6G主要研究领域有哪些？

以下是为实现未来无线通信的愿景和应用而确定的 6G 主要研究领域。

1.超高速信道编码

信道编码是无线通信中用于校正传输误差的基础组成部分，也是实现可靠性的关键。同时， 它还是基带处理中较为复杂的一部分。为实现极高吞吐量、可靠性、低功耗等新KPI，现有的 信道编码方案需要得到增强，如Turbo、LDPC和极化码。

2.新波形和多址接入

波形设计对无线系统是否能够高效运行至关重要。尽管OFDM仍然是6G波形的强劲后备力 量，我们仍然需要寻找备选的特定应用波形或统一的可扩展波形，如对于特定的应用场景例 如通感一体化。此外，在波形的设计中不同的频谱范围、设备特性 (相位噪声、功率放大器的 功率效率) 和系统特性 (信号带宽) 等因素也必须被顾及。现在一些新的波形，例如正交时频空 调制 (OTFS)，正被考虑用于具有大多普勒扩展的高速移动性场景。此外，单载波波形在满足 未来设备功率效率要求等方面可能会发挥更关键的作用。为了更灵活地利用无线信道，像非 正交多址接入 (NOMA) 所实现的那样减少对正交性的约束将带来更多益处。

3.超大规模多进多出技术 (MIMO)

5G中已经引入了大规模MIMO。目前的趋势是选择更高频率和更短波长，以力求在一个小区 域内可以增加更多的天线数量，从而提供更多的定向波束用于补偿高频损耗。 另一种提高频谱效率的方法则是应用自干扰消除技术，以实现带内双向通信和中继的全双工 通信。

4.新网络拓扑

当前网络架构中采用的蜂窝布局从设计上能尽可能减少小区边界处的干扰。为了实现超高 速、高容量 (特别是在连接到“云端 AI 大脑”的上行链路上，需要实现高容量提升) 和高可靠 通信，理想的做法是通过低损耗路径进行短距离通信并增加多条通信路径上的冗余。这种空 间分布式拓扑结构可能与无蜂窝网络有关。在此类网络中，大范围分布的基站会进行协作式 相干联合传输，为每一位用户提供服务。这种方法可以为不同位置的用户带来更一致的体验 质量，同时还能获得更高的信噪比和增益。但是，要实现这种方法，需要高度复杂的计算且 对基站位置之间的同步要求也更严苛，并且站点之间要进行大量的数据交换。

为了向无人机、飞机、船舶和空间站/卫星等提供新的服务并由此实现对偏远地区、海洋和空 间的覆盖，我们需要扩大网络的立体覆盖范围。因此，除了水平部署外还要考虑垂直部署。 例如，利用无人机 (20 km高空平流层处的高空平台站或HAPS) 和低轨 (LEO) 卫星作为空中移 动基站，建立非地面网络 (NTN)，实现泛在通信。

5.太赫兹通信和感知

6G的一大关键技术概念就是将太赫兹用于通信和感知，尽管它只是6G使能技术中的一种。这 些太赫兹应用和技术会在下文章节中详细讨论。释放亚太赫兹和太赫兹频率范围 (100 GHz至 3THz) 中数千兆赫兹的可用带宽的潜力是这项技术的前进方向。THz中极高的带宽可以实现无 线通信中的超高数据速率，这还有利于实现感知和成像应用以及未来可能的医疗诊断程序。

联合的通信与感知 (JCS) 的概念 (有时也称为集成的通信与感知 (ICAS)) 包括通信和感知的应 用作为一个系统在物理层进行设计，例如使用统一的波形和网络架构。其不只限于太赫兹频 率，还包括毫米波 (mmWave) 范围。大带宽还有利于实现高精度感知应用。这些应用不仅包 括定位、目标检测或高分辨率雷达，还包括极受关注的环境感知场景下的光谱类型分析。

6.光子技术和可见光通信 (VLC)

目前光学无线通信 (OWC) 作为一种补充技术已经应用于部分领域，以满足额外容量要求。在 结合高速、高保真度以及低部署成本等特点之后，未来此项技术的普及率可能更高。与基于 射频的接入网络相比，其主要优势是在可见光和红外波可实现约300 THz的非授权带宽，具有 抗干扰、高鲁棒性和安全通信等特点，例如，在射频辐射无法穿透墙壁的室内环境中。基于 红外波长的自由空间光通信 (FSO) 使用调制激光二极管通过自由空间传输信息，可以用作回 波解决方案或用于卫星之间的空间通信。但是，这种技术受天气条件、大气湍流、特别是雾 的影响较大。

在可见光通信 (VLC) (也称为“光保真技术” (LiFi)) 中，我们通过商用照明LED的大带宽光强 调制实现数据传输。其中，光电二极管用作接收机。这种方法极具成本效益，可以轻松地集 成到现有基础设施中，主要用于视距无线传输室内应用 [13]。

一些6G关键绩效指标还能推动无线交通网络的发展。例如，创新光学和无线网络全球论坛 (IOWN GF) 旨在开发用于计算和通信网络架构的各种技术，以实现可扩展性、弹性 (关于零 星的负载波动)、能效和时延可管理性 [11]。光子技术可以帮助解决这些挑战：所提出的开放 式全光网络 (APN) 有助于简化数据传输和处理流程，实现大容量、低时延和低能耗的基础架 构。例如，它实现跨域/跨层次的端到端的光路连接，在网络中的用户终端或用户结点之间以 最小光电转换提供低时延服务。集成光学器件 (光子集成电路 (PIC)) 可以提供路由和端接功 能，实现此类端到端的全光连接。考虑到当前单模光纤 (SMF) 的极限约为100 Tbit/s，我们需 要推断出2030年前传、中传、后传对Pbit/s级通信容量的需求增长趋势。利用多芯光纤传输 技术 (其中，多芯会嵌入到单个玻璃光纤中) 进行超宽带光传输，同时通过复用和添加新的光 带，进一步增加所支持的波长数量，可以进一步扩大容量极限。

另一种光子技术是量子通信 (和量子网络)，这种技术的概念早在25年前就已获得验证，不过 最近受到越来越多的关注。它可以确保超安全和可靠通信的可信度，因此能够作为6G的补 充。量子通信通过交换纠缠光子形成一种固有的量子密钥分发 (QKD) 安全手段。这些数字密 钥后续会用于传统的加密传输。这些技术可以通过光纤实现集成和传输。不过，卫星和地 球之间的自由空间量子密钥分发也已经过证明 [14]，这为未来建立量子通信网络奠定了基础 [15]。

7.可重构智能超表面 (RIS) 和超材料

在建筑物立面或室内环境中安装可重构智能超表面，可以将无线信号的能量引导到某一点， 从而在非视距无线传输环境中实现更好的覆盖，同时降低能耗。

回顾传统无线通信的发展历史，我们通常认为传播信道属于一种随机实体，它会根据场景在 发射机和接收机之间发生动态变化。受周围环境、物体以及接收机移动性的影响，它可能会 以不受控的方式降低接收信号的质量。这种通信理论 (例如，香农定理就是从中推导而出) 的 一个基本假设就是：传播信道在通信系统中属于既定条件，不能受到影响。可重构智能超表 面 (RIS) 可以改变传播信道，从而将新的可编程实体引入无线通信网络，并有可能突破容量边 界到香农极限以外。

可重构智能超表面 (也称为智能反射超表面 (IRS)) 是一种平面结构，经设计具有能够动态控制 电磁波的特性。可重构智能超表面由大量低成本的无源 (因此能量低) 元件组成。各元件以一 定的相移反射入射信号协同实现波束赋形并抑制一个或者多个特定接收机处的干扰。这种可 重构智能超表面由所谓的超材料组成。与那些基于原子成分特性的材料相反，超材料属于工 程材料，经设计后可按期望的方式与电磁辐射相互作用并具有特殊的特性。它们通常包括比 目标波长小的结构阵列。

可重构智能超表面的目标场景主要是室内环境 (商场、机场、体育场或工业/工厂环境) 内的超 密集网络部署。

2021年10月，欧洲电信标准化协会 (ETSI) 为可重构智能超表面成立了一个新的行业规范小组 (ISG) (ISG RIS)，旨在评审和建立RIS技术的全球标准 [16]。正如目前在3GPP R18中讨论的那 样，智能直放站可能是我们走向智能反射超表面道路的基石。

8.分布式计算和人工智能 (AI) 通信系统

尽管未来的6G应用场景仍有待定义，但在数据速率、时延、频谱效率、安全性、可靠性和能 耗等方面，6G的性能要求显然将比5G更高。这也将影响处理架构：信息技术和通信技术将 进一步融合，即大量数据的处理会出现在网络中的分布式系统内，而不一定在最终用户设备 中。而这就提出了极具挑战性的数据速率和时延要求。算力可以转到云上或边缘网络上，与 设备分离 (从而降低终端成本)。

在传统的“冯·诺依曼”计算架构中，计算单元 (CPU) 和存储器是分开的。CPU和内存之间大 量数据的传输成为瓶颈，影响能耗和时延。新的计算架构, 例如神经网络计算，从人类大脑中 获得灵感，从而实现低时延、高能效处理。在这种情况下，计算任务会在存储器内执行。例 如，人脑就具有非常好的算力功耗比 (总计20 W至30 W)。

人工智能相关任务高度依赖计算处理能力。图形处理单元 (GPU) 性能的进一步升级，最终会 受到能耗的限制。对于这些任务，用于内存计算的模拟AI核就特别合适。各种新概念，如模 拟3D交叉点电阻器阵列，用作存储AI权值（例如用于卷积神经网络）的非易失性存储器等， 可用于矩阵-向量并行计算 (神经网络中最普遍的计算类型) [17] [18]。

9.人工智能和机器学习

如今，人工智能 (AI) 和机器学习 (ML) 已经用于诸多网络应用的自我管理和控制操作，包括 初期的网络规划阶段、网络控制和优化，如流量管理、动态频谱管理以及预测和自适应资源 分配等。

预计未来人工智能将成为无线通信系统各个领域不可分割的一部分。这可能包括物理层设 计、适应特定的传播信道和环境条件，并可能实现端到端优化—而不是优化无线传输链上的 每一个组件 [19]。为应对未来6G网络复杂性的增加，例如在设备类型、频谱范围的扩展以及 更加灵活的网络拓扑结构方面，人工智能和机器学习将在6G部署和运营中发挥重要作用。这 样才能最大限度地提高用户体验和成本效益，降低能耗，从而优化系统性能。