面向衛星通信的6G通感算融合架構、技術與挑戰

景 毅，姜春曉，詹亞鋒

(清華大學 北京信息科學與技術國家研究中心，北京 100084)

0 引言

近些年來，隨著第六代移動通信技術(6G)的提出與演進，其在邊緣計算、人工智能等領域飛速發展并在衛星通信、無人駕駛、工業互聯網等諸多場景中得到了初步應用。6G中的核心技術主要包括通信、感知和計算三部分，其中通信作為6G網絡的核心，是連接用戶終端與服務器，傳輸數據，支撐計算資源有效利用的樞紐；感知可為系統提供豐富的數據信息，進一步優化系統性能，是6G網絡的基礎；計算則是體現系統能力的重要模塊，在6G時代，計算能力強弱直接決定了系統的發展前景和上限[1-2]。

在6G之前的研究進程中，通信、感知和計算的發展進程是獨立進行的。但隨著6G概念對于容量、時延、精度、算力等指標的需求，通信、感知、計算單獨的增強無法直接帶來系統指標的提升，也制約著業務形態的發展，因此，6G各功能模塊的交叉融合成為必然的研究趨勢。通信、感知、計算(通感算)融合不僅能滿足極低時延、極高能效、極大容量等6G需求，還能促使各模塊互惠增強[3]。但是，由于通信、感知和計算在系統架構、評價指標和關鍵技術方面都有明顯的差異，要實現通感算融合，需要將三者進行聯合設計，充分考慮它們的共同點和差異性，借助分布式計算平臺和人工智能技術等方式打造高效可靠的6G通感算融合系統和組網模式。 衛星通信憑借覆蓋范圍大、成本低、計算能力強的特點，成為6G的重要應用場景，其面臨的挑戰包括進一步提升系統容量、降低延時、提升能效等，可通過采用6G通感算融合架構與技術解決，因此面向衛星通信的6G通感算融合是當前通信領域的研究熱點。本文主要介紹6G通感算融合的背景，研究現狀和面向衛星通信的6G通感算融合架構、關鍵技術與挑戰。

1 6G通感算融合背景與現狀

1.1 研究背景

6G研究主要集中在5G基礎上，對于各個典型場景下的指標進行進一步提升，追求更大覆蓋范圍、更強計算能力、更快感知效率等，并非只是通信性能的提升[4]。感知、通信、計算將是6G系統的重要組成和系統賦能、增效的抓手，通感算融合的構想，即在移動系統中的各個節點集成各種感知、通信、計算的功能，統一協同、利用通感算相關資源信息，提供優質的通感算業務服務，是一個宏大的概念和系統工程。從架構和功能上，通感算三者存在很大的差異性，如何統一、規范地設計通感算架構，將三者的功能模塊有機結合起來，是重點研究方向。

1.2 研究現狀

6G技術具有高可靠、大規模、可擴展、超低時延等特點，國內外學者已經就6G網絡中的資源優化問題進行了較為深入的研究。其中，研究的難點集中在對通信、計算資源的協同優化以及將感知結果映射到通信資源上等，大都與通感算之間的融合有關。如圖1所示，學術界就“通感”“通算”“感算”一體化和融合已進行了一定研究，針對模塊間的關系和互惠增強進行了設計，產生了一定的成果與思考[5-7]。

圖1 通感算融合現狀

1.2.1 通感融合

通信和感知的融合是最早開始進行的，終端配備多種多樣的傳感器，如用于測量距離的無人機，用于檢測物體物理特性的濕、溫度傳感器，用于拍攝街景地圖的自動駕駛汽車攝像頭等，通過加載諸如融合通信的智能模塊，實現了感知通信一體化，在采集到海量感知數據的同時，迅速完成通信傳輸，提高通信效率的同時為下一步感知的迭代提供了時間保障。通感融合相比感知通信分離有如下優勢：① 擴展了感知的范圍，為系統獲取更多有效信息提供可能性；② 縮短了通信時延和傳輸數據量，通感融合的網絡通過下發通信模塊到感知所在的節點，有效節約了數據傳輸到中心服務器的時間，有效縮短延時的同時減少了需要傳輸的數據量，提升了系統的效率；③ 有效降低了感知和通信的成本，提高了終端傳感器的利用率，通過感知通信復合型應用場景，降低了成本，減小了采集信息所需傳感器的數量。然而，目前的研究更多地集中在通信場景下，感知進行輔助，而很少有以感知為主體的理論和場景，感知通信融合所需算力和算法的研究也有待進一步開展。

1.2.2 通算融合

通信和計算融合主要是指將邊緣計算、聯邦學習等技術應用于通算融合的場景中。通過將計算任務下發到邊緣節點，由邊緣服務器配備更多的算力來執行計算任務，從而有效降低系統時延，提升通信效率，提高系統吞吐量和穩定性。目前的研究理論和架構較為集中在邊緣計算上，后續的研究可以更多地針對基礎系統結構進行設計，容納通算融合的更多業務場景，提煉相關技術。

1.2.3 感算融合

感知和計算融合的優越性體現在通過對感知到的數據進行計算，從而更有針對性地獲取信息并感知周圍環境，也通過計算的方式進一步提升系統的指標。感算融合技術主要基于云計算、霧計算等框架下，協同感知與計算模型，對于計算效率和感知準確度進行提升。

1.2.4 現狀總結

如表1所示，通感、通算、感算融合各有優勢：通感融合在中心側和終端側分別具有覆蓋面廣、帶寬較大和功耗較低、成本較低的優勢；通算融合在中心側算力較強、較易協同，而在終端側配置靈活、時延較低；感算融合則是中心側數據類型豐富、模型種類多，而終端側安全性和隱私性好[8]。

表1 通感/通算/感算融合優點對比

感知、通信、計算中兩兩結合的研究證明了融合的可行性，為了適應6G的需求，需要將通感算三者進一步融合，突破理論和性能上的瓶頸。因此，針對通感算融合研究并實現全新的架構概念，在此基礎上進行組網和功能設計，提高系統感知精度、計算能力和通信容量勢在必行。

1.3 6G通感算融合架構

如圖2所示，6G通感算融合架構分為兩部分：通感算一體化終端和中心云服務器，服務于衛星通信、自動駕駛和工業互聯網等業務場景[9]。通感算一體化終端的核心技術依托人工智能和邊緣計算架構，將空、地、海各領域終端感知到的數據、聯合通信和計算資源進行數據融合，打破通感算三者數據格式和功能上的差異，并與中心云服務器就資源分配和信道估計等方面進行交互，形成完整的數據采集、傳輸和計算鏈路，構建通感算之間的緊密融合。

圖2 通感算融合架構

通感算融合的架構有以下優勢：終端的感知能力建立在通信對其的功能支撐基礎上，通信與感知的協同使得感知的深度和廣度得到拓寬；邊緣計算、人工智能等大數據技術有效降低了采集到的數據維度，通過挖掘感知數據的深層含義，提升了感知和通信的效率；感知和計算幫助通信獲得的能力提升，進一步為計算獲取了更大的容量和時間。在不同的業務場景下，通感算三者得到有機結合，實現了循環迭代，針對性地完成了網絡各性能指標的優化，提升了系統效率[10-11]。

2 面向衛星通信的6G通感算融合

2.1 衛星通信

由于地面移動網絡只能覆蓋20%的陸地和5%的海洋范圍，衛星通信憑借其覆蓋范圍廣的優點成為6G通信中重點研究的場景。除此之外，衛星通信相比于傳統地面移動通信還有著顯著的低成本優勢。地面寬帶網絡需大量鋪設光纖，用地面移動通信的方法覆蓋全球需要至少10萬億美元的投資和20年的時間，海洋和天空的寬帶接入更是地面網絡無法觸及的領域；而用衛星通信覆蓋全球僅需要幾百顆衛星共計7億美元的投入，研發周期也更短。因此，衛星通信與6G通信的發展目標更為契合，是下一代移動通信的發展趨勢[12-13]。

2.2 6G衛星通信網絡

2.2.1 6G衛星通信網絡架構

如圖3所示，6G衛星通信架構由天基平臺、空基平臺和地面/海面終端組成。天基平臺的主體是衛星，主要分為地球同步軌道(Geostationary Earth Orbit, GEO)衛星、中軌道(Medium Earth Orbit, MEO)衛星和低軌道(Low Earth Orbit, LEO)衛星，充分利用衛星覆蓋范圍廣、載荷優勢大的特點，為星地、星間鏈路提供中心云服務器，承擔通信、計算、模型訓練、內容分發等方面的功能。空基平臺的主體是無人機和飛行器，是連接空基平臺和地基平臺的樞紐。對于空基平臺來說，無人機群可以作為邊緣節點，緩解中心服務器的計算和系統通信壓力。對于地面終端來說，飛機群可以充當移動邊緣服務器，匯總終端的感知數據信息，進行初步數據處理和模型運算。與此同時，無人機和飛行器也是空域感知數據的采集和發送者，為6G衛星通信系統提供信息輸入；地面/海面終端包括雷達、汽車、艦船等，通過人工智能技術為系統提供感知、計算能力以及地對地、空對地和星對地之間的通信保障[14]。

圖3 6G衛星通信架構

2.2.2 技術特征

6G衛星通信中，研究重點是大規模覆蓋、多智能服務、海量連接和超低時延。相比于5G以基站為中心的場景，6G將研究重心放到了衛星上，構建以天領地的網絡架構，輔以地面網絡，由此應運而生了幾大技術特征[15-17]。

全域覆蓋6G衛星通信重點聚焦5G無法覆蓋的80%的陸地和95%的海洋，衛星構成的天基平臺和無人機群與飛機構成的空基平臺承擔著重要的任務，通過與地面終端的結合，實現全域用戶接入和全球移動覆蓋的目標。

智簡網絡為了實現6G網絡智能、簡約地接入衛星通信系統架構，需要人工智能技術與通信體制結合，設計符合衛星場景的通信協議，合理改造空天地一體化網絡結構，在滿足6G業務指標的同時服務好衛星通信體系。

星上計算通過星載邊緣計算、星上基站等關鍵技術和設施設計構建星上計算和數據處理能力，利用智能化計算單元組建星上資源管理體系，提高計算效率，將衛星通信過程中產生的計算、模型訓練任務按時按量在星上完成。

星間均衡6G衛星通信網絡時常產生星間數據交互的任務，而最優鏈路容易產生堵塞的現象，因此引入天基平臺中衛星間動態分層管理機制，通過智能算法實現星間鏈路均衡，保障數據處理和傳輸的效率。

2.3 面向衛星通信的通感算融合架構

6G通感算架構與大數據、云計算等人工智能技術的深度交匯同樣可結合衛星的特點移植到衛星通信場景，本節提出衛星通信的通感算融合架構，并對功能模塊和關鍵技術進行分析和討論[18-20]。

2.3.1 衛星通感算融合架構

面向衛星通信的通感算融合架構如圖4所示，地面和海面的終端設備通過人工智能賦能實現感知功率增強、通信干擾消除和計算效率提升的聯合優化迭代。同時，終端節點通過本地預訓練的方式，提升大數據平臺的更新速率和效率，進一步增強通感算一體化的系統能力。天基平臺的衛星構建感知、通信、計算、資源分配一體化的星座，通過動態分簇技術，完成星上和星間鏈路的數據交互，解決6G衛星通信場景中由于衛星數量多、載荷能力有限造成的通信阻塞問題，同步提升感知精度和計算效率。在資源調度方面，空基平臺的無人機群通過深度強化學習的方法，在與環境的交互學習過程中迭代更新從而獲得有最佳收益的行動，將資源分配給最需要、最能給系統帶來收益的終端，同時采用緩存的方式釋放計算資源，提升計算單元利用效率和通信容量。總體而言，面向衛星通信的通感算架構結合了衛星通信覆蓋范圍的優勢和通感算架構中融合與協同增強的特性，更好地服務于6G通信的場景[21-22]。

圖4 面向衛星通信的通感算融合架構

2.3.2 功能模塊

干擾消除干擾消除模塊配備在終端通信鏈路上，用于處理通信過程中由于外界和自身信號干擾造成的資源浪費，達到提升系統效率的目的。干擾消除模塊主要采用人工智能手段消除“信號編碼-信號調制-信道傳輸-信號解調-信號解碼”全過程的噪聲干擾。

融合資源池面向衛星通信的6G通感算融合架構中，資源分布在天基、空基和地基平臺，為實現資源效率利用最大化，將衛星的中心服務器和地面的資源中心為主體構建統一的資源池，采用大數據、云計算技術統一協調分配資源，靈活高效地服務整個系統。

軟硬件協同衛星通信中，以硬件為主體、軟件賦能協同的方式是必需的技術手段。6G時代，數字孿生、軟件定義網絡、網絡功能虛擬化等技術構建成為軟硬件協同功能模塊，通過解耦軟硬件架構、網絡編排提升系統效率，管理虛擬和實體資源，自動化、智能化管理衛星通感算系統。

星座分簇星座分簇用于動態構建衛星星座，主要解決由于6G衛星通信中衛星數量較多而星上算力有限導致的算力受限、通信阻塞問題。星座分簇技術構建了衛星分層管理體制，充分利用中高軌道衛星覆蓋范圍大、計算能力強的優勢，采用人工智能手段對于低軌衛星進行分簇，合理分配計算、通信等數據處理、數據交互任務。

2.3.3 關鍵技術

深度強化學習深度強化學習用于處理6G衛星通感算融合復雜環境下的資源分配問題，通過引入卷積神經網絡模型，確立優化目標函數，借助強大的計算引擎經過大量的訓練實驗找出適合每個當前時刻的資源分配行動。

聯邦學習聯邦學習是一種分布式計算架構，由于衛星通信中各終端和衛星隸屬于不同的機構，直接的數據交互容易產生隱私泄露等嚴重的安全問題，而聯邦學習架構中各參與節點通過本地計算后采用上傳梯度信息而不是原始數據的方式與中心衛星服務器交互，有效保護了數據安全；除此之外，聯邦學習采用參數傳遞的方式提升了感知、通信、計算場景下各模塊的效率，減小了大量數據在系統中傳遞造成的信息冗余和通信阻塞。

軟件定義衛星軟件定義衛星通過軟件定義網絡和網絡功能虛擬化技術將衛星通信的控制平面與數據平面分離，引入云計算架構將分離后的平面融合構建統一的數據中心，靈活高效地創建網絡拓撲結構，通過數據訓練、學習和決策的能力實現6G中各平臺通感算融合智能化服務于整個衛星通信系統。

3 基于聯邦學習的衛星通感算融合架構

3.1 聯邦學習

聯邦學習架構如圖5所示，其對于衛星通信的感知、通信、計算都有提升作用。首先，聯邦學習的架構有益于通過通信增強感知，在分布式節點與中心服務器的模型訓練迭代過程中，隨著全局損失函數和局部模型參數的更新，邊緣節點所感知的數據精度在逐步提升，聯邦學習中的通信使得感知精度和準度大幅增強；其次，計算使得通信效率顯著提升，分布式邊緣節點首先訓練局部模型，得到最優梯度，再將本輪的模型參數而非原始數據上傳至中心服務器，因此在通信過程中，數據傳輸量被大大縮減，通信效率得到提升；最后，感知和通信增強計算效率，由于中心服務器對于全局模型的把控，感知的目的性和方向性得到了顯著增強，感知結合通信鏈路進一步帶動了計算資源的有效利用，在聯邦學習系統中，全局損失函數經過若干輪的迭代后趨于收斂，使得計算資源得到高效利用。

圖5 聯邦學習架構

3.2 系統架構

本節提出了基于聯邦學習的衛星通感算融合架構，如圖6所示。

圖6 基于聯邦學習的衛星通感算融合架構

中軌衛星構成的星座依靠其廣覆蓋、大帶寬、高算力的優勢成為系統的中心云服務器，負責聚合數據、分配資源和提供服務；低軌衛星和無人機群作為分布式節點，用于感知數據，訓練本地模型并與中心服務器進行參數交互。

本系統用于為地面終端提供低延時、高質量的服務，在分布式邊緣節點配備了通感算一體的設備，使得每個終端衛星和無人機都具備感知、通信、計算一體化的數據采集、數據處理和數據分發能力[23]。

在聯邦學習的框架下，低軌衛星和無人機群構成的分布式節點首先通過載荷和傳感器感知地面和海面的環境信息，構建本地模型進行訓練，得出的梯度信息通過系統接入網、傳輸網、核心網搭建的通信鏈路傳送至中軌衛星云服務器，云服務器采用聯邦平均等聚合算法后，計算損失函數，得到全局梯度信息，再通過通信鏈路將參數回傳至分布式節點，供終端計算單元優化迭代。數輪交互后，中心服務器的損失函數收斂。模型訓練完成，過程中通感算三者在聯邦學習中協同運作，聯合提升系統容量、延時、計算效率等指標。

3.3 性能指標

在基于聯邦學習的衛星通信體系下，感知、通信、計算都有性能指標，系統通常在不同場景下選擇幾類不同的指標進行聯合優化，最終使得損失函數收斂，通感算融合系統中，感知指標主要由目標定位和環境參數組成，通信指標由安全性、可靠性和系統效率組成，計算指標由性能指標、服務指標和資源指標組成，通感算融合網絡中各類型的具體指標如表2所示。

表2 通感算融合網絡性能指標分類

4 挑戰及發展趨勢

當前的6G通信還處于發展初期，衛星通信的研究進程更是遠遠落后于地面網絡，因此雖然衛星通信與6G通感算融合有著光明前景，但是依然面臨很大挑戰，本節對于衛星通信與6G通感算融合面臨的挑戰和發展趨勢進行概述。

4.1 通用架構和理論基礎

面向衛星通信的6G通感算融合理論還未成熟，感知、通信和計算相互之間原理層面依賴關系的公式推導未成體系，當前的研究更多針對某個特定場景。長遠來看，需要設計體系化、規范化的適配面向衛星通信的6G通感算架構，結合通感算三者的約束條件，維持平衡關系。并進一步從通信穩定性、計算準確性和感知精確度三方面制定合理的指標體系衡量整個衛星通信網絡，并論證合理性。目前的通信和感知之間的增強關系并未被量化證明，而計算能力在各個場景下的設定也缺少普適性推廣的依據[24-25]。

4.2 資源管理體系

資源分配問題一直是通信場景下重點關注的難題。資源有系統延時、網絡容量、吞吐量、誤碼率、帶寬、頻譜效率、CPU、計算資源利用率等很多種類，而6G通感算融合架構趨于多元化、智能化的特點使得網絡更為復雜，需關注的資源約束和優化目標更為多樣。感知、通信、計算一體化的終端促使衛星中心服務器在資源調度時需考慮通感算融合的程度和效率，進而確立資源管理分層機制和方案。在算力有限、通信鏈路受阻、感知精度受限的衛星通信場景下，資源管理更為緊要，為貼合衛星通信低成本的要求，設計并實現成熟的資源一體化管理架構勢在必行[26-27]。

4.3 多模態數據融合

在面向衛星通信的6G通感算融合架構中，不同類型的終端在感知過程中采集的數據格式、模態、模型、大小均不同，難以被直接合并處理。由此引入了多模態數據融合技術，適用于聯邦學習、邊緣計算等基礎框架內，是目前6G通感算融合的研究熱點，可分為數據融合、模態融合、模型結構融合和數據集融合幾種形式，有助于挖掘通感算三者的內在數據、模型和模態之間的關聯。衛星通信中，衛星中心服務器可通過多模態學習的方式挖掘不同終端采集數據間的內在聯系，融合不同終端種類的數據信息，便于提升系統性能和學習準確率。長遠來看，多模態數據融合是面向衛星通信的6G通感算融合重要的研究方向和趨勢[28]。

4.4 安全與隱私保護

數據安全和隱私保護是衛星通信中的重要問題，由于衛星、無人機和飛行器的隸屬關系問題，數據交互過程中容易造成數據、隱私泄露，產生不可估量的損失。前文提到的聯邦學習技術，雖然可以通過傳遞參數而非原始數據的方式規避一部分風險，但面對惡意攻擊場景還是存在非常大的安全隱患。6G通感算融合由于需要更多的數據采集、融合、迭代過程，相較于5G及之前的通信體制，有更多的風險問題。為解決安全和隱私保護問題，可引入區塊鏈架構，區塊鏈是一種去中心化的數據保護方式，不依賴與中心節點，每臺計算機都擁有完整的數據副本，通過共識的加密協議記錄數據，記錄過程永久保留，即使有個別節點產生故障，由于數據保存在多個參與節點且加密，可保障安全。但區塊鏈的實現過程和機制非常復雜，如何應用于面向衛星通信的6G通感算融合體系內，需要結合衛星和6G通信體制進行設計實現，在數據安全問題日益重要的今天，是值得深入研究的重要方向[29]。

5 結論

6G通過將感知、通信、計算進行交叉融合的方式使得三者互惠增強，從而實現極低時延、超大容量、極高精度、極高算力的愿景和目標，服務于無人駕駛、工業互聯網等各類應用。衛星通信由于其覆蓋范圍大、成本低、算力強等特點，是6G通感算融合的重要場景之一。本文主要對面向衛星通信的6G通感算融合架構、功能模塊與關鍵技術進行了研究和介紹，并闡述了面向衛星通信的6G通感算融合的挑戰與發展趨勢，相信隨著技術的不斷發展，6G通感算融合將會在更多的場景中得到應用。