无线接入部署场景介绍

下面将分别展开介绍三个主要的接入部署场景。

1.高低频协作无线接入部署场景

6G 将是一个低、中、高多频段协同的全频谱接入系统，无线覆盖以10GHz 以下为主，毫米波通信将主要用于超大业务流量区域的热点覆盖、产业互联网、固定无线宽带接入等场景，可见光和太赫兹通信将用于特定场景提供超高速率和感知探测等能力。因此，6G 网络将实现控制信令和业务数据的全面解耦，由低频段控制基站提供广域的统一信令的播发，由高容量、按需开启的高频段数据基站提供数据和少量必要的信令的传输，以数据基站和控制基站间协作优化资源调度为思路提供按需服务。

区别于传统网络架构，6G 高低频协作无线接入架构下，信令广域覆盖打破以服务基站为中心的静态设计理念，将基站紧耦合的信令与数据功能进一步分离，由低频信令站点（10 GHz 以下为主）提供广域的统一信令覆盖，负责无线资源控制（Radio Resource Control，RRC）消息、物理层信令等控制信令的播发，保证可靠的连接与移动；高频数据站点（如毫米波、可见光等）按需开启提供高速数据传输，感知探测等能力，从而大幅提升网络整体能量效率，从组网角度创建一套可提供广域覆盖和按需服务的先进网络。

在高低频协作组网场景中，区域内控制基站广域覆盖，数据基站密集部署。6G RAN 网络功能层可分为通信面、计算面和数据面。数据基站具备常规的通信数据服务功能。控制基站不仅可以支持小区选择、移动性管理等常规控制业务，还可通过计算面、数据面以及NWAIF 的功能，完成全生命周期的 AI/ML 相关任务。目前已有的关键技术方案也基本围绕这个理念，例如高频数据基站动态开关智能控制这一关键技术问题，引入基于用户的移动性预测，在数据基站侧通过数据面功能完成用户轨迹数据收集、存储与预处理，以及用户移动性预测模型的本地训练，通过在控制基站侧执行模型参数聚合，利用 NWAIF 进行用户移动性预测模型的推理与决策，为数据基站配置小区激活相关的触发条件等，实现可以按需启闭的数据小区激活机制，保证网络能耗的降低。对于低频覆盖小区，通过重新设计信令流程，基于区域进行系统信息的广播，避免用户设备（User Equipment，UE）对于系统信息的重复接收，同时保证系统信息的可重用性，减少不必要的控制信令开销，充分考虑多元化服务的引入，奠定可按需开启且具备智能性和灵活性的网络架构基础。

2.空天地融合无线接入部署场景

由于地理环境的限制，现有移动通信网络仅仅覆盖了地球表面陆地约20%的区域，广阔的海洋和空域没有网络覆盖；又由于经济成本因素的影响，偏远山区、高原、边境等人烟稀少地区无线覆盖能力较弱，仅靠地面的互联网、移动通信网络等传统网络难以满足人们日益增长的空天地海全域覆盖需求。因此 6G 网络的覆盖能力将从地面二维向全空间三维覆盖演进，空天地融合的通信系统将成为 6G 的一种重要部署场景，被ITU列为下一代网络七大关键需求之一，本白皮书将从物理架构与逻辑功能架构方面设计面向 6G 的空天地融合的无线接入网络部署方案，通过统一的空口技术、统一的网络架构和统一的智能管控实现广域智慧连接和全球泛在无缝接入需求。

在物理架构上，空天地融合一体架构将是以地面网络为依托、以天基网络和空基网络为拓展的立体分层、融合协作的网络，为广域空间范围内的各种网络应用提供泛在、智能、协同、高效的信息保障的基础设施。其中地基网络主要由地面互联网、移动通信网组成，负责业务密集区域的网络服务；空基网络由高空通信平台、无人机自组网络等组成，具有覆盖较强、使能边缘服务和灵活网络重构等作用；天基网络由各种卫星系统构成天基骨干网和天基接入网，实现全球覆盖、泛在连接、宽带接入等功能。

在逻辑架构上，空天地融合无线接入网络将支持上述6G无线接入网络逻辑功能。具体来说，接入网由各层非地面网络节点和地面蜂窝接入节点组成，形成覆盖全球的无线接入网络，异构的节点将在逻辑功能上分为RAN 资源层、RAN 网络功能层和 RAN 服务层。空天地融合的RAN服务层主要是指在广域范围内能够为用户以及用户设备提供的网络服务，包括传统的通信连接业务以及新兴的感知、智能计算等服务。空天地融合的RAN 资源层主要通过资源虚拟化的技术将节点间的异构网算资源抽象成为资源池，以供不同服务和功能进行统一调度，应对处于高时空动态条件下空中节点资源分布高动态且不均匀导致资源利用率低的问题。RAN网络功能层中的计算面、数据面以及通信面可以由不同类型的节点承担。算力充足的节点可以组成计算面，承担智能业务中计算能力开放、算力管理等功能；存储空间大的节点可以承担数据面的功能，执行数据采集、数据预处理、数据存储等功能；超低轨道卫星节点或无人机节点等可以组成通信面承担传统的通信连接业务。同时在多层异构的节点中将部署大量的专用NWAIF 网元节点，以对执行计算面、数据面、通信面功能的节点进行数据互通、功能合作，支持空天地融合网络由 5G 的覆盖融合和业务融合逐渐向用户融合、体制融合以及系统融合发展。

3.无线内生智能接入部署场景

6G 无线内生智能将包含集中式和分布式两种智能学习范式，混合协同，是一种自适应分层分簇的学习逻辑架构。其将在6G 网络架构内部提供数据采集、数据预处理、模型训练、模型推理、模型评估等AI 工作流全生命周期的完整运行环境，将 AI 服务所需的算力、数据、算法、连接与网络功能、协议和流程进行深度融合设计。

无线内生智能接入子架构采用集中/分布式协同式模型训练的混合逻辑架构，使能 6G 无线接入内生智能。通过对 AI 业务特征进行分析识别，实现数据获取、模型训练、模型监测及模型部署等功能，通过服务功能链和所需微服务构建微服务功能链，根据 AI 用例对多维资源与服务体验的要求，将业务所涉及的微服务部署到合适节点上以提供AI 服务。对于无需多节点/多域协同的 AI 用例，可以采用集中式的方式进行部署。RAN以及UE 作为集中式 AI 节点，负责本地可完成的 AI 服务。其中，对于实时性要求高、算力要求低、数据覆盖范围小的服务，可直接由RAN甚至UE提供 AI 服务；而对于实时性要求低、算力要求高、数据覆盖范围大的用例，无线网络侧将配合由核心网提供服务。

对于需要多节点/多域协同的 AI 服务，如智能小区切换，则需要使用分布式 AI 的方式提供服务。对于分布式 AI 实现架构，从网络架构的角度可分为中央-本地协同和完全去心化两种方式。目前最常用的联邦学习属于中央-本地协同方式，群体学习是完全去中心化的方式，而迁移学习与元学习则主要通过模型参数在多节点间的共享来辅助学习，可能需要中心节点的协调。还可利用云原生容器框架、大数据计算引擎、分布式计算和机器学习框架等，通过内置数据管理、模型开发、微服务部署等功能模块，加快内生 AI 服务的开发与部署；通过 API 开放接口，对外提供AI 服务。该平台统一调度网络、计算和存储资源，并用微服务的方式来实现AI 服务的各个功能模块，使 AI 服务轻量、灵活、可扩展且易于部署和管理，最后通过自动化管理工具来实现对 AI 服务的自动化部署和管理。