6G通感算深度融合導(dǎo)讀

特邀策劃人

彭木根

北京郵電大學(xué)教授，博士生導(dǎo)師，教育部、中組部和國家自然科學(xué)基金委等國家高層次人才計劃入選者，IEEE、中國電子學(xué)會、中國通信學(xué)會會士。現(xiàn)任北京郵電大學(xué)信息與通信工程學(xué)院院長，網(wǎng)絡(luò)與交換技術(shù)國家重點實驗室副主任，中國通信學(xué)會常務(wù)理事兼青工委主任，中國電子學(xué)會理事，北京市科技人才研究會副理事長。主要從事無線和移動通信基礎(chǔ)理論與關(guān)鍵技術(shù)研究，累計發(fā)表IEEE期刊論文150余篇，其中ESI高被引用論文30余篇，谷歌學(xué)術(shù)引用16 000余次。

內(nèi)容導(dǎo)讀

隨著智慧城市、無人機、自動駕駛、沉浸式擴展現(xiàn)實和工業(yè)互聯(lián)網(wǎng)等新興業(yè)務(wù)的不斷涌現(xiàn)，為滿足數(shù)據(jù)驅(qū)動的多樣化智能服務(wù)與應(yīng)用多維極致性能需求，第六代移動通信系統(tǒng)(6G)需要實現(xiàn)大數(shù)據(jù)、人工智能、區(qū)塊鏈等技術(shù)交叉融合，通信、感知、計算(通感算)深度融合的研究迫在眉睫。具體而言，傳統(tǒng)射頻感知將和無線通信深度融合甚至一體化，同時融合廣泛分布的分布式邊緣算力進行協(xié)同處理，從而實現(xiàn)智能化、融合化、低碳化、高效能化，顯著提升6G網(wǎng)絡(luò)容量、能效和可靠性，降低網(wǎng)絡(luò)部署成本和時延，高效支撐人機物智慧互聯(lián)、智能體高效互通。然而，從目前的研究和產(chǎn)業(yè)發(fā)展來看，通感算深度融合在基礎(chǔ)理論、應(yīng)用場景、服務(wù)業(yè)務(wù)、技術(shù)標準以及可行性等方面還需要加快突破和完善。

鑒于上述情況，為了更好地將我國6G通感算深度融合的最新研究成果介紹給讀者，探索大跨度多類型技術(shù)的協(xié)同與交叉融合發(fā)展，實現(xiàn)通信、感知、計算等差異資源的綜合高效利用，為6G的創(chuàng)新與發(fā)展提供重要的理論、技術(shù)與應(yīng)用支撐，我們組織了本專題。本專題收集了來自高校科研院所、運營和設(shè)備廠商的15篇論文，涵蓋理論、架構(gòu)、技術(shù)、應(yīng)用、標準等方面，百家爭鳴，從不同視角介紹6G通感算深度融合的最新研究成果。

立足于6G通感算融合的衛(wèi)星通信場景，《面向衛(wèi)星通信的6G通感算融合架構(gòu)、技術(shù)與挑戰(zhàn)》介紹了6G通感算背景和研究現(xiàn)狀，在此基礎(chǔ)上提出了面向衛(wèi)星通信的6G通感算架構(gòu)及基于聯(lián)邦學(xué)習(xí)的衛(wèi)星通感算融合架構(gòu)，并闡述了其架構(gòu)組成、關(guān)鍵技術(shù)和性能指標。此外，論文還分析了面向衛(wèi)星通信的6G通感算融合所面臨的挑戰(zhàn)，并對其未來發(fā)展趨勢進行了展望。

《6G算力網(wǎng)絡(luò)：體系架構(gòu)與關(guān)鍵技術(shù)》在系統(tǒng)分析總結(jié)算力網(wǎng)絡(luò)的發(fā)展歷程、現(xiàn)狀的基礎(chǔ)上，介紹了算力網(wǎng)絡(luò)的愿景，提出了6G算力網(wǎng)絡(luò)三層四面邏輯架構(gòu)，著重介紹了算力面的工作機制，并進一步對算力度量與建模、算力感知與路由以及業(yè)務(wù)感知的算力調(diào)度等關(guān)鍵技術(shù)進行了展望、分析和設(shè)計，總結(jié)了技術(shù)挑戰(zhàn)和未來發(fā)展方向，為未來算力網(wǎng)絡(luò)的發(fā)展和建設(shè)提供了基礎(chǔ)支撐。

在介紹元宇宙發(fā)展階段、主要特征及其多領(lǐng)域應(yīng)用的基礎(chǔ)上，《元宇宙的信息基礎(chǔ)設(shè)施發(fā)展挑戰(zhàn)與建議》從算力、網(wǎng)絡(luò)和資源一體化的角度對元宇宙的信息基礎(chǔ)設(shè)施需求及挑戰(zhàn)展開討論，提出了構(gòu)建異構(gòu)泛在多級的算力體系、立足F5G/5G打造元宇宙就緒型網(wǎng)絡(luò)、布局通感算融合的元宇宙信息基礎(chǔ)設(shè)施方案，對元宇宙資源底座的建設(shè)具有一定的參考意義。

為探究6G車聯(lián)網(wǎng)中通感算融合體系的發(fā)展現(xiàn)狀與挑戰(zhàn)，《6G車聯(lián)網(wǎng)中的通感算融合：現(xiàn)狀與挑戰(zhàn)》回顧了車聯(lián)網(wǎng)通信和計算技術(shù)的發(fā)展，從系統(tǒng)架構(gòu)和關(guān)鍵技術(shù)兩方面綜述了現(xiàn)有車聯(lián)網(wǎng)通信-計算融合的相關(guān)工作，對6G車聯(lián)網(wǎng)中通感算融合的未來應(yīng)用及面臨的挑戰(zhàn)進行了分析，從而為車聯(lián)網(wǎng)通感算融合的研究提供參考。

針對感知融合方法不明確、感知融合結(jié)果不魯棒和感知數(shù)據(jù)繁雜冗余等問題，《6G車聯(lián)網(wǎng)絡(luò)面向多源感知的數(shù)據(jù)融合技術(shù)》提出了一種面向多源感知的分級融合方法，設(shè)計了新穎的多源感知數(shù)據(jù)融合算法，并簡化了感知數(shù)據(jù)量。仿真結(jié)果表明該方法可在通信開銷較小的前提下保證感知精度，并能擴展車聯(lián)網(wǎng)絡(luò)感知范圍和維度。

為滿足車載邊緣計算網(wǎng)絡(luò)的極致性能需求，突破傳統(tǒng)車聯(lián)網(wǎng)通信感知計算割立的現(xiàn)狀，《基于云邊協(xié)同算力調(diào)度的高效邊緣卸載研究》設(shè)計了一種基于云邊端一體化與智能協(xié)同等算力網(wǎng)絡(luò)技術(shù)的任務(wù)卸載策略解決方案，提出了云邊協(xié)同智能驅(qū)動車載邊緣算力網(wǎng)絡(luò)架構(gòu)和基于云邊協(xié)同的深度Q網(wǎng)絡(luò)的高效計算卸載策略，有效解決了多層次算力網(wǎng)絡(luò)中節(jié)點算力分配不足、不均衡的問題。

鑒于算網(wǎng)一體技術(shù)對滿足工業(yè)互聯(lián)網(wǎng)中智能應(yīng)用的數(shù)據(jù)傳輸和計算需求的重要作用，《工業(yè)互聯(lián)網(wǎng)算網(wǎng)一體技術(shù)研究》對工業(yè)互聯(lián)網(wǎng)中引入算力網(wǎng)絡(luò)的必要性和意義進行了闡述，歸納了工業(yè)互聯(lián)網(wǎng)中算力網(wǎng)絡(luò)的各方面發(fā)展現(xiàn)狀和應(yīng)用需求，設(shè)計了工業(yè)互聯(lián)網(wǎng)算力網(wǎng)絡(luò)的部署架構(gòu)和工業(yè)智能應(yīng)用的部署方案，并分析了工業(yè)場景中算力網(wǎng)絡(luò)面臨的技術(shù)挑戰(zhàn)與未來研究方向。

為在面向6G通感算融合的網(wǎng)絡(luò)智能感知方法上取得突破，《面向6G通感算融合的網(wǎng)絡(luò)智能感知》提出了基于卷積神經(jīng)網(wǎng)絡(luò)的業(yè)務(wù)類型估計算法，將基于注意力機制的序列到序列算法用于預(yù)測業(yè)務(wù)流量，在保證預(yù)測準確性的前提下減少預(yù)測時間和計算消耗。此外，搭建了基于微服務(wù)的智能內(nèi)生融合實驗平臺，在此基礎(chǔ)上實現(xiàn)了網(wǎng)絡(luò)功能模塊共享，賦予了網(wǎng)絡(luò)智能擴展的能力。

從6G技術(shù)發(fā)展的可能性出發(fā)，《6G通感傳算融合需求分析與關(guān)鍵技術(shù)研究》從室內(nèi)和室外兩個維度介紹了6G通信-感知-傳能融合的應(yīng)用場景，并概述了包括一體化射頻技術(shù)和通感傳算覆蓋增強技術(shù)在內(nèi)的6G通信-感知-傳能融合關(guān)鍵技術(shù)，最后對6G通感傳算融合的發(fā)展趨勢進行了總結(jié)。

面向6G通感算深度融合的發(fā)展需求，《面向6G通感算融合的多粒度資源分配算法》將通感算資源聯(lián)合優(yōu)化問題建模為多時間粒度上的最大化效用函數(shù)問題，提出了一種多粒度資源分配算法，根據(jù)感知的網(wǎng)絡(luò)狀態(tài)以及基站自身狀態(tài)，在多時間粒度上調(diào)整資源分配策略時間。仿真表明該算法在提高網(wǎng)絡(luò)頻譜效率的同時，有效降低傳輸時延、處理時延和資源分配動作執(zhí)行的成本。

針對高移動性場景下基于正交時頻空間調(diào)制的通信感知一體化波形設(shè)計所面臨的感知接收處理性能受限問題，《基于正交時頻空調(diào)制的感知信號處理算法》提出了基于最小均方誤差和基于正交匹配追蹤的感知信號處理算法，利用最小均方誤差準則最小化感知均方誤差，并根據(jù)殘差與原子相關(guān)性最大的準則迭代獲得雷達感知信道的稀疏逼近元，從而在準確感知目標的同時獲取了顯著的感知性能增益。

針對通信感知一體化系統(tǒng)存在的互干擾問題和傳統(tǒng)導(dǎo)頻信息輔助的調(diào)制方式造成的資源浪費問題，《基于通感一體化技術(shù)的自適應(yīng)調(diào)制方案》提出了一種基于通感一體化技術(shù)的自適應(yīng)調(diào)制方案，利用深度強化學(xué)習(xí)算法根據(jù)回波中提取的車輛距離信息自適應(yīng)選擇下一個時刻的調(diào)制模式。在提升信道容量的同時減少了計算資源消耗，且相較傳統(tǒng)通信方式有效提升了吞吐量。

為應(yīng)對通信雷達一體化中存在的多用戶和多目標之間的自干擾和互干擾問題，《基于完全互補碼擴頻的通信雷達一體化系統(tǒng)》借助碼分復(fù)用技術(shù)，設(shè)計了完全互補碼擴頻的通感一體化信號，并在此基礎(chǔ)上構(gòu)建了多用戶和多目標場景下的通信雷達一體化方案，實現(xiàn)了相比傳統(tǒng)擴頻方案更低的誤碼率與更高的頻譜效率。

為提高陣列天線多目標波束賦形的準確度和能量效率，《面向通感一體化網(wǎng)絡(luò)能效優(yōu)化的波束賦形方案》提出了一種考慮能效的基于克拉美羅下界的波束賦形算法方案。經(jīng)過對信號進行建模和對克拉美羅下界的推導(dǎo)，在約束條件下將克拉美羅下界最小化轉(zhuǎn)化為凸優(yōu)化問題，并采用半正定規(guī)劃方法求解預(yù)編碼矩陣。仿真驗證了該方案的較高準確性和能效提升。

為了更好地支撐具有高動態(tài)特性的任務(wù)驅(qū)動無人機協(xié)同組網(wǎng),《面向無人機網(wǎng)絡(luò)的通信感知一體化的高效能波形選擇方法》提出一種基于感知信息驅(qū)動的通感融合波形選擇機制，設(shè)計了一種“基于先驗信息輔助的Q-Learning”波形決策算法，通過結(jié)合無人機事先已訓(xùn)練所得先驗信息映射與應(yīng)用“Q-Learning”方法對實際飛行場景進行動態(tài)學(xué)習(xí)。為進一步降低無人機間系統(tǒng)開銷，基于所提波形選擇機制又提出了一種主被動融合感知方案。仿真證明可以顯著提高綜合效能，實現(xiàn)在高動態(tài)場景下的魯棒性，大幅降低感知信息產(chǎn)生的開銷。

綜上所述，本專題全面地展示了6G通感算深度融合需求、現(xiàn)狀、挑戰(zhàn)、關(guān)鍵技術(shù)及發(fā)展趨勢，內(nèi)容涵蓋6G通感算深度融合網(wǎng)絡(luò)架構(gòu)、資源分配與能效優(yōu)化方案、通信雷達一體化系統(tǒng)及一體化信號處理算法等多方面關(guān)鍵技術(shù)。希望本專題能夠?qū)V大讀者深入了解和研究6G通感算融合提供參考、啟發(fā)和借鑒，搭建起6G通感算深度融合研究的探討、交流、各抒己見的平臺，推動我國6G的發(fā)展與演進。最后，感謝編輯部各位老師在論文評審與意見回復(fù)、編輯修改、論文定稿及出版等過程中所付出的努力；感謝專題評審專家耐心、細致、嚴謹且負責(zé)的評審工作；同時衷心感謝各位投稿作者的研究工作和精心撰稿!