面向未來移動網(wǎng)絡(luò)密集連接的關(guān)鍵技術(shù)綜述

錢志鴻，肖琳，王雪

（吉林大學(xué)通信工程學(xué)院，吉林 長春 130012）

1 引言

移動通信（5G、6G 等）與無線網(wǎng)絡(luò)技術(shù)（Wi-Fi、藍牙和RFID 等）結(jié)合，構(gòu)建了應(yīng)用面越來越寬的移動網(wǎng)絡(luò)。隨著工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、智能網(wǎng)聯(lián)交通[1]和其他各類應(yīng)用需求的激增，移動網(wǎng)絡(luò)的大規(guī)模組網(wǎng)和密集連接的難度陡然增加。近年來，移動網(wǎng)絡(luò)的飛速發(fā)展改變了人們的生活方式，國家制造強國建設(shè)戰(zhàn)略咨詢委員會主辦的《中國制造2025》重點領(lǐng)域技術(shù)創(chuàng)新路線圖顯示，中國通信設(shè)備將步入世界領(lǐng)先行列，同時，國際市場將受到增強型移動帶寬（eMBB,enhanced mobile broadband）、大規(guī)模機器類通信（mMTC,massive machine type communication）[2-3]以及高可靠低時延通信（URLLC,ultra-reliable and low latency communication）的推動，實現(xiàn)精度更高、吞吐量更大以及能處理大量數(shù)據(jù)的實時性高效通信。上述3 個場景中，特別是eMBB 和mMTC 場景，都需要通信系統(tǒng)支持海量終端接入網(wǎng)絡(luò)。根據(jù)國際調(diào)研機構(gòu)Gartner 預(yù)計，2021 年企業(yè)和汽車物聯(lián)網(wǎng)終端設(shè)備將比2020 年的58 億上漲21%，智能醫(yī)療保健終端設(shè)備將增長29%，建筑自動化終端設(shè)備將達到最大增長速度42%，全球聯(lián)網(wǎng)設(shè)備將達到280 億個，用戶數(shù)量可能要翻倍幾個數(shù)量級，到2025 年，全球聯(lián)網(wǎng)設(shè)備將超過754 億。與此同時，各種新興業(yè)務(wù)和網(wǎng)絡(luò)應(yīng)用井噴式涌現(xiàn)，網(wǎng)絡(luò)流量也在迅速增長，5G 網(wǎng)絡(luò)能實現(xiàn)比4G 網(wǎng)絡(luò)高達千倍的移動數(shù)據(jù)流量增長[4-5]。但據(jù)ITU 預(yù)測，隨著自動駕駛、高精度智能工業(yè)、全息通信等對網(wǎng)絡(luò)性能的要求不斷升級，預(yù)計2030 年左右，5G 系統(tǒng)的開發(fā)與應(yīng)用將達到極限。因此，隨著5G 系統(tǒng)開始全面商用，人們對未來移動通信系統(tǒng)的設(shè)想也在逐漸展開，2020 年2 月，ITU-R 啟動了面向2030 及6G 的研究工作。貝爾實驗室認為未來移動網(wǎng)絡(luò)將是物理、數(shù)字、生物世界的完全融合，將支持整個世界的數(shù)字化，真正達成“數(shù)字孿生、智慧泛在”的美好愿景[6]。

未來移動網(wǎng)絡(luò)應(yīng)用場景將是對eMBB、mMTC、URLLC 等傳統(tǒng)場景的多方面融合[7]，比如基礎(chǔ)設(shè)施智能化的超能交通；超高帶寬、超低時延和超可靠性等需求的人機物協(xié)同高精度智能工業(yè)；超高移動性、全覆蓋的空中高速聯(lián)網(wǎng)；極高吞吐量和極低時延需求的全息通信；全覆蓋、超低功耗、超高精度的應(yīng)急搶險等場景。為了達到未來移動通信網(wǎng)絡(luò)的場景需求，《6G 無線智能無處不在的關(guān)鍵驅(qū)動與研究挑戰(zhàn)》白皮書給出了如表1 所示的KPI（key performance indicator）。

更高標準的性能指標，會伴隨更加困難、復(fù)雜的技術(shù)挑戰(zhàn)。在通信系統(tǒng)不斷地向以上愿景演進的過程中，連接密度的持續(xù)加大將使整個網(wǎng)絡(luò)負擔加重。由此可見，面向未來移動通信網(wǎng)絡(luò)時，密集連接并不局限于mMTC 場景，而是更加多樣的、復(fù)雜的場景融合。

表1 6G 網(wǎng)絡(luò)的KPI

近年來，伴隨智慧家庭、社區(qū)、醫(yī)療、工業(yè)、農(nóng)業(yè)、電網(wǎng)、交通乃至智慧城市的需求和移動網(wǎng)絡(luò)技術(shù)的發(fā)展，各種面向應(yīng)用的移動網(wǎng)絡(luò)已開始規(guī)劃或布設(shè)，但從理論和技術(shù)層面，遠沒有達到能應(yīng)對未來工業(yè)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)[8]等大規(guī)模、高密度移動網(wǎng)絡(luò)所要求的技術(shù)水平?？上驳氖牵瑖鴥?nèi)外學(xué)者針對未來移動網(wǎng)絡(luò)密集連接的研究已經(jīng)取得了具有前瞻性的研究成果和進展。

2 研究進展

隨著接入終端設(shè)備數(shù)量的急劇增加，以及新業(yè)務(wù)類型的井噴式涌出，通信網(wǎng)絡(luò)的網(wǎng)絡(luò)架構(gòu)、接入技術(shù)等方面都在持續(xù)發(fā)展，本節(jié)選取了一些支撐移動通信網(wǎng)絡(luò)密集連接的關(guān)鍵技術(shù)進行了現(xiàn)狀總結(jié)分析。首先，對使能技術(shù)進行了劃分，從網(wǎng)絡(luò)架構(gòu)、傳輸技術(shù)、接入技術(shù)3 個方面進行了歸納。其次，對這些關(guān)鍵技術(shù)在研究和發(fā)展過程中遇到的瓶頸問題進行了分析。

2.1 網(wǎng)絡(luò)架構(gòu)及相關(guān)技術(shù)

隨著網(wǎng)絡(luò)規(guī)模和網(wǎng)絡(luò)密度不斷增加，密集終端連接將面臨越來越多的挑戰(zhàn)，催生出各種創(chuàng)新性的解決方案。平面的通信網(wǎng)絡(luò)已經(jīng)成為歷史，在未來的通信網(wǎng)絡(luò)中，有承載覆蓋的宏基站，有負責連接的微基站，還有承擔密集連接的微微基站，構(gòu)成立體化的、多層次的、分布與協(xié)同工作的網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)中的密集連接具有多樣性和靈活性，可以保證用戶獲得高質(zhì)量服務(wù)，緩解網(wǎng)絡(luò)擁塞，降低時延。

1) 網(wǎng)絡(luò)架構(gòu)

異構(gòu)網(wǎng)絡(luò)（HetNet,heterogeneous network）是一種有效的網(wǎng)絡(luò)體系結(jié)構(gòu)，是實現(xiàn)密集終端連接的有效手段。在宏蜂窩范圍內(nèi)部署小基站[9]、微微基站、家庭基站以及中繼站等低功耗節(jié)點，可為密集終端提供高質(zhì)量服務(wù)。宏基站可以實現(xiàn)廣域覆蓋，小基站可以彌補宏基站的覆蓋漏洞。微微基站負責熱點區(qū)域的覆蓋，有效卸載宏蜂窩的流量，減少用戶擁塞。家庭基站又稱飛蜂窩基站，由用戶自行購買部署，產(chǎn)生的流量通過家庭有線寬帶鏈路傳輸?shù)揭苿雍诵木W(wǎng)。中繼站用來轉(zhuǎn)發(fā)宏基站與終端之間的數(shù)據(jù)信息，可以提升距離宏基站比較遠的邊緣終端設(shè)備的服務(wù)質(zhì)量。表2 總結(jié)了異構(gòu)網(wǎng)絡(luò)中不同類型基站的特性。

表2 異構(gòu)網(wǎng)絡(luò)中不同類型基站的特性

隨著移動通信技術(shù)的演進，如大規(guī)模多輸入多輸出（MIMO,multi input multi output）、毫米波、空中基站等無線接入和組網(wǎng)技術(shù)逐漸引入蜂窩網(wǎng)，與運營商部署的Wi-Fi 接入點共同為數(shù)量不斷增長的終端提供高質(zhì)量服務(wù)，形成融合的異構(gòu)無線網(wǎng)絡(luò)。異構(gòu)無線網(wǎng)絡(luò)的組網(wǎng)結(jié)構(gòu)分為松耦合、緊耦合、超緊耦合3 種類型。松耦合結(jié)構(gòu)是指不同的網(wǎng)絡(luò)之間相互獨立并且通過接口相連，使用移動IP 實現(xiàn)不同網(wǎng)絡(luò)之間的融合，該結(jié)構(gòu)的使用范圍更廣、可擴展性更強。緊耦合結(jié)構(gòu)是指通過連接單元組件將無線接入網(wǎng)絡(luò)和蜂窩核心網(wǎng)相連接，網(wǎng)絡(luò)的互聯(lián)點在核心網(wǎng)一側(cè)，這種結(jié)構(gòu)下終端的網(wǎng)絡(luò)切換時延和失敗概率較小。與緊耦合結(jié)構(gòu)不同的是，超緊耦合結(jié)構(gòu)下網(wǎng)絡(luò)的互聯(lián)點在接入網(wǎng)端，終端的網(wǎng)絡(luò)切換性能最好。

異構(gòu)無線網(wǎng)絡(luò)所需技術(shù)的演進從來不是一蹴而就的，在這個漫長的過程中，各種無線技術(shù)相互補充，不同技術(shù)的無線網(wǎng)絡(luò)將會共存且覆蓋范圍重疊，這種立體化的網(wǎng)絡(luò)結(jié)構(gòu)將是未來移動通信發(fā)展的重要趨勢。在異構(gòu)無線網(wǎng)絡(luò)中，密集終端設(shè)備通常在多種類型基站的覆蓋之下。目前，通常將終端設(shè)備的接入和資源分配放在一起進行研究，統(tǒng)稱為資源管理問題。本節(jié)將首先介紹異構(gòu)網(wǎng)絡(luò)中常用的接入方法，并分析各類方法的特性以及對密集終端接入場景的適用性，然后總結(jié)資源分配的相關(guān)研究。終端設(shè)備接入是指選擇某個網(wǎng)絡(luò)為設(shè)備提供連接服務(wù)。在密集終端接入情形下，終端業(yè)務(wù)更加多樣，無線網(wǎng)絡(luò)信道傳輸質(zhì)量差異性更大?？紤]到這些因素，需要高效的接入選擇算法，使密集用戶可以接入最合適的網(wǎng)絡(luò)進行數(shù)據(jù)傳輸。常用的接入選擇方法有基于max-RSS[10]、基于偏置用戶[11]、基于代價函數(shù)、基于組合優(yōu)化、基于負載均衡、基于博弈論等方法的接入選擇方案。表3 分析了目前4 類較常用的接入方法性能[12-17]。除了這幾類以外，有研究者將馬爾可夫模型加入接入選擇方案中[18]，以最大化期望總回報和最小化平均切換次數(shù)為目標，并使用遺傳算法找到最優(yōu)決策，確保了基于優(yōu)先級的服務(wù)質(zhì)量之間的最佳權(quán)衡。

盡管研究者對異構(gòu)網(wǎng)絡(luò)的接入問題進行了大量的研究且取得了一些成果，但是對未來移動網(wǎng)絡(luò)密集終端請求接入時，網(wǎng)絡(luò)接入選擇方法還存在許多需解決和優(yōu)化的地方。1) 大多數(shù)接入選擇方法沒能考慮到異構(gòu)無線網(wǎng)絡(luò)資源的整體利用，需要在終端設(shè)備的接入過程中兼顧用戶側(cè)服務(wù)質(zhì)量的保證與網(wǎng)絡(luò)側(cè)整體性能的提升。2) 隨著用戶規(guī)模的擴大，很多用戶的偏好是不同的，在考慮用戶偏好這一因素時需進行區(qū)分。3) 在用戶規(guī)模擴大的同時，業(yè)務(wù)類型更加繁多，因此在考慮網(wǎng)絡(luò)綜合性能并保證負載盡量均衡的同時，要將業(yè)務(wù)類型考慮在內(nèi)。

表3 異構(gòu)無線網(wǎng)絡(luò)接入方法性能分析

由于嚴重的干擾和負載不均衡的問題限制了異構(gòu)網(wǎng)絡(luò)性能，需采用高效的資源管理技術(shù)予以解決。文獻[19]提出了一種具有干擾預(yù)消除的資源管理算法RMIP，如果移動臺（MS,mobile station）的干擾源能識別出來，在MS 上就能獲取預(yù)期的信號，排除干擾。結(jié)果表明，在密集部署的立體網(wǎng)中，如果所有干擾能被精準識別，RMIP 算法可以達到至少19.03%的吞吐量。為了抑制兩層異構(gòu)大規(guī)模MIMO 網(wǎng)絡(luò)的上行干擾，有學(xué)者提出了一種聯(lián)合上行功率控制和小區(qū)范圍擴展方案[20]，而對于三層或更多層次的混合蜂窩網(wǎng)絡(luò)的研究則剛剛起步。在這種立體化結(jié)構(gòu)中，前兩層采用微波（μ 波）鏈路，第三層采用毫米波鏈路，對不同的網(wǎng)絡(luò)層次，天線部署的方式不同[21]，利用最小速率模型可以獲得覆蓋率、區(qū)域頻譜效率和能效等關(guān)鍵性能指標數(shù)據(jù)。目前，為了使立體化網(wǎng)絡(luò)部署簡化，基于云平臺輔助的方式引起了人們的關(guān)注。云輔助無線網(wǎng)絡(luò)正在成為下一代蜂窩網(wǎng)絡(luò)的變革性范例架構(gòu)。Younis 等[22]以提高無線網(wǎng)絡(luò)的能源效率為目標，提出了新的資源分配方案，并在云輔助模式下實現(xiàn)計算任務(wù)的卸載，通過協(xié)調(diào)微蜂窩的傳輸，實現(xiàn)對網(wǎng)絡(luò)資源的集中管理，有效地利用了網(wǎng)絡(luò)資源[23]。

由于現(xiàn)有異構(gòu)網(wǎng)絡(luò)資源管理研究主要以擴大網(wǎng)絡(luò)覆蓋、提升頻譜效率為目標，但是異構(gòu)網(wǎng)絡(luò)的能效是運營商關(guān)心的重要指標，這與運營成本息息相關(guān)。因此，異構(gòu)網(wǎng)絡(luò)能量效率、頻譜效率、覆蓋率之間的均衡問題，有待于進一步研究。而且部分用戶可能具有高移動特性，將導(dǎo)致頻繁的網(wǎng)絡(luò)切換，因此，為密集用戶提供平滑切換、降低能源消耗及保證安全性是至關(guān)重要的問題[24]。

2) 相關(guān)技術(shù)

人們對未來移動通信網(wǎng)最強烈的期待是眾連接、高智能，即將物聯(lián)網(wǎng)技術(shù)引入移動通信系統(tǒng)中[25]，實現(xiàn)人?人、物?物、人?物?機器的泛在通信。而通信網(wǎng)絡(luò)的密集連接將會導(dǎo)致網(wǎng)絡(luò)不堪重負、多層蜂窩網(wǎng)絡(luò)之間負載不均衡等問題，必須尋求更具靈活性的組網(wǎng)方式，從根本上解決眾連接的問題。利用D2D 技術(shù)對負載過高的基站進行分流，保證大量無法接入網(wǎng)絡(luò)的用戶連接入網(wǎng)或?qū)崟r通信，可降低通信系統(tǒng)中心節(jié)點的數(shù)據(jù)壓力，提升頻譜利用率，擴大網(wǎng)絡(luò)容量，使終端設(shè)備具備多種接入選擇模式，實現(xiàn)網(wǎng)絡(luò)廣覆蓋，為設(shè)備的零時延通信、終端密集接入及數(shù)據(jù)傳輸開辟了新的途徑[26]。

運用D2D技術(shù)的關(guān)鍵是建立D2D的連接機制，即2 個設(shè)備如何發(fā)現(xiàn)彼此并建立D2D 鏈路。在下一代移動通信場景中，會有密集用戶設(shè)備存在，所以需要一種快速、精準、高效的D2D 連接機制。D2D 的連接機制包括分布式連接和集中式連接[27]。分布式的連接機制對于基礎(chǔ)設(shè)施遭到破壞的公共安全網(wǎng)絡(luò)非常有效，而對于密集連接的高密度場景，集中式的連接機制更好。文獻[28]研究了集中式面向密集連接的D2D 連接機制，提出了基于信念空間搜索的機制，覆蓋區(qū)域根據(jù)設(shè)備過去的歷史信息以及移動模式劃分為不同的信念子空間，降低了設(shè)備發(fā)現(xiàn)復(fù)雜度、時延，未來可以擴展到多小區(qū)的快速移動設(shè)備問題。在5G D2D 中，這2 種發(fā)現(xiàn)過程并存，共同保證設(shè)備之間的可靠連接，增強覆蓋范圍，對D2D 可持續(xù)性發(fā)展至關(guān)重要。針對密集連接場景，有學(xué)者提出了一種新的D2D 通信輔助移動流量卸載（DATO,D2D communication assisted traffic offloading）方案[29]，在數(shù)據(jù)傳輸過程中，一些設(shè)備可以通過D2D 將流量從宏基站卸載到小基站，從而提高整體網(wǎng)絡(luò)容量。將DATO 問題公式化為0-1 線性規(guī)劃，并使用動態(tài)規(guī)劃為確定用戶設(shè)備的訪問模式提供最優(yōu)解。結(jié)果表明，在支持用戶訪問數(shù)量和用戶能量消耗等方面，此方案有明顯優(yōu)勢。

近年來，將D2D 與其他技術(shù)結(jié)合的研究成為熱點，比如D2D-MIMO、D2D-NOMA 傳輸策略等，可以充分利用信道資源，擴大網(wǎng)絡(luò)容量，是一項值得探討和期待的研究工作。大規(guī)模MIMO 與D2D的集成可以進一步提高頻譜效率，但也會增加覆蓋區(qū)域內(nèi)和區(qū)間干擾，該研究主要集中在資源分配與干擾管理[30]、接收機的設(shè)計、性能與復(fù)雜度之間的權(quán)衡[31]等方面。Lin 等[32]提出了基于和速率最大化的D2D 多用戶MIMO 系統(tǒng)收發(fā)機設(shè)計方法。與大多數(shù)研究不同，該方法假設(shè)蜂窩和D2D 傳輸具有同等的優(yōu)先級，并且每個設(shè)備可以在蜂窩模式和D2D 模式之間自由切換。D2D-NOMA 傳輸策略首次將NOMA 技術(shù)與基于蜂窩的D2D 網(wǎng)絡(luò)相結(jié)合，在這種場景下引入了全新的“D2D 簇”的概念[33]，一個D2D 發(fā)射機通過NOMA 技術(shù)，使用相同的信道資源同時向多個D2D 接收機傳輸數(shù)據(jù)。將D2D和NOMA 二者結(jié)合起來更加提高了頻譜利用率，是支持未來密集終端接入網(wǎng)絡(luò)的重要潛力。在D2D-NOMA 方案中，也可以運用聯(lián)合子信道和功率分配算法，為每個D2D 組分配一個信道，并使用KKT（Karush-Kuhn-Tucker）條件求解最優(yōu)功率分配，獲得較高的能量效率和吞吐量[34]。而NOMA 的重要延伸——分層多路復(fù)用，與mmWave、大規(guī)模MIMO 系統(tǒng)、D2D 相結(jié)合[35]，能同時提供廣播和單播服務(wù)，保證更少的自干擾，提高系統(tǒng)容量。

隨著終端數(shù)量的增長，數(shù)據(jù)量也呈現(xiàn)出爆炸式增長，需要新方法減輕蜂窩網(wǎng)絡(luò)的流量負擔，避免反復(fù)下載相同的數(shù)據(jù)內(nèi)容。緩存技術(shù)被用來減少來自蜂窩網(wǎng)絡(luò)的流量負載、緩解擁塞以及內(nèi)容請求時延[36]。由于D2D 技術(shù)在數(shù)據(jù)卸載與分發(fā)中同樣發(fā)揮著巨大作用，因此將D2D 通信與緩存技術(shù)相結(jié)合不僅可以降低傳輸時延和傳輸功率，還可以提高網(wǎng)絡(luò)性能。為了降低D2D 蜂窩網(wǎng)絡(luò)的流量負載，有研究者通過深度學(xué)習(xí)和社會關(guān)系的綜合協(xié)作緩存策略獲得最大化數(shù)據(jù)卸載率，針對內(nèi)容請求預(yù)測，運用神經(jīng)網(wǎng)絡(luò)協(xié)同過濾（NCF,neural collaborative filtering）算法提高了預(yù)測精度[37]。目前已有研究利用人工智能（AI,artificial intelligence）分析框架來解決單小區(qū)、異構(gòu)網(wǎng)絡(luò)、D2D 等場景的緩存問題[38]，在基站、微基站以及用戶設(shè)備等基礎(chǔ)設(shè)施和終端設(shè)備上進行智能計算及內(nèi)容緩存，當用戶需要這些內(nèi)容時直接從緩存節(jié)點處獲取，這不但可以避免回程鏈路的容量受限問題，還可以減少用戶請求時間和傳輸時延，提高服務(wù)質(zhì)量。終端通過D2D通信分享緩存內(nèi)容，進一步增加了任務(wù)的卸載率和網(wǎng)絡(luò)吞吐量。但由于緩存節(jié)點的緩存容量有限，而終端設(shè)備可能請求的內(nèi)容是海量的，如何選擇適當?shù)膬?nèi)容進行緩存，以保證較高的緩存命中率和卸載率，是實現(xiàn)密集連接的關(guān)鍵性問題。

2.2 密集連接的傳輸技術(shù)

密集連接必然產(chǎn)生大量的數(shù)據(jù)，這為充分利用有限的頻譜資源進行高效的無線傳輸和射頻傳輸提出了新的研究課題。隨著新興應(yīng)用和智能終端的發(fā)展，預(yù)計未來10 年移動數(shù)據(jù)流量將增長1 000 倍左右[39]，要實現(xiàn)未來移動通信網(wǎng)絡(luò)海量密集終端數(shù)據(jù)接入以及數(shù)據(jù)的高速傳輸，就一定要充分利用有限的頻譜資源。本節(jié)總結(jié)了全雙工通信、大規(guī)模MIMO技術(shù)的研究現(xiàn)狀，并分析了部署每種技術(shù)的挑戰(zhàn)。

1) 全雙工通信

目前的蜂窩網(wǎng)絡(luò)技術(shù)無法支撐密集的無線用戶設(shè)備接入，為了在有限的頻帶資源下滿足日益增長的移動無線通信的需求，研究者開始研究并改善一些關(guān)鍵技術(shù)以應(yīng)對頻譜稀缺問題，例如全雙工（FD,full duplex）通信技術(shù)[40]。全雙工通信技術(shù)能夠同時同頻完成信息的發(fā)送和接收，在理想狀態(tài)下，該技術(shù)能夠倍增頻譜效率。已有學(xué)者研究并實現(xiàn)了基于全雙工技術(shù)的無線通信實驗平臺[41-42]，證明了采用全雙工技術(shù)的系統(tǒng)信道容量是半雙工技術(shù)信道容量的兩倍，這樣的技術(shù)優(yōu)勢受到了業(yè)界內(nèi)的廣泛關(guān)注。目前，全雙工通信技術(shù)已被應(yīng)用到了全雙工蜂窩通信、全雙工雙向通信以及全雙工中繼通信等場景，如圖1 所示。

圖1 全雙工通信的3 種場景

在全雙工收發(fā)機的模型中，發(fā)射天線Tx 到接收天線Rx 之間的信道是環(huán)路信道，發(fā)射信號Ts 經(jīng)過環(huán)路信道衰減，到達接收端形成了自干擾信號Is，除了Is 以外，接收端還接收到其他終端的有用信號Rs。因為收發(fā)機體積受限，Tx 與Rx 之間距離短，所以有用信號的衰減要大于自干擾信號的衰減。由此看來，全雙工技術(shù)引入的自干擾如果不能被有效抑制，會影響其工作性能。在近幾年的研究中，采用數(shù)字域自干擾消除、射頻域自干擾消除、天線抵消等方法較有成效。

自干擾消除通常分為被動和主動兩大類[43]。被動自干擾消除是指由于路徑損耗效應(yīng)，使自干擾信號到達Rx 的功率降低，減少其對接收信號的影響。被動自干擾包括天線抵消、定向天線、天線隔離等技術(shù)，目前主流方法是天線抵消技術(shù)，此項技術(shù)是指利用Tx 與Rx 之間的部署距離和信號波長之間的數(shù)學(xué)關(guān)系式達到干擾抵消的效果。天線抵消技術(shù)能夠?qū)崿F(xiàn)約30 dB 的信號干擾抑制[44]，若與主動干擾消除等方法結(jié)合，可以實現(xiàn)高達60 dB 的抵消能力。這證明了只使用被動干擾消除不足以得到更精確的接收信號，為了將信噪比降低到噪聲水平以下，必須使用主動干擾消除技術(shù)進一步抑制干擾。

主動消除主要包括射頻域和數(shù)字域2 種干擾消除方式，其原理是在Rx 處構(gòu)造抵消信號，進而與自干擾信號相加或相減，以此消除自干擾對有用信號的影響?，F(xiàn)有研究表明，射頻消除技術(shù)能夠?qū)⒆愿蓴_信號強度降低幾十分貝，例如，有研究者以最小化剩余自干擾信號功率為準則，在寬帶場景下研究全雙工通信的直接耦合模擬消除，實現(xiàn)了多抽頭結(jié)構(gòu)下的模擬域自干擾信號抵消，實驗分析得到最佳自干擾抑制能力約為80 dB[45]。與直接耦合模擬消除相比，間接耦合需額外增加一條發(fā)射鏈路來重構(gòu)自干擾信號，有實驗表明當系統(tǒng)帶寬為10 MHz、載波頻率為2.4 GHz 時，自干擾抑制能力約為32 dB[46]。從結(jié)構(gòu)上看，直接耦合模擬消除要比間接耦合簡單，開銷更低。射頻消除后會有殘余信號干擾，需要借助數(shù)字域消除技術(shù)進一步降低。根據(jù)現(xiàn)有研究可知，數(shù)字域消除可以歸為3 類：基于導(dǎo)頻的數(shù)字域自干擾消除[47]、自適應(yīng)數(shù)字自干擾對消[48]以及基于預(yù)編碼的數(shù)字域自干擾消除[49]。有研究者基于最小均方算法的參數(shù)學(xué)習(xí)設(shè)計自適應(yīng)數(shù)字自干擾抵消方案，在20 MHz 的帶寬條件下，實現(xiàn)了約100 dB的自干擾抑制能力[47]。表4 為自干擾消除技術(shù)的性能優(yōu)勢對比。

在未來移動通信系統(tǒng)中，要實現(xiàn)海量且密集用戶設(shè)備接入及產(chǎn)生的數(shù)據(jù)高速傳輸，就一定要做到充分利用有限的頻譜資源。隨著各類干擾消除技術(shù)的進步，全雙工通信提升頻譜效率的優(yōu)勢也愈發(fā)顯著，但是原有的通信協(xié)議并不能完全發(fā)揮出全雙工的優(yōu)勢，因此如何設(shè)計高效的適用于全雙工的通信協(xié)議，同時可以完成自干擾消除過程，是一個值得深入研究的課題。

2) 大規(guī)模MIMO 技術(shù)

陣列天線從最初的多天線接收分集到發(fā)射分集，再到空時編碼、空間復(fù)用、預(yù)編碼、混合波束成形，最終形成了大規(guī)模MIMO 技術(shù)[57]。大規(guī)模MIMO 技術(shù)在基站端配置大規(guī)模天線陣列，能將無線能量傳播方向指向目標用戶所在位置，將干擾程度保持在盡可能低的水平[58-59]，充分利用空間資源實現(xiàn)同一時頻上大量用戶與基站通信，大幅提升了系統(tǒng)的頻譜利用率與能量效率，在不增加基站密度和帶寬的條件下，大規(guī)模MIMO 技術(shù)通過增加基站天線數(shù)目提高系統(tǒng)容量，其基本形式已經(jīng)在3GPP蜂窩標準中采用[60-63]。

學(xué)術(shù)界和工業(yè)界搭建了一系列實驗平臺驗證大規(guī)模MIMO 技術(shù)的性能優(yōu)勢。2016 年，瑞典隆德大學(xué)和英國布里斯托大學(xué)合作研發(fā)了具有128 根天線的大規(guī)模MIMO 實驗平臺[64]，系統(tǒng)的頻譜效率達到了79.4 bit/(s.Hz)?1。2017 年，中興公司與日本軟銀完成了在商用場景下，大規(guī)模MIMO 系統(tǒng)TDD 模式下的性能驗證，使用24 臺終端設(shè)備進行同步數(shù)據(jù)下載，在20 MHz 帶寬下實現(xiàn)了956 Mbit/s峰值傳輸速率。目前，大規(guī)模MIMO 技術(shù)伴隨著5G 的發(fā)展逐漸開始商用，在未來6G 通信系統(tǒng)中大規(guī)模MIMO 技術(shù)也將扮演重要角色[65]。

表4 自干擾消除技術(shù)的性能優(yōu)勢對比

與傳統(tǒng)的MIMO 技術(shù)相比，大規(guī)模MIMO 具有空間分辨率高、能量傳輸高效、運算復(fù)雜度低、有效降低空口時延等優(yōu)點。對于一般連接密度的通信網(wǎng)絡(luò)，大規(guī)模MIMO 服務(wù)天線數(shù)量大于用戶數(shù)，通過產(chǎn)生過量的信道增益來服務(wù)有限數(shù)目的用戶。但在未來移動通信網(wǎng)絡(luò)密集終端請求接入的場景下，用戶的數(shù)量遠遠超過服務(wù)天線的數(shù)量，一些研究顯示了利用大規(guī)模MIMO 支持密集連接的可行性[66-67]?；贛IMO 的蜂窩系統(tǒng)中大規(guī)模連接方案，可以運用稀疏幀結(jié)構(gòu)和基于字典學(xué)習(xí)的非協(xié)調(diào)接入?yún)f(xié)議[66]，使大量設(shè)備不需要任何事先的調(diào)度過程傳輸數(shù)據(jù)，與傳統(tǒng)的方案相比，該方案可以極大地提高資源利用率和能源效率。大規(guī)模MIMO 應(yīng)用于工業(yè)物聯(lián)網(wǎng)中[67]，可以為需要低功耗和中等數(shù)據(jù)速率的系統(tǒng)帶來處理增益。

大規(guī)模MIMO 技術(shù)雖然取得了不錯的研究進展，但仍有許多問題亟待解決。此技術(shù)主要支持2 種通信模式，即時分雙工（TDD,time division duplexing）模式和頻分雙工（FDD,frequency division duplexing）模式。目前商用的主要是基于TDD 模式的大規(guī)模MIMO 系統(tǒng)，在TDD 模式下，基站需要精準捕獲當前的信道狀態(tài)信息（CSI,channel state information）[68]，才可以保證可靠的上下行數(shù)據(jù)傳輸。捕獲信道狀態(tài)信息的方法主要分為基于導(dǎo)頻的信道估計和盲信道估計，但后者誤碼率和復(fù)雜度較高，因此，基于導(dǎo)頻的信道估計更常用。基于TDD的大規(guī)模MIMO 系統(tǒng)利用上下行的互易性獲得期望值，這種方式可降低信道開銷，復(fù)雜度較低且對基站天線數(shù)目沒有限制要求。實際系統(tǒng)會給不同小區(qū)用戶分配同一正交或非正交導(dǎo)頻序列，這使目標基站無法區(qū)分其是否為本小區(qū)用戶，這種干擾即導(dǎo)頻污染[69]。當用戶設(shè)備數(shù)量非常大時，TDD 模式大規(guī)模MIMO 系統(tǒng)的研究重點是設(shè)計導(dǎo)頻序列以消除導(dǎo)頻污染，捕獲準確的CSI。已有很多研究針對導(dǎo)頻污染對大規(guī)模MIMO 性能的影響進行了分析[59]，表5 中總結(jié)了典型的抑制導(dǎo)頻污染的方法。

盡管目前TDD 模式大規(guī)模MIMO 系統(tǒng)應(yīng)用的更多，但FDD 模式下的傳輸信號穩(wěn)定性和對復(fù)雜電磁環(huán)境適應(yīng)性要優(yōu)于TDD 模式，在未來大規(guī)模系統(tǒng)中也具備良好的前景。FDD 模式下實現(xiàn)大規(guī)模MIMO 系統(tǒng)重要的挑戰(zhàn)是基站獲取下行CSI 需要巨大的開銷。與TDD 不同的是，F(xiàn)DD 模式需要通過終端設(shè)備進行基于導(dǎo)頻的信號估計，然后通過上行信道反饋將下行CSI 傳給基站。若用戶數(shù)目非常大，導(dǎo)頻開銷的急劇增加與有限的時頻資源是相沖突的。因此，如何在保證低反饋開銷的前提下，精準捕獲CSI 是極具挑戰(zhàn)性的問題之一。文獻[78]提出一種聯(lián)合空分復(fù)用方案，先將用戶進行分組，第一級預(yù)編碼利用每個組協(xié)方差矩陣相互正交性消除組間干擾，得到降維的等效信道，進而降低了反饋開銷。Bazzi 等[79]利用最小均方誤差（MMSE,minimum mean square error）估計信道，提出一種迭代導(dǎo)頻優(yōu)化方案。Kuo 等[80]首次將壓縮感知算法引入大規(guī)模MIMO 系統(tǒng)的CSI 反饋中，根據(jù)信道條件動態(tài)地調(diào)整CSI 反饋方案。壓縮感知算法通常使用迭代法恢復(fù)CSI，隨著密集用戶接入網(wǎng)絡(luò)，將無法保證CSI 重構(gòu)實時性，而且壓縮感知經(jīng)常依賴大規(guī)模MIMO 信道某些基向量的稀疏性假設(shè)，這與現(xiàn)實還是有很大差別的。隨著AI 技術(shù)的發(fā)展，將AI 與移動網(wǎng)絡(luò)相結(jié)合，滲透到核心網(wǎng)、傳輸網(wǎng)、接入網(wǎng)等各個層面，有助于實現(xiàn)高效的網(wǎng)絡(luò)資源管理，增強網(wǎng)絡(luò)各項使能技術(shù)的性能，提升系統(tǒng)安全的智能化水平和移動網(wǎng)絡(luò)的內(nèi)生安全性。有研究者提出基于深度學(xué)習(xí)CSI 反饋方案CsiNet[81]，該方案與壓縮感知算法相比獲得了更快的CSI 重構(gòu)速度以及CSI反饋準確性，但此類方案仍然面臨在復(fù)雜場景下CSI 重構(gòu)準確性較低的問題，在低反饋開銷以及室外復(fù)雜場景下仍面臨CSI 重構(gòu)精度較低的問題。

表5 典型的抑制導(dǎo)頻污染的方法分析

隨著大規(guī)模MIMO 技術(shù)的不斷發(fā)展，目前Cell-free 大規(guī)模MIMO 系統(tǒng)頗受關(guān)注。這是一種分布式系統(tǒng)，小區(qū)無邊界，所有的單天線在Cell-free大規(guī)模MIMO 系統(tǒng)中同時為全部目標用戶服務(wù)。Cell-free 大規(guī)模MIMO 有95%的可能性將單用戶吞吐量提高近5倍[82]，在相關(guān)陰影衰落條件下提高10倍。特別是目前初步研究的基于無線電條帶網(wǎng)絡(luò)結(jié)構(gòu)的Cell-free 大規(guī)模MIMO 系統(tǒng)[83]，能使移動通信網(wǎng)絡(luò)的部署更加容易和靈活，具有更高頻譜效率和優(yōu)異的空間分集。在未來通信網(wǎng)絡(luò)中將其應(yīng)用于密集街道、公共交通、大型會議場館、地鐵車站，是一個值得期待的選擇。綜上所述，大規(guī)模MIMO 是支持未來移動通信密集連接的關(guān)鍵技術(shù)之一，其信道信息獲取技術(shù)、預(yù)編碼、接收機等設(shè)計都是需要深入研究的理論和技術(shù)問題[84]，同時也是未來實現(xiàn)密集終端連接的需求。

2.3 密集連接的接入技術(shù)

在未來移動通信網(wǎng)絡(luò)中，傳統(tǒng)的正交多址（OMA,orthogonal multiple access）技術(shù)，如時分多址（TDMA,time division multiple access）、頻分多址（FDMA,frequency division multiple access）和正交頻分多址（OFDM,orthogonal frequency division multiple）[85]等技術(shù)，難以支持密集終端接入網(wǎng)絡(luò)。因此，必須采用新型接入技術(shù)，根據(jù)現(xiàn)有研究成果，本節(jié)從物理層和媒體訪問控制（MAC,media access control）層進行歸納分析。

1) 物理層接入技術(shù)

多址技術(shù)對無線網(wǎng)絡(luò)的接入密度起著決定性的作用，傳統(tǒng)的OMA 技術(shù)受限于正交的無線資源劃分，已無法滿足無線網(wǎng)絡(luò)對密集連接和超高數(shù)據(jù)速率的要求。作為一種非正交接入方式，NOMA 能在有限的頻譜上增加訪問設(shè)備的數(shù)量，并允許多個設(shè)備同時接入而不受可用正交資源的限制，共享相同的時頻資源塊[86-89]，可顯著提高頻譜效率，幫助信道狀態(tài)信息較差的網(wǎng)絡(luò)邊緣用戶接入網(wǎng)絡(luò)，具備支持密集連接的潛力。但是，這會增加接收機的復(fù)雜度，產(chǎn)生嚴重的共信道干擾，因此，實現(xiàn)NOMA的關(guān)鍵是干擾管理。到目前為止，已提出的NOMA 方案基本分為2 類，即功率域NOMA（PD-NOMA）[90-91]和碼域NOMA（CD-NOMA）[92-93]方案。

PD-NOMA 實現(xiàn)了功率域的多路復(fù)用，使多個用戶共享相同的時頻資源。在發(fā)送端將不同用戶產(chǎn)生的信號經(jīng)過信道編碼和調(diào)制后疊加發(fā)送，使用串行干擾消除法（SIC,successive interference cancellation）完成接收信號解調(diào)[94]。文獻[95-96]提出了一種傳輸速率回退算法，有效地緩解了信道估計誤差的影響。實驗結(jié)果表明，在存在信道估計誤差的情況下，NOMA 能比OMA 獲得更大的用戶吞吐量增益。NOMA 技術(shù)有如下問題需要繼續(xù)深入研究。1)高效SIC 接收機設(shè)計。目前基于線性檢測算法的SIC 每一步都會有殘余，這對NOMA 系統(tǒng)性能影響很大。因此，需要設(shè)計高性能的非線性檢測算法。Li 等[97]基于最小輸出能量準則設(shè)計了新的接收機，將期望信號與產(chǎn)生干擾的用戶設(shè)備分離。還有研究者分析了使用聯(lián)合多用戶檢測器JMuD 的NOMA系統(tǒng)性能，它可以同時檢測所有用戶的信號，從而降低檢測時間要求[98]。2) 信道估計。大多數(shù)研究都假設(shè)系統(tǒng)已知完全信道狀態(tài)信息。隨著未來移動通信系統(tǒng)中用戶數(shù)目的增加，干擾會更加復(fù)雜，信道估計誤差會更嚴重。因此，NOMA 系統(tǒng)需要精確的信道估計，Kara 等[99]分析了具有不完善的SIC 和CSI 的NOMA 系統(tǒng)的錯誤性能，推導(dǎo)了閉式的精確誤碼概率。文獻[100]通過推導(dǎo)迭代線性最小均方誤差（LMMSE,linear minimum mean square error）算法，以加權(quán)最小二乘算法為初始化點，實現(xiàn)了信道估計。3) 資源分配。NOMA 用戶之間功率分配的準確性會影響系統(tǒng)的吞吐量。最優(yōu)資源分配方案復(fù)雜度極高，是因為要對可行域內(nèi)多維搜索空間進行搜索。設(shè)計低復(fù)雜度資源分配算法至關(guān)重要，當然也必須做好性能和復(fù)雜性之間的權(quán)衡。文獻[101]提出了有效的功率分配方案，保證了上下行鏈路的服務(wù)質(zhì)量（QoS,quality of service）。也有學(xué)者研究了基于公平性的最優(yōu)資源分配方法，在系統(tǒng)和速率方面提高了35%[102]。

CD-NOMA 中的擴頻序列是稀疏序列或非正交弱相關(guān)序列[103]，衍生出稀疏擴頻碼分多址（LDS-CDMA,low-density spreading CDMA）[104]。LDS-CDMA 利用CDMA 中的稀疏擴頻序列提高系統(tǒng)性能，以減少每個芯片的干擾。將LDS-CDMA與OFDM 結(jié)合，又衍生出了稀疏擴頻正交頻分復(fù)用（LDS-OFDM,low-density spreading aided OFDM）[105]，LDS-OFDM 可以將發(fā)送的符號映射到稀疏擴頻序列，然后在不同的子載波上發(fā)送，且允許符號數(shù)量大于子載波數(shù)量，達到提高頻譜效率的作用。為了應(yīng)對設(shè)備的密集連接，2014 年，AL-Imari 等[106]提出了多用戶共享訪問（MUSA,multi-user shared access），能在沒有任何容量損失的情況下，保證多路復(fù)用用戶之間的公平性。文獻[107]討論了MUSA上行鏈路，運用復(fù)雜多域碼設(shè)計和接收端SIC 多用戶檢測，證明在相同正交資源下支持密集終端的高可靠性訪問，且復(fù)雜度低，更適合在免授權(quán)情況下傳輸。基于LDS-CDMA，有學(xué)者提出了稀疏碼分多址接入技術(shù)（SCMA,sparse code multiple access）[108-110]，秉承了低復(fù)雜度的特點。Lu 等[111]提出了一種信道估計和數(shù)據(jù)譯碼聯(lián)合的SCMA 方案。Yuan 等[112]采用稀疏塊循環(huán)矩陣作為導(dǎo)頻矩陣，結(jié)合正交匹配追蹤算法，在未知的主動用戶稀疏度條件下，實現(xiàn)了上行免授權(quán)SCMA 中的主動用戶檢測，獲取了稀疏信道響應(yīng)模型，保證在不超過窄帶物聯(lián)網(wǎng)（NB-IoT,narrow band Internet of things）標準要求的最大重傳輸次數(shù)（128 次）的情況下，基于稀疏塊循環(huán)矩陣的主動用戶檢測可降低導(dǎo)頻開銷。Miuccio等[113]針對大規(guī)模機器類通信的場景，提出了物理隨機接入信道和物理上行共享信道之間的動態(tài)資源分配的聯(lián)合控制，對物理上行共享信道資源采用了SCMA 技術(shù)，實驗表明，此方案顯著提高了通信成功率，降低了能耗。

綜上所述，PD-NOMA 和CD-NOMA 都利用了信道共享的新自由度來支持密集終端接入網(wǎng)絡(luò)。然而，這2 種非正交接入技術(shù)都需設(shè)計有效的收發(fā)機對抗共信道干擾。考慮到密集連接中的高維信道矩陣，可以設(shè)計簡單有效的收發(fā)機，更好地應(yīng)對密集終端接入網(wǎng)絡(luò)的場景。

事實上，NOMA 技術(shù)并非伴隨MIMO 技術(shù)而產(chǎn)生，但研究者發(fā)現(xiàn)，兩者的結(jié)合能帶來珠聯(lián)璧合的效果。尤其針對密集連接情形，這種結(jié)合更加受到關(guān)注。但由于單天線情形下，用戶的信道增益是標量，通過比較大小可以判斷信道條件的好與壞，然而，MIMO 場景中的信道是矩陣表示，導(dǎo)致NOMA在MIMO技術(shù)上的擴展存在困難。文獻[114]利用物聯(lián)網(wǎng)用戶對服務(wù)質(zhì)量需求不同的特點，設(shè)計了面向?qū)ο蠓?wù)質(zhì)量的MIMO-NOMA 控制系統(tǒng)，提出了一種新的預(yù)編碼和功率分配策略，確保在大量用戶信道條件相似的情況下，也能發(fā)揮NOMA的優(yōu)勢。另一種大規(guī)模MIMO-NOMA 方案采用接收天線選擇模式，在提高用戶公平性和降低復(fù)雜度的前提下，能顯著地增加總速率容量和連接設(shè)備的數(shù)量[115]。與其他MIMO-NOMA 方案相比，這個方案保證了公平性，且可以擴展到任意用戶數(shù)的應(yīng)用場景，能解決未來海量用戶密集接入網(wǎng)絡(luò)的公平性問題。

2) MAC 層接入技術(shù)

MAC 層中，隨機接入模塊控制著通信系統(tǒng)中接入終端的總數(shù)量，所采用的多址接入方法與系統(tǒng)容量、吞吐量等性能指標息息相關(guān)。MAC 層的新型多址接入技術(shù)基本上是對ALOHA 技術(shù)的改進，ALOHA 協(xié)議是一種免授權(quán)隨機接入方式，其內(nèi)容是只要有數(shù)據(jù)待發(fā)就可以進行發(fā)送，不考慮接收端的狀態(tài)，傳統(tǒng)的ALOHA 協(xié)議采用了OMA 的方式，很容易導(dǎo)致碰撞問題的發(fā)生，進而會導(dǎo)致時延過高、吞吐量較低，系統(tǒng)的吞吐量最大只能達到0.18 packet/slot[116]。隨后，研究者提出了ALOHA的一系列改進版本，基于時隙的ALOHA（SA,slotted ALOHA）引入了時隙的概念，用戶只能在下一時隙到來時才可以發(fā)送數(shù)據(jù)，系統(tǒng)最大吞吐量可提升到0.36 packet/slot。在SA 的基礎(chǔ)上，分集時隙ALOHA（DSA,diversity slotted aloha）[117]是指一個包可多次發(fā)送，增加了發(fā)送成功概率。DSA 衍生出基于競爭解決的分集時隙ALOHA（CRDSA,contention resolution diversity slotted aloha），在接收端引入了SIC，一個終端在一個幀中只能發(fā)送一次數(shù)據(jù)包，并伴隨著包含位置信息的復(fù)制包，以便在解析時可通過成功解出的數(shù)據(jù)包消除復(fù)制包帶來的干擾，吞吐量可達到0.55 packet/slot。Alvi 等[118]提出了具有發(fā)射功率分集的CRDSA，每個復(fù)制包是以隨機選擇的功率電平發(fā)射的，利用加權(quán)二分圖分析了低密度奇偶校驗（LDPC,low density parity check）碼的性能，并使用基于圖的消息傳遞算法模擬SIC 解碼?；诜且?guī)則的LDPC 碼，不規(guī)則重復(fù)時隙的ALOHA（IRSA,irregular repetition slotted ALOHA）允許每個用戶可重復(fù)發(fā)送不同的數(shù)據(jù)包，在接收端使用迭代置信傳播解碼，可達到比CRDSA 更高的吞吐量。研究者對基于幀的IRSA 吞吐量和分組解碼概率進行了分析[119-120]，通常是根據(jù)每個幀中用戶設(shè)備和時隙的數(shù)量趨于無窮大的漸近狀態(tài)進行分析。Saha 等[121]以最小化無授權(quán)大規(guī)模機器類型通信中的平均信息年齡為目標，對基于幀的IRSA 協(xié)議進行了優(yōu)化設(shè)計。以上幾種方法的性能對比如表6 所示。

2015 年，Paolini 等[122]將上述改進型技術(shù)結(jié)合成了更為通用的編碼時隙ALOHA（CSA,code slotted ALOHA）技術(shù)。用戶采用數(shù)據(jù)包刪余糾錯碼，以用戶數(shù)據(jù)包為單位對多個數(shù)據(jù)包編碼以產(chǎn)生冗余數(shù)據(jù)包，并在接收端使用SIC 解決碰撞。為了在mMTC 中利用稀缺的無線電資源實現(xiàn)密集終端接入，Ma 等[123]將物理層的多址接入技術(shù)CTSMA 與MAC 層編碼時隙ALOHA 相結(jié)合，通過提高這種多時隙設(shè)計的沖突解決能力，可以為潛在的IIoT 應(yīng)用實現(xiàn)大型機器類型設(shè)備之間的高可靠性通信。

雖然現(xiàn)有的新型多址接入技術(shù)可以從物理層、MAC 層解決海量密集終端接入網(wǎng)絡(luò)時發(fā)生碰撞問題并且提高系統(tǒng)容量，但仍然存在以下挑戰(zhàn)。1) 由于物理層技術(shù)是針對單個數(shù)據(jù)包的傳輸，無法利用多個時隙解決碰撞。而MAC 層是多個數(shù)據(jù)包的傳輸，針對單個時隙解決碰撞能力有限，因此需要實現(xiàn)物理層和MAC 層多址接入技術(shù)的聯(lián)合使用。2)目前接收端常采用SIC 或者置信傳播解碼，這2 類迭代算法復(fù)雜程度偏高，尤其是針對密集用戶接入的情形。因此需要降低接收算法的復(fù)雜度或者設(shè)計新的高效接收算法。

3 方案探討

隨著智能移動終端的大規(guī)模普及，通信網(wǎng)絡(luò)發(fā)展呈現(xiàn)出大容量、多終端、移動性的發(fā)展趨勢，旨在為海量終端設(shè)備提供多元化、差異化服務(wù)和隨時隨地的最佳連接。在當下及未來的通信網(wǎng)絡(luò)發(fā)展中，密集終端接入網(wǎng)絡(luò)時，通信鏈路的構(gòu)建、靈活的網(wǎng)絡(luò)架構(gòu)將成為持久的研究主題。在傳統(tǒng)蜂窩網(wǎng)絡(luò)中，終端的上行和下行會與同一個基站傳輸數(shù)據(jù)，終端會根據(jù)下行接收信號強度選擇基站接入。但由于上行時用戶設(shè)備的發(fā)射功率差異不明顯，而下行宏蜂窩的覆蓋范圍要比小基站覆蓋范圍大得多，導(dǎo)致基站的上下行覆蓋范圍不重疊。這就需要在多種技術(shù)融合的未來移動通信網(wǎng)絡(luò)中，靈活應(yīng)對上下行基站覆蓋不對稱問題，因此，有必要設(shè)計一個考慮用戶差異化QoS 需求、聯(lián)合考慮上下行不同關(guān)聯(lián)基站的需求的網(wǎng)絡(luò)架構(gòu)和接入方案，為用戶提供最佳的連接，提高密集終端接入網(wǎng)絡(luò)成功率。

2019 年3 月，6G 旗艦計劃組織的“6G 無線峰會”在芬蘭召開，發(fā)布了6G 白皮書——《6G 泛在無線智能的關(guān)鍵驅(qū)動因素及其研究挑戰(zhàn)》。在通信系統(tǒng)不斷演進以及市場巨大的需求下，新型移動通信業(yè)務(wù)對未來移動通信網(wǎng)絡(luò)提出了新的需求和挑戰(zhàn)，換句話說，需要在更新的通信體系架構(gòu)下解決新的問題。但由于多種獨立接入網(wǎng)絡(luò)缺乏更有效的協(xié)調(diào)，未來的移動無線通信網(wǎng)絡(luò)將是多種技術(shù)的融合，通信體系在演進的同時不斷融入新興的無線通信技術(shù)，如何協(xié)同這些技術(shù)擴展、完備網(wǎng)絡(luò)架構(gòu)成為重點。例如，D2D 技術(shù)可以均衡分流通信系統(tǒng)中的數(shù)據(jù)量，減輕基站的負載，同時豐富通信網(wǎng)絡(luò)接入方式。若將非正交多址技術(shù)與D2D 技術(shù)結(jié)合起來，基站僅與一個用戶同步后就可以將數(shù)據(jù)傳給多個用戶，減少信令開銷，同時提高頻譜效率。由此可見，未來通信系統(tǒng)需要基于多種技術(shù)融合的網(wǎng)絡(luò)架構(gòu)，考慮用戶QoS 需求的差異化建立可靠高效的通信鏈路、考慮低時延支持密集連接等科學(xué)問題。

表6 基于ALOHA 改進的多址接入技術(shù)的性能對比

在通信網(wǎng)絡(luò)演進的過程中，密集終端特征越發(fā)明顯，由多種接入網(wǎng)絡(luò)、多種新興技術(shù)、多種頻譜接入等構(gòu)成的多元化、多層次、廣連接的立體化網(wǎng)絡(luò)將會成為未來移動通信網(wǎng)絡(luò)的重要場景。中國移動提出了集中式無線接入網(wǎng)絡(luò)（C-RAN,centralized RAN）的概念[124]，與傳統(tǒng)的無線網(wǎng)絡(luò)相比，C-RAN有如下幾點優(yōu)勢。1) 將大量業(yè)務(wù)轉(zhuǎn)移出核心網(wǎng)，為互聯(lián)網(wǎng)業(yè)務(wù)減負；2) 面向協(xié)作的天線提高網(wǎng)絡(luò)容量、頻譜效率；3) 基于負載的自適應(yīng)資源分配；4)降低部署成本、減小能源消耗；5) 節(jié)約5G 建設(shè)中的資本支出和運營成本。根據(jù)上述演進目標，本文針對未來移動通信網(wǎng)絡(luò)密集連接的需求，運用D2D、非正交多址接入、移動邊緣計算（MEC,mobile edge computing）[125]等多種技術(shù)，設(shè)計了基于上下行分離網(wǎng)絡(luò)架構(gòu)的密集終端接入方案。除了傳統(tǒng)的D2D 通信技術(shù)以外，D2D 和NOMA 組成的新興連接方式也是一個值得考慮的選擇。由于NOMA 允許多個用戶在時間和頻率上共享相同的資源，因此一個D2D 發(fā)射機可以通過NOMA 技術(shù)同時向多個D2D 接收機發(fā)送信息，可以提升網(wǎng)絡(luò)容量、降低時延、提升通信服務(wù)質(zhì)量。相比于傳統(tǒng)的LTE 系統(tǒng)，架構(gòu)中考慮了D-RAN、C-RAN 這2 種連接形式，負責接入的宏基站與小基站立體化并存獲得了高容量和廣覆蓋，由小基站相互連接組成的蜂窩Mesh網(wǎng)絡(luò)具有網(wǎng)絡(luò)穩(wěn)定、部署速度快、改善邊緣區(qū)域網(wǎng)絡(luò)性能的特點。終端接入網(wǎng)絡(luò)時有多種網(wǎng)絡(luò)可以選擇，基于以上網(wǎng)絡(luò)架構(gòu)的設(shè)計，本文提出的聯(lián)合網(wǎng)絡(luò)與用戶側(cè)的上行接入方案如圖2 所示。

本文考慮密集終端接入網(wǎng)絡(luò)，上行鏈路一是聯(lián)合考慮網(wǎng)絡(luò)本身的部署情況和用戶的異質(zhì)QoS 需求選擇網(wǎng)絡(luò)，二是主要通過D2D、D2D-NOMA 的靈活通信形式減輕基站負擔、擴大網(wǎng)絡(luò)容量；下行鏈路接入網(wǎng)充分利用異構(gòu)網(wǎng)絡(luò)架構(gòu)帶來的性能優(yōu)勢，將用戶以MEC 輔助基站的方式分配至異構(gòu)網(wǎng)絡(luò)中共存的各類型基站，實現(xiàn)高效的資源利用和管理，最終實現(xiàn)靈活的上下行密集用戶入網(wǎng)方案。

在上行鏈路中，針對密集連接的需求，從設(shè)備接入網(wǎng)絡(luò)的角度出發(fā)，引入D2D、NOMA 技術(shù)，盡可能分擔網(wǎng)絡(luò)流量，發(fā)揮新興技術(shù)的優(yōu)勢。目前大多數(shù)研究只考慮網(wǎng)絡(luò)側(cè)的客觀評價，這可能會導(dǎo)致在密集接入時用戶都選擇同一個網(wǎng)絡(luò)而發(fā)生擁擠。本文為了兼顧用戶側(cè)和網(wǎng)絡(luò)雙側(cè)的利益，提出了一種聯(lián)合考慮用戶和網(wǎng)絡(luò)側(cè)接入選擇策略。在構(gòu)建網(wǎng)絡(luò)側(cè)參數(shù)時，傳統(tǒng)的簡單加權(quán)法獲得的效用函數(shù)會導(dǎo)致各個指標間相互補償。所以本文采用乘法指數(shù)加權(quán)法（MEW,multiplicative exponent weighting）來表示，即

圖2 聯(lián)合網(wǎng)絡(luò)與用戶側(cè)的上行接入方案

其中，N表示所考慮因素的總數(shù)目，xn表示網(wǎng)絡(luò)參數(shù)n的值，wn表示權(quán)重值，Un(·)表示網(wǎng)絡(luò)參數(shù)n的效用函數(shù)。

首先，構(gòu)建屬性參數(shù)矩陣，此矩陣既考慮網(wǎng)絡(luò)側(cè)參數(shù)，也考慮用戶側(cè)參數(shù)，網(wǎng)絡(luò)側(cè)參數(shù)包括檢測到的網(wǎng)絡(luò)信息，如網(wǎng)絡(luò)負載、系統(tǒng)帶寬、網(wǎng)絡(luò)資費、能耗、吞吐量、時延等，用戶側(cè)考慮用戶偏好的信息，如用戶的業(yè)務(wù)需求。圖2 中由一個泛指類型的基站獲取網(wǎng)絡(luò)的信息，這個基站可表示網(wǎng)絡(luò)中任意類型的基站。屬性參數(shù)矩陣由效用函數(shù)和用戶偏好因子共同構(gòu)成，用戶偏好因子包括用戶對網(wǎng)絡(luò)的要求，如資費、帶寬等。其次，對網(wǎng)絡(luò)進行初次排除，去掉明顯不符合需求的網(wǎng)絡(luò)，如吞吐量、帶寬等指標不符合的網(wǎng)絡(luò)。然后，重新對屬性參數(shù)矩陣進行自適應(yīng)修正以及歸一化。計算權(quán)重因子并進行動態(tài)調(diào)整，之后與屬性參數(shù)矩陣共同對剩余候選網(wǎng)絡(luò)進行排序，最終用戶通過此接入選擇策略接入最佳網(wǎng)絡(luò)。

由于智能通信是未來發(fā)展趨勢[126]，因此采用機器學(xué)習(xí)解決密集終端接入網(wǎng)絡(luò)是值得研究的問題，盡管在此場景中找到最佳策略是一個挑戰(zhàn)，但是深度強化學(xué)習(xí)（DRL,deep reinforcement learning）可以克服高維空間的決策困難，賦予無線網(wǎng)絡(luò)認知的能力。與博弈論或者其他靜態(tài)優(yōu)化理論相比，DRL 為密集連接提供了更加靈活高效的途徑。1) DRL的智能體在與環(huán)境交互過程中，不需要復(fù)雜的信息就可以推導(dǎo)出最優(yōu)接入策略；2) DRL 的目標是長期累積回報最大化，而不是瞬間值最大化，可以避免頻繁切換。上行密集終端接入是從用戶角度考慮多網(wǎng)絡(luò)接入選擇，本文提出利用馬爾可夫決策過程（MDP,Markov decision process）智能地確定接入網(wǎng)絡(luò)策略，并且建模不同網(wǎng)絡(luò)中用戶數(shù)量的變化。利用基于深度強化學(xué)習(xí)的策略解決密集用戶上行接入問題，每個用戶設(shè)備自主地與動態(tài)未知的環(huán)境交互。通過在每個用戶設(shè)備的接入決策和本地觀察之間確定最佳策略，使用戶智能地接入一個合適的基站，以提高系統(tǒng)的長期吞吐量。由于環(huán)境狀態(tài)和狀態(tài)轉(zhuǎn)移概率經(jīng)常是未知狀態(tài)，這使密集終端接入是一個無模型問題。近端策略優(yōu)化（PPO,proximal policy optimization）是一種無模型、基于行動者?評論家（AC,actor-critic）和策略梯度的算法。PPO可以避免較大的策略更新，使用變化率來表征新舊策略的不同，保證策略更新不會太大，可提高可靠性能，減小計算復(fù)雜度。因此，可以使用PPO 算法對目標函數(shù)進行優(yōu)化，以此得到最佳的用戶接入網(wǎng)絡(luò)策略。

密集終端接入網(wǎng)絡(luò)是一個合作多智能體問題，需要對MDP 進行擴展，M={S,A,N,?,P,Z,O,?}。其中，S表示網(wǎng)絡(luò)狀態(tài)集st∈S，比如用戶的業(yè)務(wù)、候選網(wǎng)絡(luò)中的用戶數(shù)量、終端到不同網(wǎng)絡(luò)的距離等；智能體的動作空間A為終端的基站選擇方案，聯(lián)合動作空間集合表示為A=A1×???×AN，∈A是指終端n在時刻t做出的動作，u∈{0,1}表示終端是否接入宏基站，0 表示未接入，1 表示已接入，v∈{0,1,???,k}表示終端可選擇接入k個小基站，以下都用來代表；智能體的個數(shù)為N，n∈N={1,2,???,N}；基于聯(lián)合動作空間的回報函數(shù)?由所有智能體共享，在MDP 模型中，智能體以長期累積最大化收益為目標，因此?是以提升整個網(wǎng)絡(luò)的性能為目標，回報值是一個與網(wǎng)絡(luò)狀態(tài)相關(guān)的函數(shù)；P表示狀態(tài)轉(zhuǎn)移概率，若終端n在決策時刻t執(zhí)行了一個動作，狀態(tài)由轉(zhuǎn)移到下一個確定的狀態(tài)，此過程并不發(fā)生狀態(tài)轉(zhuǎn)移，P(st+1|st,at):S×A×S=1；Z表示智能體的本地觀察集合，如是終端n的本地觀察，；O表示觀察函數(shù)，O(s):S→Z；?表示決策過程中的折扣因子。本文考慮3 個參數(shù)：網(wǎng)絡(luò)吞吐量μ、網(wǎng)絡(luò)平均時延τ和網(wǎng)絡(luò)抖動η。動作執(zhí)行后，若網(wǎng)絡(luò)吞吐量提高、網(wǎng)絡(luò)時延和抖動降低，則被視為正向接入，反之視為負向接入。正向接入比負向接入有更高的回報值，回報值定義為各個網(wǎng)絡(luò)的QoS 參數(shù)加權(quán)。為了消除量綱的影響，需要對參數(shù)進行歸一化，吞吐量、時延、抖動的歸一化函數(shù)分別為

其中，U和L代表其對應(yīng)參數(shù)的最大值和最小值。

由歸一化后的參數(shù)加權(quán)后，對于終端n得到的回報為

其中，智能體n是基于策略Z×A→{0,1}選擇接入網(wǎng)絡(luò)的動作；ω表示權(quán)重值。

由于智能體在采取接入網(wǎng)絡(luò)動作時會考慮其他智能體的接入策略情況，可采取針對其他智能體聯(lián)合動作的最優(yōu)接入動作。于是，多智能體共享的回報函數(shù)?表示為

依據(jù)每個終端的本地觀察做出決策，會導(dǎo)致過高的信令開銷。使用單智能體強化學(xué)習(xí)訓(xùn)練集中式策略的復(fù)雜度較低，但是，隨著海量用戶數(shù)增加，策略π的作用空間呈指數(shù)增長，使算法很難獲取最優(yōu)解。因此，本文目標是通過多智能體集中學(xué)習(xí)，為每個終端確定分散策略，而不是集中策略。若確定了最優(yōu)的分散策略，終端可以基于本地局部觀察做出決策。

為了求解此優(yōu)化問題，可以通過局部迭代上升來確定最佳聯(lián)合策略。令ξ(π)代表預(yù)期的回報函數(shù)?(π1,π2,???,πN)，于是，優(yōu)化問題轉(zhuǎn)換為求解maxξ(π)問題，設(shè)π0為初始策略，由初始策略更新到策略，目標函數(shù)會隨著迭代次數(shù)增加而增加，即ξ(π)>ξ(π0)。

ξ(π)的梯度為

因此，優(yōu)化問題可以表示為

其中，約束條件中DKL(? || ?)函數(shù)可以度量2 個概率分布的相似性。

為了求解上述優(yōu)化問題，采用強化學(xué)習(xí)中的PPO 算法，在多智能體的PPO 中，每個智能體的學(xué)習(xí)信息可以由RRU 向其他智能體廣播，使用全局信息為每一個智能體訓(xùn)練分散策略。根據(jù)梯度上升法，優(yōu)化問題的梯度為

顯然，策略梯度與聯(lián)合政策函數(shù)有關(guān)，集中式評論家基于聯(lián)合價值函數(shù)給出評價，分散式行動者根據(jù)本地觀察做出決策，智能體做出接入選擇網(wǎng)絡(luò)的動作。雖然每個智能體有獨立的評論家，但是他們基于相同的數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)，所有的評論家也基于相同的狀態(tài)值函數(shù)給出評價。在密集用戶有接入需求時，由各個終端通過基于強化學(xué)習(xí)的智能合作接入方式，以全網(wǎng)QoS 需求為目標完成接入策略。

在下行用戶關(guān)聯(lián)時，采用基于MEC 框架的方法，使用戶設(shè)備能夠選擇正確的網(wǎng)絡(luò)，實現(xiàn)大吞吐量、廣連接和高效率。當部署的網(wǎng)絡(luò)包含多種無線接入技術(shù)、多頻譜時，或者宏、微蜂窩聯(lián)合部署時，用戶關(guān)聯(lián)方法變得更復(fù)雜。而基于定位信息[128]或基于接收信號強度等傳統(tǒng)方法無法支持密集連接。本文采用在3GPP 中定義的MEC 體系結(jié)構(gòu)[129]輔助基站進行下行密集用戶關(guān)聯(lián)，如圖3 所示。

圖3 基于MEC 輔助的下行用戶關(guān)聯(lián)機制

圖3 中，3GPP 網(wǎng)絡(luò)架構(gòu)控制面由網(wǎng)絡(luò)開放功能（NEF,network exposure function）、統(tǒng)一數(shù)據(jù)管理功能（UDM,unified data management）、策略控制功能（PCF,policy control function）、統(tǒng)一數(shù)據(jù)倉庫（UDR,unified data repository）、網(wǎng)絡(luò)倉儲功能（NRF,network repository function）、訪問和移動性管理功能（AMF,access and mobility management function）、會話管理功能（SMF,session management function）、網(wǎng)絡(luò)切片選擇功能（NSSF,network slice selection function）組成。SMF 經(jīng)過N4 端口來控制用戶面功能（UPF,user port function），UPF 與邊緣應(yīng)用服務(wù)器（EAS,edge application server）之間建立MEC 數(shù)據(jù)鏈路，EAS 用來提供MEC 服務(wù)，同時EAS 與應(yīng)用客戶端之間也可以建立應(yīng)用數(shù)據(jù)傳輸。邊緣使能服務(wù)器（EES,edge enabler server）用來維護終端的數(shù)據(jù)信息，EES 中的數(shù)據(jù)集合一般包括終端的位置、身份ID 或網(wǎng)絡(luò)部署的信息等，EES可以將獲取的數(shù)據(jù)傳遞給終端中的邊緣使能客戶端（EEC,edge enabler client）。EEC 協(xié)助終端中的應(yīng)用程序使用MEC 服務(wù)。EES 可以提供終端的異質(zhì)需求、終端的數(shù)目信息、基站的負載情況和網(wǎng)絡(luò)的容量信息等數(shù)據(jù)，能滿足海量密集終端設(shè)備的異質(zhì)QoS 需求，關(guān)聯(lián)到更合適的網(wǎng)絡(luò)。不同終端的EEC 可以互相建立D2D 連接，由于終端設(shè)備的密集部署，不可能每個終端都在有接入需求的時候獲得EES 的數(shù)據(jù)集合。在這個情形下，EEC 之間可以通過D2D 連接的方式獲取所需的網(wǎng)絡(luò)信息，從而實現(xiàn)通信網(wǎng)絡(luò)的密集接入。

面向密集終端請求接入網(wǎng)絡(luò)的情形，提出基于上下行分離網(wǎng)絡(luò)架構(gòu)的靈活接入方案，綜合考量了D2D、NOMA 等具備密集連接特性和低時延保證技術(shù)的協(xié)作，使網(wǎng)絡(luò)更具靈活性。基于MEC 輔助的下行終端用戶關(guān)聯(lián)，為密集終端提供更合適的網(wǎng)絡(luò)選擇，使具備異質(zhì)需求特性的終端易于接入網(wǎng)絡(luò)。面向未來移動通信網(wǎng)絡(luò)的架構(gòu)、技術(shù)都不再是孤立存在的，更立體化的架構(gòu)和更靈活的方案體現(xiàn)了未來密集連接特性的大方向。

4 技術(shù)展望

目前，關(guān)于密集連接的研究主要集中在二維度的平面網(wǎng)絡(luò)、計算功能偏弱的通信系統(tǒng)、頻譜資源不足或沒有被充分利用的頻段，不能完全解決未來高密度移動網(wǎng)絡(luò)發(fā)展帶來的問題或瓶頸。未來移動通信網(wǎng)絡(luò)將在全球范圍內(nèi)實現(xiàn)萬億級、全天候、智能化連接服務(wù)，因此，本文面向未來網(wǎng)絡(luò)復(fù)雜性特征[130]，對相應(yīng)的關(guān)鍵技術(shù)及其發(fā)展給出預(yù)判。

4.1 網(wǎng)絡(luò)架構(gòu)立體化

受網(wǎng)絡(luò)容量和覆蓋范圍的限制，僅依靠地面通信系統(tǒng)無法在地球上的任何地方提供高質(zhì)量無線接入服務(wù)[131]。當務(wù)之急是開發(fā)新的網(wǎng)絡(luò)架構(gòu)，以適應(yīng)各種場景中具有不同QoS 需求的服務(wù)和應(yīng)用?？仗斓匾惑w化網(wǎng)絡(luò)（SAGIN,space-air-ground integrated network）[132]基于現(xiàn)有通信技術(shù)，把天基網(wǎng)絡(luò)、空基網(wǎng)絡(luò)以及陸基網(wǎng)絡(luò)連接成一個最大化容量、泛在密集連接和高致密頻譜的立體化全覆蓋空間，以期提供全天候、無縫式、無死角的連接服務(wù)，非常適合未來大規(guī)模組網(wǎng)或密集連接的應(yīng)用場景。天基網(wǎng)絡(luò)由衛(wèi)星網(wǎng)絡(luò)組成，具有非常廣的覆蓋范圍，組網(wǎng)靈活性高?？栈W(wǎng)絡(luò)包括無人機、飛艇等空中平臺，空中平臺可充當長距離通信的中繼節(jié)點，在天基和陸基網(wǎng)絡(luò)間起到承上啟下的作用，促進陸地與非陸地網(wǎng)絡(luò)的融合。與天基網(wǎng)絡(luò)相比，空基網(wǎng)絡(luò)往返時延低，具有快速部署和響應(yīng)的特點。陸基網(wǎng)絡(luò)包括蜂窩網(wǎng)絡(luò)、無線局域網(wǎng)絡(luò)、衛(wèi)星地面站以及地面數(shù)據(jù)處理中心等，將支持太赫茲頻段，但是覆蓋范圍有限。三層立體化網(wǎng)絡(luò)既可以獨立工作又可以互聯(lián)互通，在這樣多種通信方式并存的立體化網(wǎng)絡(luò)中協(xié)同傳輸意味著允許不同的通信系統(tǒng)動態(tài)地共享無線資源，利用移動節(jié)點的分布式協(xié)作來擴大網(wǎng)絡(luò)容量和資源利用率。目前，空天地一體化通信系統(tǒng)尚未成熟，面臨的挑戰(zhàn)性問題還有很多，需設(shè)計統(tǒng)一的空口技術(shù)和核心網(wǎng)架構(gòu)，空天地之間不同的傳輸模式使三者之間的高效協(xié)同傳輸困難重重，如何組建有效的空天地協(xié)同傳輸機制以提供高質(zhì)量通信服務(wù)是當下需重點研究的課題。

4.2 通信計算一體化

未來通信網(wǎng)絡(luò)的超大組網(wǎng)規(guī)模和超高連接密度，是現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)無法企及的。為實現(xiàn)未來通信網(wǎng)絡(luò)的眾連接、高速率和大容量，通信與計算不應(yīng)該獨立地進行，也不應(yīng)該局限于通信系統(tǒng)的智能單元內(nèi)，二者的融合應(yīng)貫穿于基帶、頻帶、空口乃至整個信道中。未來的超密集連接將導(dǎo)致收發(fā)系統(tǒng)的頻帶和空口負荷大大加重，這就要求基帶部分具有高效的計算能力，實現(xiàn)快速、精準的編解碼，高精度的采樣量化過程和適配性靈活的數(shù)字接口，形成所謂智能或彈性基帶處理架構(gòu)。業(yè)界正在關(guān)注的幾種新型調(diào)制或復(fù)用方式包括低峰均比調(diào)制方式、OFDM、正交時頻空（OTFS,orthogonal time frequency space）、高頻譜效率頻分復(fù)用（SEFDM,spectrally efficient frequency division multiplexing），都可以通過通信系統(tǒng)硬件獨立實現(xiàn)，但不能在實質(zhì)上解決信道擁塞和干擾問題。而頻帶傳輸與計算的融合，通過波形組合、靈活切換、分時控制、最優(yōu)選擇，大大提升信道容量、傳輸質(zhì)量和效率。空中計算提供了一種通信和計算一體化的架構(gòu)[132]，在不需要恢復(fù)出每個節(jié)點個體數(shù)據(jù)的前提下，通過所有節(jié)點的并發(fā)傳輸，利用無線信道的疊加特性，實現(xiàn)目標函數(shù)在空口信道中的直接運算，計算傳播途徑、傳播角度、所需功率、極化參數(shù)，以及全雙工通信自干擾消除策略。

超密集連接必然產(chǎn)生海量的數(shù)據(jù)，要獨立地為每個設(shè)備分配無線資源，會導(dǎo)致過高的資源消耗，這大大增加了無線網(wǎng)絡(luò)的負擔。目前，基于傳統(tǒng)通信理論設(shè)計的通信系統(tǒng)極大地限制了進一步的性能改進。因此，有必要通過通信與計算融合技術(shù)來提高網(wǎng)絡(luò)的效率。由于未來的移動通信網(wǎng)絡(luò)一定是感知、計算和通信三位一體的新型網(wǎng)絡(luò)[134]，基站必須處理密集終端設(shè)備的無線接入請求，已有研究表明，人工智能技術(shù)具有優(yōu)化無線通信的潛力，應(yīng)用于無線通信的資源分配、信號處理、信道估計和收發(fā)器設(shè)計等問題[135]，有望大幅降低復(fù)雜度。目前，將人工智能模型訓(xùn)練過程拓展到邊緣節(jié)點實現(xiàn)了邊緣智能，利用多個分布式終端設(shè)備采取協(xié)作的方式，共同訓(xùn)練一個人工智能模型。單獨的設(shè)備只需要根據(jù)自身的數(shù)據(jù)計算局部的模型，最后融合全部設(shè)備的計算結(jié)果，實現(xiàn)對全局模型的更新，時效性更高。但是為邊緣智能尋找統(tǒng)一的框架通常是不可行的，需要根據(jù)任務(wù)類型和各參與節(jié)點的特點進行設(shè)計。Huang 等[136]提出了基于深度學(xué)習(xí)的NOMA、MIMO、毫米波通信框架，然而許多技術(shù)的實現(xiàn)還處于起步階段，存在許多未解決的問題或瓶頸，缺乏應(yīng)用于未來移動通信的智能化通信與計算融合框架，這是未來要解決的重點問題，通信與計算融合技術(shù)將是下一代移動通信網(wǎng)絡(luò)中的值得期待的發(fā)展方向。

4.3 頻段向上延伸

目前的蜂窩網(wǎng)絡(luò)運行在低于6 GHz 的頻段，過于擁擠且?guī)捰邢?。為了實現(xiàn)頻域的密集連接，使用mmWave[137]甚至是太赫茲波段是有前景的選擇[138-140]。2020 年以后，mmWave 通信系統(tǒng)將徹底改變傳統(tǒng)的無線通信系統(tǒng)，也將徹底改變大數(shù)據(jù)和物聯(lián)網(wǎng)環(huán)境下設(shè)備之間的交互方式[139]。為了解決mmWave 由于嚴重的傳輸損耗導(dǎo)致傳輸距離過短的問題，其常與大規(guī)模MIMO 技術(shù)結(jié)合，甚至使用超過1 000 個天線的超大規(guī)模MIMO[141]。因此，在mmWave 的應(yīng)用中，基站的CSI 捕獲和預(yù)編碼變得更加復(fù)雜，對此可運用基于深度學(xué)習(xí)的大規(guī)模mmWave 與MIMO 系統(tǒng)聯(lián)合混合處理方案，利用神經(jīng)網(wǎng)絡(luò)輸出收發(fā)信機的混合處理矩陣，將檢測到的符號映射到原始比特[142]，可以證明，在CSI 和信道不匹配的情況下，此方案也能有效降低誤碼率。文獻[143]提出了一種基于深度神經(jīng)網(wǎng)絡(luò)的預(yù)編碼架構(gòu)，名為“ComcepNet”。該架構(gòu)結(jié)合了復(fù)卷積塊和初始網(wǎng)絡(luò)的特點，與目前的自動編碼器網(wǎng)絡(luò)相比，在準確性和可實現(xiàn)的數(shù)據(jù)方面具有優(yōu)越的性能。利用mmWave 頻段的巨大可用帶寬和大規(guī)模MIMO 可實現(xiàn)高復(fù)用增益，顯著提高用戶吞吐量、頻譜效率、能源效率以及增加移動網(wǎng)絡(luò)容量，具備支持未來密集終端設(shè)備接入的潛力。

2019 年年初，美國聯(lián)邦通信委員會開放了太赫茲的頻段（0.1～10 THz），這將能獲得比mmWave更加豐富的帶寬資源，可以為擴頻和復(fù)用技術(shù)提供更加有力的支持[144]，也可以為廣連接和大容量傳輸打開了一條基礎(chǔ)通道，更能支持眾連接、大容量的密集終端通信。未來移動通信系統(tǒng)中應(yīng)用太赫茲的挑戰(zhàn)有很多，諸如路徑損耗大、相位噪聲高、調(diào)制和復(fù)用難度大等。由于太赫茲比mmWave 的路徑損耗更高，所需的天線數(shù)量更多，太赫茲通信技術(shù)與其他技術(shù)相結(jié)合更能夠發(fā)揮其技術(shù)優(yōu)勢，如太赫茲和大規(guī)模MIMO 技術(shù)相結(jié)合，利用大規(guī)模MIMO減輕信道多普勒效應(yīng)和時延色散效應(yīng)，增強太赫茲頻段的連通性。全向組網(wǎng)技術(shù)是節(jié)點利用全向天線完成全方向的鄰居發(fā)現(xiàn)，但是易受干擾，能耗較高，而太赫茲通信中使用定向天線完成組網(wǎng)，并要求發(fā)射天線具有高增益、接收天線具有高靈敏度，進一步研究波束成形與調(diào)控技術(shù)，快速發(fā)現(xiàn)滿足傳輸條件的波束鏈路，運用通信與計算融合技術(shù)及人工智能理論，實現(xiàn)波束跟蹤及鏈路重建，提高網(wǎng)絡(luò)吞吐量和降低能耗，構(gòu)建超廣覆蓋和高密集連接通信體系。此外，未來需要適合太赫茲波段的高精度寬帶混頻器、高效率功率放大器和高靈活性的天線設(shè)備，以及更加高效的資源管理技術(shù)，與新興技術(shù)有效結(jié)合，共同保障太赫茲技術(shù)發(fā)揮技術(shù)優(yōu)勢，完成密集終端的高質(zhì)量通信。

4.4 頻譜資源共享

毋庸置疑，網(wǎng)絡(luò)連接的密度越大，頻譜資源越稀缺，運用區(qū)塊鏈技術(shù)，能在一定程度上解決頻譜資源稀缺問題。區(qū)塊鏈是一種按照時間順序?qū)?shù)據(jù)區(qū)塊以鏈條式結(jié)構(gòu)組織，并以密碼學(xué)方式保證的一種技術(shù)體系。區(qū)塊鏈上的數(shù)據(jù)具有公開透明、安全、可追溯、不可篡改等特點，在分布式點對點（P2P,peer-to-peer）服務(wù)平臺上建立對等實體之間的交易信任。此項技術(shù)可以在提升未來移動通信網(wǎng)絡(luò)的頻譜、數(shù)據(jù)、設(shè)備等資源利用率的同時，實現(xiàn)資源動態(tài)共享。區(qū)塊鏈的工作過程如圖4 所示[145]。

我國工業(yè)和信息化部啟動了區(qū)塊鏈?5G 項目，允許中國移動、中國聯(lián)通和中國電信在全國現(xiàn)有5G平臺上部署區(qū)塊鏈。區(qū)塊鏈與5G 結(jié)合的主要動機源于區(qū)塊鏈在解決5G 網(wǎng)絡(luò)在安全、隱私、網(wǎng)絡(luò)和服務(wù)管理方面的挑戰(zhàn)有巨大優(yōu)勢[145]。隨著用戶數(shù)目不斷倍增，無論何時何地，海量用戶都有接入需求，無線網(wǎng)絡(luò)中的頻譜稀缺阻礙了吞吐量和服務(wù)質(zhì)量的快速提高，因此，迫切地需要更多頻譜或者更有效地利用頻譜資源。有研究者提出引入次級用戶，次級用戶可以監(jiān)控頻譜，在頻譜空閑時傳輸數(shù)據(jù)[146]。但是，這種情況下的頻譜共享會引起安全問題，與傳統(tǒng)的頻譜管理方案相比，區(qū)塊鏈給5G網(wǎng)絡(luò)帶來了更好的解決方案。區(qū)塊鏈通過表7 所示的性能優(yōu)勢來支持高效頻譜管理。

2018 年移動世界大會上，美國聯(lián)邦通信委員會（FCC,Federal Communications Commission）委員在展望6G 的演講中提到，網(wǎng)絡(luò)不斷地邁向密集化，基于區(qū)塊鏈的動態(tài)頻譜共享技術(shù)是趨勢[147]，這不但可以增加接入等級和接入用戶，還可以提高頻譜利用率，實現(xiàn)網(wǎng)絡(luò)運營商之間的共建共享、密集終端設(shè)備間租賃共享、未來天地一體化網(wǎng)絡(luò)頻譜共享、數(shù)據(jù)共享、資源共享。文獻[148]比較好地總結(jié)了區(qū)塊鏈技術(shù)在頻譜共享中的潛在應(yīng)用。

圖4 區(qū)塊鏈的工作過程

表7 區(qū)塊鏈支持頻譜共享的性能優(yōu)勢

區(qū)塊鏈在應(yīng)用于移動通信系統(tǒng)時，也面臨一些瓶頸，由于數(shù)據(jù)塊大小限制，將事物加入鏈中會有很長的排隊時間，當數(shù)據(jù)塊生成時間快速增加時，系統(tǒng)的吞吐量會降低。而且隨著終端設(shè)備數(shù)量日益龐大，區(qū)塊鏈處理設(shè)備產(chǎn)生了海量數(shù)據(jù)，每個節(jié)點都必須處理、存儲交易數(shù)據(jù)副本[149]，這造成了區(qū)塊鏈網(wǎng)絡(luò)的存儲效率低下、計算負擔過重等問題。因此，必須設(shè)計針對具體場景的共識協(xié)議、大型數(shù)據(jù)庫劃分為數(shù)據(jù)碎片的分片技術(shù)，高效的存儲技術(shù)，以及將區(qū)塊鏈與邊緣計算、人工智能等新興技術(shù)結(jié)合，實現(xiàn)跨網(wǎng)跨域、安全可靠、智能高效的互聯(lián)互通。

5 結(jié)束語

隨著各種服務(wù)應(yīng)用的飛速發(fā)展，驅(qū)動了人、物、空間之間的互聯(lián)互通。本文圍繞未來移動網(wǎng)絡(luò)密集連接問題展開，總結(jié)了對其發(fā)展有支撐作用的關(guān)鍵技術(shù)，分別從網(wǎng)絡(luò)架構(gòu)、傳輸技術(shù)和接入技術(shù)3 個方面對研究進展進行了總結(jié)與分析；并考慮到上下行覆蓋不對稱問題，提出了基于上下行分離的密集終端接入方案。上行采用聯(lián)合網(wǎng)絡(luò)與用戶側(cè)接入選擇策略，應(yīng)用DRL 技術(shù)，迎合了通信發(fā)展智能化新趨勢。下行利用MEC 輔助基站進行用戶關(guān)聯(lián)，降低時延且滿足不同用戶的異質(zhì)QoS 需求。在此基礎(chǔ)上，根據(jù)大規(guī)模組網(wǎng)以及密集連接未來發(fā)展需求，對將涉及的關(guān)鍵技術(shù)給出前瞻性描述。未來移動網(wǎng)絡(luò)應(yīng)擁有更立體化的網(wǎng)絡(luò)架構(gòu)、高度協(xié)同融合的通信與計算能力、更加豐富且可充分利用的頻譜資源，共同為大規(guī)模組網(wǎng)以及密集終端接入網(wǎng)絡(luò)提供有力保證。