王葆葆 张秋旋 任晓航 王泼 朱荣臻

摘要：基于全球移动通信系统“使用一代、建设一代、研发一代”的发展思路，6G的研究已启航3年。本文针对6G网络中融合地面网络（TN）和非地面网络（NTN）展开研究，分析了6G移动通信网络愿景与卫星通信特点，探讨了星地一体化的融合网络架构研究方向，简要介绍了星地一体化的潜在技术。

关键词：TN；NTN；星地一体化；卫星

一、引言

自20世纪80年代第一代移动通信系统商用以来，全球移动通信网络按照每十年一代的速度快速发展，在近40年里，我国移动通信技术从1G至5G经历了“空白、跟随、突破、并跑、引领”的发展历程，2020年大规模商用的5G网络，正在实现4G网络“服务于人”至“服务垂直行業”的应用转变，与医疗、交通、教育、娱乐、工业、农业、电力、城市管理与服务等社会各行业相融合，大幅提升各行业数字化升级转型[1]。在5G商用如火如荼之际，6G移动通信技术已吸引世界各国学者、研究人员的关注[2]，我国由工信部牵头的IMT2030（6G）推进组于2022年7月发布的《6G典型场景和关键能力白皮书》指出了6G发展的四大驱动力，分别为经济、社会、环境的可持续发展及技术创新发展，这四大驱动力将为5G向6G的迭代升级提供源源不断的灵感与动力，推动人们走进“泛在互联、普惠智能、多维感知、全域覆盖、绿色低碳、内生安全”等特征于一体的智能化未来社会。其中全域覆盖是本文关注的重点，指的是6G将融合地面网络（TN）和非地面网络（NTN），将地面基站、中高空飞行器、卫星等各类网络节点进行星地一体化组网，实现空、天、海、地网络融合，以达到全球无缝地理覆盖的通信服务。

二、6G移动通信网络与卫星通信

现有5G移动通信网络以TN为主，针对eMBB、mMTC、URLLC三种典型场景，采用独立组网、非独立组网并行发展体系架构，利用人工智能、SDN、NFV、大规模天线、非正交频分多址、移动边缘计算等技术，为人与人、人与物、物与物的海量连接提供了强大的通信支撑。未来6G网络需要具备比5G更高的性能，用户体验速率可达到几十Gbps，相对5G有数十倍的提升；实现万物互联的超高连接数密度及流量密度，每平方公里千万至上亿连接数、每平方米可达数十Gbps的流量密度；极小的空口时延，达亚毫秒级，是5G时延的十分之一；还可支持1000km/h以上的移动性，最高峰值速率达1Tbps。此外，6G将延伸通信触角，实现空、天、地、海领域的全域覆盖，为全球任意地点提供通信服务。但是，受地貌影响，TN在海洋、荒漠、山区、森林等地难以实现无缝覆盖，使得对移动通信的服务需求逐渐加深的航空、林业、矿业、边防、应急通信等行业的发展受到较大限制，为解决此问题，各国普遍将研究方向对准以高空飞行器、中低轨卫星为代表的NTN。在1G移动通信时期，第一代TNT由摩托罗拉公司成功部署，名为“铱星”全球移动通信网络，可提供包括南北极在内的全球任意地点的电话通信业务。但是由于技术、成本、市场等因素影响，在全球通信标准竞争中，未能赢得以GSM为代表的2G通信系统，退出了民用移动通信市场。在之后的三十多年，TN与NTN各自独立发展，直至6G全域覆盖需求的愿景提出，人们开始探索TN与NTN融合发展的技术路线，其中，卫星通信系统在NTN中的地位至关重要。

在6G NTN网络中，卫星通信系统以轨道高度为300km的低轨地球卫星星座（LEO）为主，以中轨地球卫星（MEO）、地球静止轨道卫星（GEO）为辅。这是综合考虑时延、传输损耗、频率复用率、卫星使用寿命等参数得出的结论。受无线电波传播速度限制，使用较大的卫星通信距离时，卫星通信系统传输时长远大于地面系统。如表1所示，卫星轨道高度越低，信号传输时延越小、传输损耗越小、实现全球覆盖所需卫星数量越多，相应地对实时业务保障能力越强、同等传输功率下可提供更高速率业务服务、多颗卫星实现较高频率复用增大系统容量。但是轨道过低时，受大气阻力影响，卫星使用寿命缩短，增加卫星系统建设成本，而低轨卫星所处高度可基本忽略大气阻力影响，故低轨卫星将在6G网络中发挥重大作用，但是中高轨卫星的作用也不容忽视，对于实时性要求不高的如语言视频流媒体（时延约为10s）通信业务，中高轨卫星具有一席之地。基于时延、覆盖参数，第3代合作伙伴计划（3GPP）为基于GEO、MEO或LEO集成基础设施的卫星接入网络制定了具体的QoS参数，见表1[1-3]。

三、星地一体融合的智能异构网络架构

国内外普遍认为6G网络将会是星地一体融合架构，通过人工智能（AI）、大数据、机器学习、神经网络等技术，实现宏蜂窝、微蜂窝、Wi-Fi、物联网、车联网、高空平台、无人机、气球等为一体的异构网络深度融合，打造具有固移融合、云网边端协同、智能内生特征的智能化、绿色、可持续的安全网络[4]。为了实现空、天、地、海的全域无缝覆盖的同时，充分利用现有通信网络基础，星地一体融合网络将以传统陆地5G网络为基础，以卫星通信、水下无线通信网络等为补充，为太空、空中、陆地、海洋等自然空间提供任意位置的通信覆盖及业务支撑[5]。文献[6]认为三维连接技术将由TN和NTN独立发展踏入融合发展新阶段，通过连接任意部署位置的无线站点/天线，实现不受时间、地点、对象限制的通信，成为6G融合组网的关键使能技术。文献[7]中将复杂星地一体融合网络分解为三种基本合作模型的多种组合，这三种模型可以用最少的无线链路描述卫星通信与地面通信间的基本协作行为，展示了一个无蜂窝、分层、解耦的星地融合网络的发展方向，并探讨了关于为6G中无处不在的物联网，建设一个敏捷、智能、安全的星地一体网络的问题。3GPP关于NTN的标准化工作侧重于透明的有效载荷架构，为了向物联网设备提供卫星接入服务，卫星平台必须连接到地面站网关，因此为了实现全球覆盖，在LEO星座部署中需要复杂的地面段基础设施。文献[8]指出，对于交付延迟容忍的窄带物联网，卫星网络部署可以从基于卫星再生有效负载使用的架构中受益，并且即使在卫星未连接到地面站的情况下，仍可支持存储转发操作，该篇文章将服务的不连续性纳入考量，提出一种使用新型代理函数的再生卫星有效载荷的架构设计。

针对云计算、区块链等新技术的蓬勃发展，文章[9]中提出“三层三扇”网络架构，继续沿着服务化架构演进的同时满足人们对定制化服务、网络泛在、高速高效、安全可信等要求。根据预测，与2022年相比，到2040年时6G各类终端连接数增长将超过30倍，月均流量增长超过130倍，使得6G网络中具有“千亿级终端连接数，万亿级GB月均流量”的超大规模数据[10]，这为AI等深度学习技术提供了充足的训练量，原生AI促进6G网络智慧内生是未来网络发展重要愿景之一，ITU-T也在报告中指出，AI将在未来复杂网络架构上发挥重大作用[11]。通信感知的一体化建设也是星地一体融合架构的研究热点，文献[12]中认为通信感知的一体化建设将历经赋能、平衡、互惠的三个发展阶段，逐步实现通信和感知能力的功能初步具備、性能平衡发展、深度融合互惠，统一编排和管理网络中的物理基础设施层、逻辑功能层和应用层，构建全域高精度协同感知体系。

四、影响星地一体融合网络架构的潜在技术

（一）太赫兹通信技术

频率资源是一种不可再生的战略资源，NT网络中低频频率资源的使用日趋饱和，从5G开始，毫米波通信技术就吸引了业界的关注，随着技术的发展，业界认为6G将利用0.1GHz～10THz的太赫兹频段来满足未来超大带宽容量和超高传输速率宽带无线通信的需求。美国、欧盟、芬兰、韩国、日本等国家和组织纷纷开展太赫兹无线通信技术研究，我国运营商、研究院也在发布的白皮书中肯定太赫兹无线通信技术是6G的关键技术之一，有望在星地一体融合网络中发挥重大作用[13]。众所周知，随着电磁波频率的升高，可利用的频带宽度越大，数据传输速率越快，用户体验效果越快，太赫兹频段处于微波和可见光之间，具有丰富的频率资源，可提供高达Tbit/s的通信速率。

研究表明[14]，由于太赫兹的高频特性及分子吸收特性，使得富含雨、雾的大气环境对太赫兹通信信道的产生不可忽略的频率选择性衰减，故在大气环境下太赫兹主要用于地面短距离通信或微观尺度的通信场景，如无线前传和回传、近距离无线下载站、纳米级传感器网络等。与微波相比，其具有更窄的波束、更好的波束定向性、更强的抗干扰能力、更优的保密性能、更强的穿透性能，且在外太空，不受大气分子吸收的影响，在多个波长处具备相对透明的大气窗口，可实现低功耗无损传输，并完成长距离通信。因此，在星地一体融合架构中可将太赫兹技术应用于空间通信中，特别是卫星星座间以及卫星与地球之间的高速无线宽带通信[15]。

（二）AI技术

AI技术在4G、5G中已展开火热研究并取得一定进展，根据ITU-T将网络智能化分成的6个等级及相关评估方法来看[11]，现阶段的网络处于中级智能向高级智能迈进时期，期望在6G实现智慧内生的完全智能网络。为了达到这个目标，业界从各个角度针对AI展开了大量的研究，涵盖智能网络架构设计[16]、智能感知[17]、智能无线资源管理[18]、编解码模型设计[19]、波束空间信道估计[20]等。此外，通过AI与软件定义网络（SDN）及边缘计算相结合[21]以解决星地一体化融合网络问题是研究的重要方向[22]。文献[23]利用SDN集中计算优势，利用AI计算链路权重，设计了星地间的路由选择方案以降低链路负载，改善了海量信息导致的链路拥塞。文献[24]将知识定义网络融入软件定义的卫星互联网架构，提出了基于双延迟深度确定性策略梯度的深度强化学习算法，有效解决了该网络的实时路由优化问题，降低了网络平均时延。AI助力智能6G是必然趋势，与SDN、区块链、边缘计算等技术相结合，能为6G提供更加智能的星地一体化融合架构解决方案。

五、结束语

我国移动通信技术已迈入具有国际竞争力的高科技前沿领域之一，面向未来，人类社会将进入智能化时代，太赫兹、AI等技术将发挥巨大作用，各项技术发展亟须产业界各方携手共进，积极探索“重塑智慧未来”的下一代移动通信系统，持续为全球通信技术发展贡献中国智慧。

作者单位：王葆葆 张秋旋 任晓航 王泼 朱荣臻

航天工程大学士官学校

参  考  文  献

[1]缪德山，柴丽，孙建成，等. 5G NTN关键技术研究与演进展望[J]. 电信科学， 2022，38（03）：10-21.

[2]刘珊，黄蓉，王友祥. 全球6G研究发展综述[J].邮电设计技术， 2021（03）：16-20.

[3]孙智立，李天儒. 大规模低轨星座卫星通信网发展展望[J]. 中兴通讯技术，2021，27（05）：48-51.

[4]Guan Gui， Miao Liu， Fengxiao Tang， et al. 6G： Opening New Horizons for Integration of Comfort， Security， and Intelligence [J]. IEEE Wireless Communications， 2020， 27（5）：126-132.

[5]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（08）：963-987.

[6]田开波，方敏，杨振，等. 从5G向6G演进的三维连接[J]. 移动通信， 2020，44（06）：96-103.

[7]Fang X ， Feng W ， Wei T ， et al. 5G Embraces Satellites for 6G Ubiquitous IoT： Basic Models for Integrated Satellite Terrestrial Networks[J]. 2020.

[8]Timo Kellermann， Roger Pueyo Centelles， Daniel Camps-Mur， et al. Novel Architecture for Cellular IoT in Future Non-Terrestrial Networks： Store and Forward Adaptations for Enabling Discontinuous Feeder Link Operation [J]. IEEE Access， 2022， 10：68922-68936.

[9]邢燕霞，李鹏宇，聂衡. 新兴技术对6G网络架构的潜在影响[J]. 移动通信， 2021， 45（04）：58-62.

[10]IMT-2030（6G）推进组. 6G典型场景和关键能力白皮书[R]. 2022.

[11]ITU. ITU-T Y 3173（02/2020）： Framework for evaluating intelligence levels of future networks including IMT- 2020[S]. 2020.

[12]刘光毅，楼梦婷，王启星，等. 面向6G的通信感知一体化架构与关键技术[J]. 移动通信， 2022，46（06）：8-16.

[13]邓贤进，姚军，林长星，等. 6G新频谱：太赫兹无线通信之“思与行”[J]. 太赫兹科学与电子信息学报， 2022， 20（02）：159.

[14]JORNET J M， AKYILDIZ I F. Channel modeling and capacity analysis for electromagnetic wireless nanonetworks in the terahertz band[J]. IEEE Transactions on Wireless Communications， 2011， 10（10）： 3211-3221.

[15]张海君， 陈安琪， 李亚博，等. 6G移动网络关键技术[J].通信学报， 202243（07）：189-202.

[16]GSMA. Al in Network智能自治网络案例报告[R]. 2019.

[17]ETSI. ETSI GS ENI 005（V2.0.29）： Experiential Networked Intelligence （ENI）; System Architecture[S]. 2021.

[18]ZHANG H J， YANG N， HUANGFU W， et al. Power control based on deep reinforcement learning for spectrum sharing[J]. IEEE Transactions on Wireless Communications， 2020， 19（6）： 4209-4219.

[19]SHABARA Y， EKICI E， KOKSAL C E. Source coding based millimeter-wave channel estimation with deep learning based decoding[J]. IEEE Transactions on Communications， 2021， 69（7）： 4751-4766.

[20]WEI X H， HU C， DAI L L. Deep learning for beamspace channel estimation in millimeter-wave massive MIMO systems[J]. IEEE Transactions on Communications， 2021， 69（1）： 182-193.

[21]Wang X， Han Y Leung V C M， et al. Convergence of edge computing and deep learning： A comprehensive survey [J]. IEEE Communications Surveys & Tutorials， 2020，22（2）： 869-904.

[22]BI Y G， HAN G J， XU S， et al. Software defined space-terrestrial integrated networks： architecture， challenges， and solutions[J]. IEEE Network， 2019，33（1）： 22-28.

[23]李新桐， 张亚生. 一种适用于低轨卫星的SDN网络人工智能路由方法[J]. 电子测量技术， 2020， 43（22）：109-114.

[24]魏琳慧，劉国文，刘雨，等. 基于深度强化学习的卫星互联网路由优化研究[J]. 天地一体化信息网络，2022，3（03）：65-71.