王欣暉 周星月 朱進國
(中興通訊股份有限公司,南京 210012)
0 引言
2023 年6 月,國際電信聯盟通過了《IMT 面向2030 及未來發展的框架和總體目標建議書》(簡稱《建議書》)[1]。作為6G 綱領性文件,《建議書》反映了全球6G 愿景共識,確定了6G 發展目標與趨勢,提出了6G 的典型應用場景及能力指標體系,為未來6G 技術的發展指明了方向。
網絡愿景和目標是網絡架構演進更新的驅動力之一。本文介紹了《建議書》提出的六大應用場景,從場景驅動的角度,闡述了6G 網絡架構如何演進以支持這些場景。此外,在5G 向6G 邁進過程中,5G 增強(5G-Advanced,5G-A)將承擔承上啟下的關鍵作用,本文還介紹了正在研究制定的5G-A 相關標準研究進展。
1 IMT-2030(6G)應用場景
1.1 概述
《建議書》[1]提出的六大應用場景包括:沉浸式通信、超大規模連接、極高可靠低時延通信、人工智能(Artificial Intelligence,AI)與通信融合、感知與通信融合以及泛在連接(見圖1)。根據國際電信聯盟的討論內容以及場景與通信基礎屬性的關系,本文將這六大應用場景分為兩類。一類是通信連接覆蓋增強類場景:沉浸式通信、超大規模連接、極高可靠低時延通信、泛在連接。其中,前三個應用場景是IMT-2020(5G)三大應用場景的擴展增強;考慮到泛在連接場景旨在增強通信連接和覆蓋,這也是移動通信技術發展一直努力的目標之一,因此也歸納到“增強類”場景。另一類是跨通信技術融合類場景:人工智能和通信融合、感知與通信融合。這兩個應用場景分別是AI 和通信技術、傳感與通信技術發展的跨域融合,是6G 全新的應用場景。
圖1 6G 智簡網絡架構方案
表1 顯示了IMT-2030(6G)六大應用場景和能力項之間的對應關系。由于使用場景的概念非常廣泛,因此可以找到很多與之關聯的能力項,表1 列出的是可測試和驗證的具有代表性的能力項。
表1 IMT-2030(6G)應用場景和對應代表的能力[2]
1.2 通信連接覆蓋增強類場景
1.2.1 沉浸式通信
沉浸式通信場景是對IMT-2020(5G)的增強型移動寬帶(Enhanced Mobile Broadband,eMBB)場景的擴展,涵蓋了為用戶提供豐富的沉浸式視頻交互體驗的用例,也包括與機器界面的交互。此外,相比IMT-2020(5G)的eMBB 場景,沉浸式通信場景還涵蓋城市和農村熱點區域等一系列環境,對網絡產生了新需求。該場景中典型的用例包括沉浸式擴展現實(Extended Reality,XR)通信、遠程多感官呈現和全息通信等。支持視頻、音頻和其它環境數據混合流量的時間同步,是沉浸式通信的一個關鍵指標。
因此,提高頻譜效率和保證一致的服務體驗,并且兼顧在各種環境中更高的數據傳輸速率和增加的移動性之間的平衡至關重要。此外,有些沉浸式通信用例可能還需要支持高可靠性和低時延以及同時連接多個設備的更大系統容量,以保證真實和虛擬對象之間進行靈敏和準確的交互。
1.2.2 超大規模連接
超大規模連接場景是對IMT-2020(5G)的大規模機器類型通信的擴展,涉及更廣范圍內海量設備(如傳感器等)在不同場景應用中的連接。典型用例包括智慧城市、交通、物流、健康、能源、環境監測、農業和許多其它領域的擴展和新應用,例如無需供電或長壽命電池的物聯網設備領域。
超大規模連接場景需要支持高連接密度,并且根據使用情況,對不同的數據速率、低功耗、移動性、擴展覆蓋范圍以及高安全性和可靠性都可能有特定的要求。
1.2.3 極高可靠低時延通信
極高可靠低時延通信場景是對IMT-2020(5G)的超高可靠低時延通信場景的擴展,涵蓋了對可靠性和時延有更嚴格要求的專門用例。尤其是如果不能滿足在時間同步操作方面的要求,可能會給應用程序帶來嚴重后果。典型用例包括工業環境中用以實現完全自動化控制和操作的通信技術。這類通信技術可以幫助實現諸如機器人交互、緊急服務、遠程醫療以及電力傳輸和分配的監控等業務應用。
極高可靠低時延通信場景在可靠性和時延方面的具體指標要求取決于各種具體用例、系統的精確定位能力以及連接密度。
1.2.4 泛在連接
泛在連接場景旨在增強連接性,通過與其它系統的互通來實現更廣域的覆蓋,以彌合“數字鴻溝”。該場景聚焦解決目前幾乎沒有通信覆蓋的地區,特別是偏遠地區的農村和人口稀少的地區。實現泛在連接場景的上述目標需要包括空天地一體化在內的多接入技術的支持。
1.3 跨通信技術融合類場景
1.3.1 AI 與通信融合
從3G 網絡商用開始,移動互聯網飛速發展,移動網絡系統越來越龐大和復雜,處理的數據還在不斷高速增長。同時,不斷增長的海量數據為深度學習提供了源源不斷的數據驅動力,是AI 迎來了新一波浪潮的重要因素。AI 與通信融合是AI 技術和通信技術的雙向融合。
AI 賦能網絡。數據、算力以及算法是實現AI 的三個基本要素,而通信網絡天然具備這三個要素。伴隨新一波AI 發展的浪潮,6G 網絡將AI 技術更全面深入地融入到網絡,優化網絡的性能,提升網絡運行效率和用戶服務體驗,降低運維成本,實現6G 網絡的高度甚至完全自治化和智能化,正當其時。
網絡使能AI。AI 通過網絡的多種支撐能力,滿足相關應用的AI 訓練/推理的龐大需求。當前深度學習和模型訓練大量地采用分布式計算方式,網絡模型訓練過程的迭代特征導致網絡中的計算節點之間需要頻繁通信以交換大量的數據,因此通信網絡提供的服務性能決定了分布式訓練效果。作為AI 服務的基礎設施,6G 網絡從架構的設計到網絡功能的研究將全面考慮對AI 服務的支持,旨在打造AI 原生網絡,提供安全可保障的AI 即服務。
1.3.2 感知與通信融合
感知與通信融合場景促進了需要傳感功能的新應用和服務的發展。在傳統信息處理流程中,感知與通信相對獨立。例如,雷達是典型的無線感知終端,具有目標檢測、定位、跟蹤、識別和成像等功能,長期獨立于通信發展。隨著超大規模天線通信、毫米波通信與雷達技術的發展,通信與感知的技術特征、信道特征和應用場景開始融合,成為6G 的新場景[3]。6G 網絡將具備網絡傳感能力,提供廣域多維傳感,獲取未連接對象以及連接對象設備的運動信息及其周圍環境的空間信息。典型用例包括輔助導航、活動檢測和運動跟蹤(例如姿勢/手勢識別、跌倒檢測、車輛/行人檢測)、環境監測(例如降雨/污染監測)以及為AI、XR 和數字孿生應用提供相關環境傳感數據和信息。這些用例要求網絡支持高精度定位并且具有相關傳感功能,包括距離/速度/角度評估、對象狀態監測、定位、成像和地圖繪制等功能。
2 5G-A 的標準研究進展
5G-A 是由5G 向6G 演進的關鍵階段,第三代合作伙伴計劃(The 3rd Generation Partnership Project,3GPP)第18 版本(Release-18,R18)是5G-A 的第一個版本,涉及AI、機器學習(Machine Learning,ML)、通感、XR 多媒體增強以及網絡大數據智能分析等場景,第19 版本(Release-19,R19)將對相關場景的技術路線演進做進一步研究討論。這些工作旨在探索5G 更廣闊的前沿,為6G 積累更多的理論和實踐經驗,為發展6G 網絡鋪平道路。
3GPP 已經在2023 年第二季度完成R18 架構和關鍵技術標準,將于2024 年6 月完成整個R18 標準。2023 年第四季度,3GPP 將啟動5G-A R19 架構標準制定。目前,R19 相關的研究內容還在討論中,尚未最后確定。表2 包含已在R18 啟動以及部分待定的R19 研究課題。
表2 5G-A 重點課題分布
下面針對5G-A 和IMT-2030(6G)場景相關的部分重點課題的標準進展進行簡單梳理和介紹。
第一個重點課題是AI/ML。在3GPP 無線接入網(Radio Access Network,RAN)、核心網以及網絡管理編排領域已經全面展開各項AI/ML 相關的標準課題研究。
RAN 在R18 的相關研究課題包括支持人工智能和機器學習的新空口(New Radio,NR) 技術和NG-RAN 接口技術兩個項目。NR 技術項目研究針對每個目標用例對應的空中接口AI/ML 框架,涉及空口的性能、復雜度和潛在的標準影響,重點研究的用例包括三個方面:信道狀態信息(Channel State Information,CSI)反饋管理、波束管理和針對不同場景的定位精度增強。研究還針對所選子用例的多種AI/ML 方法,支持5G 用戶設備協作級別的各種要求。引入AI 后,AI/ML 模型生命周期管理的通用框架也是重要研究內容。NG-RAN 的AI/ML 則基于現有NG-RAN 接口和架構研究數據收集增強功能和信令支持,實現基于AI/ML 的網絡節能、負載平衡和移動性優化。
3GPP 早在3GPP R15 版本(即5G 標準)的核心網中就引入了“AI 角色”網絡功能,即網絡數據分析功能(Network Data Analytics Function,NWDAF)。后續從R16 到R18,3GPP 的每個版本都圍繞NWDAF 展開研究。一方面,NWDAF 通過收集用戶連接管理、移動性管理、會話管理、接入業務等信息,利用可靠分析和預測模型,對不同類型用戶進行評估和分析,確定用戶的移動軌跡和業務使用習慣,預測用戶行為以調整相關策略來保證用戶體驗;對網絡功能的狀態(如負載均衡狀態)、網絡資源(如切片負荷)進行分析,優化網絡性能,提高網絡資源效率。另一方面,NWDAF 支持向外部用戶或應用開放網絡分析能力,促進創新,釋放新價值。
在網絡編排領域,3GPP 也早在R16 版本就開始定義自智網絡相關標準規范,研究并制定包括自智網絡分級、閉環控制、意圖驅動網絡管理、管理數據分析等標準規范[4]。R18 課題繼續聚焦智能網絡分級、意圖網絡管理增強,新增了AI/ML 管理的研究課題。
R19 AL/ML 的課題范圍還在討論中,將圍繞信令風暴抑制、業務質量決策、綠色節能輔助等目標展開,拓展網絡AI 服務范圍,提升網絡AI 適應性和決策能力。
第二個重點課題是通感一體化。目前3GPP 完成了R19 感知與通信融合對5G 系統的需求研究,討論分析了不同領域和場景中的需求,涉及入侵檢測、降雨監測、智慧城市/家庭/工廠以及輔助導航等多個場景用例。具體的架構增強、終端、基站和網絡功能的研究任務還處于課題準備階段的討論中。
第三個重點課題是衛星接入增強。3GPP 在R17批準引入非地面網絡(Non-Terrestrial Networks,NTN)標準化工作,涵蓋適配物理層和接入層方面、無線接入網和系統架構、無線資源管理以及在低軌(Low Earth Orbit,LEO)、中軌(Medium Earth Orbit,MEO)或地球同步軌道(Geostationary Earth Orbit,GEO)運行的目標衛星網絡的無線頻譜需求。此外,R17 還支持基于窄帶物聯網(Narrow Band Internet of Things,NB-IoT)和長期演進的增強型機器類型通信(Enhanced Machine-Type Communication,eMTC)的衛星接入,以解決農業、運輸、物流等領域的大規模物聯網使用案例。R18 繼續支持5G 無線非地面網絡和非地面網絡物聯網,支持基于5G 無線技術的10 GHz 以上頻段衛星接入覆蓋場景,制定滿足相關監管要求(例如合法監聽、緊急呼叫、公共警報系統)檢查和驗證用戶設備(User Equipment,UE)報告的位置信息的系統方案。在架構增強層面,R18 針對衛星接入類型、注冊區域分配與管理、移動性限制、基于UE 位置的接入控制等增強對移動性和服務連續性的支持。另外,R18 引入5G系統中的動態衛星回傳場景,支持用戶面功能(User Plane Function,UPF)上星,進而使能邊緣計算業務,增強用戶設備的本地數據交換功能。
第四個重點課題是XR 及多媒體增強。3GPP 在R16 就開始了關于XR 流量特征的研究并對XR 應用進行了整理分析,完成了針對XR 交互式服務的新5G服務質量標識符的標準化工作。當前正在進行的R18工作是基于R17 研究提出的一套統一的XR 流量模型和框架來制定標準方案,重點針對XR 特定流量采用節能機制,以進一步增加支持的XR 用戶數量,并引入基于協議數據單元套(Protocol Data Unit Set,PDU Set)概念的XR 流量感知特性,在空口進行優化,提高XR 服務的整體性能。
R19 XR 課題預計將在多模態業務協同傳輸、PDU Set傳輸、端到端時延監測以及網絡信息開放等R18 特性的基礎上繼續擴展,針對業務體驗、容量以及通用網絡能力方面進行進一步深入研究。
3 場景驅動6G 網絡架構落地方案的思考
3.1 概述
網絡架構是網絡運行的基石,整個系統的能力與效率都與網絡架構息息相關。業界已經深度開展針對6G 網絡架構相關的研究,但在關鍵技術方面尚未達成共識。本章基于6G 應用場景需求,結合5G 到5G-A的演進經驗對6G 網絡架構進行探討,提出6G 網絡架構的三個重要技術特征:“服務+數據”雙總線、分布式架構和多接入融合。
3.2 “服務+數據”雙總線
服務化架構(Service-based Architecture,SBA)作為5G 網絡架構的“靈魂”,其本質是按照“自包含、可重用、獨立管理”三原則,將網絡功能定義為若干個可被靈活調用的服務模塊,每個服務模塊可自主注冊、發布和發現。網絡功能間的交互由服務調用實現,并且每個網絡功能對外呈現通用的服務化接口,可被授權的網絡功能或服務調用,規避了傳統網絡模塊之間基于點到點架構帶來的模塊間緊耦合導致繁復互操作的問題,提高了功能的重用性,實現了業務流程的簡化。因此6G 網絡架構將進一步全面和深入地進行服務化演進。
AI、感知和通信融合給網絡帶來更復雜的業務邏輯和龐大的數據,6G 需要滿足相關數據的高效安全迭代、網絡狀態的可靠遷移。這類數據與傳統端到端的業務數據在功能、傳輸和處理方式上都存在差異。例如,在感知成像和AI 模型訓練等服務中,對于感知數據和計算數據的處理,不僅包括轉發,還包括數據采集、預處理、存儲和分析等。而傳統用戶面僅轉發數據而不做數據內容的解析和處理,對這類數據傳輸和處理需求產生了限制。因此,在6G 網絡架構中引入數據面的提議在業界研究討論中得到越來越多的響應和重視。
《6G 網絡架構展望白皮書》[5]提出了一種6G 智簡網絡架構方案的雙總線架構(見圖1)。在這個架構中,通過對網絡功能(Network Function,NF)進行重構和聚合對網絡進行簡化:解耦細化NF 功能(如將5G接入和移動管理功能(Access and Mobility Management Function,AMF)拆分為接入控制功能和移動性管理功能),根據特定的特征或維度對NF 進行再聚合。例如,將5G 網絡中的AMF、會話管理功能(Session Management Function,SMF)、網絡切片選擇功能(Network Slice Selection Function,NSSF)、網絡開放功能(Network Exposure Function,NEF)、策略控制功能(Policy Control Function,PCF)以及統一數據管理(Unified Data Management,UDM)的邏輯處理等部分功能納入網絡控制單元(Network Control Unit,NCU)中;將UDM 和PCF 的靜態數據、統一數據庫(Unified Data Repository,UDR)數據等統一由網絡數據單元(Network Data Unit,NDU)進行數據處理,并引入數據總線實現高效數據查詢和處理;將UPF 和NWDAF 優化增強分別作為網絡報文處理單元(Network Packet Unit,NPU) 和網絡智能單元(Network Intelligence Unit,NIU)。四個網絡單元分別對應6G 網絡邏輯功能架構中網絡功能層的控制面、數據面、用戶面和智能面。該架構包括基于服務化接口(Service Based Interface,SBI)總線和數據總線。SBI 總線基于現有的服務化信令交互總線,延續服務化架構設計理念,將服務化的范圍由核心網控制面擴大到無線接入側、用戶面等,實現網絡架構的深入服務化。數據總線指網絡單元NCU/NIU 通過數據通道與負責數據處理網絡功能的NDU 進行交互,以達到數據的高效獲取與處理,不同網絡單元之間的數據交互均通過數據通道進行傳遞。
3.2.1 SBI 總線
在6G 網絡向全服務化演進的過程中,RAN 和核心網之間的控制面接口服務化是重要研究課題。這個接口負責RAN 和核心網之間的兩類控制面流程:UE關聯的流程(例如UE 上下文管理、PDU 會話管理、UE位置上報等)和非UE 關聯的流程(例如接口管理、配置管理、節點狀態指示等)。當前這個接口的兩端是AMF 和RAN,屬于非服務化接口,AMF 作為和RAN直連的接入管理功能對RAN 屏蔽了其他核心網NF。當執行UE 關聯的流程時,流程執行的很多目的實質上面向的是RAN 和其它核心網NF。例如,SMF 決策的用于RAN 使用的UE 的PDU 會話QoS 配置信息。非UE 關聯流程也包含AMF 只做透傳的情形,例如自組織網絡配置信息傳輸流程中,AMF 為源無線節點和目標無線節點之間轉發自組織配置傳輸信元。這種和AMF 的緊耦合流程使得RAN 和其它節點之間的交互缺乏靈活度,通信效率不高。在面向AI、感知應用帶來的海量數據時,RAN 和核心網之間的非服務化接口流程會更加復雜,信令處理效率也面臨挑戰。關于實現該接口服務化,目前主要討論集中在如下兩種方式(見圖2)。方式1 為RAN 和核心網的接口全服務化,對RAN 和核心網的接口進行重構,該接口上的協議需要重新設計。方式2 為RAN 和核心網的接口部分服務化,其中UE 關聯/非UE 關聯的流程仍然重用原有的N2 接口,在此之上疊加一個服務化接口用于RAN和核心網之間的數據傳輸。具體采用哪一種方式將在6G 標準討論中明確。
圖2 RAN 和核心網之間接口服務化
3.2.2 數據總線
在AI 與通信融合、通感融合、沉浸式通信、超大規模連接場景中會產生、處理和消費海量數據,這些數據來自終端、邊緣、基站和核心網等。因此,數據也呈現出更多形態(見圖3)。用戶數據主要指用戶端到端的數據信息,以及網絡從終端側或基站側收集的感知數據,例如用戶地理位置信息、用戶能力數據、低/中/高速標簽數據、用戶實時軌跡、物聯網感知數據等;核心數據主要指用戶的核心靜態數據,包括用戶簽約數據、業務策略數據、業務簽約數據等;網絡數據包含網絡各節點管理數據、運行數據、服務水平協議數據等,例如切片管理、網絡各節點負載情況等;算力數據主要指用戶消費的算力資源以及構建在其之上的服務數據,包括普通算力、AI 算力/算法/模型等。
圖3 數據通道服務的數據類型
6G 網絡將上述數據類型(后續根據業務場景的變化可能將引入更多的數據類型)與業務邏輯進一步分離,降低數據和業務處理的緊耦合,引入獨立的數據總線,負責數據的統籌管理,并可通過標準接口向控制面和用戶面開放,實現網絡對數據的實時高效收集、傳輸和計算需求。例如,其它網絡功能通過數據總線獲取NWDAF 的分析數據,同時NWDAF 又可以通過數據總線采集到所有數據(包括分析數據)再做分析,如此可以進行高效地迭代。
3.3 分布式網絡架構
分布式網絡架構是6G 網絡架構的一個核心特征。針對分布式網絡架構方案的討論可以歸納到兩個層面:分布式自治互聯架構和基于技術驅動(例如AI)的分布式網絡。前者聚焦研究網絡部署方式,通過分布式網絡的互聯實現網絡的高效運行、柔性定制和自治管理;后者則側重研究分布式網絡使能相關應用(如AI 應用)的技術手段。
3.3.1 分布式自治互聯網絡架構
分布式自治互聯網絡架構可以滿足多種新應用場景的需求。超大規模連接場景中的終端用戶數規模將更大,網絡流量容量有更大的要求。分布式自治互聯網絡架構可以分擔中心網絡的壓力,根據用戶規模、通信開銷提供和調整分布式子網。此外,行業專網中的極可靠低時延業務的特點,也需要網絡進一步下沉,盡可能靠近專網設備。沉浸式通信、通感融合等場景引入更多類型的終端和業務,將需要多樣化、靈活的柔性網絡接入和靈活組網能力,以滿足垂直行業、個人客戶的個性化需求,分布式自治互聯網絡架構可根據業務特點和需求為各業務場景提供定制化網絡。在AI 與通信融合場景中,分布式自治互聯網絡架構為深度學習和模型訓練采用分布式學習方式傳遞模型參數提供支撐,可以減少通信資源的消耗。在泛在連接場景中,分布式自治互聯架構可以幫助其實現全域覆蓋的目標。
圖4 對比展示了從5G 中經常采用的運營商網絡和專網連接的部署方式到6G 分布式自治互聯網絡架構的演進。
圖4 從5G 運營商網絡和專網部署方式到6G 分布式自治互聯網絡
5G 的專網可使用獨立非公共網絡(Stand-alone Non-Public Network,SNPN)或公共網絡集成的非公共網絡(Public Network Integrated Non-Public Network,PNI-NPN)。SNPN 是完全獨立的網絡,建設部署成本較高,且SNPN 終端只能通過非3GPP 互操作網絡功能接入運營商網絡,這種覆蓋層連接方式導致終端協議棧實現比較復雜,數據加載連接開銷大。PNI-NPN 則依賴運營商的網絡建設,建設成本低,可以采用切片方式來實現,也可以下沉專門的用戶面組件來實現,但這種方式完全依賴運營商進行運維,企業或者組織可能無法靈活根據自己的需求變化進行調整升級。此外,各專網之間缺乏互聯,中心網絡也無法對各專網的資源進行靈活調配。
到6G 階段可采用“集中+分散”模式向域內自治、域間互聯演進的方式,通過分布式自治互聯網絡架構技術,適配差異化網絡需求,實現域內自治和域間互聯。每個自治域類似局域網或者專網,服務不同區域業務場景;自治域之間隔離自治,同時安全機制保持互聯互通實現相互補充。自治域互聯的目的是擴大網絡的范圍,傳統的設計思路是一張網覆蓋盡可能廣的范圍,分布式自治互聯網絡架構則是通過自治域間互聯的方式擴大網絡覆蓋范圍,當網絡需要增加覆蓋范圍或接入能力時,原有網絡基本上不受影響。
3.3.2 分布式網絡使能AI 應用
本節以分布式網絡使能AI 應用為例[4],介紹技術驅動的分布式網絡的應用。圖5 是網絡集中式的獨立AI(例如NWDAF)向分布式智能內生架構演變示意圖。
圖5 分布式智能內生架構
5G 網絡NF 缺乏Al 能力,依賴于NWDAF 的集中分析,需要收集大量數據,可能消耗大量的通信網絡資源,集中式處理、分析、反饋的方式需要算力資源的高度聚合,較難高效利用多點、邊緣的算力資源等,在規模組網下AI 模型訓練的時效性難以保證。
AI 和通信的融合促使6G 網絡架構需要具備智能內生、分布式協同的能力,即“獨立AI+內嵌AI”混合模式(見圖5)。核心網網絡功能一方面由于內嵌AI服務單元本身具備數據處理和AI 分析能力,進而可提供與該網絡功能相關的數據感知處理、模型訓練、推理和決策能力,同時與獨立AI 服務單元組成分布式學習和推理框架,共同構建多點協同的智能內生網絡。獨立AI 可按需收集數據,或采用分布式學習方式在各網絡單元之間傳遞模型參數,充分利用各獨立AI 單元和分布AI 單元的數據、能力和本地的算力資源,提供高效的AI 服務。
3.4 多接入融合
泛在連接場景面向山區、沙漠、海洋和空中提供寬帶接入或廣域物聯,形成空天地海一體化融合通信,用于解決無服務或服務不足地區的可達性和服務連續性問題。通過各種接入技術之間(如衛星接入、無線局域網接入、固定網絡接入等)的連接增強可靠性,提高網絡應對自然和人為災害的彈性和可靠性。由于空天地海是全異構、多模態接入,支持衛星、飛機、空中平臺、地面基站或固定網絡等多種方式,因此支持多接入融合是網絡架構滿足這些場景需求的關鍵。
在多接入場景中的一個挑戰是采用統一接入方法和移動性管理協議來支持不同的異構網絡終端接入到移動通信網絡。圖6 提供了一種支持多接入融合的網絡架構方案,即在網絡的接入側部署可以適配不同接入方式的適配模塊。該適配模塊可以通過組件或微服務的方式實現,進而可以對不同的接入協議進行適配和轉換。同時,該適配模塊可代表通過異構網絡連接的終端或設備,使用統一安全的認證授權方式接入到6G 網絡。為保證異構網絡終端的快速和可靠接入,適配模塊和網絡控制層之間接口設計的關鍵目標包括簡化信令開銷、建立統一終端標識管理機制以及使用易擴展的認證方法。此外,在這個架構中,適配模塊還可以為網絡控制層提供多接入側的算力、定位感知、擁塞狀態等信息,為多接入場景提供更多的業務支持。
圖6 多接入適配模塊
4 結束語
伴隨業界對6G 網絡技術研究的深入,針對6G 網絡架構的設計思路開始逐步清晰,為后續6G 標準化工作的順利開展奠定了基礎。同時,要認識到移動通信網絡已經發展成為一個非常龐大的系統,這樣龐大的系統變革并非一蹴而就,而是循序漸進的過程。要在5G-A 階段積極探索通感融合、AI 和通信融合等新技術在網絡中的商業模式和技術能力,進一步發揮標準對技術研究的先行引導作用,為迎接6G 鋪平道路。
