跳转至

6G Integrated Non-Terrestrial Networks: Emerging Technologies and Challenges

依旧是一篇综述, 侧重对未来LEO+5G的规划

简单整理一下, 本文的亮点是给出了一些标准:

  1. 6G核心使用场景: eMBB / mMTC / URLLC
  2. 定义标准接口: S1 / S2 / S3 / S4

Introduction 重点:

  • 核心问题: 尽管 5G 带来了革命性服务，但全球仍有 51% 的人口无法接入高速互联网，且地面网络无法覆盖飞机、火车及偏远地区

  • 解决方案: NTN, 包括卫星系统、无人机(UAV) 和 高空平台(HAP) — 被认为是“连接未连接者”并补充地面 5G 网络的最佳解决方案

  • 卫星系统的演进:

    • GSO (地球同步轨道): 传统 GSO 卫星正向高通量（HTS，300 Gbps）和超高通量（UHTS，1 Tbps）演进
    • NGSO (非同步轨道): 业界对 LEO 巨型星座（Starlink、Kuiper、OneWeb）的兴趣正大规模复苏
    • Cubesats (立方星): 基于 nano-satellites 的小型星座也开始用于 IoT 和 data backhauling

  • NTN 在 5G 的三大应用场景:

    • eMBB (增强移动 broadband): 为服务不足的地区、船舶或飞机上的乘客提供宽带和应急通信
    • mMTC (海量机器类通信): 用于大规模 IoT 传感，更适合低空系统 [UAV / HAP / LEO]
    • URLLC (超可靠低延迟通信): 用于高可靠性服务，但 极低延迟 的需求仅可能由 UAV/HAP 满足

  • B5G 与 6G:

    • 卫星 5G 无法应对所有 challenges
    • 未来 6G 将被构想为无处不在的智能、可靠、可扩展网络，通过 NGSO 卫星、UAV 和 HAP 提供全球宽带，并将融合毫米波、太空 IoT、AI/ML 以及量子卫星等新技术

6G Integrated NTN Architecture 重点:

  • 多层混合架构: 6G 的 NTN 是一个多层网络架构，集成了不同高度的平台

    • 卫星（GSO、MEO、LEO 和 Nanosats/Cubesats）
    • 高空平台（HAP）
    • 无人机（UAVs/Drones）
    • alt text

  • 核心场景(卫星回程): 重点关注卫星回程 (backhaul) 场景

    • 在该场景中, 卫星不直接连接 5G 用户 (UE)，而是通过 UAV、HAP 或地面小基站 (TSBS) 作为中间层来为 UE 提供接入

  • 架构挑战(g-NodeB 拆分): NTN 架构研究的复杂性在于如何分配基站 (g-NodeB) 的功能

    • 分布式单元 (DU) 和中央单元 (CU) 的部署位置
    • 如何利用不同层级实现 3D 覆盖

  • ISL:

    • LEO 巨型星座的运行依赖星间链路 (ISL) 来实现太空中的流量路由
    • ISL 可以是射频链路，但目前更先进的（如 Starlink）正采用自由空间光通信 (FSO)

  • 新定义的参考点 (接口): 由于 3GPP 规范未包含卫星，该工作组定义了新的参考点（S1、S2、S3、S4）来描述多层架构中不同组件间的连接

    • S1: 用于分离式 g-NodeB 的链路（例如 DU-卫星 或 卫星-CU）
    • S3: 用于地面 TSBS 与 UAV/HAP 之间，或 UAV/HAP 彼此之间的中继通信
      • S3 接口（UAV/HAP 之间的链路）因其较低的延迟，对支持 URLLC (超可靠低延迟通信) 服务至关重要
    • S4: 用于 UAV/HAP 与 LEO 卫星之间的连接
    • alt text

  • 架构示例与功能分离:

    • 提出采用 SDN/NFV 技术, 将控制平面（例如 GSO 卫星负责）与用户/转发平面（例如 LEO 卫星负责）分离

  • 网络管理(MANO):

    • 提议采用 ETSI NFV MANO（管理与编排）标准，在控制平面中负责资源管理、数据包路由、网络切片管理和边缘计算

New Opportunities with ML / AI / Edge Computing 重点:

AI/ML 是 6G 的关键使能技术。随着卫星网络日益密集，网络管理变得极其复杂，AI/ML 可用于“动态”优化（on-the-fly）这些复杂问题

  • 动态路由：在包含星间链路（ISL）的 LEO 巨型星座或 3D 混合网络（UAV/HAP/LEO）中，AI/ML 可根据实时链路状态调整路由路径
  • 资源管理：解决干扰管理、资源分配问题，并在各种约束（如干扰、移动性、能耗）下最大化服务用户数
  • 移动性管理：优化 3D NTN 架构中（层内及层间）的切换决策
  • 协议栈自适应：提升协议栈不同层级的自适应能力

MEC（多接入边缘计算）在 NTN 的应用:

  • 将 MEC 概念（内容缓存、计算卸载）引入 NTN，对未来通过卫星实现的 IoT 服务至关重要
  • MEC 依赖于分布在远程基站、卫星（星上处理）和网关上的缓存与处理能力，通过本地执行任务来降低处理和传播延迟
  • 主要挑战：卫星或 UAV 等空中平台上的存储空间和处理能力非常有限