智简天线能力演进白皮书（2025年）

（2025年） 发布单位：中移智库 编制单位：中国移动通信研究院 前言 随着移动通信向5G-A/6G迈进，网络性能提升与系统复杂度、能耗及部署成本之间的矛盾越来越突出，面对AI的爆发式增长，为突破容量、能效和场景适配等方面的瓶颈，智简网络[1]的概念被提出。智简网络要以AI为核心，用极简架构、极简协议、极简运维，实现高效自治，达成“网络极简、体验极智”的效果。TMForum调查显示，91%以上国际运营商计划在2025–2027年实现L4级高阶自智网络[2]。天线作为网络信号收发的末端节点，必然也要跟随智简网络的需求，朝着“智”和“简”的方向演进。 从“智”的需求来说，智简网络的基站要具备高度的感知和调控能力，可基于网络负荷的变化自适应地做出优化决策，并远程对天线波束做出调整。这就对基站侧的各个网元提出了可感可控的要求，因此需要将传统上视为哑设备的天线扩展为智能化网元。在此基础上，天线还可以感知周边的电磁信息构建电磁频谱，乃至进一步感知环境信息，成为感知网络的末端采集节点。 从“简”的需求来说，随着网络的演进和新频段的引入，有限的天面空间将面临更大的挑战，尤其是大规模阵列设备比重不断提升的情况下，各频段的天线如何进一步简化和融合，由此引申出如何降数字通道、降功耗、降抱杆、降体积重量和降成本等一系列简的需求。 由此，智简网络需要智简天线，一方面要拥有从感知到执行的智慧能力，另一方面要具备一体融合的极简架构和形态。本白皮书将围绕这两个方面进行分析论述，展望智简网络时代的天线演进之路。 本白皮书的版权归中国移动所有，未经授权，任何单位或个人不得复制或拷贝本建议之部分或全部内容。 目录 1.天线的智能调控............................................................11.1天线forAI.............................................................21.1.1信息采集能力...................................................21.1.2波束可调能力...................................................31.1.3频谱探测能力...................................................51.1.4环境感知能力...................................................61.2AI for天线............................................................81.2.1AI助力覆盖提升.................................................91.2.2AI助力能效提升.................................................91.2.3AI助力运维降本................................................101.2.4AI助力智能部署................................................101.2.5AI助力天线设计................................................112.天面的极简融合...........................................................122.1降通道................................................................122.2降抱杆................................................................132.2.1有源共天面技术................................................142.2.2有源无源共天面技术............................................162.3降功耗................................................................182.3.1高效能高增益辐射单元..........................................182.3.2高集成度低损馈电网络..........................................192.3.3低损耗环保型天线外罩..........................................202.4降站址................................................................202.5降体积重量............................................................202.6降成本................................................................222.6.1低空覆盖天线..................................................222.6.2居民区天线....................................................252.6.3隧道天线......................................................263.总结与展望...............................................................28缩略语列表..................................................................29参考文献....................................................................30 1.天线的智能调控 传统基站天线从架构上说就是不同频段阵列的堆叠，作为无源哑设备，天线和网络的互动限于电下倾角调整这种单一方式。中国移动在网络中率先引入智能天线技术[3]，通过波束成形赋予了天线波束可调可控的能力，天线对于网络性能的影响也大大提升。从4G时代的8通道天线到5G时代的MassiveMIMO，天线阵列规模越来越⼤，波束也越来越窄，基于窄波束的组网方式也促进了天线的精细化设计，通过对波束数量、层数、宽度及分布的针对性设计，可以匹配场景覆盖的差异化需求，增强网络覆盖质量；与之对应地，网络环境和用户分布的动态变化对这种精细化设计也提出了灵活可变的需求，特别是自智网络提出之后，天线波束的调控能力对于网络的自动化调整变得愈加重要。 天线的智能调控，包含两个层面的涵义，第一个层面是AntennaforAI，天线是大数据来源，通过天线集成的智能硬件，为智简网络的AI能力提供数据输入，同时天线也是网络自治执行的末端节点，通过天线的远程可调能力，执行网络自治的优化策略；第二个层面是AIforAntenna，通过AI为天线赋能，如对于大规模阵列天线，基于目标方向的覆盖需求与其他方向的干扰水平，通过AI算法计算最优的波束赋形权值；对于智能运维，通过对故障站点的识别定位，分析维护策略，协同周边站点的天线调整，降低故障影响范围；对于闲时的节能需求，通过AI输出通道关断与天线波束调整策略，在实现基站节电的同时保持覆盖水平等等。以上两个方面相辅相成，相互促进，其相互关系如图1.1所展示。通过与AI的融合，天线的感知与调控能力将为网络的自治能力的提升发挥巨大作用。 1.1天线forAI 1.1.1信息采集能力 实现天线的信息采集能力，最基础的需求是与天线性能直接相关的各类状态参数的获取，包括两个方面，一是输入天线的信号的状态信息，二是天线自身的姿态参数。 由于天面空间的有限，多频融合早已成为基站天线的主流形态，不同频段的天线通道数不同，在一体化集成后，如何准确识别和管理不同阵列是很基础的问题。传统方式是塔工在完成天线的安装后，将标识天线阵列的RET（RemoteElectricalTilt，远程电调单元）模块的序列号记录并手动和RRU（RemoteRadioUnit，射频拉远单元）进行关联上报，在网管系统中生成记录。这种方式由于需要人工的参与，存在出错的可能；由于天线阵列，电调设备和射频单元的连接关系，网管也无法识别，多层映射可能导致拓扑关系错误问题。记录错误或端口接错，造成天线的基础信息错误，后续的波束精准调整也无从谈起。因此，对于天线输入信号的状态获取，就是要通过技术手段完成天线端口与逻辑小区的自动识别和关联，生成准确的拓扑映射关系，对于连接错误的端口能够主动告警，消除人工操作可能带来的错误风险。在实现上，可以通过在天线内增加信号解析模块并设计耦合电路，通过对天线端口的输入信号进行耦合检测，识别并关联小区信息。 除了拓扑映射关系，天线端口的功率信息也可以通过上述方式获取，通过检测天线端口的信号功率，可以智能判断从RRU到天线的射频链路是否正常；还可以作为天线优化的基础信息输入。 对于天线自身的姿态参数，技术上也已经可以通过工参模块实时测量天线的方位角、机械倾角、经纬度位置和海拔等信息；对于通感等需要更精确方位角信息的基站，还可以通过支持RTK（RealTimeKinematic，实时动态）校准的高精度工参模块来实现。 在获得输入天线的信号状态信息和天线自身的姿态参数之后，再导入数字地图信息，就可以建立起网络的精确覆盖模型。基于天线侧获取的这些输入参数，AI智能体就可以分析当前网络的覆盖质量，再结合业务侧提取的必要信息，就 可以运算并输出网络的自优化策略了。可以说，天线侧的数据采集为网络的数字孪生搭建了桥梁，其准确性和动态刷新能力也是分析和预测网络性能的必要前提。 1.1.2波束可调能力 天线的波束可调功能是利用AI技术进行网络优化的直接基础。大规模MIMO阵列数字通道数较多，可为后期AI波束调整提供极高的自由度，为网络自智提供硬件能力基础。但对非大规模FDD天线阵列，一般通道数不超过4个，波束赋形能力限制极大，在波束调整上，只能支持电下倾角和发射功率的调整。这极大限制了后续AI调整的能力；而FDD频段因频段较低，传播能力较强，常担负着基础打底网的重要角色，因此增强FDD频段天线的波束可调能力有着重要的价值和意义。 从实现路径上，增强FDD天线的波束可调能力可以通过以下几种方式。 一、机械结构设计。通过对天线的安装支架进行改造，使其能够在电机驱动下调节改变天线的方位或下倾角。该方式在原理上较为简单，但也存在诸多挑战，包括如何实现支架的供电和控制链路设计，如何在有限功率下驱动较重的天线整体转动，以及在室外恶劣条件下保障长期频繁转动下的稳定可靠等等。应对上述挑战的一种思路是天线支架基本不变，将转动机构设计在天线内部，通过实时转动天线阵列的反射板来实现波束姿态的动态调节。当前的智能追焦天线在低频段的调整就采用了这一方式，可以有效降低对供电和功率的要求。 二、电磁表面调节[4]。电磁表面改变电磁波透射或反射后的波束姿态，近年来一直是研究的热点之一。具体到天线波束的调控，又可以分成多种方式。目前讨论最多的是RIS（ReconfigurableIntelligenceSurface，可重构智能超表面），通过对电磁表面上可调器件的状态控制单元的相位响应，从而重塑反射或透射波束。一般说来RIS会部署于需要构造反射