简介

作为下一代无线通信技术，6G 技术有望提供前所未有的高速度、大容量和低延迟。该技术基于 5G 构建，将引入新功能以支持新型应用和服务。5G 网络采用低于 6 GHz 的频段和毫米波频段的组合，以及大规模 MIMO、波束成形和网络切片等高级技术，可实现高速、超可靠且低延迟的通信。然而，5G 仍面临着一些挑战，如频谱稀缺、能效和覆盖范围方面的问题。6G 旨在克服这些挑战，实现更高的性能目标。

据估计，6G 将能够提供太比特级速度、1 微秒延迟和远超 5G 的容量。为此，6G 将使用诸多赋能技术，如包括太赫兹和亚太赫兹在内的更高频带、智能反射表面和人工智能技术，以及新的波形和物理层技术。6G 还将利用卫星网络和非地面平台来实现无处不在的信号覆盖。

6G 的发展仍处于早期阶段，但国际组织和行业参与者已设定一些里程碑。国际电联 (ITU) 启动了 IMT-2030 愿景项目，以确定 6G 的需求和路线图。3GPP 已着手研究超 5G 系统，计划在 2028 年发布第一个 6G 标准。一些国家/地区也推出了与 6G 有关的研究计划和测试平台。

6G 的潜在应用范围广泛且影响深远。6G 还将实现新的通信模式。在这种模式下，需要新的度量和服务质量参数来确保用户满意度和系统效率。

鉴于将 6G 推向市场的复杂性，研究人员和无线工程师将需要使用不同的软件工具进行严格的仿真、测试和试验。要解决 6G 所带来的最棘手的研究问题，MATLAB^® 等程序将是不可或缺的工具。本白皮书将介绍一些目前已有的关键工具，供您在构建下一代无线技术时入门使用。

6G 用例和需求

5G 已在全球范围内得到了广泛应用。但是，随着物理和虚拟世界在许多领域的不断融合，性能要求将被进一步放大。从长远来看，这会将 5G 的使用推向极限。因此，下一代 (6G) 无线系统需要达到前所未有的服务质量水平，即能够满足 2030 年及以后全新型应用和服务的要求。

除了改进现有的 5G 用例，一些研究人员预见，6G 还需要处理极其严苛的应用，如全息通信、扩展虚拟现实 (XR)、大规模数字孪生和超大规模物联网 (IoT)。此类用例将生成大量数据，需要在精确的位置提供超高的比特率，并实现明显优于 5G 的网络效率。此外，还需要超越 5G 的智能功能，以基于大量数据做出实时决策。

根据高级功能和性能要求，6G 应用可以分为不同类别。本白皮书将重点介绍以下四个类别：

• 联网机器人与自主系统：在这些应用中，系统可以使用传感器感知周围环境，自然而然地与人类进行交互，并做出必要的决策来帮助或支持完成一系列任务。其中包括服务机器人之间的在线协作和用于制造业的数字孪生。
• 多感官扩展现实：适用于高级虚拟现实 (VR) 和增强现实 (AR) 的应用，通过适应环境的触觉、视觉和音频带来身临其境的体验。其中包括混合现实协同设计和混合现实远程呈现。
• 分布式感测和通信：包含大量传感器和数据采集网络的用例。应用包括人体内网络和沉浸式智慧城市。
• 可持续发展和包容性通信：此类别的用例侧重于确保数字服务覆盖全球，以减少不平等现象并实现数字包容性。其中包括远程医疗服务、扩展的数字接入，以及在以往无线互联网难以覆盖的地区提供更多教育资源。

6G 研究生态系统

6G 标准化工作预计要到 2025 年才会开始，但世界各地已启动几项举措，从概念上解读 6G 生态系统。接下来，本白皮书将以全球的一些举措和活动为例，概述 6G 研究生态系统。

在国际上，国际电联 (ITU) 的 ITU 无线电通信部 (ITU-R) 已委托一个工作组 (WP 5D) 以建议的形式制定 2030 年之后的移动通信愿景。

在北美，Next G 联盟意在确立北美在 6G 研发领域的领导地位。

在欧洲，智能网络与服务联盟机构 (SNS JU) 率先推出了 6G 充电技术。此外，由欧盟资助的几个 6G 旗舰研究项目也已启动。

同样，亚洲最近也推出了几项计划来定义 6G 愿景和赋能技术。

赋能技术

世界各地的各项 6G 计划中都包含一些通用技术。人们认为，这些技术可将 6G 概念变为现实。专家们就下面用于 6G 的关键技术达成了一致：

• 人工智能
• 通信感测一体化
• 可重构智能表面
• 非地面网络 (NTN)
• 物理层设计
• 极高的数据传输速率和更高的频率

在接下来的章节中，本白皮书将介绍这些共同的技术，并就如何使用 MATLAB 解决最棘手的 6G 研究问题提供见解。

深度学习和 AI

人工智能 (AI) 已在 5G 中得到使用。人们正在考虑将其广泛用于 6G 研究中的各种用例。AI 工作流要求构建深度神经网络，并生成大量数据来训练这些网络，包括高效训练所需的 GPU 支持，而 MATLAB 恰好具备所有这些能力。用例包括：

• 波束成形设计
• 自适应信道估计
• 数据驱动的信道解码
• 硬件损伤补偿

在 3GPP 版本 18 中，下面三个 AI 领域倍受关注：

• 信道状态信息 (CSI) 反馈压缩：可以利用神经网络来压缩从接收机反馈回发射机的 CSI。
• 波束管理：从数值方面讲，在大规模 MIMO 系统中对所有波束对进行穷举搜索可能让人望而却步。另一种方法是利用 AI 将搜索空间缩小到一组更小的波束对。
• 定位：精确定位使多种应用成为可能，但在技术方面具有挑战性。AI 有望提高定位准确性。

使用 MATLAB 实现深度学习和 AI

MATLAB 支持完整的深度学习/AI 工作流，包含从最初的想法到嵌入式设备上运行的经过训练的神经网络的整个过程。

MATLAB 工具箱可以帮助研究人员完成从数据准备到部署的整个工作流。

使用 MATLAB 和相关工具箱，您可以为各种应用设计、训练、测试和部署深度神经网络。MATLAB 附带大量用于无线应用的 AI 可执行演示：

通信感测一体化

在未来，6G 网络的潜在特征之一是，能够利用无线电频谱实现感测和通信。通信感测一体化指的是一种新模式，在这种模式下，无线电软硬件可以同时执行感测和通信两种任务。可能的用例包括：交通监控和被动目标定位；环境监测和人类活动/存在检测；以及跌倒检测和血糖监测。

通信感测一体化可以分为两种方法：

• 使用相同的无线电频谱进行感测和通信。这需要增加新信号处理功能，以在接收机端进行感测，但不需要更改通信功能。在感测和通信之间共享频谱会带来引入关注的挑战，因为在进行波形设计时，您必须在感测能力和通信性能之间进行权衡。例如，Cramér-Rao 下界 (CRLB) 可有效地度量感测能力，而容量可以更好地度量通信性能。
• 使用无线电频谱的不同频段进行感测和通信。可能需要将专用硬件用于感测目的。这样一来，此方法便涉及如何在时间、频率和空间方面共享可用无线电资源。

使用 MATLAB 实现通信感测一体化

结合使用 Communications Toolbox™ 和 Radar Toolbox，您可以轻松地进行通信感测一体化试验。Communications Toolbox 提供用于创建通信信号处理链的构建块，而 Radar Toolbox 则包含感测部分所需的所有经典算法。

在许多感测应用中，核心概念是定位。MATLAB 提供了许多深入浅出的示例来解决这些领域的问题。系统如果集通信和感测于一体，则需要在这两种波形之间进行权衡。MATLAB 可帮助您研究这种权衡。微多普勒签名检测方法支持许多使用通信感测一体化研究的用例。您可以使用 MATLAB 研究微多普勒签名分类，例如使用深度学习方法来进行此项研究。

可重构智能表面

可重构智能表面 (RIS) 是一种模式转换方法，可用于对无线信道进行操作，以实现超可靠的信号覆盖和卓越的通信质量。在传统的无线系统中，传播环境被视为既定项。因此，该方法的目标是通过调整其传输方案和参数来优化通信性能，从而解决“既定”信道减损问题。

RIS 是由反射元件组成的平面表面，这些反射元件可以独立被动地影响它们反射的信号的相位。通过可编程元件，RIS 可以调节表面或天线阵列上大量反射器元件的相移以重构无线信道。这将使通信系统能够主动控制无线电环境特征，并消除或增强某些信号传播方向以及抑制干扰。

研究界已在研究一系列需要解决的挑战和研究问题，以将 RIS 从理论付诸实践：

• 设计具有大量元件的反射表面，以在最大限度降低信令开销的同时，及时为可控元件找到合适的场景特定配置
• 结合考虑存在大量反射元件和高度动态的场景（如 RIS 装载在无人机上），精确估计 RIS 与发射机或接收机之间的无线信道和进行 CSI 采集
• 结合考虑从 RIS 系统采集的 CSI 具有不完美性，设计和优化稳健的波束成形

使用 MATLAB 研究可重构智能表面

使用 Phased Array System Toolbox™、Antenna Toolbox™ 和 Optimization Toolbox™，您可以对散射表面进行建模和设计，并动态更改其特性。MATLAB 还可以帮助您：

• 使用包括偶极天线、单极天线、贴片天线、螺旋天线、分形天线和喇叭天线在内的各类元件对反射表面和元件进行建模。
• 设计优化算法，以最优方式控制反射表面的不同元件。
• 灵活地设计天线阵列，例如线性、矩形、圆形、共形阵列和自定义阵列设计，以探索 RIS 的设计空间。
• 使用射线追踪对三维传播环境精确建模，以在计算多径传播路径的同时，考虑到常见材料的 ITU 介电常数和电导率值。
• 对多径传播-散射 MIMO 信道建模，进而对从多个散射体反射到一个接收阵列的信号建模。该模型考虑到了距离相关的时滞、增益、多普勒频移、相位变化以及由气体、雨、雾和云造成的大气损耗。

非地面网络

使用 MATLAB 研究非地面网络

若要研究 6G 所需的改进和更好的算法，您可以从现有的 5G NTN 链路模型入手。MATLAB 提供了 5G Toolbox™ 和 Satellite Communications Toolbox，以及用于加速 NTN 研究的各种工具，可帮助您： 

• 灵活地构建、建模和可视化完整的卫星场景，包括卫星、星座图和地面站以及它们之间的交互。
• 使用同一场景中的卫星和飞机执行多域建模。
• 对地面站之间的多跳卫星链路建模，并执行星座图和地面站之间的接入分析。
• 对卫星和地面站之间的多普勒频率和延迟建模。
• 使用基于标准的卫星传播模型，对 ITU-R P.618 建议中定义的传播损耗和交叉极化以及 ITU-R P.681-11 Section 6.2 建议中定义的陆地移动卫星 (LMS) 通信信道进行建模。
• 使用丰富的通信功能库，探索新的波形、调制方案和纠错方法。
• 设计、建模和测试波束成形系统，以满足 NTN 的波束宽度要求。
• 设计能够满足 NTN 的常用波束宽度和效率要求的天线和天线阵列。

极高的数据传输速率和更高的频率

6G 的长远目标是提供高达数百 Gbps 的数据传输速率。极高的数据传输速率会带来诸多新的挑战，其中一些挑战与功耗增加和载波频率提高有关：

• 即使频谱效率很高，也需要几十 GHz 量级的信号带宽才能获得极高的数据传输速率。反过来，这意味着载波频率必须位于较高的毫米波频段 (> 100 GHz) 内。就射频传播而言，较高的频率带来的主要挑战是高衰减。为了正确表示这些限制，需要将新的信道用于较高的毫米波和亚太赫兹频段。对于较低的频率来说，以随机建模方式建立这种信道模型是标准做法；但对于较高的频带来说，这种做法具有挑战性。基于射线追踪的信道模型在 60 GHz 下提供了良好的预测能力，在更高的频率下预计也是如此。射线追踪模型本身非常适用于波束成形，这是克服距离问题的一种关键方法。
• 对于数据转换器，功耗随采样频率近似呈线性增加，但随位分辨率呈指数增加。更高的带宽导致功耗增加，这就带来了新的挑战，因此可能需要重新设计数模转换器 (DAC) 和模数转换器 (ADC)，例如降低位分辨率。
• 数据传输速率将比 DSP 电路的时钟频率高得多，这需要新的 DSP 算法设计来处理大规模并行数据流。

使用 MATLAB 实现极高的数据传输速率和更高的频率

MATLAB 具有内置的射线追踪功能。除此之外，这些工具还内置特定功能，用于增加由于降雨、地形衍射、大气折射、对流层散射和大气吸收造成的损耗（有关示例，请参阅使用射线追踪的 CDL 信道模型自定义和使用射线追踪的室内 MIMO-OFDM 通信链路）。

使用 MATLAB，您可以探索和修改数据转换器的架构，以实现更高的准确度。

MATLAB 提供了用于并行处理数据的现成 IP 模块，因而使您可以获得远超时钟频率的有效数据传输速率。使用此类模块的 Simulink^® 模型可以部署到 FPGA 平台上并在其上实时运行。

物理层设计

更新后的物理层设计可能包括新的帧结构和波形，以及新颖的信道编码技术。6G 的波形设计面临着多项挑战。在较高的频率下，由于峰值输出 PA 功率受到限制，可用链路预算将减少，这有利于具有低包络变化的候选波形。据预计，在极高的数据传输速率下，系统功耗主要源于模数转换，这有利于高能效波形。下面举例说明了考虑要在 6G 中使用的候选波形：

• CP-OFDM 波形在 4G 和 5G 中的应用由来已久，但其缺点是峰均功率比 (PAPR) 高。
• 过零调制 (ZXM) 通过降低振幅分辨率来实现高能效。
• 与 CP-OFDM 相比，DFTS-OFDM 降低了 PAPR，但以增加信号处理为代价。

使用 MATLAB 进行物理层设计

通过 Communications Toolbox 和 5G Toolbox，您可以探索不同技术。换而言之，您可以从现有的 5G 模型入手，使用各种信道模型来探索不同频带下的通信性能。

借助 MATLAB，您可以探索新的编码方案，例如基于 NR LDPC 和极化码进行探索。

结束语

6G 无线技术为无线工程师和研究人员描绘了一幅令人兴奋的美好前景。在未来十年内，本白皮书中讨论的用例和技术将在无线通信领域显得愈加重要。

如需了解有关 MATLAB 和 6G 的更多信息，请查看下面推荐的后续步骤和资源。