上下文感知的6G無線網絡

孫軍帥，趙蕓，王瑩瑩，李娜，張慧敏，孫欣，閆敏，趙泉，李剛，劉璇，劉光毅

（中國移動通信有限公司研究院，北京100053）

1 引言

ICDT深度融合是無線移動通信演進的重要技術趨勢之一，如何實現無線網絡和人工智能（artificial intelligence，AI）技術的深度融合是無線網絡中演進的重要課題。傳統的AI和無線網絡結合的方式為外掛式。基站把AI需要的信息上報到AI節點，AI節點對數據進行處理產生策略，并把策略發送給基站，然后基站根據該策略產生相應的控制。外掛式AI存在如下問題。

根據文獻[2]中的估計，將所有數據上報到AI節點進行處理將消耗過多的上行鏈路帶寬，給基站和傳輸網絡帶來了巨大的開銷。為了滿足AI模型訓練的需求，基站需要上報測量的數據量和頻度超過了基站處理業務的運算負荷。

· 大量測量數據的上報，導致了基站信息的安全風險。為了訓練AI模型，需要大量針對用戶的詳細數據，把基站內正常的用戶數據信息上報到基站外的節點，造成了數據安全風險。

· AI產生策略只能是慢速的，比如秒級或者百毫秒級，無法完全適應無線網絡信道變化迅速的需求。

· AI給基站帶來的增益小于基站，為了支撐AI而提供的測量和數據處理開銷。

· 無法實現AI和基站的深度融合。

針對外掛式AI存在的問題，內生AI（native AI）通過引入分布式AI體系，實現了測量和數據處理開銷的降低，并實現了AI和基站功能的深度融合。目前多個行業組織（ITU、CCSA、6GANA等）開展了基于內生AI通信技術的研究和立項，其中涉及基礎理論、網絡架構、能力開放、典型用例的工作流程等多個方向。本文提出的上下文感知的6G無線網絡可以實現6G網絡的智慧內生，符合未來網絡技術趨勢。

2 6G上下文感知無線網絡

內生AI的概念被廣泛提及，在無線網絡中使用AI工具進行無線網絡的無線資源優化。下一代無線網絡面臨更復雜的應用場景，運用AI工具能夠更好地服務用戶，極大地提高用戶體驗。面向6G的無線網絡的設計目標，需要對使用AI工具驅動的無線網絡進行 研究。

目前4G/5G的網絡架構主要是面向移動性的網絡架構――集中的核心網、分散的基站、核心網和基站兩級的用戶移動性管理機制。在當下的5G，網絡架構仍然是傳統的核心網＋基站的架構，5G設想所要支持的業務類型和場景已經遠遠超過了傳統移動通信場景。在4G和當下5G時代，移動通信面對的仍然是傳統的通話和數據業務等移動通信場景，所以5G標準中目前定義的基于傳統網絡架構的演進架構還是能支撐當前通信場景需求。下一代移動通信提出了更廣泛和深刻影響社會的需求，在這些需求推動下，傳統的網絡架構已經無法支撐這些需求，需要進行系統的重新設計。

面向下一代移動通信的需求，網絡需要感知服務的每一個用戶，并能夠對用戶進行大數據運算，歸納總結用戶特征，形成對一類用戶行為的準確判決和控制，并針對每一個用戶量身定做對其的控制和數據收發方案，稱為上下文感知無線網絡（context-aware wireless network，CAWN）。在CAWN中，網絡需要感知終端的一切，包括位置、業務、終端本身運行狀態、控制需求、移動狀態和潛在的行為等，網絡側（network side）通過終端通過上報各種測量全面掌握其狀態；終端為“笨終端”，不承擔任何復雜計算，以節約功耗，將計算能力部署在用戶的應用層，網絡側提供無線領域的控制和數據傳輸方案。CAWN的特征如下。

· 集中的大數據處理中心，提供統一的用戶行為和網絡運行狀態分析，并集中控制核心網（core network，CN）、傳輸網絡（transport network，TN）和無線電接入網（radio access network，RAN）。

對于角度色散X射線衍射(ADXRD)實驗，晶胞參數由GSAS軟件[18]的Le-Bail精修得到.軸向衍射實驗的P-V壓縮曲線見圖4，作為比較，早期的軸向XRD數據[3-4]也被放到圖4中.

· 各個網絡功能實體具有自生自洽能力（self-consistent capability）。

· 網絡是多層級的，各層級之間具有靈活的耦合性（與目前嚴格的CN+RAN+TN分工架構不同），各層級之間的功能根據用戶的實際需要進行遠離空口或者靠近空口定義。定義層級的目的是為了實現用戶更好的移動性管理。

CAWN核心思想是：去除傳統網絡中核心網（CN）和無線電接入網（RAN）之間在用戶控制和數據處理等功能方面的分割，實現相應功能根據用戶位置進行靈活定義；對于運營商的計費或者其他管理功能不進行靈活定義。這些功能的靈活定義通過集中的大數據計算控制點進行大尺度粗調控制，然后各個功能實體再進行小尺度精確控制，二者結合完成精確控制。

CAWN功能如圖1所示，CAWN把服務于無線通信的傳輸網部分、高層協議部分和低層協議部分（空口協議部分，比如層1/層2）按照一個整體進行控制和協調。由集中數據單元（central data unit，CDU）、網絡側高層（high layer of NS，HL）、傳輸網絡（transport network，TN）和網絡側低層（lower layer of NS，LL）4個部分組成。在網絡側的外部，連接高層用戶面（UP of high layer，UPHL）。

圖1 CAWN功能示意圖

UPHL主要是層3及以上的層，包括TCP/UDP以及IP層，主要聚焦于用戶的數據處理功能。其中UDP/TCP/IP代表著CAWN包含的協議層的上層協議，負責數據包在不同CAWN側實體之間完成數據的分發。

CDU為集中數據單元，負責CAWN的數據收集和處理，并產生控制網絡側的HL、TN和LL的命令，控制HL、TN和LL各個實體的自生自治能力。

HL為CAWN的高層功能，為層3及層2的功能，主要由高層網絡自治控制（network autonomous control of high layer，NAC-H）和高層控制面和用戶面（control plane and user plane of high layer，CP-H/UP-H）兩大邏輯功能實體組成。NAC-H的主要功能是在CDU的統一控制下，結合CP-H/UP-H產生的各種參數，產生針對CP-H/UP-H的自治控制，包括與TN和低層的交互、功能控制等。

TN為CAWN的傳輸網絡功能，主要由傳輸網絡自治控制（network autonomous control of transport network，NAC-T）和軟件定義的傳輸網絡層（software defined transport network，SDTN）兩大邏輯功能實體組成。NAC-T的主要功能是在CDU的統一控制下，結合SDTN產生的各種參數，產生支撐HL和LL的數據傳輸的各種傳輸通道和QoS保障能力。

LL為CAWN的低層功能，為層2及層1的功能，主要由低層網絡自治控制（network autonomous control of lower layer，NAC-L）和低層控制面和用戶面（control plane and user plane of lower layer，CP-L/UP-L）兩大邏輯功能實體組成。NAC-L的主要功能是在CDU的統一控制，結合CP-L/UP-L產生的各種參數，完成空口數據的控制和傳輸。

3 CAWN中一種智能控制的部署

在無線資源管理（radio resource management，RRM）中引入內生AI工具，形成智能控制器智能化無線資源管理（AI-driven RRM），完成智能無線資源管理的控制器，在大數據和人工智能的驅動下，實現對無線資源的智能化管理。該部署方案把智能控制器按照功能進行部署，并支持動態的功能伸/縮，并讓其部署獨立于基站之外以實現硬件成本最小化。

智能控制器部署分成兩個部分進行部署：一部分部署在基站上，另一部分部署在新增加的云平臺上。部署在基站上的功能按照如下原則進行定義。

· 實時性要求低于某一門限值，記為TC（time constraint），如10 ms。“實時性要求”是指，功能或者算法從收到響應的測量或者監測數據，經過計算，到產生最后的決策時間限制要求。

· 計算能力要求低于某一個門限值，記為CC（computing capability），如10萬個Cycle（周期），或者處理器主頻等“計算能力”是指功能或者算法對硬件的要求。當超過該門限時，功能或者算法進行適當的切割，把對計算能力要求高的非核心部分分離，把要求低的核心部分放到基站上，分解到計算能力需求的原子層之后（即功能或者算法的功能已經無法再進行分割），再放到基站上面，以實現基站成本的可控。

· 存儲空間需求，記為BR（buffer request）。存儲空間的管理和使用不僅僅是成本的問題，還涉及功耗的問題。為存儲空間的使用需求設置一個門限，如1 GB，超過這個門限的數據就要放到基站外面的存儲上去。

· 數據被使用的頻度，記為UF（used frequency）。按照數據被調入內容使用的頻段進行劃分，設置一門限，如1 000次/s。頻度越高的數據盡量放到基站中，頻度越低的數據放到基站之外。

對上述4個參數進行擬合得到分布部署的特征值如下。

其中，k1+k2+k3+k4=1，TC、CC、BR、UF需要進行歸一化，或者可以預定義四者的一致性映射表。對于RSplit≥Threshold，則把該部分功能或者算法放到基站之外，否則放到基站之內。

基于上述分割方法和原則，把智能控制器分成兩部分，一部分部署在基站之外的云平臺上（記為Part1），另一部分部署在基站上（記為Part2），兩部分通過私有接口（proprietary interface）進行連接，如圖2和圖3所示。

圖3 智能控制器的部署方案二

在圖2中，對于Part1部分，可以部署到云平臺上，通過IT技術解決大存儲、大計算量的需求，通過云平臺的分布式硬件功能實現Part1的規模可控擴展，從而實現了Part1部分的靈活擴展和計算能力、存儲能力的靈活增長。對于Part2部分，聚焦于基站最核心的無線資源管理功能，基本上基于目前基站已有的硬件和計算資源部署即可。把大量的計算和存儲需求盡可能放到Part1部分。對于私有接口，傳遞Part1和Part2兩部分功能之間切分后的私有信息或者參數的交互，以確保廠商算法的完整性和專屬權。該私有接口可以通過專用的物理連接通道，如專門的光纖。Part2和協議棧之間通過標準、開放的E2接口與協議棧互聯。

圖2 智能控制器的部署方案一

在圖3中，Part1部分為大集中部分，部署在云平臺上。Part2為小集中部分，部署在小范圍的基站之外，管理較少的基站。這樣基站主要專注于協議棧功能。Part1和Par2之間的私有接口與圖2的定義相同。Part2與協議棧之間通過E2接口互聯。

兩種方案中，Part1和Part2之間都是通過私有接口進行互聯，私有接口確保了整個智能控制器的一致性和統一性，即整個智能控制器出自一個產品提供商，通過標準開放的E2接口與標準的協議棧互聯，從而實現了在E2接口上的能力開放（把基站的能力暴露給運營商），同時實現了廠商利益的最大化。

4 結束語

6G網絡邏輯架構由“三層四面”構成。三層分別是分布式資源層、網絡功能層和應用與服務層，四面分別是數據感知面、智能面、安全面和共享與協作面。資源層向其他層提供資源（如無線頻率資源、存儲與計算資源）。網絡功能層編排底層資源并執行必要的網絡功能，以更好地支持上層應用與服務層的數據收發。數據感知面采集、處理和存儲用戶及智慧網元的全域數據，這些數據可以被智能面訂閱以用于模型訓練、算法優化或者為其他網絡功能提供數據分析服務。智能面為其他“層”和“面”按需提供AI能力。安全面使網絡具備內生安全的能力，為網元、服務與應用提供更強大的安全保護。共享與協作面實現各“面”各“層”的多方共享，解決數據孤島、異構系統安全性等問題。

6G網絡具備“按需服務、架構至簡、服務化的RAN、智慧內生、數字孿生”的特征。本文提出的6G上下文感知的無線網絡實現了6G網絡的按需服務和智慧內生，可以感知其所服務的每一個用戶，并能夠對用戶進行大數據運算，歸納總結用戶特征，形成對一類用戶行為的準確判決和控制，并針對每一個用戶量身定做對其的控制和數據收發方案，實現按需地為用戶服務。同時，基于內生AI的方法和部署，充分利用了AI面的功能，使得AI和無線網絡功能深度融合，符合未來網絡技術趨勢。