全球电信业处于新时代的门槛。 虽然5G网络继续扩张和成熟,但研究人员和标准机构已经在为6G — — 第6代无线通信奠定基础。 预计在2030年左右,6G承诺在每秒范围内提供数据率、次毫秒空降率以及无缝连接数十亿设备的能力。 将这些宏伟的目标转化为现实的核心是下一代信号处理算法。 这些算法构成了现代无线系统的计算骨干,指导信号在日益复杂的电磁环境中的传递、接收和解释。

从5G到6G的演变:为什么信号处理事项

信号处理一直是每代无线技术的关键辅助器。在2G中,简单的匹配滤波器和等效器就足够了。3G带来了多用户检测和CDMA处理。4G LTE引入了OFDM和MIMO接收器。5G在大规模MIMO和束化的推动下进一步推进。然而,6G带来了超越常规算法能力的挑战。在Thz波段的波动、极端的机动性(车辆,1000公里/小时)以及支持全息通信和数字双胞胎的需要需要全新的方法。传统的线性和定断模型是不够的。下一代算法必须是适应性的、数据驱动的,并且能够实时在广阔的天线阵中运行。

6G信号处理的核心创新

AI-Driven 适应性算法

人工智能和机器学习不仅仅是6G的增强;它们具有基础性。深神经网络可以从原始数据中学习通道行为,在非线性、时间变化环境中超越基于模型的方法。AI驱动的算法用于信道估计、检测和解码,通常取代或增强传统的巴耶斯算法和维特比解码器。例如,自动编码器架构可以联合优化发报机和接收机,作为端到端的学习系统。强化学习可以使适应性资源分配和光束选择不采用明确的系统模型。这些AI技术需要专门的硬件和轻量级网络架构,以满足6G的严格宽度要求。

大规模移动移动金属矿山及以后

大规模MIMO(多输入多输出)是5G的关键创新,在基站使用数百个天线。对于6G来说,规模急剧扩大——以大智能表面(LIS)或可重构智能表面(RIS)的形式扩大到数千甚至数万个天线元件。信号处理算法必须有效地处理横跨这些大阵列的巨量计算、预编码和信道估计。混合束(alog-digital)和1位量化接收器等技术在保持性能的同时降低了复杂性。小迭代算法和低复杂度矩阵近似正在探索,以使大规模MIMO实用。

高级导弹技术

6G的光束成型必须跨越各种频率,从子-6 GHz到mmWave和THz频段。能够跟踪快速移动用户的适应光束成型算法——如高速列车或低空无人机中的用户——是必不可少的。光束成型、基于密码本的方法和压缩感应可以快速光束对齐,而无需进行详尽的搜索。此外,正在调查多个接入点的分布光束成型,以提供无缝覆盖和干扰抑制。这些算法必须能够有力地引导光束和硬件减值。

量子- 辅助信号处理

数据和天线计数的指数增长使得一些信号处理问题与古典计算机难以解决. 量子信号处理探索了量子算法用于诸如解决光子大线性系统,为最小方的量子计执行矩阵反转,以及加速在代码簿上的搜索等任务. 虽然全尺度量子计算机距离还很遥远,但混合的古典-量子系统以及专用量子启发处理器正在开发,用于近期部署. 例如,量子厌离可以比古典时速更快地解决资源分配中的组合优化问题.

能源有效加工

能量消耗是6G的关键挑战,特别是在电池动力装置和大规模传感器网络中。下一代信号处理算法是用能量意识设计的。这包括使用近似计算技术,如神经网络的低精度算术,以及事件驱动的处理,这些处理只有在需要时才会启动。 少量采样和压缩感应等算法方法减少了需要处理的数据数量。电容调制和编码方案,加上高效的等效器和解码器,在不牺牲吞吐量的情况下,进一步将能量足迹降到最低。

技术挑战和研究前沿

实时处理限制

6G的次毫秒潜伏目标提出了严格的实时要求,许多先进的算法,特别是那些基于深层学习的算法,表现出较高的计算潜伏性. 研究人员正在探索硬件软件共设计,包括基于FPGA的加速器和定制的ASIC,以便在紧要的期限内进行推论. 另外,一弹法学习和元学习等算法创新降低了持续再培训的需要. 处理分布在用户附近可以卸载基站计算的地方的边际计算架构.

高机动性情景中的强性

6G将服务于高速铁路(最高1000km/h)和无人机群等应用. 信道估计由于快速的多普勒转速和快速消散而变得极为困难. 卡尔曼滤波器等经典算法正与深层学习预测器结合,以预测信道变化. 实验性估计需要高效避免过度的间接费用. 盲道估计和基于拉诺的方法等技术正受到关注. 此外,算法必须强于来自其他用户和环境本身的干扰,如THz频率的大气吸收.

与下一代硬件集成

信号处理算法不能孤立地开发;它们必须和基本的无线电频率和数字硬件紧密结合。在分辨率高但功率低的模拟对数字转换器(ADCs)以及混合信号处理,影响算法设计方面出现了新的发展。例如,接收器上的1位ADC需要专门的算法,从大规模量化扭曲中恢复信息。同样,THz收发器使用石墨素和其他纳米材料,呈现出独特的非线性,必须建模和算法补偿。算法和硬件的共同设计是一个日益扩大的研究领域,往往导致联合优化框架。

工业和学术努力

许多项目和组织正在积极研究6G信号处理。 第3代伙伴关系项目(3GPP)已经开始了6G的研究阶段,而ITU-T则确定了愿景文件。像IEEE通讯领域期刊那样的学术举措定期发表5G/6G信号处理方面的特别期刊。 Qualcomm、Nokia、Ericsson和Samsung等公司正在开发原型算法和芯片。例如,[Qualcom的6G研究强调AI-native空气接口和综合感知和通信。欧盟的六-X项目和中国的IMT-2030倡议也是关键贡献者。

未来展望:混合办法和深入学习

6G信号处理点向混合解决方案的轨迹。 经典模型算法提供数学保障和解释性,而数据驱动的方法则提供在未知情景中适应性和优越性。未来系统可能将两者结合起来 — — 例如,利用神经网络为巴耶斯算法产生前兆,或使用强化学习来调和传统算法的参数。另一个有希望的方向是使用基础模型和变压器架构进行无线信道预测和束线成形密码字生成。这些模型需要大量培训数据,这些数据可以由网络的数码双胞生成。 此外,语义和面向目标的信号处理正在出现,接收器只提取信息的含义,而不是整个波形,从而大幅度降低计算负荷。

随着6G从概念走向现实,下一代信号处理算法的开发将成为实现其全部潜力的决定性因素。 挑战巨大,但机遇也很大。 研究人员和工程师已经率先开发了2030年代及以后的无线网络,从而能够将应用从扩展现实到远程手术、自主系统以及万物互联网。 从理论到实际部署的旅程需要学术界、工业界和标准化机构的持续合作。

最后,6G的信号处理的演变是人工智能、量子计算和高级数学的令人着迷的交汇点。 今天正在开发的算法不仅仅是渐进式改进,而是我们如何思考和实施无线通信的范式转变。 随着这些技术的成熟,它们将打开连接方面的新前沿,并开启下一波数字转换。