6G信道模型（2）

1. 6G信道模型（2）

文献1.
  
  中文摘要： 
  
 随着5G在全球范围内商业化进程的推进，为满足未来更高速率、更低延迟和新业务的需求，面向6G的研究已经启动。无线信道是收发两端信息传输的通道，无线信道的特性决定了无线通信系统的性能限。因此，关于信道的研究是6G无线通信系统研发的基础性研究。本文首先介绍了6G可能出现的技术和应用，包括太赫兹通信、工业互联网、空天地一体化网络和机器学习，并指出6G信道模型面临更高频率、更大带宽和超大规模天线阵列、多样化场景进一步扩展的挑战。其次，针对这些技术和应用，综述了目前太赫兹信道、工业互联网信道、空天地信道的测量与建模，以及基于机器学习和三维环境重构的智能化建模4个方面的研究进展。最后，面向未来，展望了上述4个方面有待深入研究的问题。
  
  关键词： 
  
 信道测量；信道建模；6G；太赫兹；工业互联网；空天地一体化网络；机器学习
    
 张建华，唐盼，于力，姜涛，田磊
  
  单位： 
  
 北京邮电大学网络与交换国家重点实验室，中国北京市，100876
  
  本文引用格式： 
  
 Jian-hua Zhang, Pan Tang, Li Yu, Tao Jiang, Lei Tian, 2020. Channel measurements and models for 6G: current status and future outlook. Frontiers of Information Technology & Electronic Engineering, 21(1):39-61.
  
 https://doi.org/10.1631/FITEE.1900450
  
  6G全频段全场景信道建模进展 
  
  信道模型是系统设计、理论分析、性能评估、优化及部署的基础，6G信道在典型频段与场景呈现出新特性，基于上述原因，对6G进行信道建模至关重要。
   
                                          
 王承祥教授从6G通用非预测基准信道模型和6G预测信道模型两个角度，对6G信道建模进行了更加深入的讲解。前者是基于5G信道的模型进行拓展，V2V信道模型、大规模MIMO信道、空时频非平稳信道等信道建模都很好地符合了仿真与测量结果。后者是将机器学习、人工智能等方法，应用于无线通信的信道建模。王承祥教授分析了传统无线信道测量与建模存在高性能信道测量探测器成本高昂、测量过程费时费力、数据量大、算法复杂度高等问题，提出人工智能可通过聚类、分类、回归、神经网络等方法，对无线信道进行多径分簇、场景分类、特性预测与建模。
  
 在信道测量与新特性分析方面，存在着在某些信道环境下时域或频域非平稳、散射体丰富、多移动性等难题。 智能反射面（IRS） 具有低成本、低能耗、高可靠、大容量等特点，然而，对于智能反射面的信道测量与建模，如何分别测量发射端到IRS和IRS到接收端信道并从中发现新信道特性，如何将IRS和毫米波、太赫兹、可见光通信等技术联合使用，依然是一个挑战。在 人工智能使能6G信道测量与建模 方面，如何构建训练与预测的方法论从而得到全局最优的信道模型参数，以及如何构建 通用的人工智能模型 从而对不同频段、场景的信道特性预测进行统一表征等问题，依然亟待解决。
  
 面向6G的无线通信信道特性分析与建模
  
 王承祥1,2,黄杰1,2,王海明2,3,高西奇1,2,尤肖虎1,2,郝阳4
  
 1东南大学信息科学与工程学院移动通信国家重点实验室，江苏 南京 210096
  
 2紫金山实验室，江苏 南京 211111
  
 3东南大学信息科学与工程学院毫米波国家重点实验室，江苏 南京 210096
  
 4伦敦玛丽女王大学电子工程与计算机科学学院，英国 伦敦 E1 4NS
  
 摘要:
  
 针对 6G 全覆盖、全频谱、全应用的发展愿景，对面向 6G 的全频谱全场景无线信道测量、信道特性与信道模型方面的进展进行了全面概述，侧重于毫米波、太赫兹、光波段、卫星、无人机、海洋、水声、高铁、车对车、大规模/超大规模天线、轨道角动量以及工业物联网等通信信道，并展示了6G信道的相关测量与建模结果。最后，指出了6G无线信道测量与建模研究的未来挑战。
  
 关键词：6G无线通信网络 ; 信道测量 ; 信道特性 ; 信道建模 ; 信道模型性能评估