面向卫星通信的6G通感算融合架构、技术与挑战

景 毅，姜春晓，詹亚锋

(清华大学 北京信息科学与技术国家研究中心，北京 100084)

0 引言

近些年来，随着第六代移动通信技术(6G)的提出与演进，其在边缘计算、人工智能等领域飞速发展并在卫星通信、无人驾驶、工业互联网等诸多场景中得到了初步应用。6G中的核心技术主要包括通信、感知和计算三部分，其中通信作为6G网络的核心，是连接用户终端与服务器，传输数据，支撑计算资源有效利用的枢纽；感知可为系统提供丰富的数据信息，进一步优化系统性能，是6G网络的基础；计算则是体现系统能力的重要模块，在6G时代，计算能力强弱直接决定了系统的发展前景和上限[1-2]。

在6G之前的研究进程中，通信、感知和计算的发展进程是独立进行的。但随着6G概念对于容量、时延、精度、算力等指标的需求，通信、感知、计算单独的增强无法直接带来系统指标的提升，也制约着业务形态的发展，因此，6G各功能模块的交叉融合成为必然的研究趋势。通信、感知、计算(通感算)融合不仅能满足极低时延、极高能效、极大容量等6G需求，还能促使各模块互惠增强[3]。但是，由于通信、感知和计算在系统架构、评价指标和关键技术方面都有明显的差异，要实现通感算融合，需要将三者进行联合设计，充分考虑它们的共同点和差异性，借助分布式计算平台和人工智能技术等方式打造高效可靠的6G通感算融合系统和组网模式。 卫星通信凭借覆盖范围大、成本低、计算能力强的特点，成为6G的重要应用场景，其面临的挑战包括进一步提升系统容量、降低延时、提升能效等，可通过采用6G通感算融合架构与技术解决，因此面向卫星通信的6G通感算融合是当前通信领域的研究热点。本文主要介绍6G通感算融合的背景，研究现状和面向卫星通信的6G通感算融合架构、关键技术与挑战。

1 6G通感算融合背景与现状

1.1 研究背景

6G研究主要集中在5G基础上，对于各个典型场景下的指标进行进一步提升，追求更大覆盖范围、更强计算能力、更快感知效率等，并非只是通信性能的提升[4]。感知、通信、计算将是6G系统的重要组成和系统赋能、增效的抓手，通感算融合的构想，即在移动系统中的各个节点集成各种感知、通信、计算的功能，统一协同、利用通感算相关资源信息，提供优质的通感算业务服务，是一个宏大的概念和系统工程。从架构和功能上，通感算三者存在很大的差异性，如何统一、规范地设计通感算架构，将三者的功能模块有机结合起来，是重点研究方向。

1.2 研究现状

6G技术具有高可靠、大规模、可扩展、超低时延等特点，国内外学者已经就6G网络中的资源优化问题进行了较为深入的研究。其中，研究的难点集中在对通信、计算资源的协同优化以及将感知结果映射到通信资源上等，大都与通感算之间的融合有关。如图1所示，学术界就“通感”“通算”“感算”一体化和融合已进行了一定研究，针对模块间的关系和互惠增强进行了设计，产生了一定的成果与思考[5-7]。

图1 通感算融合现状

1.2.1 通感融合

通信和感知的融合是最早开始进行的，终端配备多种多样的传感器，如用于测量距离的无人机，用于检测物体物理特性的湿、温度传感器，用于拍摄街景地图的自动驾驶汽车摄像头等，通过加载诸如融合通信的智能模块，实现了感知通信一体化，在采集到海量感知数据的同时，迅速完成通信传输，提高通信效率的同时为下一步感知的迭代提供了时间保障。通感融合相比感知通信分离有如下优势：① 扩展了感知的范围，为系统获取更多有效信息提供可能性；② 缩短了通信时延和传输数据量，通感融合的网络通过下发通信模块到感知所在的节点，有效节约了数据传输到中心服务器的时间，有效缩短延时的同时减少了需要传输的数据量，提升了系统的效率；③ 有效降低了感知和通信的成本，提高了终端传感器的利用率，通过感知通信复合型应用场景，降低了成本，减小了采集信息所需传感器的数量。然而，目前的研究更多地集中在通信场景下，感知进行辅助，而很少有以感知为主体的理论和场景，感知通信融合所需算力和算法的研究也有待进一步开展。

1.2.2 通算融合

通信和计算融合主要是指将边缘计算、联邦学习等技术应用于通算融合的场景中。通过将计算任务下发到边缘节点，由边缘服务器配备更多的算力来执行计算任务，从而有效降低系统时延，提升通信效率，提高系统吞吐量和稳定性。目前的研究理论和架构较为集中在边缘计算上，后续的研究可以更多地针对基础系统结构进行设计，容纳通算融合的更多业务场景，提炼相关技术。

1.2.3 感算融合

感知和计算融合的优越性体现在通过对感知到的数据进行计算，从而更有针对性地获取信息并感知周围环境，也通过计算的方式进一步提升系统的指标。感算融合技术主要基于云计算、雾计算等框架下，协同感知与计算模型，对于计算效率和感知准确度进行提升。

1.2.4 现状总结

如表1所示，通感、通算、感算融合各有优势：通感融合在中心侧和终端侧分别具有覆盖面广、带宽较大和功耗较低、成本较低的优势；通算融合在中心侧算力较强、较易协同，而在终端侧配置灵活、时延较低；感算融合则是中心侧数据类型丰富、模型种类多，而终端侧安全性和隐私性好[8]。

表1 通感/通算/感算融合优点对比

感知、通信、计算中两两结合的研究证明了融合的可行性，为了适应6G的需求，需要将通感算三者进一步融合，突破理论和性能上的瓶颈。因此，针对通感算融合研究并实现全新的架构概念，在此基础上进行组网和功能设计，提高系统感知精度、计算能力和通信容量势在必行。

1.3 6G通感算融合架构

如图2所示，6G通感算融合架构分为两部分：通感算一体化终端和中心云服务器，服务于卫星通信、自动驾驶和工业互联网等业务场景[9]。通感算一体化终端的核心技术依托人工智能和边缘计算架构，将空、地、海各领域终端感知到的数据、联合通信和计算资源进行数据融合，打破通感算三者数据格式和功能上的差异，并与中心云服务器就资源分配和信道估计等方面进行交互，形成完整的数据采集、传输和计算链路，构建通感算之间的紧密融合。

图2 通感算融合架构

通感算融合的架构有以下优势：终端的感知能力建立在通信对其的功能支撑基础上，通信与感知的协同使得感知的深度和广度得到拓宽；边缘计算、人工智能等大数据技术有效降低了采集到的数据维度，通过挖掘感知数据的深层含义，提升了感知和通信的效率；感知和计算帮助通信获得的能力提升，进一步为计算获取了更大的容量和时间。在不同的业务场景下，通感算三者得到有机结合，实现了循环迭代，针对性地完成了网络各性能指标的优化，提升了系统效率[10-11]。

2 面向卫星通信的6G通感算融合

2.1 卫星通信

由于地面移动网络只能覆盖20%的陆地和5%的海洋范围，卫星通信凭借其覆盖范围广的优点成为6G通信中重点研究的场景。除此之外，卫星通信相比于传统地面移动通信还有着显著的低成本优势。地面宽带网络需大量铺设光纤，用地面移动通信的方法覆盖全球需要至少10万亿美元的投资和20年的时间，海洋和天空的宽带接入更是地面网络无法触及的领域；而用卫星通信覆盖全球仅需要几百颗卫星共计7亿美元的投入，研发周期也更短。因此，卫星通信与6G通信的发展目标更为契合，是下一代移动通信的发展趋势[12-13]。

2.2 6G卫星通信网络

2.2.1 6G卫星通信网络架构

如图3所示，6G卫星通信架构由天基平台、空基平台和地面/海面终端组成。天基平台的主体是卫星，主要分为地球同步轨道(Geostationary Earth Orbit, GEO)卫星、中轨道(Medium Earth Orbit, MEO)卫星和低轨道(Low Earth Orbit, LEO)卫星，充分利用卫星覆盖范围广、载荷优势大的特点，为星地、星间链路提供中心云服务器，承担通信、计算、模型训练、内容分发等方面的功能。空基平台的主体是无人机和飞行器，是连接空基平台和地基平台的枢纽。对于空基平台来说，无人机群可以作为边缘节点，缓解中心服务器的计算和系统通信压力。对于地面终端来说，飞机群可以充当移动边缘服务器，汇总终端的感知数据信息，进行初步数据处理和模型运算。与此同时，无人机和飞行器也是空域感知数据的采集和发送者，为6G卫星通信系统提供信息输入；地面/海面终端包括雷达、汽车、舰船等，通过人工智能技术为系统提供感知、计算能力以及地对地、空对地和星对地之间的通信保障[14]。

图3 6G卫星通信架构

2.2.2 技术特征

6G卫星通信中，研究重点是大规模覆盖、多智能服务、海量连接和超低时延。相比于5G以基站为中心的场景，6G将研究重心放到了卫星上，构建以天领地的网络架构，辅以地面网络，由此应运而生了几大技术特征[15-17]。

全域覆盖6G卫星通信重点聚焦5G无法覆盖的80%的陆地和95%的海洋，卫星构成的天基平台和无人机群与飞机构成的空基平台承担着重要的任务，通过与地面终端的结合，实现全域用户接入和全球移动覆盖的目标。

智简网络为了实现6G网络智能、简约地接入卫星通信系统架构，需要人工智能技术与通信体制结合，设计符合卫星场景的通信协议，合理改造空天地一体化网络结构，在满足6G业务指标的同时服务好卫星通信体系。

星上计算通过星载边缘计算、星上基站等关键技术和设施设计构建星上计算和数据处理能力，利用智能化计算单元组建星上资源管理体系，提高计算效率，将卫星通信过程中产生的计算、模型训练任务按时按量在星上完成。

星间均衡6G卫星通信网络时常产生星间数据交互的任务，而最优链路容易产生堵塞的现象，因此引入天基平台中卫星间动态分层管理机制，通过智能算法实现星间链路均衡，保障数据处理和传输的效率。

2.3 面向卫星通信的通感算融合架构

6G通感算架构与大数据、云计算等人工智能技术的深度交汇同样可结合卫星的特点移植到卫星通信场景，本节提出卫星通信的通感算融合架构，并对功能模块和关键技术进行分析和讨论[18-20]。

2.3.1 卫星通感算融合架构

面向卫星通信的通感算融合架构如图4所示，地面和海面的终端设备通过人工智能赋能实现感知功率增强、通信干扰消除和计算效率提升的联合优化迭代。同时，终端节点通过本地预训练的方式，提升大数据平台的更新速率和效率，进一步增强通感算一体化的系统能力。天基平台的卫星构建感知、通信、计算、资源分配一体化的星座，通过动态分簇技术，完成星上和星间链路的数据交互，解决6G卫星通信场景中由于卫星数量多、载荷能力有限造成的通信阻塞问题，同步提升感知精度和计算效率。在资源调度方面，空基平台的无人机群通过深度强化学习的方法，在与环境的交互学习过程中迭代更新从而获得有最佳收益的行动，将资源分配给最需要、最能给系统带来收益的终端，同时采用缓存的方式释放计算资源，提升计算单元利用效率和通信容量。总体而言，面向卫星通信的通感算架构结合了卫星通信覆盖范围的优势和通感算架构中融合与协同增强的特性，更好地服务于6G通信的场景[21-22]。

图4 面向卫星通信的通感算融合架构

2.3.2 功能模块

干扰消除干扰消除模块配备在终端通信链路上，用于处理通信过程中由于外界和自身信号干扰造成的资源浪费，达到提升系统效率的目的。干扰消除模块主要采用人工智能手段消除“信号编码-信号调制-信道传输-信号解调-信号解码”全过程的噪声干扰。

融合资源池面向卫星通信的6G通感算融合架构中，资源分布在天基、空基和地基平台，为实现资源效率利用最大化，将卫星的中心服务器和地面的资源中心为主体构建统一的资源池，采用大数据、云计算技术统一协调分配资源，灵活高效地服务整个系统。

软硬件协同卫星通信中，以硬件为主体、软件赋能协同的方式是必需的技术手段。6G时代，数字孪生、软件定义网络、网络功能虚拟化等技术构建成为软硬件协同功能模块，通过解耦软硬件架构、网络编排提升系统效率，管理虚拟和实体资源，自动化、智能化管理卫星通感算系统。

星座分簇星座分簇用于动态构建卫星星座，主要解决由于6G卫星通信中卫星数量较多而星上算力有限导致的算力受限、通信阻塞问题。星座分簇技术构建了卫星分层管理体制，充分利用中高轨道卫星覆盖范围大、计算能力强的优势，采用人工智能手段对于低轨卫星进行分簇，合理分配计算、通信等数据处理、数据交互任务。

2.3.3 关键技术

深度强化学习深度强化学习用于处理6G卫星通感算融合复杂环境下的资源分配问题，通过引入卷积神经网络模型，确立优化目标函数，借助强大的计算引擎经过大量的训练实验找出适合每个当前时刻的资源分配行动。

联邦学习联邦学习是一种分布式计算架构，由于卫星通信中各终端和卫星隶属于不同的机构，直接的数据交互容易产生隐私泄露等严重的安全问题，而联邦学习架构中各参与节点通过本地计算后采用上传梯度信息而不是原始数据的方式与中心卫星服务器交互，有效保护了数据安全；除此之外，联邦学习采用参数传递的方式提升了感知、通信、计算场景下各模块的效率，减小了大量数据在系统中传递造成的信息冗余和通信阻塞。

软件定义卫星软件定义卫星通过软件定义网络和网络功能虚拟化技术将卫星通信的控制平面与数据平面分离，引入云计算架构将分离后的平面融合构建统一的数据中心，灵活高效地创建网络拓扑结构，通过数据训练、学习和决策的能力实现6G中各平台通感算融合智能化服务于整个卫星通信系统。

3 基于联邦学习的卫星通感算融合架构

3.1 联邦学习

联邦学习架构如图5所示，其对于卫星通信的感知、通信、计算都有提升作用。首先，联邦学习的架构有益于通过通信增强感知，在分布式节点与中心服务器的模型训练迭代过程中，随着全局损失函数和局部模型参数的更新，边缘节点所感知的数据精度在逐步提升，联邦学习中的通信使得感知精度和准度大幅增强；其次，计算使得通信效率显著提升，分布式边缘节点首先训练局部模型，得到最优梯度，再将本轮的模型参数而非原始数据上传至中心服务器，因此在通信过程中，数据传输量被大大缩减，通信效率得到提升；最后，感知和通信增强计算效率，由于中心服务器对于全局模型的把控，感知的目的性和方向性得到了显著增强，感知结合通信链路进一步带动了计算资源的有效利用，在联邦学习系统中，全局损失函数经过若干轮的迭代后趋于收敛，使得计算资源得到高效利用。

图5 联邦学习架构

3.2 系统架构

本节提出了基于联邦学习的卫星通感算融合架构，如图6所示。

图6 基于联邦学习的卫星通感算融合架构

中轨卫星构成的星座依靠其广覆盖、大带宽、高算力的优势成为系统的中心云服务器，负责聚合数据、分配资源和提供服务；低轨卫星和无人机群作为分布式节点，用于感知数据，训练本地模型并与中心服务器进行参数交互。

本系统用于为地面终端提供低延时、高质量的服务，在分布式边缘节点配备了通感算一体的设备，使得每个终端卫星和无人机都具备感知、通信、计算一体化的数据采集、数据处理和数据分发能力[23]。

在联邦学习的框架下，低轨卫星和无人机群构成的分布式节点首先通过载荷和传感器感知地面和海面的环境信息，构建本地模型进行训练，得出的梯度信息通过系统接入网、传输网、核心网搭建的通信链路传送至中轨卫星云服务器，云服务器采用联邦平均等聚合算法后，计算损失函数，得到全局梯度信息，再通过通信链路将参数回传至分布式节点，供终端计算单元优化迭代。数轮交互后，中心服务器的损失函数收敛。模型训练完成，过程中通感算三者在联邦学习中协同运作，联合提升系统容量、延时、计算效率等指标。

3.3 性能指标

在基于联邦学习的卫星通信体系下，感知、通信、计算都有性能指标，系统通常在不同场景下选择几类不同的指标进行联合优化，最终使得损失函数收敛，通感算融合系统中，感知指标主要由目标定位和环境参数组成，通信指标由安全性、可靠性和系统效率组成，计算指标由性能指标、服务指标和资源指标组成，通感算融合网络中各类型的具体指标如表2所示。

表2 通感算融合网络性能指标分类

4 挑战及发展趋势

当前的6G通信还处于发展初期，卫星通信的研究进程更是远远落后于地面网络，因此虽然卫星通信与6G通感算融合有着光明前景，但是依然面临很大挑战，本节对于卫星通信与6G通感算融合面临的挑战和发展趋势进行概述。

4.1 通用架构和理论基础

面向卫星通信的6G通感算融合理论还未成熟，感知、通信和计算相互之间原理层面依赖关系的公式推导未成体系，当前的研究更多针对某个特定场景。长远来看，需要设计体系化、规范化的适配面向卫星通信的6G通感算架构，结合通感算三者的约束条件，维持平衡关系。并进一步从通信稳定性、计算准确性和感知精确度三方面制定合理的指标体系衡量整个卫星通信网络，并论证合理性。目前的通信和感知之间的增强关系并未被量化证明，而计算能力在各个场景下的设定也缺少普适性推广的依据[24-25]。

4.2 资源管理体系

资源分配问题一直是通信场景下重点关注的难题。资源有系统延时、网络容量、吞吐量、误码率、带宽、频谱效率、CPU、计算资源利用率等很多种类，而6G通感算融合架构趋于多元化、智能化的特点使得网络更为复杂，需关注的资源约束和优化目标更为多样。感知、通信、计算一体化的终端促使卫星中心服务器在资源调度时需考虑通感算融合的程度和效率，进而确立资源管理分层机制和方案。在算力有限、通信链路受阻、感知精度受限的卫星通信场景下，资源管理更为紧要，为贴合卫星通信低成本的要求，设计并实现成熟的资源一体化管理架构势在必行[26-27]。

4.3 多模态数据融合

在面向卫星通信的6G通感算融合架构中，不同类型的终端在感知过程中采集的数据格式、模态、模型、大小均不同，难以被直接合并处理。由此引入了多模态数据融合技术，适用于联邦学习、边缘计算等基础框架内，是目前6G通感算融合的研究热点，可分为数据融合、模态融合、模型结构融合和数据集融合几种形式，有助于挖掘通感算三者的内在数据、模型和模态之间的关联。卫星通信中，卫星中心服务器可通过多模态学习的方式挖掘不同终端采集数据间的内在联系，融合不同终端种类的数据信息，便于提升系统性能和学习准确率。长远来看，多模态数据融合是面向卫星通信的6G通感算融合重要的研究方向和趋势[28]。

4.4 安全与隐私保护

数据安全和隐私保护是卫星通信中的重要问题，由于卫星、无人机和飞行器的隶属关系问题，数据交互过程中容易造成数据、隐私泄露，产生不可估量的损失。前文提到的联邦学习技术，虽然可以通过传递参数而非原始数据的方式规避一部分风险，但面对恶意攻击场景还是存在非常大的安全隐患。6G通感算融合由于需要更多的数据采集、融合、迭代过程，相较于5G及之前的通信体制，有更多的风险问题。为解决安全和隐私保护问题，可引入区块链架构，区块链是一种去中心化的数据保护方式，不依赖与中心节点，每台计算机都拥有完整的数据副本，通过共识的加密协议记录数据，记录过程永久保留，即使有个别节点产生故障，由于数据保存在多个参与节点且加密，可保障安全。但区块链的实现过程和机制非常复杂，如何应用于面向卫星通信的6G通感算融合体系内，需要结合卫星和6G通信体制进行设计实现，在数据安全问题日益重要的今天，是值得深入研究的重要方向[29]。

5 结论

6G通过将感知、通信、计算进行交叉融合的方式使得三者互惠增强，从而实现极低时延、超大容量、极高精度、极高算力的愿景和目标，服务于无人驾驶、工业互联网等各类应用。卫星通信由于其覆盖范围大、成本低、算力强等特点，是6G通感算融合的重要场景之一。本文主要对面向卫星通信的6G通感算融合架构、功能模块与关键技术进行了研究和介绍，并阐述了面向卫星通信的6G通感算融合的挑战与发展趋势，相信随着技术的不断发展，6G通感算融合将会在更多的场景中得到应用。