對6G關鍵技術發展的思考

葛建華 李靖

摘要：以5G為基礎，6G將構建空天地海泛在通信網絡，并采用多種先進技術來進一步提升系統容量、能量與頻譜效率、可靠性以及傳輸時延等核心技術指標。作為非正交傳輸技術的代表，超奈奎斯特傳輸（FTNs）不僅可以實現頻譜資源的高效利用，還可與多種6G候選關鍵技術進行聯合設計來提升系統核心技術指標，因此極具應用潛力。

關鍵詞：6G；非正交傳輸；超奈奎斯特傳輸

Abstract： 6G will build an air-space-ground-sea ubiquitous communication network based on 5G， and employ a variety of advanced technologies to achieve further improvements in some core technical indicators such as system capacity， energy and spectral efficiency， reliability， and transmission delay. As a representative non-orthogonal transmission design scheme， faster-than-Nyquist signaling （FTNs） can realize the efficient utilization of spectrum resources， and be combined with a variety of 6G candidate key technologies to improve the core technical indicators of the system. Therefore FTNs has great application potential.

Keywords： 6G； non-orthogonal transmission； faster-than-Nyquist signaling

香農經典信息論為70 余年來通信技術的發展奠定了理論基礎。多輸入多輸出（MIMO）信道不僅具有經典香農信息論所涉及的時間和頻率自由度，還具有空間自由度，MIMO無線傳輸已成為當代4G和5G 提升系統容量和頻譜效率的最為有效的核心手段[1]。

圍繞“增強寬帶、萬物互聯”的發展理念，5G通過引入增強移動寬帶（eMBB）、超可靠低時延通信（URLLC）和增強機器類通信（eMTC）等場景，首次將垂直行業應用納入公眾移動通信系統。除了采用大規模MIMO和非正交多址接入（NOMA）來提升系統容量和大連接能力以外，5G還采用了更短的時隙調度單位、重復發送、多連接等URLLC相關技術來降低無線傳輸時延，提高可靠性。可以預計，未來6G將以5G為基礎，采用空天地海泛在通信網絡，使用新頻譜、多極化超大規模天線、大規模分布式協作MIMO、NOMA和高精度定位等技術，以發展覆蓋范圍更廣、傳輸速率更高、可靠性更高、時延更小的無線傳輸系統，從而構建更新一代的普適性、智慧化、全業務移動信息基礎設施。

6G移動通信能否進一步改善系統容量、能量與頻譜效率、可靠性與傳輸時延等核心技術指標，是學術界和工業界普遍關心的一個問題。

1 未來6G核心技術指標與性能提升手段

為實現6G系統的愿景，滿足未來通信需求，人們需要考慮的核心技術指標大致有：

（1）更高的頻譜效率與能量效率

5G移動通信系統引入了多用戶MIMO，將系統的頻率利用率提升到一個新的高度。增加基站的天線數并形成多極化超大規模MIMO，可使未來6G系統的頻譜利用率進一步提高。但當基站天線陣列部署的物理尺寸受限時，過于密集的天線部署將存在嚴重的互耦效應，相關MIMO信道容量存在理論極限。

無蜂窩系統消除了傳統蜂窩構架在小區頻率復用方面的限制，其小區頻率復用因子等于1，可實現真正意義上的跨小區、全動態的頻率資源調配，從而為構建資源調配靈活、頻譜利用率更高的6G移動通信系統帶來全新的可能。

（2）更高的可靠性與更低的時延

5G 新空口（NR）首次將超可靠與低時延技術指標引入公眾移動通信系統。一方面，為將無線傳輸時延降低至1 ms以下，系統引入了更短的時隙結構、免許可接入認證，以及移動邊緣計算等技術；另一方面，為將無線數據包差錯概率降低至10-6以下，系統又引入了時域或頻域重復發送、多點發送或多連接等。這些操作未能從網絡信息論的角度尋求傳輸時延、可靠性及傳輸速率的最優平衡，因此在網絡拓撲優化和資源有效利用等方面仍有一定的性能提升空間。

（3）超高峰值速率

面向未來，人們對移動互聯網的流量應用、萬物互聯的速率需求也將越來越大。因此，能讓人們隨時隨地享受高速率、低時延的連接是6G系統必須具備的。

5G移動通信系統使用的是6 GHz以下頻段，這些頻段非常擁擠，且可用帶寬有限。基于此，B5G正在考慮使用大帶寬的毫米波頻段。6G系統將采用新頻譜和通信手段，進一步提升峰值速率。學者們普遍認為，應用于星間骨干鏈路的無線激光通信、毫米波太赫茲通信和可見光通信等技術可能應用于6G場景的新頻段通信，因此這些方面值得探索研究。

（4）更寬覆蓋

5G移動通信系統的覆蓋范圍受限，無法有效地解決海洋、森林、沙漠等人口稀少地區，以及地震、火災和泥石流等應急場景下的通信難題。充分利用地面移動通信的大容量傳輸能力，結合天基網絡的廣域覆蓋優勢，構建星地深度融合的天地互聯網絡系統，能夠實現6G無處不在的寬帶連接。

6G寬帶通信系統將實現星地深度融合通信網絡，提供“隨時、隨地、隨心”的通信體驗。這不僅解決了偏遠地區和無人區的通信問題，還能為每位客戶提供服務，實現智慧連接、深度連接、全息連接和泛在連接。

2 6G候選關鍵技術

為實現未來6G核心技術指標，從網絡通信角度出發，我們概括了以下的候選關鍵技術：

（1）星地深度融合

6G將集成地面移動通信網絡和衛星互聯網絡。借助智能移動性管理技術，6G可以在陸、海、空、天、地等多種復雜場景中提供高速互聯服務，實現全球覆蓋、按需服務、隨遇接入、安全可信的網絡通信能力[2]。

6G要實現地面網絡與衛星網絡間的寬帶可靠通信，需要強大的物理層通信鏈路作為支撐。物理層通信鏈路主要包括星間鏈路、星地饋電鏈路和星地用戶鏈路3種類型。星間鏈路距離遠，激光通信是其主要的發展方向；星地饋電鏈路經過地球表面大氣層時容易受到云、霧、降雨和大氣湍流等天氣因素的嚴重影響，高效能的新型激光通信和激光/微波混合傳輸是其未來的發展方向；星地用戶鏈路將主要采用Ka高頻段和多波束技術來實現衛星對地面用戶的大容量通信。

（2）新頻段通信

與中、低頻段（6 GHz以下）相比，毫米波和太赫茲頻段的電波傳播路徑損耗顯著增加，但頻譜資源非常豐富。太赫茲頻譜通信具有頻譜資源帶寬大、傳輸時延低、傳輸速率高等優勢，是未來6G移動通信系統極具吸引力的寬帶通信技術。超大規模天線陣列是解決毫米波與太赫茲傳播距離受限問題的有效手段。

（3）超大規模天線

把太赫茲、可見光的新增頻譜用于6G移動通信系統，意味著運營商能以更多天線系統傳播信息，從而獲得更大的吞吐量。超大規模天線技術可提供很大的空間分集，將成為提升6G移動通信系統頻譜效率的關鍵技術。

將太赫茲頻譜引入6G移動通信系統，會增大系統的頻譜跨度。實現大頻譜跨度的大規模陣列天線是6G需解決的一大難題。

（4）智能反射表面（IRS）

通過控制在無線傳播環境中的亞波長人工合成超材料的電磁特性，IRS技術使電磁波入射超材料時，能夠獲得預期的反射信號或透射信號，以達到控制信號的幅度、頻率、相位、極化特性，實現干擾協調、波束形成與信號補盲、非線性頻譜搬移，并解決高頻信號繞射傳播[3]問題。與傳統的無線中繼技術相比，IRS無須對信號進行再生和重傳。IRS采用能量消耗少的無源反射，在全雙工模式下，能夠以低成本方式實現頻譜效率和能量效率的提高。

（5）大規模分布式協作MIMO與無蜂窩網絡

分布式 MIMO 拓展了經典MIMO的應用范疇：從單小區蜂窩基站擴展到多小區蜂窩基站場景，并以分布式多用戶MIMO 形式構成無蜂窩移動網絡。分布式MIMO在同一時頻資源下，為所有接入設備提供服務，無須小區間頻率規劃，即可實現系統資源全維度動態利用。因此，分布式 MIMO可以有效改善系統資源配置的靈活性，大幅度提升無線資源利用率。然而，面對未來6G網絡龐大的天線規模，分布式MIMO 的天線單元處于不同的地理位置，這將成為分布式MIMO 及無蜂窩無線網絡應用的關鍵性挑戰。

（6）高效大容量的多址接入與傳輸

多址接入的核心問題是如何在有限的資源內接入更多用戶。不同于傳統的正交多址接入（OMA）技術，NOMA技術可以在相同的資源上傳輸多個用戶的信號，從而獲得比OMA更大的容量和更多的用戶連接數。一方面，NOMA技術支持免調度隨機接入，減少了信令開銷，因此可為海量連接場景下的低時延通信提供保障；另一方面，6G使用太赫茲等高頻段進行通信，電磁波的強方向性使得用戶的信道高度相關，為NOMA技術的使用提供了便利。此外，超大規模天線MIMO產生的定向波束可以帶來大的天線陣列增益和小的波束間干擾，而在每個波束上使用NOMA技術服務多個用戶，有助于6G超高帶寬和大規模連接[4-5]。

（7）人工智能與無線通信的結合

未來6G網絡需要應對爆炸性的移動數據流量增長和海量的設備連接，而對這些海量數據進行實時管控會導致高的復雜度和時延開銷。因此，如何有效感知業務特性、精確監測控制網絡資源、動態分配無線資源成為6G網絡中的重要問題。在6G網絡的應用層和網絡層引入人工智能，使得網絡更加智能化，這將是管控海量無線大數據的必要途徑[6]。

此外，6G需要支持大規模用戶、大規模天線和多頻段混合傳輸，傳統物理層傳輸技術將面臨性能、復雜度和效率的多重挑戰。這為人工智能技術應用于無線物理層提供了可能[7-8]。一方面，在復雜的通信場景下，信道環境很難用嚴格的數學模型來描述，因此有必要在沒有確定信道模型的條件下對物理層算法進行設計；另一方面，6G中的物理層信號接收與檢測是一個高維優化問題，實際中難以求解，此時可采用基于深度學習的信道估計和信號檢測方法（該方法尤其適用于準靜態衰落信道）。

綜上所述，未來6G網絡的關鍵候選技術主要有：星地融合、太赫茲通信、多極化超大規模天線、無蜂窩網絡、大規模智能反射面、非正交多址接入及傳輸和基于人工智能的無線通信與網絡技術等。下面我們介紹一種能有效提高系統頻譜利用率的非正交傳輸波形——超奈奎斯特傳輸（FTNs）。該技術可與上述多種技術結合，實現更加高效的信息傳輸。

3 非正交傳輸波形FTNs

根據基帶信號的壓縮方式，FTNs可分為單載波超奈奎斯特（SC-FTNs）和多載波超奈奎斯特（MC-FTNs）。其中，SC-FTNs是在時域對信號進行壓縮后發送，MC-FTNs是在頻域/時域對信號進行壓縮后發送。由于FTNs頻譜利用率高，它已成為長距離光纖、第二代衛星數字視頻廣播（DVB-S2）、可見光通信等應用的備選方案。然而，FTNs頻譜效率的提升是以更加嚴重的符號間干擾作為代價的。當FTNs與MIMO、NOMA等結合時，如何更合理地利用FTNs的特點來支撐更高效率、更大容量的傳輸將是一個有意義的研究課題。

3.1 性能限（Mazo界和容量分析）

1975年，美國貝爾實驗室學者Mazo提出[9]，對于采用sinc脈沖的FTNs系統，將符號傳輸周期壓縮至奈奎斯特周期的0.802倍時，符號間的最小歐式距離不會發生改變，該壓縮率被稱為Mazo界。此后，有學者將sinc函數擴展至升余弦函數，闡述了不同滾降系數下的Mazo界，證明了FTNs系統帶來的容量性能提升。隨后，將單輸入單輸出（SISO）SC-FTNs場景下的分析方法推廣至MIMO MC-FTNs場景后，Mazo界和系統容量增益也同樣得到了說明。

在實際中，FTNs系統可采用兩種脈沖成形函數：一是選擇典型函數，如高斯、根升余弦、漢明等；二是設計特定的脈沖，并且可以通過誤碼性能、FTNs容量和實現復雜度等來對脈沖成形方法進行評估。對一個特定的SISO/MIMO FTNs系統，使得誤碼性能最優的成形濾波器不一定能使系統容量最大。因此，如何折中考慮容量和誤碼率性能、優化成形濾波器的設計是一個重要問題。

3.2 收發機設計中的關鍵技術問題

3.2.1 發射機設計

（1）波形產生

由于MC-FTNs子載波缺乏正交性，因此它無法像正交頻分復用（OFDM）信號一樣，直接利用逆快速傅里葉變換（IFFT）來實現。現有研究主要通過對輸入的符號序列進行處理，再利用IFFT來產生MC-FTNs信號。MC-FTNs波形產生主要包括基于擴展IFFT點數和基于多路并行IFFT的兩種方式，其中后者具備更高的設計靈活度和更快的硬件處理速度。在不同的壓縮因子下，可通過對每路IFFT運算的點數進行優化設計，來進一步降低系統實現復雜度。當MC-FTNs與MIMO技術進行聯合設計時，如何充分利用多天線的分集和復用優勢，并以靈活、高效的方式產生MIMO MCFTNs波形，也是重要的研究內容。

（2）峰均比（PAPR）降低

由于FTNs信號波形之間存在符號間干擾，相鄰波形彼此疊加，因此會帶來較高的PAPR。PAPR過高將會使信號在傳輸時進入功率放大器的非線性區域，造成信號失真，從而對通信系統性能產生嚴重影響。尤其是在MC-FTNs系統中，信號的PAPR不僅會受到時頻域壓縮因子的影響，而且會受到不同脈沖成形波形的影響。截至目前，能夠兼顧信號PAPR、頻譜效率和誤碼性能的FTNs系統設計方法還沒有定論。在眾多的可能方案中，基于預編碼的設計方法不僅可以降低PAPR，還可以和接收機檢測算法進行聯合設計以降低接收復雜度，因此該方法極具應用前景。

3.2.2 接收機設計

（1）信道估計

通常，現有的單/多載波系統利用導頻插入對信道進行估計。在FTNs系統中，符號和子載波之間不再保持正交。如果沿用傳統的導頻結構和信道估計算法，那么插入的導頻勢必會被周圍的數據符號所干擾，從而降低信道估計的精確度。因此，重新設計導頻插入方式和信道估計算法是非常有必要的。目前，已有的FTNs系統信道估計技術主要是針對靜態多徑信道，并基于均衡或者預編碼技術來實現的。動態多徑估計問題，如時變和雙選擇性衰落信道中的信道估計將更具挑戰性。

（2）信號檢測

隨著時間或子載波間隔壓縮比的增大，由FTNs引入的符號間干擾（ISI）會更加嚴重。這使得接收端的信號檢測面臨挑戰：一是大壓縮比將導致形成ISI的干擾符號的數量增多。如果使用傳統性能最優的檢測算法，如最大似然（ML）估計或最大后驗概率（MAP）算法，那么接收端的復雜度將會隨干擾符號個數呈指數增長。二是波形之間的不正交導致接收匹配濾波后的采樣序列受到色噪聲的影響，這也對檢測算法的性能造成了影響。因此，能夠平衡復雜度與性能的次優檢測算法是近年來FTNs領域的研究熱點。

接收端的簡化檢測算法主要可分為兩類：一是僅位于接收端的符號檢測/均衡技術，二是聯合發射端預編碼的檢測技術。前者無須對FTNs系統發射端做任何改變，僅對下采樣后的接收信號進行處理便可消除碼間干擾。其主要思想是通過均衡器與信道譯碼器的軟信息交互，進行聯合檢測，以消除ISI，從而獲得更高的性能增益。可以考慮的軟輸入軟輸出（SISO）算法包括串行干擾消除（SIC）算法、軟輸出維特比算法（SOVA）和各種簡化最大后驗（MAP）算法等。當聯合考慮發射端預編碼時，可利用預編碼技術對調制后符號進行處理，改變發射信號特性及頻譜特征，并在接收機做相應的解碼。這種方法性能優良，復雜度低，但是依賴于FTNs系統特性。因此，需要一種不依賴于FTNs系統特性且復雜度低、性能優良的抗碼間干擾檢測算法。

（3）基于深度學習的FTNs接收機

在無線通信領域，目前已有學者將信道譯碼、信道估計、信號檢測等與深度學習相結合，提出了基于深度學習的通信接收機架構。相比于傳統的通信接收機，FTNs系統的ISI更嚴重。因此，針對FTNs系統的高檢測復雜度問題，深度學習等人工智能工具值得人們深入探討。尤其是在將子載波間隔和符號間隔同時進行壓縮的MC-FTNs多天線傳輸場景下，當ISI和ICI共存，并且存在不同天線接收信號的干擾時，利用深度學習將FTNs接收機進行一體化訓練，也許是一種很好的解決思路。

4 結束語

本文中，我們從6G核心技術指標與性能提升方法出發，總結了6G候選關鍵技術，并給出了一種可與多種技術進行聯合設計的非正交傳輸波形FTNs，以更有效地利用寶貴的頻譜資源。可以預計，未來6G核心技術指標如系統容量、能量與頻譜效率、可靠性以及傳輸時延的進一步提升，以多種技術的聯合設計為基礎，且伴隨著系統部署復雜度的上升。因此，尋求系統性能和部署成本的折中，是未來6G系統設計中的主要挑戰。

參考文獻

[1] 尤肖虎. Shannon信息論與未來6G技術潛能 [J].中國科學： 信息科學， 2020， 50（9）： 1377-1394

[2] 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

[3] YUAN J D， NGO H Q， MATTHAIOU M. Towards large intelligent surface （LIS）-based communications [J]. IEEE transactions on communications， 2020， 68（10）： 6568-6582

[4] ZHU L， XIAO Z， XIA X G， et al. Millimeter-wave communications with non-orthogonal multiple access for B5G/6G [J]. IEEE access， 2019， 7：116123-116132. DOI： 10.1109/ACCESS.2019.2935169

[5] CELIK A， CHAABAN A， SHIHADA B， et al. Topology optimization for 6G networks： a network information-theoretic approach [J]. IEEE vehicular technology magazine， 2020， 15（4）： 83-92. DOI： 10.1109/MVT.2020.3017152

[6] KATO N， MAO B M， TANG F X， et al. Ten challenges in advancing machine learning technologies toward 6G [J]. IEEE wireless communications， 2020， 27（3）： 96-103. DOI： 10.1109/ MWC.001.1900476

[7] MATTHAIOU M， YURDUSEVEN O， NGO H Q， et al. The road to 6G： ten physical layer challenges for communications engineers [J]. IEEE communications magazine， 2021， 59（1）： 64-69. DOI： 10.1109/MCOM.001.2000208

[8] 張平， 牛凱， 田輝，等. 6G 移動通信技術展望 [J]，通信學報， 2019， 40（1）： 141-148

[9] MAZO J E. Faster-than-Nyquist signaling [J]. Bell system technical journal， 1975， 54（8）： 1451 -1462

作者簡介

葛建華，西安電子科技大學教授、博士生導師，陜西省“三五人才工程”入選者，享受國務院政府特殊津貼；主要從事5G/B5G移動通信的寬帶無線傳輸技術、面向特殊行業應用的空地/空空無線自組網傳輸等技術的研究工作；曾主持和參與國家重點研發計劃、“863”計劃和國家科技重大專項等10余項國家級項目，并多次獲得國家、省部級獎勵。

李靖，西安電子科技大學教授、博士生導師，中國電子學會高級會員；主要從事5G/B5G移動通信的寬帶無線傳輸技術、人工智能與無線通信的融合研究；曾主持和參與國家科技重大專項、國家自然科學基金和“863”計劃等多項國家級項目，并獲得陜西省科學技術獎二等獎1項。