月均流量增長超過130倍，使得6G網絡中具有“千億級終端連接數，萬億級GB月均流量”的超大規模數據[10]，這為AI等深度學習技術提供了充足的訓練量，原生AI促進6G網絡智慧內生是未來網絡發展重要愿景之一，ITU-T也在報告中指出，AI將在未來復雜網絡架構上發揮重大作用[11]。通信感知的一體化建設也是星地一體融合架構的研究熱點，文獻[12]中認為通信感知的一體化建設將歷經賦能、平衡、互惠的三個發展階段，逐步實現通信和感知能力的功能初步具備、性能平衡發展、深度融合互惠，統一編排和管理網絡中的物理基礎設施層、邏輯功能層和應用層，構建全域高精度協同感知體系。

四、影響星地一體融合網絡架構的潛在技術

（一）太赫茲通信技術

頻率資源是一種不可再生的戰略資源，NT網絡中低頻頻率資源的使用日趨飽和，從5G開始，毫米波通信技術就吸引了業界的關注，隨著技術的發展，業界認為6G將利用0.1GHz～10THz的太赫茲頻段來滿足未來超大帶寬容量和超高傳輸速率寬帶無線通信的需求。美國、歐盟、芬蘭、韓國、日本等國家和組織紛紛開展太赫茲無線通信技術研究，我國運營商、研究院也在發布的白皮書中肯定太赫茲無線通信技術是6G的關鍵技術之一，有望在星地一體融合網絡中發揮重大作用[13]。眾所周知，隨著電磁波頻率的升高，可利用的頻帶寬度越大，數據傳輸速率越快，用戶體驗效果越快，太赫茲頻段處于微波和可見光之間，具有豐富的頻率資源，可提供高達Tbit/s的通信速率。

研究表明[14]，由于太赫茲的高頻特性及分子吸收特性，使得富含雨、霧的大氣環境對太赫茲通信信道的產生不可忽略的頻率選擇性衰減，故在大氣環境下太赫茲主要用于地面短距離通信或微觀尺度的通信場景，如無線前傳和回傳、近距離無線下載站、納米級傳感器網絡等。與微波相比，其具有更窄的波束、更好的波束定向性、更強的抗干擾能力、更優的保密性能、更強的穿透性能，且在外太空，不受大氣分子吸收的影響，在多個波長處具備相對透明的大氣窗口，可實現低功耗無損傳輸，并完成長距離通信。因此，在星地一體融合架構中可將太赫茲技術應用于空間通信中，特別是衛星星座間以及衛星與地球之間的高速無線寬帶通信[15]。

（二）AI技術

AI技術在4G、5G中已展開火熱研究并取得一定進展，根據ITU-T將網絡智能化分成的6個等級及相關評估方法來看[11]，現階段的網絡處于中級智能向高級智能邁進時期，期望在6G實現智慧內生的完全智能網絡。為了達到這個目標，業界從各個角度針對AI展開了大量的研究，涵蓋智能網絡架構設計[16]、智能感知[17]、智能無線資源管理[18]、編解碼模型設計[19]、波束空間信道估計[20]等。此外，通過AI與軟件定義網絡（SDN）及邊緣計算相結合[21]以解決星地一體化融合網絡問題是研究的重要方向[22]。文獻[23]利用SDN集中計算優勢，利用AI計算鏈路權重，設計了星地間的路由選擇方案以降低鏈路負載，改善了海量信息導致的鏈路擁塞。文獻[24]將知識定義網絡融入軟件定義的衛星互聯網架構，提出了基于雙延遲深度確定性策略梯度的深度強化學習算法，有效解決了該網絡的實時路由優化問題，降低了網絡平均時延。AI助力智能6G是必然趨勢，與SDN、區塊鏈、邊緣計算等技術相結合，能為6G提供更加智能的星地一體化融合架構解決方案。

五、結束語

我國移動通信技術已邁入具有國際競爭力的高科技前沿領域之一，面向未來，人類社會將進入智能化時代，太赫茲、AI等技術將發揮巨大作用，各項技術發展亟須產業界各方攜手共進，積極探索“重塑智慧未來”的下一代移動通信系統，持續為全球通信技術發展貢獻中國智慧。

作者單位：王葆葆 張秋旋 任曉航 王潑 朱榮臻

航天工程大學士官學校

參 ?考 ?文 ?獻

[1]繆德山，柴麗，孫建成，等. 5G NTN關鍵技術研究與演進展望[J]. 電信科學， 2022，38（03）：10-21.

[2]劉珊，黃蓉，王友祥. 全球6G研究發展綜述[J].郵電設計技術， 2021（03）：16-20.

[3]孫智立，李天儒. 大規模低軌星座衛星通信網發展展望[J]. 中興通訊技術，2021，27（05）：48-51.

[4]Guan Gui， Miao Liu， Fengxiao Tang， et al. 6G： Opening New Horizons for Integration of Comfort， Security， and Intelligence [J]. IEEE Wireless Communications， 2020， 27（5）：126-132.

[5]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（08）：963-987.

[6]田開波，方敏，楊振，等. 從5G向6G演進的三維連接[J]. 移動通信， 2020，44（06）：96-103.

[7]Fang X ， Feng W ， Wei T ， et al. 5G Embraces Satellites for 6G Ubiquitous IoT： Basic Models for Integrated Satellite Terrestrial Networks[J]. 2020.

[8]Timo Kellermann， Roger Pueyo Centelles， Daniel Camps-Mur， et al. Novel Architecture for Cellular IoT in Future Non-Terrestrial Networks： Store and Forward Adaptations for Enabling Discontinuous Feeder Link Operation [J]. IEEE Access， 2022， 10：68922-68936.

[9]邢燕霞，李鵬宇，聶衡. 新興技術對6G網絡架構的潛在影響[J]. 移動通信， 2021， 45（04）：58-62.

[10]IMT-2030（6G）推進組. 6G典型場景和關鍵能力白皮書[R]. 2022.

[11]ITU. ITU-T Y 3173（02/2020）： Framework for evaluating intelligence levels of future networks including IMT- 2020[S]. 2020.

[12]劉光毅，樓夢婷，王啟星，等. 面向6G的通信感知一體化架構與關鍵技術[J]. 移動通信， 2022，46（06）：8-16.

[13]鄧賢進，姚軍，林長星，等. 6G新頻譜：太赫茲無線通信之“思與行”[J]. 太赫茲科學與電子信息學報， 2022， 20（02）：159.

[14]JORNET J M， AKYILDIZ I F. Channel modeling and capacity analysis for electromagnetic wireless nanonetworks in the terahertz band[J]. IEEE Transactions on Wireless Communications， 2011， 10（10）： 3211-3221.

[15]張海君， 陳安琪， 李亞博，等. 6G移動網絡關鍵技術[J].通信學報， 202243（07）：189-202.

[16]GSMA. Al in Network智能自治網絡案例報告[R]. 2019.

[17]ETSI. ETSI GS ENI 005（V2.0.29）： Experiential Networked Intelligence （ENI）; System Architecture[S]. 2021.

[18]ZHANG H J， YANG N， HUANGFU W， et al. Power control based on deep reinforcement learning for spectrum sharing[J]. IEEE Transactions on Wireless Communications， 2020， 19（6）： 4209-4219.

[19]SHABARA Y， EKICI E， KOKSAL C E. Source coding based millimeter-wave channel estimation with deep learning based decoding[J]. IEEE Transactions on Communications， 2021， 69（7）： 4751-4766.

[20]WEI X H， HU C， DAI L L. Deep learning for beamspace channel estimation in millimeter-wave massive MIMO systems[J]. IEEE Transactions on Communications， 2021， 69（1）： 182-193.

[21]Wang X， Han Y Leung V C M， et al. Convergence of edge computing and deep learning： A comprehensive survey [J]. IEEE Communications Surveys & Tutorials， 2020，22（2）： 869-904.

[22]BI Y G， HAN G J， XU S， et al. Software defined space-terrestrial integrated networks： architecture， challenges， and solutions[J]. IEEE Network， 2019，33（1）： 22-28.

[23]李新桐， 張亞生. 一種適用于低軌衛星的SDN網絡人工智能路由方法[J]. 電子測量技術， 2020， 43（22）：109-114.

[24]魏琳慧，劉國文，劉雨，等. 基于深度強化學習的衛星互聯網路由優化研究[J]. 天地一體化信息網絡，2022，3（03）：65-71.