基于智能邊緣計算的數據鏈：原理、架構與挑戰

陳文韻，劉晨熙，彭木根

(北京郵電大學 網絡與交換技術國家重點實驗室，北京100871)

0 引言

為滿足不同應用場景下的通信需求，業界已研制多種數據鏈[1]：一是面向控制與指揮分發業務的Link系列數據鏈；二是面向高速傳輸業務的通用數據鏈(CDL)；三是面向時間敏感業務的機動協同類數據鏈，如戰術目標瞄準網絡技術(TTNT)、機間數據鏈(IFDL)等。每類數據鏈包含多種型號，在傳輸速率、距離、時延等方面具有不同特性。Link系列數據鏈包括Link-11、Link-16、Link-22等型號，工作在L、UHF、HF等頻段，通信覆蓋距離遠，支持視距與非視距傳輸，且采用擴頻、跳頻、加密等多種抗干擾傳輸技術，具有抗干擾能力強的優勢，但存在傳輸速率低(通常在kbit/s級)、接入時延高、難以機動接入等不足。CDL系列寬帶數據鏈包括標準CDL、衛星CDL、多平臺CDL等型號，工作在X、Cu等頻段，下行數據鏈路傳輸速率高，最高可達274 Mbit/s，但通信距離較為有限、下行鏈路無抗干擾能力，且部分型號僅支持點對點傳輸。面向機動協同的TTNT數據鏈主要優勢在于接入靈活性高，支持高動態場景下的機動協同，但因工作在L/S頻段，傳輸距離與傳輸速率有限。

不同數據鏈工作頻段、波形、通信協議的差異性顯著，面向特定應用高度定制化的特征明顯，形成了當前煙囪式發展局面。隨著應用場景不斷拓展，數據鏈面臨著廣域覆蓋、高速高可靠低時延傳輸、全域多維態勢感知、海量信息融合決策等多維度性能要求[2]。為了滿足上述未來復雜應用場景下的差異化業務需求，多種異構數據鏈共存將是突破傳統單一數據鏈技術功能與性能受限的必然趨勢。

面對多種數據鏈傳輸方式，如何智能選擇并配置最佳數據鏈技術，來適配不同業務場景、傳輸環境下的通信需求，是多數據鏈共存面臨的關鍵問題。不同于地面蜂窩無線通信系統，數據鏈技術通過終端直連實現通信，無基礎設施支持，因此目前數據鏈管理仍以云端指揮中心的預先規劃與遠程集中控制為主。然而，終端通常距離指揮中心較遠、通信環境差異性大且復雜多變，還面臨難以預知的干擾威脅，因而依賴于云端指揮中心的傳統集中式管控方式使數據鏈不僅時延高、接入效率低，還存在動態業務需求適變性差，復雜干擾環境下傳輸性能不佳等缺陷。

智能邊緣計算技術[3]具備解決上述缺陷的潛力，通過在數據鏈終端部署存儲和計算能力，使終端在本地自主實現多種數據鏈的智能選擇與配置[4]，從而支撐靈活、動態的通信業務，無需將本地狀態信息與業務需求通過大時延回傳鏈路反饋至指揮中心云端并由云端作集中決策[5]，是提升數據鏈復雜應用場景下通信適變性、連通性與時效性的有效解決方案。

為此，本文提出基于智能邊緣計算的數據鏈，研究了其體系架構和核心原理，明確了其在傳輸機制、資源管理、接入方法等方面的關鍵技術，并對數據鏈的未來發展機遇與挑戰進行探討。

1 基于智能邊緣計算的數據鏈體系架構

為了適配差異化的業務需求，終端需從多種數據鏈中智能選擇傳輸方式，以適應業務場景與通信環境的動態變化，表1列舉了典型數據鏈型號的關鍵技術與性能參數。在基于智能邊緣計算的數據鏈體系架構中，終端本地部署存儲與計算功能，形成智能數據鏈管控引擎，如圖1所示。

表1 典型數據鏈關鍵技術及參數

圖1 基于智能邊緣計算的數據鏈體系架構Fig.1 System architecture of intelligent edge computing enabled data link

智能數據鏈管控引擎負責調度多種數據鏈資源并配置傳輸方案，包括數據鏈選擇、數據鏈配置、數據鏈重構等功能。通過將底層數據鏈集合抽象為時域、頻域、空域等多維資源集，并收集業務場景(控制指揮、高速傳輸、時敏業務等)、通信環境(空-空、空-海等)與傳輸狀態(通信距離、移動速度)等上層需求信息，智能數據鏈管控引擎將底層資源集與上層需求進行適配，并進行終端本地的數據鏈智能調度與配置，包括主用鏈與備用鏈的型號選擇、數據鏈重構決策、鏈路配置參數與切換觸發機制等。

智能數據鏈管控引擎可提供以下兩方面優勢：一是針對分布式終端的互聯互通需求，通過選擇合理數據鏈傳輸機制，提高終端間傳輸鏈路的可用性，使不同區域、不同通信距離及移動速度的終端之間能夠基于通信環境與自身需求自適應建鏈，保障連通性；二是通過智能數據鏈管控引擎對終端傳輸狀態與環境信息的本地處理及多數據鏈資源動態管理，增強復雜場景下的傳輸性能，無需依賴云端指揮中心高時延的回傳控制，克服傳統集中式靜態管理在適變性、時效性方面的不足。

為了實現上述優勢，需從傳輸機制、資源管理、接入方法三方面為基于智能邊緣計算的數據鏈提供關鍵技術支撐。

首先，在傳輸機制方面，如何選擇并配置最佳數據鏈傳輸模式適配業務場景、通信環境與傳輸狀態，是實現智能數據鏈的基礎與首要難題。考慮到通信雙方距離較遠，難以獲得實時且完美的信道反饋信息，因此數據鏈選擇缺乏豐富的先驗知識，僅能依賴本地有限信息進行自優化選擇；此外，傳輸鏈路受距離、速度、角度等因素影響處于非平穩變化中，適變傳輸機制的設計不僅需考慮性能適配問題，還應避免反復跳變造成可用性下降。

其次，在資源管理方面，如何智能高效地利用數據鏈多維資源，增強未知干擾環境下的通信性能，是保障復雜環境下鏈路連通性與可用性的關鍵。傳統以時頻域為主的盲抗干擾措施以犧牲數據鏈傳輸效率為代價提高可靠性，但新興干擾樣式向智能化、多維化發展，面向盲抗干擾的資源管理方式使數據鏈連通性、可用性面臨嚴峻威脅。未來復雜應用場景要求數據鏈兼容高速率、高可靠性等多維性能，數據鏈時、頻、空等多維資源需智能調度，以提升惡劣環境下的傳輸能力，智能抵御復雜未知的干擾威脅。

最后，在接入方法方面，如何實現最佳數據鏈的快速機動可靠接入，是提升智能數據鏈時效性的必然要求。通信環境與業務需求隨終端高速移動瞬息萬變，傳統以時分多址(TDMA)為主的固定接入方式在機動性支持、入網時延與開銷方面均存在極大缺陷，而隨機接入方式在可靠性方面存在不足，因此，智能數據鏈接入方法需在可靠性保障的前提下支撐終端對最佳數據鏈的快速機動接入。

為此，本文提出了基于智能邊緣計算的多數據鏈適變傳輸、面向復雜環境的數據鏈資源管理、低時延高可靠機動接入三項關鍵技術。

2 關鍵技術

2.1 基于智能邊緣計算的多數據鏈適變傳輸技術

基于智能邊緣計算的多數據鏈適變傳輸技術如圖2所示。該技術利用終端本地的智能數據鏈管控引擎，實現數據鏈傳輸與業務場景、通信環境、傳輸狀態的動態適配。為此，多數據鏈適變傳輸技術通過數據鏈資源映射、數據鏈粗選以及數據鏈細選3個步驟為數據鏈適配選擇提供支撐，同時設置鏈路自適應傳輸、備用鏈切換傳輸和多數據鏈協同傳輸3種模式，應對復雜應用場景下因信道環境非理想且動態變化帶來的傳輸性能下降及反復重選跳變導致的鏈路中斷問題。

圖2 基于智能邊緣計算的多數據鏈適變傳輸Fig.2 Intelligent edge computing enabled multi-data link adaptive transmission

在資源映射階段，智能數據鏈管控引擎為數據鏈集合構建抽象化的多維資源集，將多種數據鏈抽象表征為時頻域資源集、信息域資源集(可用波形)、空域資源集(可用天線發射方式)以及功率域資源集(可選發射功率)等。在數據鏈粗選階段，智能管控引擎基于數據鏈特征，對數據鏈業務屬性進行標記，以在典型業務場景下優先選擇。如大容量數據鏈面向偵察業務場景，高可靠數據鏈面向指揮控制業務場景，低時延高機動數據鏈面向時敏業務場景。

基于粗選結果，智能管控引擎結合通信環境(空-空、空-海等)與傳輸狀態(傳輸距離、移動速度等)構建綜合的多維性能優化模型以進一步得到細選結果下的可用數據鏈集合。

基于數據鏈細選結果，在電磁環境較為理想的應用場景下，選擇最佳數據鏈即可達到預期性能。然而，復雜應用場景下實際信道狀態可能非理想且處于動態變化，導致所選數據鏈實際性能較理想性能有差距，且不同數據鏈性能損失程度不均，難以對所有數據鏈實際性能進行量化預估，增加了最佳數據鏈的選擇難度。

為了解決上述問題，緩解因信道狀態動態變化帶來的性能損失與反復重選跳變導致的鏈路中斷，引入鏈路自適應傳輸、備用鏈切換傳輸和多數據鏈協同傳輸3種模式來提升多數據鏈適變傳輸的可用性。3種模式的切換方式如圖2所示，當所選數據鏈性能下降，將優先選擇不跳鏈的鏈路自適應傳輸模式，該模式基于性能下降結果調整鏈路級配置參數，并將調整后傳輸性能與預期傳輸指標進行比較。當鏈路最低速率無法滿足預期傳輸要求，將切換至備用鏈傳輸模式，同樣地，當備用鏈性能下降，將優先在備用鏈上啟用鏈路自適應傳輸。當鏈路自適應傳輸模式與備用鏈切換模式均無法滿足預期傳輸要求時，啟用多數據鏈協同傳輸機制，通過多鏈并行傳輸實現性能提升。

2.2 面向復雜環境的數據鏈資源管理方法

面向復雜環境的數據鏈資源管理方法，旨在當現有數據鏈集合無法滿足終端在復雜環境下的業務需求時，通過將多種數據鏈資源智能重構，提升復雜環境下的傳輸性能。傳統數據鏈的抗干擾傳輸手段集中在時頻域的盲抗干擾，采用跳頻跳時、擴頻等技術[6]，但抗干擾能力的提升以傳輸效率低下為代價。

隨著智能干擾機的發展，跳頻圖案一旦被跟蹤破解，數據鏈可靠性將面臨致命打擊。盡管業界已提出多種新興抗干擾技術，包括時頻域、空域、功率域、碼域、變換域以及多維度聯合的抗干擾措施，但復雜環境對數據鏈終端的干擾效果受終端移動性、干擾方位與距離等因素影響處于動態變化中，全維度綜合的抗干擾手段雖然帶來了高增益抗干擾性能，但某種程度上也造成了網絡資源浪費，影響信息傳輸效率。因此，當基于盲抗干擾的資源管理方式在復雜環境下面臨性能瓶頸，智能數據鏈管控引擎需將時頻域、空域、功率域等多維傳輸資源整合重構，智能抵御干擾威脅，實現抗干擾性能與傳輸性能、功率效率等方面的折衷。

該技術框架如圖3所示，包括歷史配置庫、配置決策模塊、可重構數據鏈模塊與性能評估模塊。由于復雜環境下未知電磁信號混疊，實際場景中通常難以實時、準確地獲取并分離出干擾特征，因而歷史配置庫主要存儲并更新歷史復雜電磁環境下不同配置方案對應的傳輸性能結果，如多維傳輸資源在不同配置模式下的中斷概率、鏈路持續時間、平均傳輸速率等。該庫的初始化搭建可基于已有干擾樣式構建復雜仿真場景，并在不同干擾仿真環境下對不同傳輸配置方式的理想性能、平均性能、最差性能進行多方面測量評估。

配置決策模塊通過對歷史配置庫模塊的動態學習與積累，將性能評估模塊輸出的當前未知電磁環境下惡化傳輸性能與歷史傳輸性能特征進行匹配，提供對當前未知電磁環境的數據鏈重構傳輸決策方案，包括頻段、波形、功率、抗干擾措施等。可重構數據鏈模塊主要涉及數據鏈傳輸配置重構，包括資源分配與可編程波形的生成等。性能評估模塊對重構后數據鏈的鏈路性能進行測量評估，并將評估結果反饋給歷史配置庫模塊，以提升后續決策的效率與準確性。

圖3 面向復雜環境的數據鏈資源管理方法Fig.3 Data link resource management methods for complex radio environments

2.3 低時延高可靠機動接入技術

終端移動性與機動性不斷增強，為支撐智能數據鏈高效傳輸，需快速可靠的靈活接入。傳統數據鏈采用固定分配的接入技術(如TDMA)[6]，終端僅能在預先分配好的資源中傳輸，不僅不支持機動接入，且時延高、難以滿足復雜業務場景下的數據快速交付要求；采用自組網技術的新型數據鏈雖然提升了終端入網機動能力，但新節點入網需通過接收鄰居節點周期性的入網報文、發送入網請求、完成身份驗證與密鑰獲取、等待入網回復等一系列入網授權流程后才可開始數據傳輸，接入時延仍然較高。

現有隨機接入方法雖在接入時延與機動性方面均有優勢，但其在信道負載較高時難以保證關鍵信息的可靠傳輸，因而也難以用于數據鏈技術。因此，如何在可靠性保障的前提下實現數據鏈快速機動接入是智能數據鏈接入方法面臨的主要挑戰。

基于5G網絡超可靠低延遲通信(URLLC)[7]免授權接入的技術優勢，結合基于統計優先級的多址接入(Statistical Priority-based Multiple Access，SPMA) 協議[8]，可實現數據鏈接入方法在可靠性、時延與機動性方面的兼容。利用SPMA協議在機動性與可靠性保障方面的優勢，能夠克服傳統基于固定分配接入機動性不足的問題；同時利用5G URLLC場景免授權接入機制在低時延方面的優勢，能夠降低數據鏈接入授權中多次握手帶來的時延，減少入網開銷。

在免授權接入模式下，終端可在業務數據到達時直接在預留的共享傳輸資源上傳輸，無需發起節點認證請求，從而保證突發業務數據的快速交付。考慮到不同終端的業務時敏性有差異，多個終端同時通過免授權接入方式在預留信道上傳輸時，可能會因信道沖突造成高時敏業務的終端無法接入的問題。

為此，借鑒SPMA協議思想，基于時間敏感程度預先為不同業務劃分優先級，當終端發起免授權接入時，需判斷當前業務優先級，結合信道負載感知信息自適應決定當前立即接入還是退避等待，以保證在預留傳輸資源有限的條件下優先保障高優先級終端的快速接入。此外，在同一數據鏈接入終端數量較少、預留的傳輸資源較為空閑的情況下，已接入終端可占用多個傳輸資源來傳輸多個業務數據包或多個數據包副本，充分利用數據鏈資源提升機動業務場景下的傳輸效率與可靠性。

3 挑戰與機遇

3.1 數據鏈性能分析理論

當前數據鏈性能分析理論主要關注鏈路級抗干擾性能，圍繞具體干擾樣式對其誤碼率或同步時間等指標展開建模，但復雜環境下干擾樣式混疊，傳統基于單一干擾樣式的單一性能指標分析難以表征數據鏈在實際應用場景下的綜合抗干擾能力，亟需建立面向多種干擾混疊場景的綜合抗干擾分析模型。

面向廣域高動態復雜場景的數據鏈傳輸性能分析理論尚不明確。數據鏈終端通常處于高速移動狀態，時空尺度大、信道特性差異明顯且呈現非平穩特征，傳統基于廣義平穩信道特征假設的地面網絡性能分析方法無法適用。已有一些研究針對高動態場景下非平穩信道特性展開研究[9]，但這些信道特性對數據鏈傳輸容量、時延、最大通信范圍等性能的影響及規律尚不明確，因此，亟需展開廣域高動態復雜場景下的數據鏈性能分析研究。

3.2 大容量遠距離傳輸

隨著跨域通信需求不斷升級與傳輸數據量不斷增加，吉比特級大容量遠距離傳輸將是未來數據鏈技術的必然要求。盡管蜂窩無線通信網絡在提升容量方面已有較多成熟技術，但由于數據鏈應用場景特殊性，現有技術難以直接遷移應用。

從增加頻譜帶寬的角度講，毫米波、太赫茲等高頻段技術極具優勢，但高頻段電磁波大氣吸收損耗效應明顯[10]，如何使數據鏈在透云、霧、雨的傳輸環境下，同時保證吞吐量與鏈路范圍是數據鏈應用場景下大容量遠距離傳輸面臨的首要難題。

從提升頻譜效率角度講，B5G/6G提出了超大規模MIMO、軌道角動量、高階調制等先進技術，但數據鏈終端載荷與信號處理能力有限，需克服天線陣列載荷、波束跟蹤與對準、多數據流高速并行處理及高階解調門限的信號功率等一系列問題。

3.3 高速高機動通信增強

隨著高速高機動平臺向信息化、智能化發展，面向高速高機動通信增強的數據鏈技術面臨諸多嚴峻挑戰：

首先是速度快、機動性強、建鏈難，高速高機動場景下信道環境變化劇烈，多普勒頻移、多普勒變化率以及多普勒二階變化率均更為明顯，信號捕獲建鏈與穩定傳輸難。此外，超高速移動狀態下與空氣的強沖擊摩擦將形成局部等離子鞘套，對信號衰落影響劇烈[11]，如何克服超高速移動對傳輸鏈路帶來的影響，提升高機動高速移動場景下的傳輸性能是超高速高機動終端通信面臨的首要難題。

其次是工作環境電磁攻擊強烈。由于終端業務場景特殊性，其面臨的惡意電磁干擾將會更強烈，因而對數據鏈技術提出了更強抗干擾、抗截獲與抗毀傷能力要求。

最后是距離遠、航時長。為了保證全時段回傳通信不間斷，終端所搭載的回傳數據鏈需具備與衛星及其他中繼平臺的實時高動態組網能力，不僅需建立超視距超遠距鏈路，還需具備超低時延的越區切換能力。

3.4 大規模快速異步接入

隨著數據鏈應用場景由點對點、點對多點傳輸擴展至協同組網傳輸，當前基于固定分配的多址接入方式在接入效率、靈活性、網絡連接數、資源利用率等方面均存在較大缺陷，難以滿足未來協同組網傳輸的大規模接入要求。

因衛星系統固有的脆弱性，傳統基于衛星系統的授時業務極易失效，導致入網終端時鐘不一致；加之終端分布較為分散、傳播時延不確定、信道環境差異性大，接入同一數據鏈的終端難以保證嚴格的時隙同步。傳統同步方案通常需引入額外信令開銷作信道反饋，然而考慮到廣域高動態場景下信道不穩定、傳播時延高且異步節點多，這一方案已不再適用。因此，異步接入才是更為實際高效的選擇，亟需提出面向大規模終端的快速異步接入機制。

3.5 安全性

海量異構終端的隨遇連接不僅增加了數據鏈被攻擊的風險，也對可信終端的身份認證、接入控制提出了更高的要求，如何設計完善且精簡的身份認證增強協議，以保證數據鏈終端快速入網同時，避免惡意身份偽造、可信用戶接入受阻等攻擊，是支撐終端大規模接入的重要前提。

多鏈協同網絡管理與運行依賴于自主感知與信息協同，如何保證感知信息的真實性、提升共享信息的抗篡改與抗偽造性，對減少安全風險或失誤至關重要。

最后，如何建立數據鏈內生、終端內生的安全感知能力與應變能力，構建主動、智能的安全保護機制，是確保數據鏈技術能夠順利發展與應用的關鍵性挑戰。

4 結論

本文針對傳統集中式數據鏈管控方式效率低、適變性差、時效性不足等問題，提出了基于智能邊緣計算的數據鏈，闡述了其體系架構和核心原理，研究了關鍵賦能技術，探討了數據鏈技術在理論分析、大容量遠距傳輸、高速高機動通信增強、大規模快速異步接入以及安全性等方面的挑戰，希望為后續研究提供參考，并推動數據鏈技術的進一步發展。