上下文感知的6G无线网络

孙军帅，赵芸，王莹莹，李娜，张慧敏，孙欣，闫敏，赵泉，李刚，刘璇，刘光毅

（中国移动通信有限公司研究院，北京100053）

1 引言

ICDT深度融合是无线移动通信演进的重要技术趋势之一，如何实现无线网络和人工智能（artificial intelligence，AI）技术的深度融合是无线网络中演进的重要课题。传统的AI和无线网络结合的方式为外挂式。基站把AI需要的信息上报到AI节点，AI节点对数据进行处理产生策略，并把策略发送给基站，然后基站根据该策略产生相应的控制。外挂式AI存在如下问题。

根据文献[2]中的估计，将所有数据上报到AI节点进行处理将消耗过多的上行链路带宽，给基站和传输网络带来了巨大的开销。为了满足AI模型训练的需求，基站需要上报测量的数据量和频度超过了基站处理业务的运算负荷。

· 大量测量数据的上报，导致了基站信息的安全风险。为了训练AI模型，需要大量针对用户的详细数据，把基站内正常的用户数据信息上报到基站外的节点，造成了数据安全风险。

· AI产生策略只能是慢速的，比如秒级或者百毫秒级，无法完全适应无线网络信道变化迅速的需求。

· AI给基站带来的增益小于基站，为了支撑AI而提供的测量和数据处理开销。

· 无法实现AI和基站的深度融合。

针对外挂式AI存在的问题，内生AI（native AI）通过引入分布式AI体系，实现了测量和数据处理开销的降低，并实现了AI和基站功能的深度融合。目前多个行业组织（ITU、CCSA、6GANA等）开展了基于内生AI通信技术的研究和立项，其中涉及基础理论、网络架构、能力开放、典型用例的工作流程等多个方向。本文提出的上下文感知的6G无线网络可以实现6G网络的智慧内生，符合未来网络技术趋势。

2 6G上下文感知无线网络

内生AI的概念被广泛提及，在无线网络中使用AI工具进行无线网络的无线资源优化。下一代无线网络面临更复杂的应用场景，运用AI工具能够更好地服务用户，极大地提高用户体验。面向6G的无线网络的设计目标，需要对使用AI工具驱动的无线网络进行 研究。

目前4G/5G的网络架构主要是面向移动性的网络架构――集中的核心网、分散的基站、核心网和基站两级的用户移动性管理机制。在当下的5G，网络架构仍然是传统的核心网＋基站的架构，5G设想所要支持的业务类型和场景已经远远超过了传统移动通信场景。在4G和当下5G时代，移动通信面对的仍然是传统的通话和数据业务等移动通信场景，所以5G标准中目前定义的基于传统网络架构的演进架构还是能支撑当前通信场景需求。下一代移动通信提出了更广泛和深刻影响社会的需求，在这些需求推动下，传统的网络架构已经无法支撑这些需求，需要进行系统的重新设计。

面向下一代移动通信的需求，网络需要感知服务的每一个用户，并能够对用户进行大数据运算，归纳总结用户特征，形成对一类用户行为的准确判决和控制，并针对每一个用户量身定做对其的控制和数据收发方案，称为上下文感知无线网络（context-aware wireless network，CAWN）。在CAWN中，网络需要感知终端的一切，包括位置、业务、终端本身运行状态、控制需求、移动状态和潜在的行为等，网络侧（network side）通过终端通过上报各种测量全面掌握其状态；终端为“笨终端”，不承担任何复杂计算，以节约功耗，将计算能力部署在用户的应用层，网络侧提供无线领域的控制和数据传输方案。CAWN的特征如下。

· 集中的大数据处理中心，提供统一的用户行为和网络运行状态分析，并集中控制核心网（core network，CN）、传输网络（transport network，TN）和无线电接入网（radio access network，RAN）。

对于角度色散X射线衍射(ADXRD)实验，晶胞参数由GSAS软件[18]的Le-Bail精修得到.轴向衍射实验的P-V压缩曲线见图4，作为比较，早期的轴向XRD数据[3-4]也被放到图4中.

· 各个网络功能实体具有自生自洽能力（self-consistent capability）。

· 网络是多层级的，各层级之间具有灵活的耦合性（与目前严格的CN+RAN+TN分工架构不同），各层级之间的功能根据用户的实际需要进行远离空口或者靠近空口定义。定义层级的目的是为了实现用户更好的移动性管理。

CAWN核心思想是：去除传统网络中核心网（CN）和无线电接入网（RAN）之间在用户控制和数据处理等功能方面的分割，实现相应功能根据用户位置进行灵活定义；对于运营商的计费或者其他管理功能不进行灵活定义。这些功能的灵活定义通过集中的大数据计算控制点进行大尺度粗调控制，然后各个功能实体再进行小尺度精确控制，二者结合完成精确控制。

CAWN功能如图1所示，CAWN把服务于无线通信的传输网部分、高层协议部分和低层协议部分（空口协议部分，比如层1/层2）按照一个整体进行控制和协调。由集中数据单元（central data unit，CDU）、网络侧高层（high layer of NS，HL）、传输网络（transport network，TN）和网络侧低层（lower layer of NS，LL）4个部分组成。在网络侧的外部，连接高层用户面（UP of high layer，UPHL）。

图1 CAWN功能示意图

UPHL主要是层3及以上的层，包括TCP/UDP以及IP层，主要聚焦于用户的数据处理功能。其中UDP/TCP/IP代表着CAWN包含的协议层的上层协议，负责数据包在不同CAWN侧实体之间完成数据的分发。

CDU为集中数据单元，负责CAWN的数据收集和处理，并产生控制网络侧的HL、TN和LL的命令，控制HL、TN和LL各个实体的自生自治能力。

HL为CAWN的高层功能，为层3及层2的功能，主要由高层网络自治控制（network autonomous control of high layer，NAC-H）和高层控制面和用户面（control plane and user plane of high layer，CP-H/UP-H）两大逻辑功能实体组成。NAC-H的主要功能是在CDU的统一控制下，结合CP-H/UP-H产生的各种参数，产生针对CP-H/UP-H的自治控制，包括与TN和低层的交互、功能控制等。

TN为CAWN的传输网络功能，主要由传输网络自治控制（network autonomous control of transport network，NAC-T）和软件定义的传输网络层（software defined transport network，SDTN）两大逻辑功能实体组成。NAC-T的主要功能是在CDU的统一控制下，结合SDTN产生的各种参数，产生支撑HL和LL的数据传输的各种传输通道和QoS保障能力。

LL为CAWN的低层功能，为层2及层1的功能，主要由低层网络自治控制（network autonomous control of lower layer，NAC-L）和低层控制面和用户面（control plane and user plane of lower layer，CP-L/UP-L）两大逻辑功能实体组成。NAC-L的主要功能是在CDU的统一控制，结合CP-L/UP-L产生的各种参数，完成空口数据的控制和传输。

3 CAWN中一种智能控制的部署

在无线资源管理（radio resource management，RRM）中引入内生AI工具，形成智能控制器智能化无线资源管理（AI-driven RRM），完成智能无线资源管理的控制器，在大数据和人工智能的驱动下，实现对无线资源的智能化管理。该部署方案把智能控制器按照功能进行部署，并支持动态的功能伸/缩，并让其部署独立于基站之外以实现硬件成本最小化。

智能控制器部署分成两个部分进行部署：一部分部署在基站上，另一部分部署在新增加的云平台上。部署在基站上的功能按照如下原则进行定义。

· 实时性要求低于某一门限值，记为TC（time constraint），如10 ms。“实时性要求”是指，功能或者算法从收到响应的测量或者监测数据，经过计算，到产生最后的决策时间限制要求。

· 计算能力要求低于某一个门限值，记为CC（computing capability），如10万个Cycle（周期），或者处理器主频等“计算能力”是指功能或者算法对硬件的要求。当超过该门限时，功能或者算法进行适当的切割，把对计算能力要求高的非核心部分分离，把要求低的核心部分放到基站上，分解到计算能力需求的原子层之后（即功能或者算法的功能已经无法再进行分割），再放到基站上面，以实现基站成本的可控。

· 存储空间需求，记为BR（buffer request）。存储空间的管理和使用不仅仅是成本的问题，还涉及功耗的问题。为存储空间的使用需求设置一个门限，如1 GB，超过这个门限的数据就要放到基站外面的存储上去。

· 数据被使用的频度，记为UF（used frequency）。按照数据被调入内容使用的频段进行划分，设置一门限，如1 000次/s。频度越高的数据尽量放到基站中，频度越低的数据放到基站之外。

对上述4个参数进行拟合得到分布部署的特征值如下。

其中，k1+k2+k3+k4=1，TC、CC、BR、UF需要进行归一化，或者可以预定义四者的一致性映射表。对于RSplit≥Threshold，则把该部分功能或者算法放到基站之外，否则放到基站之内。

基于上述分割方法和原则，把智能控制器分成两部分，一部分部署在基站之外的云平台上（记为Part1），另一部分部署在基站上（记为Part2），两部分通过私有接口（proprietary interface）进行连接，如图2和图3所示。

图3 智能控制器的部署方案二

在图2中，对于Part1部分，可以部署到云平台上，通过IT技术解决大存储、大计算量的需求，通过云平台的分布式硬件功能实现Part1的规模可控扩展，从而实现了Part1部分的灵活扩展和计算能力、存储能力的灵活增长。对于Part2部分，聚焦于基站最核心的无线资源管理功能，基本上基于目前基站已有的硬件和计算资源部署即可。把大量的计算和存储需求尽可能放到Part1部分。对于私有接口，传递Part1和Part2两部分功能之间切分后的私有信息或者参数的交互，以确保厂商算法的完整性和专属权。该私有接口可以通过专用的物理连接通道，如专门的光纤。Part2和协议栈之间通过标准、开放的E2接口与协议栈互联。

图2 智能控制器的部署方案一

在图3中，Part1部分为大集中部分，部署在云平台上。Part2为小集中部分，部署在小范围的基站之外，管理较少的基站。这样基站主要专注于协议栈功能。Part1和Par2之间的私有接口与图2的定义相同。Part2与协议栈之间通过E2接口互联。

两种方案中，Part1和Part2之间都是通过私有接口进行互联，私有接口确保了整个智能控制器的一致性和统一性，即整个智能控制器出自一个产品提供商，通过标准开放的E2接口与标准的协议栈互联，从而实现了在E2接口上的能力开放（把基站的能力暴露给运营商），同时实现了厂商利益的最大化。

4 结束语

6G网络逻辑架构由“三层四面”构成。三层分别是分布式资源层、网络功能层和应用与服务层，四面分别是数据感知面、智能面、安全面和共享与协作面。资源层向其他层提供资源（如无线频率资源、存储与计算资源）。网络功能层编排底层资源并执行必要的网络功能，以更好地支持上层应用与服务层的数据收发。数据感知面采集、处理和存储用户及智慧网元的全域数据，这些数据可以被智能面订阅以用于模型训练、算法优化或者为其他网络功能提供数据分析服务。智能面为其他“层”和“面”按需提供AI能力。安全面使网络具备内生安全的能力，为网元、服务与应用提供更强大的安全保护。共享与协作面实现各“面”各“层”的多方共享，解决数据孤岛、异构系统安全性等问题。

6G网络具备“按需服务、架构至简、服务化的RAN、智慧内生、数字孪生”的特征。本文提出的6G上下文感知的无线网络实现了6G网络的按需服务和智慧内生，可以感知其所服务的每一个用户，并能够对用户进行大数据运算，归纳总结用户特征，形成对一类用户行为的准确判决和控制，并针对每一个用户量身定做对其的控制和数据收发方案，实现按需地为用户服务。同时，基于内生AI的方法和部署，充分利用了AI面的功能，使得AI和无线网络功能深度融合，符合未来网络技术趋势。