6G中的卫星通信高效天基计算技术

吴晓文，焦侦丰，凌翔

（1.电子科技大学，四川 成都 611731；2.电子科技大学（深圳）高等研究院，广东 深圳 518110；3.深圳市星网荣耀科技有限公司，广东 深圳 518052）

0 引言

5G商用伊始，全球就已悄然启动了6G研发的激烈竞争，特别是美国，希望通过6G研发重塑其在通信行业的霸主地位。6G网络将实现天地融合，马斯克的Starlink星座建设是目前6G的首次实质性尝试[1]。我国于2019年11月正式启动6G技术研发，并于2021年3月提出“前瞻布局6G网络技术储备”[2]。

6G在5G技术基础上进一步融合卫星通信、人工智能（AI, Artificial Intelligence）与大数据技术[3]，突破地形地表的限制，扩展到太空、空中、陆地、海洋等自然空间，真正实现全球全域的“泛在连接”[4]。但是，目前的卫星通信以透明转发为主，网络架构简单，卫星载荷的天基计算能力较弱，信息处理主要依靠地面数据中心完成，无法满足6G场景下的星地、星间互联互通、极低通信时延和高效计算能力的需求。

有鉴于此，本文对未来6G时代的星地协同AI、云边协同的高效天基计算及适应多种业务的一体化异构天基计算技术进行了探讨和展望。

1 现阶段的通信卫星载荷处理技术

自上世纪60年代以来卫星通信技术及其应用蓬勃发展，已经由单一的地球同步轨道（GEO, Geosynchronous Earth Orbit）卫星发展到了低地球轨道（LEO, Low Earth Orbit）卫星、中地球轨道（MEO, Medium Earth Orbit）卫星与GEO卫星共存的局面。目前的通信卫星有效载荷主要采用透明转发的弯管模式。根据通信卫星有效载荷硬件结构的不同，可分为传统的弯管无线射频系统、星上处理弯管系统和星上数字处理系统三个大的类别[5]。传统的弯管无线射频系统对信号不做任何数字化处理。星上处理弯管系统一般将信号数字化处理成基带信号，再将基带信号经过数字化信道器后频分组成相对窄的带宽信号，使之能够在大量波束间交换，优化了频谱分配。星上数字处理系统是通过将信号解调译码后对其在比特层面上进行处理，经过处理的数据流重新编码后再传输给地面站[6]，如铱星（Iridium）系统。总之，现有通信卫星星上处理技术或计算能力仅具备简单的波束分簇和控制、调制/解调及编解码能力，不具备复杂计算和支持AI技术的能力。

软件定义卫星是近几年发展起来的技术，利用较为成熟的软件定义无线电技术，在较大范围内灵活控制卫星无线电信号调制方式、带宽、波形、频率等，实现对相同卫星硬件的“软件定义”，达到有效载荷功能或性能软重新配置，进而实现在轨任务的灵活配置。目前，软件定义卫星基本聚焦于通信卫星领域，其可调整的性能主要包括波束可重配、工作频段和带宽可动态调整，以及天线增益可调整三个方面。软件定义卫星目前尚处于起步阶段，在商业卫星通信领域开始有初步的应用[7]。

卫星与地面通信系统特别是5G相结合的星地融合通信的研究和探索正在进行中，目前主要的国际研究组织包括SaT5G、3GPP等。SaT5G旨在成为定义3GPP中5G卫星解决方案集成的主要载体[8]，其研究成果将成为3GPP标准的输入来源之一。3GPP对于星地融合的研究主要体现在TR 38.811、TR 38.821和TR 22.822等技术报告中，对卫星通信和5G乃至B5G及6G的研究都奠定了一定的技术基础，但这些报告还处于星地融合的初级探讨阶段，还未形成标准化及工程化的应用。

总之，目前卫星载荷的能力十分有限，其转发器容量、单终端用户通信速率和工作频段等也都无法满足未来6G的覆盖、大连接、多业务、高并发、大带宽、高动态等通信需要。

2 6G卫星通信高效天基计算技术

2.1 6G卫星通信对天基计算的能力要求

根据相关研究，未来6G将由5G时代的增强移动宽带（eMBB）、高可靠低延时（uRLLC）和海量机器类服务三大应用场景扩展为更强移动宽带（FeMBB, Furtherenhanced Mobile Broadband）、极可靠低延时（ERLLC,Extremely Reliable and Low-Latency Communications）、广覆盖高延时高移动性通信（LDHMC, Long-Distance and High-Mobility Communications）、超大规模机器类通信（uMMTC, ultra-Massive Machine-Type Communications）和极低功率通信（ELPC, Extremely Low-Power Communications）五大应用场景[9]，这些对地面网络及卫星载荷的天基计算能力提出了更高的要求。其中，针对天基计算的能力要求至少涉及以下方面：

（1）天地融合的网络架构

核心要求为支持星间链路，满足同层卫星（如其他LEO卫星）及不同层卫星（如GEO或MEO卫星）的互联互通能力，甚至还需要具备卫星空口与地面移动通信网络空口兼容的能力。

（2）智能路由和星际星地网络切换

可根据终端业务类型合理智能调度资源，并通过智能路由技术，满足终端对通信速率、通信时延、可靠性和误码率等质量要求。

（3）智能资源调度

能够智能感知资源分配情况，并可智能进行资源的动态分配。

（4）卫星载荷能力

除了常规的频率转换等能力外，还需具备网络资源虚拟化、网络功能虚拟化（NFV），支持星载基站与轻量化核心网，支持边缘计算（MEC）和用户平面功能（UPF）。

（5）智能内生

作为新型基础设施的重要战略性技术加速发展，AI将与6G创新融合，引发新一轮技术变革。为满足6G网络对天基计算的能力要求，迫切要求卫星通信载荷同时支持轻量化AI的应用能力。人工智能计算中心将成为智能化时代的关键基础设施[10]，星载轻量化人工智能计算中心成为AI全栈赋能6G卫星高效天基计算的必备手段。

（6）安全内生

终端设备具备同时接入地面网络和卫星通信网络的能力，而且终端设备及业务类型的多样化和动态化，对网络安全提出了更大挑战。人工智能赋能安全，可以综合判断并选取最优策略，高效、精准、自适应提升安全风险和威胁的监测、预警和处置等全流程工作效率[11]。

（7）智能网络切片能力

在天基计算中引入轻量化AI技术赋能下，实现智能定义和配置网络切片参数，并根据终端业务需求，智能分配网络切片，提高资源利用率，满足业务需求。在全云化网络架构基础上，通过引入已经成熟的以机器学习为核心的AI技术，可以从切片的智能化部署和切片的智能化调度管理两个方面实现切片网络的智能化，且AI的引入能够帮助运营商实现切片灵活性和切片管理复杂度之间的最佳平衡[12]。

（8）智能服务预测

能够根据历史数据及预测模型和知识数据库等资料，智能预测用户业务需求的时空分布，并智能调度和分配相应资源，满足网络服务质量（QoS, Quality of Service）和用户体验质量（QoE, Quality of Experience）等技术指标。

（9）异构计算

6G网络及应用场景的复杂性，决定了多样化和多线程任务的特征。通过异构计算平台，打造超算能力的天基应用环境，通过硬件资源调度和软件应用，实现业务的分流、加速和任务卸载等任务处理，提升网络性能指标。

2.2 6G卫星通信的星地协同AI技术

未来的6G将存在网络覆盖全球化、网络架构复杂化、网络拓扑动态化、频谱资源全频段化、终端类型多样化、终端用户规模化、业务类型多样化和应用场景复杂化等显著特征，必须依赖智能化的网络营运和管理，方可保障网络的可靠性、健壮性，以及业务处理高效性。因此，人们已经启动了AI在移动通信中的赋能机制研究。现有的无线网络与AI结合的相关成果主要聚焦于网络架构的优化，基于AI的智能无线网络研究还处于起步阶段[13]。这里从星地协同AI架构、基于AI的服务需求智能预测和星地分布式学习AI技术等三个方面来进行探讨。

（1）星地协同AI架构

6G将利用跨协议栈的AI，成为一个可以自我配置并可自我维持的自主系统[14]。AI将深度融入6G系统，并在高效传输、无缝组网、内生安全、大规模部署、自动维护等多个层面得到实际应用[15]。算力、算法和数据被称为AI发展的三个基本条件[16]，基于6G网络终端、地面和天基资源及算力、算法和数据感知能力的差异化与动态化特征，需建立面向分布式学习的星地协同AI算法框架，适配星地计算能力的多主体、多目标、多级协同AI机制。其中，基于星上资源和处理能力的客观条件限制，建立星上轻量级AI学习模型；而依托地面站与数据中心超大容量和超强算力的优势，可建立基于海量数据的深度学习模型。图1给出了天地协同AI参考架构，这里把LEO和MEO卫星合称为非静止轨道（NGEO）卫星。

图1 星地协同AI参考架构

（2）基于AI的服务需求智能预测

6G的星载基站高动态特性，使得其覆盖范围内的业务需求也在高频发生动态变化，而精细化的服务需求预测则成为网络服务质量Qos和QoE保证因素之一。6G卫星通信网络可根据业务需求、服务质量和资源分配等历史数据，建立星地业务的资源需求智能预测机制，为按需服务的6G卫星通信网络资源优化提供前置输入。在保护用户隐私的前提下，对6G卫星通信的网络数据和用户数据进行挖掘和使用，采用基于数据库的新知识发现、场景感知和场景过滤等算法，使得基于服务需求的智能预测成为可能。基于此，星地协同数字孪生技术是值得研究的方向，针对星地孪生交互数据量大和网络拓扑高动态等问题，设计星地协同机制实现物理空间与数字空间的交互映射，提升6G业务流量预测、服务类型预测以及资源需求预测的精准性，并进一步支持星地协同网络状态监控、网络运维管控、网络行为预测和网络行为分析等。

（3）星地分布式学习AI技术

相比传统的集中式学习，分布式学习能够更有效发挥星地异构节点的计算能力，减少星间和星地数据传输需求。根据数据隐私要求和共享开放程度的不同，适配不同应用场景的星地分布式协同学习算法模型。在同一卫星运营商应用场景下，数据共享和开放程度较高，但不同卫星运营商之间的数据隐私保护要求较高。通过联邦学习、迁移学习和模型参数上注等分布式学习算法模型及其场景适配性，建立星地分布式学习算法库，为6G卫星通信的智能管理机制提供算法模型基础。

2.3 基于云边协同的高效天基计算

6G融合了地面网络和GEO和NGEO卫星通信网络，构成了GEO、MEO、LEO及地面网络的分层网络架构，这使得具备高算力的GEO卫星具备了轻量化核心网及数据中心的能力，而由MEO和LEO卫星组成的NGEO则具备了边缘计算能力，为实现运边协同的高效天基计算提供了信息基础设施。

（1）云边协同的天基计算架构

星间和星地计算资源共享和计算任务协同处理，是提升卫星计算效率的有效途径，将边缘计算和云边协同的计算框架引入卫星网络，构建面向6G卫星通信的新型天基计算架构，使能卫星在轨协同计算。天基计算系统将利用低轨卫星的近地表和数量多优势，提供天基边缘计算服务；利用高轨卫星的强算力和稳定性，提供天基云计算服务；通过分析业务时延、天基/地基算力差异和星载能耗等约束，使能天基与地基协同计算，有效平衡计算需求与星载能耗的折中关系。

（2）基于边缘计算的低轨协同计算

天基边缘计算实现了计算任务在低轨卫星节点的分流与处理，能够节省星地/星间链路传输带宽，降低星地链路大时延影响。针对单颗低轨卫星算力有限问题，基于低轨卫星簇的算力增强方法，建立根据计算任务需求动态选择算力簇的形成机制。针对低轨卫星高移动性、过顶时间有限和广域负载不均衡等问题，设计天基计算任务卸载策略。综合星载能效、星上计算时延、通信传输时延、以及计算/通信/存储资源效率等多目标需求，利用计算资源需求热力图和星地协同AI决策等技术手段，从系统角度优化多卫星节点计算任务分配，计算数据迁移和星间信令交互及计算结果返回策略。

2.4 适应多业务特征的一体化异构计算

6G中卫星通信有效载荷面临着在体积、重量、功耗等条件和资源受限的环境下处理多种多样应用场景和任务的问题，这要求卫星有效载荷既要能够独立进行系统管理和任务执行，又要能与其它卫星载荷实现互联协作，无疑给6G天基高性能异构计算提出了更高的要求。异构计算指的是采用多种具有不同硬件架构的设备共同完成计算任务的计算方式，系统获取任务之后将会在CPU上运行调度算法，根据调度算法结果进行任务管理，系统将会根据调度结果对硬件单元进行任务分配[17]。

6G卫星在轨计算系统需要处理面向多种通信业务的多类型信号、数据和协议。多种应用任务要在统一的信号处理平台上处理，要求任务对象表述结构和处理承载平台架构的匹配对应。结合卫星的异构众核计算资源特征，针对不同通信业务的天基计算系统进行一体化、并行化和动态加载设计，并进一步采用基于图的任务并行化分解与聚合方法，通过计算任务和计算资源的实时映射与调度，提升多业务处理效率和异构计算资源使用效率。

3 结束语

6G将在5G三大应用场景的基础上进一步进行延伸和扩展，构建空天地海全覆盖全连接的一体化网络，其对卫星通信天基计算的能力提出了更高的要求。本文通过分析现有天基计算技术以及6G业务和智能化场景需求基础上，分别从星地协同AI架构、云边协同高效天基计算技术和一体化异构计算技术三个方面，对6G时代高效天基计算技术解决方案进行了探讨和展望，未来可以此为基础开展更深入的研究。