6G通信感知融合指标仿真方法研究

如何针对不同的应用合理提供通信感知融合的性能,已经成为5G网络演进和新的6G网络技术的重要研究方向之一。通过对通感融合模式和关键绩效指标(key performance indicator,KPI)的分析,提出了两种不同的通感融合实现的模式,并针对不同模式提出了通感融合仿真系统的架构,描述了仿真系统架构实现的组成模块,以及各部分的实现技术。同时,结合通信频谱效率和感知分辨率等典型的通感融合关键指标,在一定条件下实现了关联仿真,并对仿真结果进行了分析,给出了仿真系统实现的案例。

基于5G-A通信感知融合的能力开放技术

在5G-A网络通信感知一体化趋势下,网络能力开放技术将有助于运营商、业务提供商及第三方业务方实现通信感知融合业务及应用。为了重点探讨基于5G-A通信感知融合的能力开放技术,首先系统论述了基于通信感知融合的能力开放分层架构;其次,提出了与能力开放技术结合的通信感知融合网络架构、基本网络信令流程;最后,探讨基于通信感知融合的能力开放应用场景。通过此文研究为通信感知融合能力在运营商网络中的技术演进、网络部署、应用探讨提供相关参考。

5G-Advanced通信感知融合

在移动通信网络演进的过程中,衍生出的感知能力将在诸多行业产生明确的社会价值和经济利益。面向交通行业,其感知能力能够对行驶车辆进行实时监管,提高道路通行效率,未来也能为自动驾驶提供更可靠的保障;面向低空安防,其能够对特性区域的空域进行监控,快速发现侵入特定区域的无人机。5G-Advanced创新提出的通信感知融合技术,通过在高隔离天线、超分辨感知算法和群域感知技术方向上进行创新,能够在蜂窝网络上构建有竞争力的感知能力,大幅提升感知精度和覆盖范围,为移动通信网络开辟新的行业市场空间。

基于感通算融合和信息年龄优化的车联网多节点协同感知

面向未来自动驾驶系统中的实时性业务需求(如高清地图更新),基于感知-通信-计算融合,引入信息年龄作为实时性度量,设计感通算融合的车联网多节点协同感知机制。在通信-计算资源和车辆能耗约束下,优化调度感知节点信息采集和传输处理,最小化感知信息的平均信息年龄;提出基于李雅普诺夫的在线调度算法,将复杂的长期随机优化问题转化为单时隙在线优化问题,并设计低复杂度算法求解。仿真表明,与现有仅考虑通信与计算融合的机制相比,所提机制信息实时性可提高9%~50%。

基于通信感知计算融合的低轨卫星网络体系架构与关键技术

低轨(Low Earth Orbit,LEO)卫星网络凭借其在发射成本、广域覆盖和高抗毁性等方面的优势,已成为下一代全球移动通信系统发展的焦点。为了进一步支撑未来空天地组网通信、协作遥感、星上计算等多维功能的协同演进,低轨卫星网络需要将通信、感知与计算功能进行融合,获取性能协同增益。然而,传统低轨卫星网络中通感算三者长期隔立分治,需要在架构、网元功能协议、关键技术等方面进行重新设计与突破。基于此,介绍了基于通信感知计算融合的低轨卫星研究意义和相关研究基础;提出了融合组网架构构想和网元与协议体系,并详细阐释了架构的组成和工作方法;同时,对星间链路组网、协作计算、感知融合和动态接入等关键技术进行了分析;对融合架构和理论、信息在轨融合方法、卫星算力网络和动态资源分配等未来挑战和发展方向进行了探讨。

基于空中计算架构的通信感知计算一体化

受限于设备条件和计算机网络层级,传统研究将传感设备端的数据感知、服务器端的数据计算和两端之间的数据通信视为相互独立的环节,缺乏全局考虑,严重阻碍了数据处理的效率。为了提高数据感知和传输效率,通信感知融合技术致力于设计同时支持雷达感知和数据通信的复用信号。为了提高数据传输与计算效率,空中计算旨在利用信号在无线多址信道传输过程中的波形叠加性质,在数据传输的同时直接进行计算。为了实现高效准确的数据处理,可以利用通信感知融合技术中的复用信号和空中计算技术中的波形叠加属性,实现基于空中计算架构的通信感知计算一体化,并通过对波束赋形器等信号处理环节进行设计,以降低信道噪声和信号干扰,从而提升数据在通信感知计算过程中的准确度。该技术可应用在目标探测、车联网、边缘智能等多个领域。实验结果表明,相比于传统方案,基于空中计算架构的通信感知计算一体化可以显著提升数据处理的效率和准确度。

面向无人机网络的通信感知一体化的高效能波形选择方法

将感知功能集成入通信设备实现通信感知一体化功能,正在成为无人机通信网络的一个关键特征。现有通信感知融合方案集中于单一波形下的设计,缺乏对无人机飞行场景和波形的适配性研究;此外,无人机感知方式集中于雷达主动探测感知,无人机网络内存在较大的感知信息共享开销。基于此,首先梳理了典型通感融合波形的算法复杂度、载荷能力以及在高动态场景下的误码率性能等指标,引入综合效能指标以表征不同波形的综合能效特征,提出了一种基于感知信息驱动的通感融合波形选择机制,并针对该选择机制中所需决策算法进行了讨论分析,设计了一种“基于先验信息辅助的Q-Learning”波形决策算法,通过结合无人机事先已训练所得“感知信息-波形”先验信息映射与应用“Q-Learning”方法对实际飞行场景进行动态学习,实现在不同场景下无人机所采取通信方案的综合效能提升。为进一步降低主动感知无人机间系统开销,基于所提波形选择机制又提出了一种信号发送端主动感知与信号接收端被动感知相结合的主被动融合感知方案。最后通过仿真证明所提波形选择机制可以显著提高综合效能,验证了“基于先验信息辅助的Q-Learning”波形决策算法性能近似于理想判决,同时可以实现在高动态场景下的鲁棒性,而所提主被动融合感知方案则可以显著降信息产生的开销。

感知-通信-计算融合的智能车联网挑战与趋势

针对单车感知无法满足未来自动驾驶安全需求的现状,面向多车传感器信息融合与时效性共享问题,提出了基于感知-通信-计算融合的智能车联网方法与解决思路。该方法有助于提高自动驾驶车辆的协同环境感知能力,并通过移动边缘计算(MEC)技术降低车间感知信息传输负载,提高多车协同的信息融合与处理效率,最终实现基于多车智能协同的安全自动驾驶。

6G通感融合网络中的物理层安全:机遇与挑战

第六代无线通信(6G)网络对通信速率与感知精度均提出更高要求,通信感知融合技术引起了广泛关注。一方面,感知波形的强指向性使得通信感知融合系统的信息传输面临严峻的安全挑战,另一方面,系统的感知能力也为利用物理层安全技术提升系统安全性提供了新的契机。为了研究面向6G的通感融合网络中的物理层安全问题,首先对通感融合网络中潜在的窃听模型进行总结,随后探索了利用感知能力获取窃听方信道信息的可行性,展示了物理层安全技术在6G通感融合网络中的应用实例,例如感知辅助干扰、协作干扰等,最后讨论了新兴技术在物理层安全辅助的通感融合网络中的潜在应用方向。

自动驾驶车联网中通感算融合研究综述与展望

为了应对自动驾驶车联网极低的通信时延、极高的可靠性、更高的传输速率等极致性能需求,亟需破解现有车联网中通信、感知、计算相互割裂与独立分治的问题,实现“云-边-端”一体化协同感知、协同传输和协同决策.为此,急需对自动驾驶车联网的通感算融合开展研究,实现三者的高效融合.首先论述了目前在通信、感知、计算融合领域的研究进展,然后给出了通感算融合网络的定义,论述了通感助算、通算助感以及感算助通的研究进展.针对自动驾驶车联网的应用场景,创造性地提出了“五层四面”通感算融合的网络架构,横向五层自下而上分别是:多元接入层、统一网络层、多域资源层、协同服务层、管理与应用层;纵向四面分别是:通信面、感知面、算力面、智能融合面,通过五层四面的深度融合,进一步提升了自动驾驶车联网中通感算融合网络的性能.其次,提出了评价通感算融合网络的性能指标体系,最后针对目前研究存在的问题以及未来发展方向给出了四点可行性建议.

6G车联网络通感融合方法与性能仿真

为了满足自动驾驶、远程驾驶等未来6G车联网应用对高速率、低时延传输以及高精度感知的性能需求,业界提出将无线通信与无线感知功能进行融合,在6G车联网络中实现无线传输与感知定位极致性能的同时满足。提出了一种基于通信感知信号时频域正交体制的通信感知融合方法,采用OFDM通信信号完成对目标的探测、定位,并利用短窗化矩阵分解参数估计方法完成对探测目标的感知信息提取。同时,搭建了系统级仿真平台对不同的时频资源配比下所提方法的通信/感知性能进行了评估,分析了所提融合方法下通信感知性能间的相互影响,并给出通信感知性能折中的设计方案。

基于边缘计算的无人机通感融合网络波束成形与资源优化

为了解决传统通信−感知融合网络模式对地面基础设施的依赖,针对复杂场景下通感融合网络系统功耗较大、信号阻塞、覆盖盲区等问题,提出了一种无人机搭载边缘计算服务器与雷达收发器辅助通感融合网络。首先,在满足用户传输功率、雷达估计信息率、任务卸载比例限制的条件下,通过联合优化无人机雷达波束成形、计算资源分配问题、任务卸载量划分、终端用户发射功率和无人机飞行轨迹,建立系统总能耗最小化问题;其次,将该非凸优化问题重新构建为一个马尔可夫决策过程,使用深度强化学习中的近端策略优化算法实现系统的优化决策。仿真结果表明,所提算法训练速度较快,能够在保证应用的感知与计算时延需求的同时有效降低系统能耗。

基于感知图像信息的无人机信道路径损耗预测

为了更好地促进6G无人机对地通信技术的应用和发展,完善无人机对地通信系统设计理论基础及满足6G通信的安全性和有效性的需求,开展6G无人机对地通信场景下基于感知图像信息的信道路径损耗预测研究.首先,基于感知数据仿真平台AirSim和无线信道仿真软件Wireless InSite,构建动态无人机对地通信场景下的混合通信与感知智能融合数据集,为探索物理空间和电磁空间的映射关系提供重要的数据支撑.然后,基于构建的数据集,建立物理空间的感知图像信息与电磁空间的路径损耗信息之间的映射关系,实现6G无人机对地通信场景下的实时路径损耗预测.最后,通过仿真测试,将模型预测结果和测试集进行对比,验证模型的准确性.

6G车联网中的通感算融合:现状与挑战

车联网通信-计算融合对满足高可靠低时延的应用需求具有重要意义。面对无人驾驶等新兴智能服务对多极致性能的需求,探究6G车联网中的感知-通信-计算融合体系,打破感知、通信、计算三大资源的独立分治局面,实现资源灵活互通与统筹管理,对智能交通的发展具有重大意义。首先,回顾了车联网中通信、计算技术的发展;然后,针对系统架构和关键技术两个方向对现有车联网通信-计算融合的相关工作进行了回顾和整理;最后,分析了6G车联网中通感算融合的未来应用及挑战,为车联网感知-通信-计算融合方向的研究提供参考。

6G算力网络:体系架构与关键技术

随着应用需求的不断拓展和科学技术的高速发展,现有网络逐步形成了较为成熟的无线感知、无线通信和泛在计算等多个功能体系,6G通信、感知、计算(通感算)融合趋势初现。其中,算力作为该融合系统的基石,为未来网络的发展提供了新的挑战和机遇。算力网络(Computing Force Networks,CFN)以“算网深度融合”为指导思想,利用发达的网络触角感知、连接和协同算力,提高算网资源利用率,满足网络智能化和新型业务的需求。首先概述了算力网络的发展历程和研究现状,总结了算力网络架构和关键技术,包括算力度量和建模、算力感知和路由、算力调度等,最后探讨了技术挑战和未来发展方向。

6G网络架构探讨

作为6G纲领性文件,《IMT面向2030及未来发展的框架和总体目标建议书》描绘了6G的目标和趋势,提出了6G的典型应用场景及能力指标体系,为未来6G技术的发展指明了方向。阐述了6G网络架构的演进方向,介绍了满足这些场景需求的关键技术手段。此外,还介绍了正在研究制定的5G增强标准的重点课题和相关标准工作进展,反映5G增强标准在向6G迈进的过程中起到的承上启下的作用。

通信-感知-计算融合:6G愿景与关键技术

无人驾驶、无人机应急通信、沉浸式拓展现实、工业互联网等新兴智能服务依赖于环境多维信息感知和超强算力,对传输速率、端到端时延、可靠性和功耗等都提出了极高的要求。为了提升第6代移动通信系统(6G)的网络内生智能感知和算力自适应能力,急需对通信-感知-计算(通感算)融合理论和关键技术进行研究。首先概述了面向6G通信-感知-计算融合的应用需求;然后提出了通感算融合链路级和系统级的关键技术,包括通感算一体化融合技术、多源信息数据处理、多维资源管理等,阐述了这些关键技术的原理、方法和性能等;最后探讨了技术挑战和未来的发展方向。

基于云边协同算力调度的高效边缘卸载研究

为了满足车载边缘计算网络(Vehicular Edge Computing,VEC)中低时延、高可靠、高传输速率等极致性能需求,亟需突破现有传统车联网中通信感知计算相互割裂的现状,基于云边端一体化与智能协同等算力网络技术设计一种高效的任务卸载策略成为解决方案。为此,提出一种云边协同智能驱动车载边缘算力网络架构,通过结合实时计算负载与网络状态条件,充分利用云中心、聚合服务器和MEC服务器的异构计算能力,权衡用户任务卸载策略,实现网络资源的全面协作和智能管理。考虑到计算型任务对时延和能耗的需求,将计算卸载策略建模为在通信与计算资源约束下的最小化长期系统成本的优化问题,并将其转化为马尔可夫决策过程(Markov Decision Process,MDP)。最后,鉴于车载网络的动态和随机特性,提出一种基于云边协同的深度Q网络(Cloud-Edge Collaborative Deep Q-Network,CEC-DQN)的高效计算卸载策略来解决MDP问题。仿真结果表明,与传统单点边缘服务器卸载或随机卸载算法相比,所提出的算法具有较高的性能提升,可有效解决多层次算力网络中节点算力分配不足、不均衡的问题。

6G愿景及潜在关键技术分析

继5G规模商用之后,世界主要国家和地区均已启动6G研发布局,抢夺下一代移动通信发展主导权。目前业界正在热烈探讨6G愿景需求及关键技术,但尚未形成最终结论。阐述了未来6G可能提供的五大典型场景、预期具备的主要技术能力指标,以及支撑典型场景和能力指标实现需要重点考虑的关键技术方向。重点针对人工智能与无线通信的融合、感知通信融合、智能超表面、太赫兹通信技术、无线网络架构等业界重点关注的创新型潜在技术进行了分析,提出未来的研究方向供业界参考。