6G前瞻 - 从研究到现实

2025年11月 目 录 4.1感知信道模型........................................................................................104.2用于感知信道建模的射线追踪................................................................114.2.1VIAVI射线追踪技术.......................................................................114.2.2识别目标......................................................................................124.3基于射线追踪的ISAC测试.....................................................................12 5.1面向节能的AI辅助的波束管理机制与测试方法探讨..............................145.1.1AI辅助波束管理...........................................................................145.1.2位置增强AI辅助波束管理.............................................................155.2用于节能通信和测试的神经形态接收机..................................................175.2.1从神经网络接收机到神经形态接收机............................................175.2.2使用传统和神经形态接收机测试AI优化调制................................185.3关键性能指标(KPI).................................................................................19 6.1面向目标和语义的扩展现实通信...........................................................206.2面向Metaverse的目标导向与语义通信系统的设计和测试.....................21 附录.......................................................................................................................24 1.简介 作为3GPP标准化路线图的一部分，全面的6G研究现已正式启动，这标志着朝着定义下一代移动通信技术迈出了重要一步。其研究范围涵盖无线接入网络(RAN)和系统架构，旨在解决6G的部署场景、技术性能要求和技术方向。 3GPP的研究为未来移动通信标准奠定了基础，并将最终选定用于3GPP Release 21的首个6G标准规范所需的关键技术要素。 目前的研究方向主要集中在： •新功能- 6G有望实现超越当前连接的服务 ȿ通信与感知一体化(ISAC)ȿ沉浸式体验ȿ代理式AI服务ȿ增强空对地覆盖(NTN) •AI/ML集成：人工智能和机器学习是中心话题，3GPP正在探索全系统AI/ML管理、数据收集和智能优化的框架，以改善系统KPI •可持续性和全球互操作性：这些研究强调支持联合国可持续发展目标(SDG)和实现统一的全球标准 2.VIAVI 6G Test Bed概述 VIAVI 6G Test Bed旨在通过其灵活的架构将3GPP研究推向标准化，以应对开发下一代蜂窝通信技术的挑战。6G Test Bed与TM500等VIAVI产品采用相同的设计，提供模块化优势，以最新的功能增强商业产品，保持从5G到6G的先进路线图。 VIAVI 6G Test Bed支持现有的5G物理层，并已用于测试新波形（如延迟多普勒波形1,2,3）、新多址接入（如速率分割多址接入(RSMA)4)和新调制方案（如基于AI的星座图5）。AI辅助的波束管理6和通信与感知一体化(ISAC)7算法也在Test Bed上进行了测试。 VIAVI有两个Test Bed版本（T-1和T-2），都支持快速开发概念验证解决方案和神经网络模型 3.网络数字孪生的近实时射线追踪 无线电传播信道的精确建模对于5G-Advanced和6G网络的规划、测试和优化以及数字孪生应用至关重要。随机信道模型通过基于实证数据的概率分布，刻画环境的平均行为特征。诸如K因子、延迟扩展、多普勒扩展和角度扩展之类的参数用于描述环境的典型行为，而实际的信道生成是概率性的。这种方法通常无法准确捕捉电磁波与其周围环境之间的复杂相互作用，特别是在城市地区或高频带（例如，cmWave、mmWave和THz）等环境中，射线追踪在这些环境中表现出色。 射线追踪是一种确定性信道建模技术，它使用具有精确材料信息的高保真3D数字地图来精确模拟无线电环境。射线追踪识别场景中所有可能的几何射线（如LOS、穿透、反射、衍射和漫散射），并计算其电磁特性，以获得信道指标，如信道冲激响应、路径损耗和覆盖地图。这允许对复杂环境（如密集的城市景观、智能工厂或体育场）进行高保真无线电传播模拟，从而实现精确的信号分析、覆盖优化和干扰检测。例如，图2显示了位于亚利桑那州钱德勒市的VIAVI总部周围的射线追踪生成的路径损耗热图，它清楚地显示了建筑物后面由于阴影和材料效应而增加的衰减。这里需要提到的是，虽然阴影可以随机建模，通常使用对数正态分布，但这种模型没有考虑实际的物理环境。 信号与环境相互作用的复杂建模使得基于射线追踪的射频模拟在计算上要求很高。随着更大的地图以及发射机、接收机和移动实体数量的增加，这一问题变得更加严重。VIAVI近实时GPU加速和射线追踪技术利用专利算法来减少射线追踪的计算开销，同时保持高准确性，并可以扩展到更复杂的场景。如图3所示，它是网络数字孪生（从射频数字孪生到全RAN级数字孪生）的关键使能因素。 VIAVI的射线追踪技术作为独立的射频数字孪生部署时，不仅提供了更真实的网络规划功能，还增强了网络感知，实现了主动无线电资源管理、移动性预测和链路自适应，而无需依赖大量的测 量反馈。这使其成为构建预测性、智能驱动网络的关键推动力，尤其适用于对超高可靠性和低时延性能有严格要求的应用场景，例如工业自动化中的xURLLC、自主系统以及5G/6G专网的部署。当与实时环境感知或增强型设备定位系统集成时，光线追踪引擎可以动态更新移动物体、重新配置的布局或季节性变化。此外，VIAVI OneAdvisor 800与XEdge传感器配合使用，能够自动校准射线追踪，以适应环境变化。这种闭环功能允许数字孪生随着时间的推移与现实世界保持同步。 图4展示了高通公司圣地亚哥园区的数字孪生模型，利用高通公司的射频感应能力、基于计算机视觉的处理和AI/ML模型来创建物理环境的高保真3D模型。结合VIAVI的近实时射线追踪技术，该系统能够优化波束选择，显著降低网络和设备的能耗。 VIAVI的射线追踪技术与TM500 UE仿真器相结合，可以提供全面的UE数字孪生技术，用于在安全、规范的实验室环境中对gNB、DU和RU进行现场特定测试和优化。高保真射频仿真为gNB、DU和RU性能和容量测试提供了身临其境的虚拟环境，最大限度地减少了部署后的现场问题。此外，空中接口的AI模型可以在实验室中使用特定地点的真实数据进行训练和测试。当与VIAVI的NITRO GEO位置信息、OneAdvisor 800和XEdge传感器结合使用时，该解决方案通过与数字孪生同步真实的用户连接、移动性和流量模式，以及为射线追踪校准提供真实的现场测量，创建了从现场到实验室的无缝桥梁。待测设备(DUT)的软件升级和策略更改可以使用特定站点的用户数据进行虚拟验证，从而最大限度地降低服务中断的风险。网络运营商还可以在数字孪生环境中重现特定站点的网络问题，例如流量激增、拥塞问题、越区覆盖、切换乒乓等，以制定更具稳健的优化策略。通过在数字孪生中模拟高风险操作（如DUT重新配置、软件升级或站点交换活动），可以准确预测网络性能，确保在不影响实时网络的情况下实现覆盖范围和容量目标。 当VIAVI的射线追踪技术与TeraVM AI RAN场景生成器(RSG)集成时，它就成为了一个完整的无线场景数字孪生，用于xApp和rApp的AI训练和测试，以及部署后AI模型生命周期管理。此外，这种无线场景数字孪生允许运营商在接近真实的虚拟设置中评估网络规划、优化和扩展任务。在基于意图的管理场景中，RIC动态调整RAN策略以实现目标KPI，无线场景数字孪生为评估不同策略提供了一个完美的沙盒。例如，可以在数字孪生中验证节能策略，其中闭环优化用于迭代地调整配置，例如小区激活、无线电关闭或载波频率分配，直到实现期望的KPI，例如能量效率、UE吞吐量和QoE。无线场景数字孪生的另一个使用案例是评估干扰协调策略和频谱利用效率，尤其是在密集的城市部署或共享频谱场景中。与VIAVI NITRO GEO的集成进一步实现了与实时网络数据的同步，捕捉实时流量分布、移动模式和网络配置，以协调物理和虚拟世界。 4.基于射线追踪的感知信道建模与通信感知一体化测试 4.1感知信道模型 如图5所示，通信与感知一体化(ISAC)的发射机与接收机天线阵列之间的时变多输入多输出(MIMO)信道由表示，是离散分量（在本文中称为抽头）的总和，每个分量具有专用的复路径增益、延迟、多普勒频移、到达角(AoA)和离开角(AoD)值。它在数学上可以表示为 •是第p个抽头的复路径增益，•(⋅)、(⋅)是接收机和发射机天线阵列导向矢量，•、是第p个抽头的AoA和AoD矢量，•是第p个抽头的延迟偏移，•是第p个抽头的多普勒频移。 阵列导向矢量是AoA和AoD（包括方位角和仰角）、信号波长和天线阵列的函数。信道抽头将包括目标和背景杂波反射。通常，每个对象（目标或背景对象）可以具有多个相关联的抽头（一个或多个）。如果两个抽头具有足够接近的延迟值，则可以通过保留角度/多普勒信息将它们合并在同一个抽头中。感知算法可以估计一些关键参数，以检测目标并估计其位置/速度： •路径增益()：复路径增益的幅度包括关于物体的雷达截面(RCS)的信息。该信息在目标分类中是有用的。请注意，这还包括ISAC发射机和ISAC接收机之间的信号传播造成的路径损耗效应。这一部分可以通过ISAC算法使用针对环境和到目标的距离的适当路径损耗模型来估计。 •延迟()：延迟提供了有关相关路径总长度的信息。对于单站ISAC系统，总路径长度是到目标距离的两倍。在双站设置中，总路径长度等于目标-ISAC发射机距离和目标-ISAC接收机距离之和。在这两种情况下，延迟对于估计目标的位置是有用的。 •多普勒频移()：多普勒频移提供了关于目标速度的信息。在单站和双站情况下，目标相对于ISAC发射机-目标射线和目标-ISAC接收机射线的行进方向可用于计算多普勒频移和目标速度之间的关系。•AoA和AoD（（、）：AoA和AoD提供了关于目标位置和速度的有用信息。在单站情况下，它们彼此相等（或者根据ISAC发射机和接收机天线阵列的位置略有不同），而在双站情况下，我们有完全不同的AoA和AoD值。ISAC系统可以利用延迟和AoA/AoD信息定位目标。AoA/AoD对于速度估计也是有用的，因为如上所述，相对于ISAC发射机和接收机位置的行进方向也是重要的。 4.2用于感知信道建模的射线追踪 4.2.1VI