李妍　范筱　黄晓明　夏明华

【摘  要】为了实现全球化的无缝网络覆盖，陆、海、空、天四位一体化融合通信已成为未来6G通信的发展趋势。对陆海空天一体化通信的网络架构及对应的关键技术进行综合分析与设计，并进行一项平流层通信试验案例分析。首先，简要回顾陆海空天融合通信的的发展背景;其次，详细讨论陆海空天融合通信系统的三项关键技术：3D网络建模、频率规划以及移动性管理，特别地，强调一种基于Binomial-Delaunay四面体的新型网络模型;基于该模型，进一步讨论了频率规划方案和节点综合移动模型;然后，扼要讨论3D网络中的无人机信道建模、动态频谱资源共享、干扰管理和基于AI的网络设计等四项关键技术;最后，作为空间网络架构演进中的一环，提出一种分层、异构式融合通信网络架构，并展示一个近期完成的平流层通信试验。

【关键词】融合通信;3D网络建模;频率规划;移动性管理;平流层通信

0    引言

自1980年代以来，移动通信系统基本以十年为一个周期开始新一代的大规模商业部署，并为用户提供更强大的网络连接/传输能力和新的应用服务。如图1所示，移动通信从专注于满足人与人之间的通信（1G～3G），发展到初步实现人与物之间的通信（4G），再进一步发展到“万物互联”（5G），最后期待实现陆海空天一体化融合通信（6G）。从应用和业务层面来看，4G之前的移动通信主要面向以人为中心的个人消费市场，而5G的消费主体从个体消费者向垂直行业和细分领域全面辐射。特别是在与人工智能（AI， Artificial Intelligence）、边缘计算等新一代信息技术融合创新后，5G 通信能够进一步赋能工业、交通、医疗、能源、传媒等垂直行业，更好地满足物联网的海量需求以及各行业之间深度融合的要求，从而实现从万物互联到万物智联的飞跃[1]。以2019年6月6日我国工业和信息化部发放5G牌照为标志，2019年成为我国5G商用元年。

为了创新下一代通信技术，科研人员的研究重点已经开始转向6G。目前，6G通信的主要特征可以概括为四个关键词：智慧連接、深度连接、全息连接和泛在连接，它们共同构成“一念天地，万物随心”的6G总体愿景[2]。为了满足该愿景，必须将先进的信息处理技术与高效的信息传输技术相结合。针对后者，尤其是要将陆地地面通信、低空空中通信、高空卫星通信、海洋通信、水下通信等传统意义上呈现相互物理分离的通信系统进行重新设计和高效融合，最终构建一张满足全球无缝覆盖的陆海空天融合通信网络。如图2所示，陆海空天融合通信网络可以分解为两个子网络：一个由陆基（即陆地蜂窝、非蜂窝网络设施等）、空基（无人机、飞艇、飞机等各类飞行器）及天基（各类卫星、星链等）构成的空天地一体化子网[3];另一个是由水下、海基（海面及深海通信设备等）、岸基，并结合空基与天基构成的深海远洋通信子网[4]。

（1）空天地一体化通信子网

随着无线系统的不断升级换代，尽管地面基站部署愈来愈密集，但是，由于网络容量和覆盖范围有限，并不是所有用户都能在任何时候、任何地点享受到高质量的网络服务。例如，全球尚有大约10%的人口位于地广人稀的边远地区，至今无法享用互联网基础设施服务;同时，在体育场等人员密集的热点区域，用户也无法享受稳定的高质量网络服务。为了突破地面基础设施的限制，早在2000年，美国国防部就提出要建设“天地一体化”信息网，即全球信息栅格（GIG， Global Information Grid）。其主要思路为：在统一的框架下，实现计算机信息网、传感器网和武器平台网的综合集成，并遵循“按需定制”的原则，把一体化的信息网络细分为若干个栅格，将信息共享划分为若干层次，针对不同的用户向他们提供所需的、经过处理的信息[5]。考虑到卫星网络与地面网络在覆盖范围、带宽、成本等方面的不同优势，将两者融合组成一体化网络，从而能够综合卫星网络通信覆盖范围广、不受环境限制的性能以及地面网络容量大、速率高的特点，进而为用户提供更优质的通信服务。随后，许多国家和组织都开始设计并部署天地一体化项目，如欧盟的SUITED（Multisegment System for Broadband Ubiquitous Access to Internet Services and Demonstrator）项目将卫星网络、地面蜂窝网和无线局域网等多种网络进行融合，日本的STICS（Satellite/Terrestrial Integrated Mobile Communication System）项目也提出了共享频谱带宽的天地一体化移动通信网。

尽管“天地一体化”通信网络结合了卫星网络和地面网络的优势，高额的设备成本使得其无法实现全面覆盖。随着科技的发展，空中平台（如无人机）的成本下降使得科研人员提出了“空天地一体化”网络的构想。所谓空天地一体化网络就是在天地一体化网络的基础上，结合基于空中平台的空基通信网络构成的三层异构通信网络。例如，谷歌公司的Loon项目和Facebook公司的Aquila项目，分别通过漂浮在平流层的热气球和高空太阳能无人机来为缺少基础设施的贫困/边远地区提供低成本网络覆盖，或者为用户密集的城市热点地区提供高性能增强覆盖。甚至，为了使网络完全脱离地面基础设施，美国SpaceX公司在2015年推出了“星链（Starlink）计划”，目标是利用大约42 000颗卫星为地球任何地方提供无所不在的无线网络服务。与卫星相比，空中平台与地面距离近，链路损耗少、传播时延小，且价格较低，能够迅速部署。欧盟的ABSOLUTE（Aerial Base Stations with Opportunistic Links for Unexpected and Temporary Events）计划通过提供在任何天气都能够迅速发射的移动空中平台来建立空天地一体化网络，通过空中、地面和卫星通信链路的结合以获得最大化的网络容量。我国也将“天地一体化信息网络”列入“科技创新2030—重大项目”，旨在推进天基信息网、未来互联网、移动通信网的全面融合，形成覆盖全球的天地一体化信息网络。

（2）深海远洋通信子网

海洋覆盖了地球表面70%以上的面积，拥有丰富的生物资源、油气资源、矿产资源等，开发和保护海洋具有极其重要的战略意义。然而，到目前为止，高达95%的海洋尚未勘探或开发不足[6]。因此，沿海国家和相关组织提出了一系列的海洋观测计划，如全球海洋观测系统（GOOS， The Global Ocean Observing System）和海底科学观测网等。在建立海洋观测系统之外，许多国家和组织还致力于深海远洋通信系统的建设，旨在实现全海洋通信网络的无缝覆盖。深海远洋通信系統包括海洋通信网络和水下通信（深海通信）网络。其中，海洋通信网络包括海上无线通信系统、海洋卫星通信系统和基于陆地蜂窝网络的岸基移动通信系统，它能够保障近海、远海和远洋的船舶-海岸、船舶-船舶的日常通信[4]。

水下通信是深海远洋通信系统中的关键技术，也是其面临的最大挑战。目前，实现水下无线通信的载体主要有三种：声波、电磁波和光波。水声通信的特点是能以相对较低的能量在几十公里的范围内远距离传输数据。但由于声速低（水下约1 500 m/s）和可用带宽窄（数百kHz以内），水声通信具有传输延迟大（秒量级）和传输数据速率相对较低（Kbit/s量级）的问题。此外，水声信道是一个十分复杂的多径传输信道，存在严重的多径衰落问题[6]。与声波相比，电磁波可以顺利地通过“水-气”界面，且水流的紊流和浊度对其影响小，从而可以提供更快的传播速度。但是，由于海水是良性导体，电磁波在海水中衰减严重。而且，随着距离和频率的增加，衰减急剧增加。因此，水下电磁波通信通常工作在30—300 Hz的超低频，这意味着需要大型天线以及较高发射功率才能实现高效通信。与上述两种通信方式相比，水下光通信技术利用激光传输信息，具有较高的传输数据速率和较低的传输延迟。然而，由于光子与水分子和水中微粒子之间的相互作用，光波遭受严重的吸收和多次散射，导致传输距离只有数十米[7]。由于水下通信方式各具利弊，将两种甚至多种通信方式结合起来也是当下的研究热点。例如，文献[8]提出一种将水下声、光通信结合起来的软件定义水下通信网络。随着无人化技术的发展，无人船也加入了海洋通信网络中，实现灵活地与水下通信网络相连接[9]。

（3）本文研究内容

与陆地蜂窝通信的快速发展不同，目前对于陆海空天一体化融合通信系统的研究仍处于起步阶段，尚面临大量的技术挑战，主要包括：空间信道建模、3D 网络建模、频率规划、移动性管理、干扰管理、动态频谱资源共享、AI技术应用等。本文将着重讨论3D网络建模、频率规划以及移动性管理等三项技术，并简要分析空间信道建模、动态频谱资源共享、干扰管理、AI应用等相关技术。

1   3D网络理论建模

陆地蜂窝网络建模方法通常有两类：一类是经典的确定性模型，最具代表性的基于正六边形小区的七蜂窝复用结构。这种模型具有规则结构，能够实现二维平面的无缝覆盖，且易于数学分析，因此，它广泛应用于蜂窝网络规划。但是，在实际网络部署过程中，受基站可用站址的限制，最终确定的基站位置并不规则。全球电信运营商的实际数据显示，大规模网络的基站站址更符合 Poisson 点过程（Poisson Point Process， PPP），因此，近年来兴起的另一种网络建模方法是随机几何模型[10]。如图3红色虚线所分割的区域所示，如果每个用户采用最近距离接入准则与目标基站相关联，那么，基站周围的多边形边界则形成了几何学上的 Poisson-Voronoi 镶嵌。显而易见，该模型的每个小区的形状不规则，变化范围从三角形到十四边形。另一方面，由于小区边缘的用户离基站的距离较远，他们的性能通常较差;而且，随着网络结构的日趋复杂，例如在5G超密集组网的情况下，基站密度和小区的数目将极大增加，这会导致相邻小区之间的干扰逐渐增强。为了提升用户性能，协作多点（CoMP，Coordinated Multi-Point）传输技术应运而生。也就是说，除了某个用户所在小区的基站之外，一个或者多个相邻小区的基站也同时服务于该用户。但是，确定服务于某个用户的协作基站集合通常是靠在线搜索来实现的，这需要消耗大量的时间和回传链路资源 [11];而且，因为协作集合是针对单个用户动态建立的，所以，很难对用户性能进行精确的数学分析。

为了避免小区形状不规则并高效利用CoMP传输技术，文献[12]创造性地提出了一种确定性的协作模型，其基本原理是采用与Poisson-Voronoi镶嵌相互对偶的Poisson-Delaunay三角剖分几何结构。直观上，如图3蓝色实线所分割的区域所示，每个蓝色三角形表示一个Poisson-Delaunay小区，小区内任一用户的协作基站集合就是由位于该小区的三个顶点位置上的基站所构成。而且，根据基站的已知地理位置信息，Poisson-Delaunay三角剖分的几何结构是唯一确定的。因此，根据用户和基站的地理位置信息，任意用户的三个协作服务基站就可以离线且唯一确定，这完全避免了协作基站集合的搜索过程并节约了回传链路开销。而且，相对于传统Poisson-Voronoi模型的不规则多边形小区，Poisson-Delaunay 三角剖分的任意小区具有规则的三角形结构，这种规律性使得更容易对用户性能进行精确数学分析，例如，覆盖率和频谱效率分析可见文献[13]。

将上述平面网络建模方法扩展到3D网络，对应也有确定性模型和随机几何模型。典型的确定性3D网络模型主要包含三种：一是将每个小区建模为菱形十二面体;二是将每个小区建模为六角形棱镜;三是将小区建模为截断八面体[14]。在这些3D形状中，截断八面体是最接近球体的，而且，采用截断八面体完全覆盖一个3D空间所需的多面体数量最小。因此，在最近一篇讨论3D网络建模的重要文献[15]当中，就采用的是截断八面体模型。具体而言，如图4所示[15]，无人机位于每个等体积大小的小区的中心，每个小区由一个截断八面体构成，它包含14个面（其中8个正六边形和6个正方形），24个顶点和36条边。该结构的关键特征是它能够完美镶嵌三维欧几里德空间，也就是说，整个3D空间可以完全被截断八面体的多个副本无缝覆盖且没有任何重叠。与二维网络的正六边形模型相似，这种基于截断八面体的3D网络建模，其模型简单，但是由于空中节点（例如无人机）的运动特性，几乎不能准确反映实际的网络拓扑结构。

基于随机几何的3D网络模型主要包含两种：一是基于Poisson-Voronoi鑲嵌的3D网络模型;二是最近文献[16]提出的3D Binomial-Delaunay四面体镶嵌模型。如图5所示，假设基站在3D空间当中服从PPP分布，如果用户按照最小距离准则接入最近的基站，那么，基站周围的多边形边界就形成了3D Poisson-Voronoi镶嵌。显然，该模型是二维Poisson-Voronoi镶嵌在3D空间中的直观扩展，同时存在着与上述二维模型同样的缺点：每个小区的结构非常不规则。而且，由于每个小区体积的概率密度函数至今未知，因此很难对用户性能进行精确的数学分析[12]。最近，文献[16]基于上述平面Poisson-Delaunay三角剖分模型，提出了一种新的Binomial-Delaunay四面体镶嵌模型。特别地，为了适应有限高度的3D空间建模，作者对空中基站的建模没有采用PPP模型，而是采用了二项点过程（BPP， Binomial Point Process）模型。如图6所示，一个Delaunay四面体就对应一个3D小区。事实上，图6是图5的对偶图。直观上，通过连接图5中所有具有公共邻边的多边形小区中的基站即可得到图6。3D Binomial-Delaunay模型的一个主要特点是具有规则的四面体小区结构，而且，可以对任意3D空间实现没有重叠的无缝覆盖。对比3D Poisson-Voronoi镶嵌模型中边缘数从4到36不等的不规则多面体小区，这种规则的四面体模型在数学上更易于处理[12]。该模型的另外一个主要特点是，位于四面体顶点位置的四个基站可以利用CoMP传输技术同时为小区内的任意用户提供服务，而且，只要基站的地理位置固定，对应四面体镶嵌的结构也是唯一的，因此，对于任意用户的四个协作基站集合也可以离线地唯一确定。

值得注意的是，随着多输入多输出（MIMO， MultipleInput Multiple-Output）天线在4G网络中的普及应用，CoMP传输技术一直受到工业界的广泛重视，相应的标准化过程最初出现在3GPP Release 11[17]，在Release 12中被扩展到非理想回传链路场景[18]，然后在Release 14当中进行了性能增强[19]。在5G时代，CoMP传输也被认为是增强大规模MIMO性能的关键技术之一[20]。而且，除了容量增强之外，CoMP技术也可以用于提高传输的可靠性或者增强频谱共享能力，尤其适用于工业物联网等应用场景。为此，美国高通公司专门开发了一个5G CoMP原型测试系统[21]。随着大规模MIMO和CoMP技术的融合发展，上述基于Poisson-Delaunay三角剖分或者Binomial-Delaunay四面体镶嵌的网络建模方法，因为其结构规则、天然支持CoMP传输技术，并易于数学分析，因此有望在未来6G系统建模中得到广泛应用。

2   3D网络的频率规划

由于频谱资源的稀缺性和不可再生性，如何灵活高效地利用和共享频谱资源是实现未来陆海空天融合通信的关键技术之一。基本的频率规划方法主要包括小区扇形划分（cell sectoring）、小区分裂（cell splitting）和复用分区（reuse partitioning）[22]。小区分裂还可以与复用分区一起使用。目前，大量考虑频率规划问题的文献都集中在具有不同的目标函数和约束条件的有限二维平面网络[23-25]，这些网络都是采用确定的正六边形宏小区或者是一个宏小区覆盖多个小小区，然而，蜂窝网络中不断增加的异构性和基站密度使得传统的六边形模型的效用极其有限，这引发了另一种基于随机几何的频率规划研究。特别地，不同点过程模型可以准确捕获网络节点的不同空间特征。基于随机几何的频率规划最早采用PPP模型，例如，文献[10]中采用的随机复用距离的规划方案将同频基站的部署等效为一个稀释后的PPP。由于同频小区可能的聚集导致更大的同频干扰，因此随机复用距离规划方案不能很好反应实际地面蜂窝网络中的频率规划。同理，它也不能很好地反应3D融合通信网络的频率规划。

3D网络的频率规划面临两个主要的挑战：一是缺乏合适的3D网络模型;二是针对不同的3D网络模型，如何确定频率复用因子或复用距离。与第1节的分类方法类似，频率规划技术也分为两大类，即确定性网络结构的频率规划和随机性网络结构的频率规划。在一个3D网络中，假设整个空间由多个等体积的频率复用簇完全覆盖，那么，与平面蜂窝网络相似，频率复用因子就定义为簇中互不干扰的小区的数目。基于该定义，文献[15]提出了一种针对确定性网络结构的频率规划方案。具体而言，如图4所示，假设整个空间由多个等体积的截断八面体簇完全覆盖，其频率复用因子定义为一个簇内所包含的截断八面体小区的数目。理论上该频率规划方案简单准确，但实际应用中不能较好地反应无人机基站的动态部署情况。因此，为了更好地满足实际工程的需求，文献[26]提出了基于UMHC（Union Matern Hard-core）点过程的随机性网络频率规划：它将密度为ρ的UMHC点过程等效为N个密度为ρ/N的PPP点过程的叠加（实质上，N就表示同频基站的数目），相应地，随机复用距离为。尽管该方案是基于平面蜂窝网络，其定义的复用距离可直接拓展到3D随机性网络结构。此外，随着凸优化理论的发展，无明确频率复用距离的动态随机性网络频率规划方案不断出现。例如，文献[27]是基于PPP的动态频率规划方案，在该方案中，系统总带宽被划分为K个部分，第k层网络被分配到总带宽的ηk比例（∑Kk=1ηk=1），然后，通过最大化网络效用函数来获得最优的带宽分配权值ηk。文献[28]提出一种基于PPP的近似信噪比分析方法，即基于面积频谱效率和网络能量效率这两个关键性能指标约束下的频率规划方法。应用该方法，可以将基于PPP的动态频率规划方案进一步推广到非PPP场景。

基于图6所示的Binomial-Delaunay四面体规则3D网络模型，文献[16]提出了一种基于填色理论的贪婪频率规划方案。其基本原理是采用球形填充理论对网络覆盖区域进行等体积划分，然后，每个圆球所包含的多个四面体构成一个频率资源分配簇，球体内部的不同四面体被分配不同的频段。而相邻的球体重复使用相同的频率资源。如图7所示，中间的圆球表示包含多个四个体所构成的一个频率分配簇，黄色填充的四面体分别属于不同的簇，但被分配相同的频段。在算法实施过程中，首先统计每一个填充圆球内涉及的四面体小区数目，然后选出包含小区数目最多的球体，接着，应用快速贪婪填色算法[29]自该球体开始依次对填充球体内的小区进行着色，而且，每个球体内均采用与首个球体相同的颜色模型进行随机填充从而保证每个球体区域内所有小区均被分布各不相同且唯一的颜色。显然，该频率规划方法可以完全避免球体内部的同频干扰。同时，为了抑制球体之间的干扰泄漏，再次对填充球体边缘处的小区颜色分配进行二次修正，确保每个填充球体边缘处的所有四面体小区均分配不同的颜色。该频率规划方法的优点是可以有效地抑制同频干扰，而且，每个小区被分配完全相同的带宽。但是，由于每个填充球体包含的小区数量不同，每个簇使用的频率资源各不相同，这会导致较低的频谱利用效率。为了提高频谱效率，可以对文献[16]的频率规划方案稍作改进，以保证每个填充球体使用相同的系统频率资源。其基本思想是，根据每个圆球内的实际小区数量，将系统频率资源均匀地分配给各个小区。显然，每个小区将会获得宽窄不同的频率资源，而且，如果一个圆球包含的小区数量越少，说明小区的平均体积越大（也就是说，小区的平均覆盖范围越大），每个小区将会获得更多的频率资源。这种频率资源分配方法完全符合工程应用的实际需求。

3    移动性管理

由于3D网络将包含大量的空中移动节点（例如无人机、平流层飞艇等），移动性管理对3D网络性能至关重要。通常，节点移动模型可以分为两类：一是基于跟踪的移动模型（TBMM， Trace-Based Mobility Models）;二是随机综合模型（RSM， Random Synthetic Models）[30]。由于跟踪获取方法、跟踪数据大小和数据过滤技术的不同，TBMM的网络数据集可能不适用于其他网络场景。更重要的是，大多数跟踪数据可能并不会公开，而可用的跟踪数据却不足以分析网络性能。因此，TBMM模型通常只适用于特定应用场景。相反，RSM模型易于数学分析，且适用于不同应用场景，所以本节主要讨论RSM模型。

对RSM模型的研究，最早出现在移动自组网（MANETs， Mobile Ad Hoc Networks）当中。例如，文献[31]-[33]研究了多种适用于平面或者3D移动自组网（MANETs， Mobile Ad Hoc Networks）的综合移动模型，主要包括随机方向（RD， Random Direction）模型和随机路径点迁移（RWPM， Random Waypoint Mobility）模型。他们的核心差别在于，在平面网络中，RD模型得到的节点空间分布是均匀的，而RWPM模型的節点空间分布是非均匀的。在3D网络中，RWPM模型的空间分布仅限于球面几何[33]。而在实际应用中，空中移动节点（例如无人机）的空间运动轨迹具有圆柱几何特征，而非球面几何特征。更重要的是，无人机在垂直方向和水平方向的运动行为不一定是相同的均匀或不均匀分布，例如，无人机运动过程具有高度约束和空间漂移特征。由于无人机可能会在平均位置而不是在极端位置附近停留最长时间，因此，高度控制机制必须是一个非均匀过程。然而，无人机的水平运动过程更可能是均匀的。因此，一个能够同时捕捉上述两种机制的3D无人机移动模型是一个非常重要的开放问题。此外，具有3D移动模型的无人机位置的稳态分布必须具有足够的数学易跟踪特性，以便对网络中的用户进行性能分析。最近，文献[34]提出的3D混合移动模型能够较好满足上述特征，其中，无人机在垂直方向上的运动特征由RWPM模型表征，其在水平方向上的移动性则由均匀移动性（uniform mobility）模型表征。但是，文献[34]中的移动性性能分析是基于接收用户与无人机之间的距离恒定的场景，忽略了无人机分布的随机性特点。

基于前述3D Binomial-Delaunay网络模型并结合无人机群随机分布的特点，本文提出一种适用于3D网络的综合移动模型。如图8所示，用户在地面服从均匀分布，无人机群在距地面高度为H、半径为R的圆柱形三维空间中，其移动方式可分解为水平方向和垂直方向。在任意时刻，无人机群的水平位置坐标分布采用BPP模型表征，而在垂直方向上的位置坐标分布则由一维的RWPM模型表征。然后，所有的无人机按照前述Binomial-Delaunay结构进行网络建模，每三架无人机形成一个协作机群共同服务地面用户。采用平均接收功率最强的接入准则，地面用户选择距离其最近的三角形协作机群进行接入。由于该移动模型固有的CoMP传输机制，一方面可以给地面用户提供可靠高效的连接，另一方面也可以通过实施前述频率规划策略有效地抑制同频干扰，从而极大地提升地面用户的性能。

4    其他关键技术

除了前面讨论的3D网络建模，频率规划和移动性管理之外，面向6G的陆海空天融合通信网络还有众多待研究的技术难题，由于篇幅限制，挑选四项扼要介绍如下。

4.1  无人机信道建模

无人机通信是陆海空天融合通信网中重要的一环，在空天地一体化子系统中起着“承上启下”的作用。无人机通信是第一种充分利用3D传播空间的通信技术，它既可以作为飞行终端又可以作为空中通信基站。当无人机与地面基站进行通信或者作为空中基站与地面设备进行通信的时候，需要精确的空-地/地-空信道模型[35]。另一方面，随着无人机机群的应用，无人机之间的通信需要精确的空-空信道模型[36]。此外，与传统地面通信相比，无人机信道具有更强的视距传播，且变化速率明显高于地面通信信道。正是由于这些特征，使得无人机信道建模更具挑战性。在针对各种典型环境进行全面测量的基础上，还需要结合考虑无人机的自身特点，包括自身阴影、自身电子设备的噪声等。其次，还要考虑由无人机的机动性引起的通道时间变化和多普勒效应。

最后，无人机的不同飞行高度对应的大气环境对信道建模也有很大的影响。相关的最新研究进展可参考文献[37-38]，标准化进程参考文献[39]。

4.2  动态频谱资源共享

频谱共享是解决传统排他式频率规划导致的频谱利用率低，并缓解频谱资源匮乏与日益增长的通信业务之间的矛盾的关键技术。基于频谱资源授权方式，频谱共享通常可以分为非授权频谱（例如ISM频段）和动态共享频谱两种类型。对于非授权频谱，用户之间享有同等的频段选择与使用权利但均不受到保护，需要通过技术手段避免相互产生干扰。动态频谱共享是在保证主用户不受干扰的前提下，通过设计权限许可规则，赋予次用户相应的频谱使用权利。结合6G陆海空天多场景需求，基于授权和非授权频段持续优化频谱感知，认知无线电、频谱池等技术愈发重要[40]。从sub-6GHz到毫米波跨频段共享技术是未来频谱资源共享的发展趋势[41]。另外，采用区块链技术来进行频谱资源管理，也是实现6G分布式、智能化频谱共享过程中的研究热点[42]。

4.3  干扰管理

传统的干扰管理技术主要分为三类：干扰随机化、干扰消除和干扰协调/避免。干扰随机化是将小区间的干扰信号在时频域进行随机化，使得终端在接收有效信号时可以将其近似成白噪声，主要方法有加扰技术和交织多址技术。干扰随机化不会增加终端处理信息的复杂度，但对系统性能的提升受系统自身的限制。干扰消除是对干扰小区的信号进行某种程度的解调或解码，利用接收机从接受信号中消除干扰分量，这会增加终端处理信息的复杂度。当干扰信号强度远远高于有用信号强度时，使用干扰消除技术能够明显提升用户性能。干扰协调/避免是通过对多个小区的资源进行协同分配和管理，进而对干扰实现协调/避免，例如OFDM频谱分配和CoMP传输技术等。随着用户的增多和网络部署的密集化，干扰对齐技术得到广泛研究。该技术通过协同发送端预编码和接收端译码，可以在较高的信噪比下达到干扰网络的容量。但干扰对齐的实现需要全局信道状态信息，并且随着用户数量和类型的增加而变得难以实现[43]。相对于陆地蜂窝网络，陆海空天融合通信的网络规模更大、层次化更强、通信环境更复杂，因此，开发新型分布式干扰管理策略至关重要[44]。

4.4  基于AI的通信网络设计

随着软件定义网络和网络功能虚拟化等软件技术在通信系统中的广泛应用，未来的无线通信系统有望在一套统一的硬件基础设施上，通过软件定义来为不同应用场景、不同用户需求提供差异化的智能通信服务。换句话说，未来通信网络的硬件基础设施将更加集成化、模块化和白盒化，而系统性能优化与服务升级将主要通过扩大云/边缘/终端存储资源和相应的软件更新来实现。在这样的一个架构统一的柔性网络环境中，人工智能技术可以通过对采集、传输、存储的海量数据进行高效的分析和处理，从而实现动态的、零接触的网络编排、优化和管理，推动现有网络向自主化网络演进：在物理层，通过对大量设计参数的联合控制和优化，实现端到端的自动调制/编译码配置，信道估计与预测，符号检测，动态频谱检测与随机接入等;在数据链路层，通过选择合适的安全算法，降低数据传输的安全开销以实现安全增强;在网络层，通过闭环优化和主动式网络监测，实现智能化的资源管理与调度、能量优化、故障分析、处理与恢复等;在系统层面上，人工智能技术能够根据不断变化的网络进行动态学习，将有助于实现网络的自主规划、自适应配置、自动运行、优化、维护和愈合等。相关的最新研究进展可参考文献[45-46]。

5   演进中的融合通信网络架构和案例分析

5.1  演进中的融合通信网络架构

在第1节中，我们提出了一种基于四面体镶嵌且能有效融合CoMP传输技术的3D网络建模方法。尽管该方法能够无缝覆盖整个3D空间，但是，从无线通信的发展历史来看，地面蜂窝网络不会立即过渡到满足空间齐次性的融合通信网络。也就是说，在垂直方向上，不会直接呈现均匀覆盖，而是呈现一种分层、异构式空间覆盖。因此，作为网络架构演进中的重要一环，本节提出一种多层、异构的空天地海网络架构。

如图9所示，除了地面蜂窝通信网络和海面通信基础设置之外，未来融合通信网络在垂直方向上将会出现三个新的覆盖层：（1）距离地面高度约为150 m的无人机通信网络;（2）高度约为20 km的平流层通信网络（通常以飞艇为载体）;（3）高度约为500～2 000 km的低轨卫星通信网络。

首先，空中无人机将为地面蜂窝网络提供增强覆盖，例如用户密集的城市热点区域（包括中央商务区、举办球赛的体育场上空等）或者地面基础设施匮乏的海岛。其次，20 km高度的平流层通信网络将为巡航高度约为10 km的民航飞机提供大范围覆盖。由于民航飞机有明确的航线，非常有利于确定飞艇的最优位置。而且，空中飞艇还可以作为核心城市与周边卫星城市之间的中继节点，也可以作为近岸小岛与岸基基站之间的中继节点。第三，高度约为500～2 000 km的低轨卫星通信网络将为越洋飞机，海洋、森林、沙漠等偏远地区提供提供无时不在的全球无缝覆盖。近年来，随着美国SpaceX公司“星链”计划的逐步实施，卫星互联网已经成为全球互联网产业的新热点;2020年4月20日，我国也首次把“卫星互联网”列入“新型基础设施”建设战略。

另一方面，地面蜂窝网络与空中三层通信网络之间通过SDN控制器相关联，SDN控制器可以部署在功能强大的服务器或云平台上，从而动态地调节网络行为并进行网络资源管理。基于SDN控制器，这四层网络既能独立实现层内通信，又能实现层间的互联互通，包括相鄰层之间的向下覆盖和向上回传链路。而且，各层内的用户密度与各层的海拔高度成反比。在每一层通信网络内，可以采用图3所示的三角剖分网络架构，以实现高效的协作通信。当与上层网络联系的时候，可以采用图6所示的四面体模型，例如，三架无人机与一个飞艇构成一个层间3D小区，这样可以显著增强空中网络的鲁棒性。

在图9所示的网络架构中，平流层通信网络的地位至关重要。与高度超过500 km的低轨卫星通信网络相比，位于20 km左右高度的平流层通信网络具有成本低、容量大、时延短、机动性强、部署灵活等优点。与无人机通信网络相比，平流层通信网络的覆盖范围更广，可以减少切换频率。尤其是与无人机的航行时间严重受限于电池容量相比，飞艇在驻留过程中基本不需要能源消耗，可长期驻留于平流层中保证有效通信。接下来，我们提供一个近期完成的平流层通信试验的案例分析。

5.2  案例分析：平流层通信试验

鹏城实验室“海洋立体通信网络示范验证平台”项目就是研究和探索平流层通信网络的实例。该项目研究与中国联通合作，利用平流层飞艇等为基础平台，在约 20 km高度的临近空间，构建空间网络，拓展5G/B5G，高效低成本实现偏远稀疏场景宽带无线覆盖，突破大覆盖、大连接、大带宽、高可靠和超低时延信息通信发展瓶颈，解决海洋疆域、地空高速交通物流以及应急救灾特殊场景信息通信问题。为研究和探索空间组网理论和关键技术，2019年底，项目团队在湖北荆门展开外场试验，以中国联通地面网络为依托，通过系留艇和试验车搭载5G基站，采用2.5 Gbit/s激光传输动态连接，成功搭建了业界首例5G SA空间组网示范验证平台，实现了5G宽带大范围覆盖（如图10所示）。试验结果表明，空中5G基站在300 m高度有效服务距离达6 km、信号有效覆盖超过10 km，单终端最高下行速率达1.2 Gbit/s、上行速率达220 Mbit/s，与地面5G基站基本一致。同时，验证了激光传输动态组网的可行性，为平流层空间通信网络技术研究迈出了关键的第一步。

6    结束语

本文详细讨论了从平面蜂窝网络到未来空天地海一体化融合通信的网络建模方法，尤其是强调了一种能够有效结合协作多点传输的平面三角形或者空中四面体网络架构，该架构的蜂窝单元结构简单且易于理论分析。作为网络架构演进中的一环，本文提出了一种分层、异构式3D网络架构，并讨论了一项作为未来空间通信核心要素的平流层通信试验。本文的新型网络架构有望成为未来陆海空天融合通信的关键参考模型，并促进未来6G技术的成熟。

參考文献：

[1]    中国电子信息产业发展研究院. 6G概念及愿景白皮书[M/OL]. （2020-03）[2020-04-27]. http：//www.ccidwise.com/uploads/soft/200311/1-200311133959.pdf.

[2]    赵亚军，郁光辉，徐汉青. 6G移动通信网络：愿景、挑战与关键技术[J]. 中国科学： 信息科学， 2019，49（8）： 963-987.

[3]    L J， S Y， F Z M， et al. Space-air-ground integrated network： A survey[J]. IEEE Commun. Surveys & Tuts.， 2018，20（4）： 2714-2741.

[4]    夏明华，朱又敏，陈二虎，等. 海洋通信的发展现状与时代挑战[J]. 中国科学： 信息科学， 2017，47（6）： 677-695.

[5]    H V P， R R A， M R F， et al. Improving the global information grids performance through satellite communications layer enhancements[J]. IEEE Commun. Mag.， 2006，44（11）： 66-72.

[6]    L Y， W S， J C， et al. A survey of underwater magnetic induction communications： Fundamental issues， recent advances， and challenges[J]. IEEE Commun. Surveys & Tuts.， 2019，21（3）： 2466-2487.

[7]    S N， C A， A N T Y， et al. Underwater optical wireless communications， networking， and localization： A survey[J]. Ad Hoc Netw.， 2019（94）： 101935.

[8]    C A， S N， S B， et al. A software-defined opto-acoustic network architecture for Internet of Underwater Things[J]. IEEE Commun. Mag.， 2020，58（4）： 88-94.

[9]    G Z， L C， J F. AUV-aided joint localization and time synchronization for underwater acoustic sensor Networks[J]. IEEE Signal Process. Lett.， 2018，25（4）： 477-481.

[10]   A J G， B F， G R K. A tractable approach to coverage and rate in cellular networks[J]. IEEE Trans. Commun.， 2011，59（11）： 3122-3134.

[11]   N G， M P， H M. Coordinated multipoint joint transmis-sion in heterogeneous networks[J]. IEEE Trans. Commun.， 2014，62（11）： 4134-4146.

[12]  X M， A S. Unified analytical volume distribution of Poisson-Delaunay simplex and its application to coordinated multi-point transmission[J]. IEEE Trans. Wireless Commun.， 2018，17（7） ： 4912-4921.

[13]   L Y， X M， A S. Coordinated multi-point transmission： A Poisson-Delaunay triangulation based approach[J]. IEEE Trans. Wireless Commun.， 2020，19（5）： 2946-2959.

[14]   A S M N， H Z J. Coverage and connectivity in three-dimensional networks[C]//Proc. Annu. Int. Conf. Mobile Comput. and Netw. （MobiCom06）. 2006： 346-357.

[15]  M M， K A T Z， S W， et al. Beyond 5G with UAVs： Foundations of a 3D wireless cellular network[J]. IEEE Trans. Wireless Commun.， 2019，18（1）： 357-372.

[16]  L Y， M N I， T T A， et al. Air-to-air communications beyond 5G： A novel 3D CoMP transmission scheme[J/OL]. [2020-04-27]. IEEE Trans. Wireless Commun.， 2020. https：//arxiv.org/pdf/2002. 05486.pdf.

[17]  3GPP. 3GPP TR 36.819： Coordinated multi-point operation for LTE physical layer aspects： V11.2.0[R]. 2013.

[18]  3GPP. 3GPP TR 36.874： Coordinated multi-point operation for LTE with non-ideal backhaul： V12.0.0[R]. 2013.

[19]   3GPP. 3GPP TR 36.741： Study on further enhancements to Coordinated Multi-Point （CoMP） Operation for LTE： V14.0.0[R]. 2017.

[20]   M S， F S， J S， et al. On the system-level performance of coordinated multi-point transmission schemes in 5G NR deployment scenarios[C]//Proc. IEEE 90th Vehicular Technology Conference （VTC2019-Fall）. IEEE， 2019： 1-5.

[21]  Qualcomm Technologies Inc. How CoMP can extend 5G NR to high capacity and ultra-reliable communications？[EB/OL]. [2020-04-27]. https：//www.qualcomm.com/media/documents/files/how-comp-can-extend-5g-nr-to-high-capacity-and-ultra-reliable-communications.pdf.

[22]   S G L. Principles of Mobile Communication[M]. Berlin： Springer， 2017.

[23]  N Z， W Y， L X， et al. Subcarrier allocation based simultaneous wireless information and power transfer algorithm in 5G cooperative OFDM  communication  systems[J]. Phys. Commun.， 2018（29）： 164-170.

[24]   L D， F M， F D， et al. Automated self-optimization in heterogeneous wireless communications networks[J]. IEEE/ACM Trans. Netw.， 2019，27（1）： 419-432.

[25]   C Y， A B， N Y， et al. Resource allocation for device-to-device communications in multi-cell multi-band heterogeneous cellular networks[J]. IEEE Trans. Veh. Technol.， 2019，68（5）： 4760-4773.

[26]   A H A， H M. Performance of next-generation cellular networks guarded with frequency reuse distance[J]. IEEE Trans. Commun.， 2019，67（10）： 7277-7287.

[27]   L Y， B W， Y W， et al. Optimizing user association and spectrum allocation in HetNets： A utility perspective[J]. IEEE J. Sel. Areas Commun.， 2015，33（6）： 1025-1039.

[28]   W H， D N， H M. An ASAPPP approach to the spectrum allocation in general heterogeneous cellular networks[J]. IEEE Access， 2019（7） ： 89141-89151.

[29]   K A， M K. Classical coloring of graphs[J]. Contemp. Math.， 2004（352）： 1-20.

[30]   T H， S M， H E. Fundamentals of mobility-aware performance characterization of cellular networks： A tutorial[J]. IEEE Commun. Surveys & Tuts.， 2019，21（3）： 2288-2308.

[31]   N P， T D， L B， et al. Properties of random direction models[C]//Proceedings IEEE 24th Annu. Joint Conf. IEEE Comput. Commun. Soc.， 2005（3）： 1897-1907.

[32]  B C， R G， S P. The node distribution of the random waypoint mobility model for wireless ad hoc networks[J]. IEEE Trans. Mobile Comput.， 2003，2（3）： 257-269.

[33]  H E， V J. Random waypoint model in n-dimensional space[J]. Oper. Res. Lett.， 2005，33（6）： 567-571.

[34]   S P K， K D I. Coverage probability of 3D mobile UAV networks[J]. IEEE Wireless Commun. Lett.， 2019，8（1）： 97-100.

[35]  K W， G I， M D W， et al. A survey of air-to-ground propagation channel modeling for unmanned aerial vehicles[J]. IEEE Commun. Surveys & Tuts.， 2019，21（3）： 2361-2391.

[36]   Y C， F L， Z J， et al. A comprehensive survey on UAV communication channel modeling[J].  IEEE Access， 2019（7）： 107769-107792.

[37]   B P S， N V， K A G， et al. UAV-to-ground communications：  Channel modeling     and UAV selection[J/OL]. [2020-04-27]. IEEE Trans. Commun.， https：//ieeexplore.ieee.org/stamp/stamp. jsp？tp=&arnumber=9085356.

[38]   M Z， A B， H R， et al. A wideband non-stationary air-to-air channel model for UAV communications[J]. IEEE Trans. Veh. Technol.， 2020，69（2）： 1214-1226.

[39]   3GPP. 3GPP TR 36.777： Study on Enhanced LTE Support for Aerial Vehicles （Release 15）[M]. 2017.

[40]   V A M， S L， P M. Survey of spectrum sharing for inter-technology coexistence[J]. IEEE Commun. Surveys & Tuts.， 2019，21（2）： 1112-1144.

[41]   X B， Z S， W H， et al. A flexible dual-band antenna with large frequency ratio and different radiation properties over the two bands[J]. IEEE Trans. Antennas and Propag.， 2018，66（2）： 657-667.

[42]   W M B H， W K， S D C， et al. On the application of blockchains to spectrum management[J]. IEEE Trans. Cognit. Commun. Netw.， 2019，5（2）： 193-205.

[43]   Z N， Y F R， J M， et al. Interference alignment and its applications： A survey， research issues， and challenges[J]. IEEE Commun. Surveys & Tuts.， 2016，18（3）： 1779-1803.

[44]  E G A， E G H. A single coin monetary mechanism for distributed cooperative interference management[J]. IEEE Wireless Commun. Lett.， 2019，8（3）： 757-760.

[45]   L K B， C W， S Y， et al. The roadmap to 6G： AI empo-wered wireless networks[J]. IEEE Commun. Mag.， 2019，57（8）： 84-90.

[46]   S R， L L， C V， et al. Artificial intelligence-enabled cellular networks： A critical  path to beyond-5G and 6G[J]. IEEE Trans. Wireless Commun.，2020，27（2）： 212-217.

作者簡介

李妍（orcid.org/0000-0001-7452-9677）：

中山大学电子与信息工程学院在读博士研究生，研究方向为无线蜂窝网络的建模与分析及协作通信。

范筱：中山大学电子与信息工程学院在读博士研究生，研究方向为无线蜂窝网络中的资源分配。

黄晓明：电子技术教授级高级工程师，鹏域实验室双聘专家，现任职于中国联合网络通信有限公司广东省分公司，主要研究方向为无线网络架构、移动通信天线、电磁辐射与干扰等。

夏明华（orcid.org/0000-0002-0820-2227）：教授、博士生导师，博士毕业于中山大学，现任职于中山大学电子与信息工程学院，担任移动通信国家工程研究中心中山大学分中心主任及南方海洋科学与工程广东省实验室（珠海）兼职教授，研究方向为无线通信及信号处理。