聚焦 6G 无线技术——目标和需求

从 3G 到 5G 乃至之后的每一种无线标准，都在设计时加入了推动行业发展的具体目标。例如，4G 专注于以 IP 为中心的灵活语音、数据和视频通信，而 5G 则在此基础上进行了改进。6G 的目标是提供更加无处不在、更高效、更身临其境的无线连接。6G 系统的研发正在逐步前进，我们也开始对无线行业将会经历的技术进步有了清晰的了解。下面将深入探讨无线工程师在当前和未来项目中应该予以考虑的赋能技术。

新频率，包括亚太赫兹通信

使用 7-24 GHz 范围和亚太赫兹范围（大于 100 GHz）中的新频率很可能成为 6G 通信系统的一部分。这将会使新的频谱管理方法成为可能，并在数据速率和速度方面提升性能，增加网络容量和传输带宽，同时减少网络干扰。

通信传感一体化

未来的无线网络需要精确定位无线设备，以优化其传输。通过引入新的频率，无线网络将能够提供高度精确的传感，并掌握其周边物理环境的空间信息。这就是为什么 6G 将使用通信传感一体化 (JCAS) 的原因所在。这种技术集成了无线网络的定位、传感和通信功能。

JCAS 系统可以通过获取更准确的室内空间、范围、障碍物和定位信息并将其发送给网络来提高室内通信场景的性能。根据爱立信最近的研究[1]，JCAS 的主要优势之一是“大多数基础设施已经到位，发送/接收 (Tx/Rx) 节点实现了全区域覆盖，并且节点之间互连良好，这促进了多静态感知网格”。如果无线系统中已集成传感功能，那么 6G 中引入的亚太赫兹频谱中的新频率可能会为无线工程师使用类似雷达的技术铺平道路。然而，设计 JCAS 系统的挑战在于组合系统带来的计算复杂性，以及由此带来的对可用资源的争用，这可能会减慢或中断无线服务。

可重构智能表面

因易于部署、频谱效率增强、与当前无线网络标准和硬件的兼容性以及可持续性，可重构智能表面 (RIS) 在无线领域中获得了越来越多的关注。RIS 是一种新型介质，它让工程师能够通过一系列反射单元以编程方式动态地控制信号在发射机和接收机之间的传播。主动反射和控制传入表面的信号的能力要求无线工程师使用 MIMO 无线系统。该系统虽然可以提高可控性，但需要额外的天线和窄波束。窄波束具有一定的挑战，因为瞄准波束时的任何一个小错误都可能使其无法到达预定目标。

所有这些类型的创新都为无线系统带来了巨大的复杂性和可变性，使设计空间探索任务变得非常困难。构建这些无线系统类型的无线工程师经常使用 MATLAB 和 Simulink 来设计、建模、测试和分析他们的设计。因为他们可以在无需承担后果的仿真环境中探索新的频率范围、带宽、参数集、MIMO 的比例仿真以及更高的采样率。

带来无线连接的非地面网络

使连接无处不在的一项关键技术进步是非地面网络 (NTN) 的出现。NTN 指的是任何涉及非地面飞行物的网络，包括近地轨道 (LEO) 卫星在内。无线工程师越来越多地将移动设备集成到混合地面和非地面 5G 移动基础设施中来为企业和消费者提供服务。Apple 的紧急 SOS 功能[2]是最著名的一项应用。NTN 的价值在于它们可以在不依赖蜂窝信号塔的情况下建立全球无线网络，特别是在建造成本过高的地方。

人工智能对 6G 系统至关重要

6G 网络的日益复杂使得人工智能的使用成为必要。因为光靠人来紧跟 6G 带来的更快速度和更高复杂性已不太实际。人工智能方法可通过自动、高效地提取底层模式来解决非线性问题，这超出了人工方法的能力范围。

工程师可以应用人工智能（包括机器学习、深度学习或强化学习工作流）来配置、优化和自行组织 6G 无线通信。此外，6G 可能会支持基于人工智能的空中接口[3]以改进功能，如联合压缩和编码、波束成形、信道状态信息 (CSI) 压缩以及定位。人工智能还可通过估计源环境行为将仿真环境纳入算法模型，使项目管理从中受益，从而让工程师能够使用最少的计算资源快速研究系统的主要效应。

无线通信的最大优点是数学和物理从不会出现争议。问题出在于使其高效、可行的需求和技术方面。我们得等到 2026 年才能知道哪些候选技术和要求会被包含在 6G 标准中，但无线工程师现在便应该对即将到来的创新进行学习。一旦 6G 的需求得到确定，那些使用人工智能来进行整合 JCAS、RIS 或 NTN 设计并通过仿真来测试这些设计的无线工程师将具备更有利的竞争优势。

6G 无线通信工作流将包括人工智能、非地面网络 (NTN)、波形探测、毫米波和增强型射频传感。

免费分享一些我整理的人工智能学习资料给大家，整理了很久，非常全面。包括一些人工智能基础入门视频+AI常用框架实战视频、图像识别、OpenCV、NLP、YOLO、机器学习、pytorch、计算机视觉、深度学习与神经网络等视频、课件源码、国内外知名精华资源、AI热门论文等。

下面是部分截图，加我免费领取