总结

由于持续增长的通信业务需求和更加复杂的网络结构，2030年以前，5G或许不能很好地满足人们的通信需求。本文主要从六个方面介绍了6G带来的总体通信改变。同时，本文分别从空中接口和传输技术和网络架构两方面介绍了6G的新颖技术。此外，本文介绍了6G的范式转型，比如全球覆盖和结合人工智能。总的来说，本文阐述了读者在阅读与6G相关文献时的总结和个人的观点。

引言

由于日益增长的通信业务需求和人们对通信质量的更高要求， 2030年以前，5G或许不能很好地满足人们的通信需求。

工业4.0、自动驾驶技术、虚拟现实和Digital Twin Body Area Network等服务将会应用更加广泛，而这些服务往往有特定的通信要求，因此制定更加贴切的通信技术迫在眉睫。此外，人工智能技术、硬件支持的发展也将给更加快速、更加可靠、覆盖更广的通信提供发展动力。总的来说，实现第六代（6G）通信是有必要而且紧迫的。

本文针对6G新的性能指标、新的应用场景、新的支持技术、新的范例转型和新的通信频段等分别进行说明。一些6G的技术和范式转型在本文中被更加详细地说明，其中包括从文献中总结的内容，也包括作者在阅读时的一些见解。需要说明的是，由于本文只是一个非正式的总结，因此格式并不完全严谨。此外，为了突出重点，作者将对6G的总体评价和感兴趣的技术放在正文中，对于文献中出现的其他内容则简单总结在附录中。

6G无线通信的变化

本文将6G的改变总结为新的性能指标、新的应用场景、新的支持技术、新的范例转型、新的垂直领域和新的通信频段六部分，具体内容如下.

新的性能指标

6G需要实现传统指标的提升和特定业务的拓展。具体而言：

首先，为满足全球覆盖的要求，6G将不仅仅局限于地面通信网，还需要与卫星、无人机等非地面通信网相辅相成，实现空、地、海一体化通信网。（空天海地网络融合）。卫星被用来实现地面网络未覆盖区域的补充，无人机可以实现恶劣环境或者紧急抢救等特殊场景，海上通信为船舶提供更高质量的通信。

其次，所有光谱将被充分探索，以进一步提高数据速率和连接密度，包括sub- 6ghz、毫米波(mmWave)、太赫兹(THz)和光学频段。（更高频率）

第三，传统的通信指标，诸如信息速率、误码率、时延、抖动，应该得到进一步的提高。

第四，面对极端异构的网络、多样的通信场景、大量的天线、宽带和新的业务需求所产生的大数据集，6G网络将借助人工智能和大数据技术，实现一系列新的智能应用。（与人工智能结合，实现新的智能应用）

第五，在开发6Gnetworks时要加强网络安全。（安全）

需要说明的是，所有这些需求不太可能同时得到支持，但是不同的用例将拥有不同的kpi集，并且只有其中一些具有上面提到的最大需求。具体来说，6G需要对有特定需求的服务提供更好的通信保证，比如高精度的制造业需要确定性时延，以保证未来用例所要求的端到端延迟的准时性和准确性。

此外，对现有的kpi进行严格审查，并认真考虑新的kpi，包括与技术和生产力有关的方面以及可持续性和社会驱动方面，这是非常重要的。

新的应用场景

就应用类型来看，6G将以5G提出的三大应用场景（大带宽，海量连接，超低延迟）为基础，并发展出新的垂直行业的应用。一方面，6G保留了three 5G scenarios, i.e., feMBB, umMTC, muRLLC, MBRLLC, and ERLLC scenarios. 另一方面，6G将融合空天地海网络，实现全世界的通信覆盖，具体的通信场景也将更多样化。具体来说，各种潜在的新应用场景也可以通过6G实现，例如:1)以人为中心的服务，2)远程和高机动性通信3)极低功率通信，4)通信、计算、控制、定位和传感融合，5)空-空-地海综合网络，6)分布式人工智能(如联邦学习)应用，7)远程全息无人系统，8)生物纳米物联网。

6G将会更加贴切地和垂直行业融合，一方面，通信的发展将会支持具有专门性能需求的新服务的诞生，并提供支持垂直市场所需的资源。另一方面，一些垂直行业也反过来促进通信的发展，例如AI和大数据的发展使得通信服务更加智能化。

值得一提的是，高速无线通信作为光纤网络的补充，因为光纤的速率很快，但是接入部分（回程部分）的速率可能较慢，这会使得回程链路成为瓶颈。可以用更加高速的无线接入实现对光纤高速率的支持。WLAN的应用需求特别大，因此我认为这将是一个promising的研究方向。

从网络接入方式看，6G将包含多样化的接入网，如移动蜂窝、卫星通信、无人机通信、水声通信、可见光通信等多种接入方式。

从网络覆盖范围看，6G愿景下将构建跨地域、跨空域、跨海域的空—天—海—地一体化网络，实现真正意义上的全球无缝覆盖。此外，6G还将从现实世界的应用扩展到虚拟世界：视觉、听觉、触觉、嗅觉、味觉乃至情感将通过高保真XR充分被调动，用户可享受完全沉浸式的全息体验。

新的支持技术

一方面，频率的升高、网络结构的进一步复杂化将会给未来的6G带来很多挑战，另一方面，多网融合时，不同网络的协议不同、特点不同也会给6G整体表现带来很大影响。一些新的技术将会被用来克服这些问题，主要包括Intelligent Reflecting Surfaces（IRS）、Integrated Broadcast and Multicast Networks、调制技术、Blockchain-Based Wireless Accessing and Networking、Optical Wireless Communications、多址技术等空中接口和传输技术，以及cell free (CF) Architecture、云/雾/边缘计算、Software Defined Network (SDN)、Network Functions Virtualization (NFV)等网络结构的技术。

新的范例转型

6G在业务层面、网络结构层面都有范式转型。具体来说，从应用和业务层面来看，4G 之前的移动通信主要聚焦于以人为中心的个人消费市场，5G 之后消费主体将从个体消费者向垂直行业和细分领域全面辐射。

6G愿景下网络和用户将作为统一整体，AI在赋能6G网络的同时，更重要的是深入挖掘用户的智能需求，每个用户都将通过AI 助理（AIA，AI assistant）提升用户体验。

另一方面，从结构来看6G网络应该以人为中心，而不是以机器为中心，以应用为中心，或以数据为中心。21世纪30年代广泛支持以人为中心的通信理念的潜在应用案例包括可穿戴设备通信、集成耳机、可植入传感器、人际通信、智能汽车、智能制造、工业4.0和机器人等。

新的行业垂直领域

行业垂直领域，如云VR、物联网(IoT)工业自动化、蜂窝车辆到万物(C-V2X)、数字双体区域网络、节能无线网络控制和联邦学习系统，将极大地推动6G无线通信网络的发展。

总的来说，这类科技往往是有特殊的通信性能要求的，因此需要提出特定的通信技术更贴合该领域

新的通信频段

当移动到更高的频率时，其意图不是实现操作频率的逐渐增加，而是将这些不同频段的现有技术融合到一个联合无线接口中，从而实现波段间的无缝切换。

频率的提高会带来更多的带宽资源，但也带来了很多挑战。例如，在sub-THz到THz区域，数据转换器的速度和计算复杂度等硬件约束将对宽带的有效利用提出挑战。此外，还需要研究新的波形，减轻硬件损伤，以及使用新材料来实现在该频段运行的设备。这使得次太赫兹到太赫兹区域成为一个新的研究领域，从硬件到物理层协议都存在许多开放的研究问题。

除了物理层，还需要用于超定向THz链路的新链路和网络层策略。事实上，在发送端和接收端同时使用高度定向的天线(或天线阵列)来关闭链路的必要性带来了许多挑战，需要对常用的信道接入策略、小区和用户发现，甚至中继和协作网络进行修订

总的来说，频率升高会带来更大的损耗和更小的绕射能力，相位噪声也会更加严重等挑战，同时天线的有效面积更小、更低的功放效率。

由于以上挑战，文献2指出频率的改变将分为两个阶段。阶段一是相对成熟的100GHz到300GHz，阶段二是不太成熟的THz。此外，就我看来，由于频率升高后并没有合适的硬件支持（目前的硬件并没有克服THz出现的问题），因此这将给实验研究带来很多困难，很多物理层研究只能在仿真环境中进行。

空中接口和传输技术

与5G网络相比，6G无线通信网络有望提供更高的频谱/能量/成本效率、更高的数据速率(Tbps)、更低的10倍延迟、更高的100倍连接密度、更智能的全自动化、厘米级的地理定位精度、接近100%的覆盖率。亚毫秒时间同步。

 

新的空中接口和传输技术是实现高频谱效率和能源效率的必要条件，包括新的波形、多址接入方法、信道编码方法、多天线技术，以及所有这些分集技术的适当组合。同时，需要新的网络架构，如软件定义的网络/网络功能虚拟化(SDN/NFV)、动态网络切片、基于服务的架构(SBA)、认知服务架构(CSA)、cell-free架构(CF)等。

与5 g网络相比,6 g无线通信网络将提供更高的光谱/能源/成本效率,更高的数据速率(真沸点),更低的延迟10倍,100倍的连接密度,更多的情报完全自动化,sub-centimeter地理定位的准确性,接近100%的覆盖率和毫秒级的时间同步。

因此，新的空中接口和传输技术对实现高频谱效率和能源效率至关重要，包括新的波形、多接入方法、信道编码方法、多天线技术以及所有这些分集技术的适当组合。同时，还需要新的网络架构，如软件定义网络/网络功能虚拟化(SDN/NFV)、动态网络切片、基于服务的架构(SBA)、认知服务架构(CSA)、无细胞架构(CF)等。

本节将详细介绍Intelligent Reflecting Surfaces（IRS）、Integrated Broadcast and Multicast Networks等空中接口和传输技术。

Intelligent Reflecting Surfaces（IRS）

由于6G的频率升高，穿透损耗进一步增加，同时绕射能力变得更低。

在这种情况下，智能反射面(IRS)可以被部署和利用，通过引入额外的散射来改善传播条件，特别是，控制散射特性来对期望的接收机产生无源波束形成，以实现高波束形成增益并抑制共道干扰。

波束赋形能完成的任何工作都可以使用IRS来实现，而且它们可以作为许多现有系统的附加组件部署。

IRS不是镜面反射的问题，而是波束形成的“反射”在更广泛的意义上，幸运的是，对于6G要实现偏远地区更高速通信覆盖的愿景，

这些可以部署在丘陵和山区，通过将APs信号反射到自然多径支撑不足的地方，消除现有网络的覆盖洞。IRS可以由薄膜板或其他可再生能源供电。与部署和运行额外的APs相比，其成本较低，因为无需回程基础设施或与电网连接。

Integrated Broadcast and Multicast Networks 综合广播和多播网络

6G还代表着移动宽带与传统宽带网络(例如用于电视广播的宽带网络)融合的巨大机遇。具有自适应波束形成能力的低功率低塔(LPLT)蜂窝网络将受益于具有固定天线模式的高波高塔(HPHT)广播网络提供的补充覆盖。

HPHT被用来实现广播或者多播，LPLT被用来实现单播。多播作为单播的补充，这种模式对于同地（至少是该基站覆盖范围内）同时请求同样的信息的情况。这将会：1. 节省发送能量；2. 缓解日益增长的业务需求对单播网络的挑战； 3. 缓解到核心网的通信压力。

基于区块链的无线访问和网络（Blockchain-Based Wireless Accessing and Networking）

区块链原理：

区块链是物联网的颠覆性技术。区块链最初是为加密货币(如比特币)而设计的，现已广泛应用于金融领域之外的领域。顾名思义，区块链是由散列指针连接的信息块链，用于记录和存储公共共享数据库。哈希指针的数学属性可以防止已确认的区块链被篡改，因为对一个块的任何更改都会影响它的哈希值，并进一步影响所有子块。通常，区块链是分布式的，它通过一个名为mining的特定协商过程在P2P网络中维护一组活动节点(称为mining)。目前，区块链可以做的不仅仅是用加密货币进行简单的交易，而是以分布式的方式运行图灵完成的程序，即智能合同，例如，Ethereum。智能合同是区块链中可验证的脚本，可以强制执行各种数字操作，比如认证、控制等等。

目前，基于区块链的网络仍处于起步阶段，有许多问题尚未解决。首先，加密货币区块链通常可以保障安全，但有相对较长的延迟，也被称为安全-延迟交易。它还需要更多的调查来实现对延迟敏感的无线服务更短的延迟。其次，现有区块链技术面临可伸缩性问题，限制了基于区块链的网络吞吐量。分析和设计新的区块链结构的工作可能有助于消除这一障碍。第三，大多数共识机制，如工作证明，需要消耗大量的能量来实现对不当行为的抵抗和稳健表现，因此不适合功率和能力有限的移动设备[141,146]。因此，移动环境迫切需要能源消费共识机制。

总的来说，区块链的缺点被总结为以下三点：

1.   会产生大时延

2.   可伸缩性问题，限制了基于区块链的网络吞吐量

3.   计算消耗大量的能量和硬件的计算能力

Optical Wireless Communications 光学无线通信

光无线通信具有一些可预见性的优点，例如光无线通信具有非常高的带宽、对电磁干扰的鲁棒性、高度的空间限制（双刃剑）、固有的安全性和未经许可的频谱等吸引人的特性。

就我看来，像商圈这样地区：开放时都灯火通明而且人群密集，而关闭时没有灯光但内部也无用户，可见光这很有必要。

此外，对于远程手术，其常常需要手术无影灯支持，这种灯能够提供可见光的全覆盖，使得手术时的可见光通信可全覆盖，而且这类灯通常拥有极高的最大功率支持。就我看来，如果速率和时延、抖动等条件满足要求，可见光通信将为远程手术的机械设备提供更好的可移动性

然而，像口袋或者背包这种无法被光覆盖的区域，也就无法进行可见光通信，但是智能手机放置于口袋或者背包时通常需要无线通信的服务支持。

VLC的研究方向列举如下：

针对各种部署场景的准确VLC通道建模和描述，特别强调用户密集的环境。将用户移动性和设备定位纳入VLC信道模型，并结合VLC和射频系统。

可以使用新的非相干物理层传输方案，如空间调制及其变化，以及其他光通信，如非正交多址MIMO (NOMA)。

开发RGB发光二极管，开发新的材料和光电子器件(如快速非磷发光二极管，微发光二极管)，光学和无线电系统之间的快速切换机制等。

网络结构

为了克服蜂窝网络边缘的用户通信质量相对较差的问题，提出了CF Architecture。同时，由于网络更加复杂，分布式计算和云计算等技术将在不同的场景中协调应用以获取更好的通信质量。

无蜂窝结构CF Architecture

最近，CF massive MIMO被提出突破细胞结构，克服细胞间干扰[118]。这是一种方法基于极端密集的网络基础设施，这将合作形成一个无蜂窝网络与接缝服务质量较低的覆盖区域。

同时，降低峰平均功率比(PAPR)是实现低成本设备物联网、通信中的边缘覆盖、高可靠性工业物联网应用等目标的另一个重要技术方向。

然而，CF海量MIMO也面临着实现复杂度高、回程/前端要求高、同步和信道状态信息(CSI)采集难度大等问题。

由于联合处理的需要，BSs和中央处理单元(cpu)之间需要很大的回程能力。对于上行链路的联合检测尤其如此，因为上行链路需要较大的前向链路容量。如何设计信号处理方法，使回程容量的要求最小化，还需要进一步研究。

大规模MIMO容量增益的开发依赖于CSI的准确性。首先，BSs之间需要精确的时钟同步。解决同步问题的一种方法是使用硬件，另一种方法是在节点之间发送无线同步信号。与大规模MIMO相似，在CF大规模MIMO中，通常采用时分双工(TDD)模式来减少开销。CF大规模MIMO的另一个重要方面是功率控制的可伸缩性。主要问题是，虽然全局最优策略是已知的，并且可以在原则上进行计算(例如，最大-最小公平策略)，但这些策略在性能和计算上都无法伸缩。

CF结构

多个(数千或更多)APs在相同的时频资源中共同为多个用户终端服务。所有的APs都分布在一个大区域(例如整个城市)，并连接到一个或几个CPU。

这意味着同一组中的BSs/APs可以相互协作，实现指定终端的联合收发。

CF优点

  1. 高网络连接(覆盖概率):在CF海量MIMO中，没有单元格，因此没有边界。另外，由于ap分布在整个覆盖区域，因此可以获得大分集增益。因此，CF大量的MIMO可以提供非常高的网络连接。网络中的所有用户都可以得到很好的服务。
  2. 巨大的频谱和能量效率:与同步的大规模MIMO类似，由于使用许多服务天线(APs)服务于更少的用户终端，大规模MIMO有许多自由度、高阵列和多路复用增益。因此，大量的MIMO可以提供非常高的光谱效率和能量效率。
  3. 简单的线性信号处理和低成本设备:由于APs的数量很大，加上大数定律，在许多传播环境中，CF大规模MIMO可以有良好的传播和通道硬化性能。线性处理方案，如最大比(MR)， ZF, MMSE，可以用于良好的传播，因为它们接近最优。在信道硬化的情况下，信号检测、功率控制和信令控制只需要基于信道统计知识(大规模衰落)即可实现。这极大地简化了系统的信号处理。此外，在CF海量MIMO中，每个AP都有几个天线。因此，CF massive MIMO预计将采用低成本、低功率组件和简单的信号处理APs。

在其原始形式中，无单元的大规模MIMO通过仅在CPU上执行信号编码/解码来避免CSI交换，而结合/预编码(如匹配滤波、局部零强迫和局部最小均方误差(MMSE)处理)使用本地获取的CSI在每个AP上实现。通过同步APs，信号可以一致地组合而不需要CSI共享。

这个方法的核心思想是减小重复的计算，因此不再是给出CSI然后分布式处理，而且直接给出根据CSI要得到的最后结果。

在这种情况下，由于来自单个AP的信号很容易被阻断，但所有邻近AP同时被阻断的风险大大降低。

CF挑战和研究方向

  1. 可伸缩信号处理: MR处理被提议用于APs。在MRprocessing中，每个AP只使用它的本地信道估计来预编码所有终端所需的符号。APs之间没有即时CSI的共享。cpu和aps之间的通信主要限于有效负载数据和电源控制数据。MR处理简单，可采用分布式方式实现，具有良好的性能。在系统性能方面，其他线性处理方案如ZF和MMSE要比MR处理好得多[209]。但是，它们不能以分布式的方式直接实现。因此系统是不可扩展的。，当APs/终端的数量增加时，它是不可实现的。因此，设计一种与ZF和MMSE方案紧密配合的可伸缩信号处理是一个具有挑战性和重要的研究方向。
  2. 可扩展的功率控制:在CF海量MIMO中，由于ap和终端分布在非常大的区域，因此需要对远近干扰和用户间干扰进行适当的控制。因此，权力分配是非常重要的。功率控制分别被提出来最大化系统的最小速率和能量效率。这些电源控制是在假设cpu对所有ap终端链路的大型参数有充分了解的情况下，通过求解一系列凸二阶锥程序来完成的。这些方案不能根据网络大小(APs/终端的数量)进行伸缩。提出了一种分布式功率控制方案，其中功率控制是在具有本地知识信道条件的APs上完成的。这种功率控制方案工作得很好，最重要的是，它是可扩展的。

云/雾/边缘计算

几种计算的关系

在过去的几十年里，计算范式已经从分布式计算发展到中央云计算。现在钟摆又摆回来了。云计算是一种将资源和管理集中在云中的架构，指的是数据中心、IP网络和蜂窝核心网络。由于集中的资源和管理，它使终端设备和消费者能够有弹性的按需资源分配，减少管理，exiblepricing model(随收随付)，以及容易的应用和服务供应。然而，云计算整合资源和管理的主要优势也是它的主要弱点。集中化的资源和管理意味着功能和控制被放置在远离产生任务的地方。由于物理距离长、通信带宽有限、网络时断时续等原因，仅靠云计算无法满足5G中对延迟敏感的应用需求，如自动驾驶。

云计算、边缘计算和雾计算不是竞争的，而是相互依存的。它们相互补充，形成一个服务连续体，而雾是连接集中云和网络分布边缘的桥梁。例如，与edge一起，fog在数据产生和应该使用的位置附近确保了及时的数据处理、态势分析和决策。与云一起，fog在不同的垂直行业和场景中支持更智能的应用和复杂的服务，如跨域数据分析、模式识别和行为预测。因此，在未来，云计算、边缘计算和fog计算之间的协作将是不可避免的。

各自的优势

多层计算网络可以被认为是一种自顶向下的大公司,多层组织结构:公司管理者和员工在不同层次有不同的资源,能力,和责任的数据访问和处理、任务分配、客户发展现状,和决策。云计算相当于公司的顶层，拥有最多的信息源、最强的分析智慧、最大的存储空间和最高的决策权限。因此，云计算有望在全球范围内处理具有挑战性的任务，如跨领域数据分析和处理、异常行为诊断和跟踪、隐藏问题预测和搜索、新知识发现和创建，以及长期战略规划和决策。另一方面，边缘计算相当于一线员工，拥有最少的资源和能力，但能够直接与不同应用领域的客户交互。因此，边缘计算擅长处理局部级别的延迟敏感任务，如数据收集、数据压缩、信息提取、事件监控等。在云和网络的边缘之间有雾计算，相当于公司的中层管理。像一个高效的资源管理系统许多的水平,关税,和责任,雾计算是多层次的共享计算、通信和存储资源可以协作处理复杂和具有挑战性的任务在地方一级,如跨域数据分析、多源信息处理和现场决策对于大型服务覆盖。由于用户的需求在时间和空间上通常是动态的，因此fog计算可以提供一种可行的方法来整合网络中不同地理或逻辑位置的分布式资源，从而为客户提供及时和有效的服务。

范式转型

与5G不同，6G时无线通信将实现一些变革，完成范式转型。本节主要介绍全球覆盖和结合人工智能两种范式转型。

全球覆盖：空天地海

正如文献2所说，偏远地区的连接:世界上一半的人口仍然缺乏宽带连接的基本接入。目前的技术和商业模式的结合未能触及世界大部分地区。更不幸的是，前几代通信技术有的甚至加大了偏远地区和城市地区的通信鸿沟，而6G的全球覆盖将会减小这种数字鸿沟。但是正如前几代通信技术面临的问题，6G除了需要对偏远地区高速通信覆盖的理论技术支持。接下来将详细介绍几种网络的特性。

卫星网络

总结起来，卫星网络有以下特点：

1.   传播时延长

2.   负载有限，能量需要依赖于吸收的太阳能

3.   成本高昂，由于卫星的发射成本高，应该寻求比较成熟的、更加稳定的方法

4.   需要协同传输

5.   融合到地面网络，需要物理层传输和媒体访问控制(MAC)协议

6.   卫星的运动性带来性能的影响

无人机网络

无人机网络可被分为低空无人机（LAP）和高空无人机（HAP）。无人机具有可操作性、移动性和自适应高度等固有特性。此外，节点具有可移动性，网络变化更加快速（特别是HAP）。

优点

与传统的BSs或其他空中平台相比，基于单点实时通信网络的优势在于其具有广域覆盖能力、良好的HAP-ground信道特性、快速部署和对时间和空间流量需求的快速响应。

研究方向

  1. 无人机作为飞行BSs时，无人机的电池耗尽会导致网络节点失效。因此，需要对无人机充电或更换方案进行研究，以保证网络覆盖功能的正常运行。（能量能源受限问题）
  2. ML可以预测用户的机动性和负载分布，使高速缓存无人机动态优化部署和轨迹（由于无人机的机动性，可结合智能进行部署）
  3. 在5G通信系统中使用无人机和mmWave技术需要一种新的多址接入技术。此外，mmWave技术还需要在恶劣天气条件下进行研究。（高频率在恶劣天气下的使用）
  4. 在无人机辅助网络中，无人机可以提供多种服务，如缓存、计算、网络控制和无人机单元。在这种网络中，需要研究无人机的调度问题，以实现更高的能耗效率（无人机可以提供多种服务，如缓存、计算、网络控制和无人机单元，需要对无人机进行合理调度）
  5. 无人机通信中存在着窃听、干扰等安全隐私问题。这些问题可能会对个人信息构成威胁，所以需要进行全面调查。（安全问题）
  6. 高速机动性支持和居民避障是未来需要发展的挑战。（高机动性给带来的信道特性不可靠）
  7. 为了使无人机通信在实践中更贴近实际，需要研究更多实用的信道模型，包括湿度、温度、障碍物、郊区和城市环境。（无人机空地信道建模）
  8. 天线孔径频率、扫描角度范围和扫描速度是需要解决的问题。（无人机专属的通信天线设计）

船用机式通信网络

挑战

1)无处不在的连接和服务连续性;

2)交通不均匀性;

3)以服务为中心;

4)设备异构性;

5)简单可靠;

6)容量和可伸缩性;

7)互操作性

8)无线电频谱国际性

研究方向

  1. 全覆盖的网络框架：这带来了一个独特而严峻的挑战，因为与通过大规模部署BSs提供广域无线覆盖的地面蜂窝通信不同，用这种BSs覆盖开放海洋显然是不现实的。解决方案是部署卫星MTC网络，形成空间-地球综合海上MTC系统。
  2. 空中接口：至少三种类型的无线通信可以被识别为一个完整的海事电子系统:1)近海和全球卫星通信覆盖,2)陆地通信近岸高流量区域部署高频谱效率/能力和延迟是至关重要的,和3)海事物联网距离近距离通信服务。
  3. 无线电频谱：给此网络提供特定的通信频段

空天海地集成网络

与传统的陆地覆盖不同，6G空间-空中-地面-海网络将集成水下通信网络，以支持海洋和深海活动。然而，水下通信表现出与地面网络不同的传播特性，复杂和不可预测的水下环境会导致许多问题需要解决，如复杂的网络部署、严重的信号衰减和对设备的物理损坏。

要求

由于是多网融合，需要考虑各种网络间的协调合作。

具体来说，卫星通信可作为地面网络的补充，用于有限或没有地面网络覆盖的地区(如偏远地区、灾害场景和公海)的服务访问。同时，卫星链路的大覆盖特性和光纤主干网的高数据速率特性可以作为无线回程的替代主干网技术。无人机通信可以帮助减轻陆地网络负担，提高数据流量负载高度动态的拥挤地区的服务能力。此外，具有遥感技术的卫星/无人机可以支持监测数据的可靠获取，并协助陆地网络进行资源管理和规划决策。

此外，由于覆盖全世界，服务的场景繁多，因此网络还应该灵活根据场景特性设计。例如，对于偏远地区，可以考虑使用分布式计算以提高效率，而对于城市中服务需求密度大的地方，可以使用分级管理，或者加强这些地区的通信负载能力。

研究挑战和机遇

主要是需要考虑很多以前只对特定网络的技术或者协议在融合时的不兼容性，以及不同通信基站（卫星、船舶、无人机）等本身的不同特性，针对这些特性需要制定单独的策略来克服其不足，比如无人机的能耗限制等。具体可以分为四个方面，分别陈述如下：

移动性管理：有多种类型的移动性引进卫星(特别是低地球轨道(LEO)卫星)、无人机、船舶、地面用户(特别是车辆用户)和其他海事设备。在网络运营和服务供应中，应合理考虑各种移动模式。

传输网络协议:传输控制协议(TCP)/IP协议套件在地面和卫星网络中广泛使用。然而，由于协议套件最初是为支持任意网络拓扑的有线Internet中的最佳服务而设计的，因此在应用于未来的集成网络时存在一些限制。

路由策略:低轨卫星网络和无人机群网络中的路由策略是一个重要问题。

能源性能:与大部分时刻连接到电网的地面基站不同，无人机和卫星由电池和/或太阳能提供动力。

全面应用:支持人工智能的无线网络

总览

对6G的预期中，高度自主智能化的超灵活网络是6G网络最为明显的特征之一。在6G的所有服务中，AI可以很好的提供主动性和实时性，辅助通信系统在不断变化的环境中提供更好的实时优化，并且其可以提供对未来预测的能力。同时，AI可以处理模型非常复杂甚至无法精确建模的问题，基于模型理论上是最优的，但是模型本身就可能不准确，AI的方法可以极大地降低运算复杂度同时保留可观的精度，这在对时延敏感的服务中也非常重要。

此外，要实现全局最优，通常需要协作去除不同物理层块之间的屏障来实现，这在实践中很困难，AI可以综合考虑这些因素来实现次优解或者局部最优解。因此，AI可以有效地解决缓存、资源分配等问题。

AI和ML由于其强大的能力，适用于各种网络层。自适应BS、主动缓存和资源分配是人工智能和ml技术除大数据之外的三个关键应用。

离线模式培训由于实际渠道与培训渠道之间的差异而导致绩效下降，因此需要考虑如何克服这一挑战。在这方面，通过在线训练和构建训练数据来匹配真实通道条件的ML实现是潜在的发展方向。

物理层应用

DL被用于OFDM系统中的信道估计和信号检测。

一种基于DL的导频设计，用于多用户分布式大规模MIMO系统的信道估计。

深度神经网络(DNNs)被考虑用于MIMO检测。

DL被用于可解码性检测和极性码解码的早期停止。

一个DL辅助的SCMA被开发来构造一个最小化误码率的码本并学习一个合理的解码策略。虽然数据驱动学习可以帮助解决一些挑战，而且是健壮的，但它将克服高复杂性，特别是对于大系统。

更高层应用

ML技术可以帮助优化和管理移动网络，通过性能预测降低运营成本。

预测任务被首先分类，然后使用相关的ML方法，如高斯过程回归，指数平滑的时间序列，和随机森林，来证明令人满意的预测结果的真实数据集，并降低运行成本的管理无线移动网络。

SINR、载波间干扰(ICI)、调制编码方案(MCS)和传输功率被用来表征性能、预测无线电参数和增强网络性能。

用户traffic被利用来预测移动traffic的需求并提供更好的资源分配。

最近，联邦学习也被考虑用于无线边缘网络，并吸引了学术界和工业界越来越多的兴趣。

资源分配

人工智能可以帮助更好地分配无线电资源。人工智能在资源分配中的一个重要应用就是智能车载网络。由于车载网络严格而多样的QoS要求，以及车载环境中快速时变的无线信道和网络拓扑等固有的动态特性，车载网络给传统无线通信系统带来了前所未有的挑战。

随着AR和自动驾驶等创新应用的发展，越来越多的计算密集型和数据密集型任务具有延迟敏感性。人工智能还可以通过明智地使用计算、缓存和通信来帮助改进这些应用程序。

人工智能技术也可以应用于分配缓存和计算资源

此外，动态频谱共享也采用智能化、分布式的频谱共享接入机制，可以靠推进区块链+动态频谱共享、AI+动态频谱共享等技术协同，实现6G时代网络智能化频谱共享和监管。

总的来说，管理资源使得效果最优，本质上就是根据环境的状态，不停采取策略改变资源的分配，这完全符合增强学习的特征。

智能内生网络(IENs)

当前网络的操作模式与基于规则的算法,严格限制预设规则,难以动态地适应不断变化的用户需求和网络环境。

这意味着在目前的运营模式下，网络没有自我进化的能力。任何升级和改进都需要大量的专业工作，这对于规模空前、操作复杂的6G网络来说是无法接受的。在网络中加入智能基因，形成智能和自我进化能力，是解决上述问题的重要途径。

理论问题和关键技术

1.   构建其数学模型，包括构建智能数据模型及其相互作用模型，这是实现IEN的理论基础。

2.   全息网络立体感知技术:包括基于知识图的立体感知信息元素的构造方法，以及全面、准确、及时的多维信息感知、提取和预测机制。这些技术将为网络决策提供良好的信息基础。

3.   柔性的网络资源调度机制:基于知识图和多维立体感知信息，研究计算、路由、缓存等各种类型资源的弹性分布，以及鲁棒主动提供和跨层、跨领域协同优化。

4.   网络自进化机制:研究方向包括支持网络自进化的柔性网络体系结构、网络自进化内核的组成、描述复杂网络演化的动态模型的设计、意图驱动的网络经验提取、重组和演绎方法等。

结论

由于通信需求的增加和服务类型的多样化，6G将是一项promising的工作。本文从新的性能指标、应用场景、支持技术、范例转型、垂直领域和通信频段六个方面总结了6G的改变。此外，本文介绍了作者感兴趣的一些部分以及作者的一些总结和思考。具体而言，本文介绍了IRS、IBMN和CF架构等新的技术，同时，全球覆盖、人工智能支持的通信也在本文中被详细叙述。