Professional Documents
Culture Documents
面向6G的无人机通信综述 陈新颖
面向6G的无人机通信综述 陈新颖
子 与 信 息 学 报 Vol. 44No. 3
2022年3月 Journal of Electronics & Information Technology Mar. 2022
面向6G的无人机通信综述
陈新颖① 盛 敏② 李 博③ 赵 楠*①
①
(大连理工大学 信息与通信工程学院 大连 116024)
②
(西安电子科技大学 综合业务网理论及关键技术国家重点实验室 西安 710071)
③
(哈尔滨工业大学(威海) 信息科学与工程学院 威海 264209)
摘 要:5G的成功商用为日常生活带来了实质性的变化,如自动驾驶、万物互联等,然而随之也产生了更大的数
据量需求,进而催生了第6代移动通信。相较于5G,6G在带宽、时延、覆盖等性能方面均需要有更大的提升。因
此,该文针对全域覆盖、场景智联、信息耦合的6G网络中无人机(UAVs)的应用场景进行了综述。首先,针对无
人机在空天地海一体化网络架构中的应用进行了陈述,重点讨论了无人机在不同场景中可能承担的角色及功能,
如蜂群基站、全息投影部署、远距离中继通信以及数据采集等。然后,对6G中应用于无人机通信的太赫兹、超大
规模天线、内生人工智能、智能反射面(IRS)、智能边缘计算、区块链、通信感知一体化等潜在关键技术进行了
探讨。最后,对6G场景下无人机通信面临的续航时间、网络融合性、智能反射面兼容性、太赫兹通信研发以及用
户安全等方面的技术挑战进行了展望。
关键词:6G移动通信;无人机;空天地海一体化;太赫兹;智能反射面
中图分类号:TN915.0 文献标识码:A 文章编号:1009-5896(2022)03-0781-09
DOI: 10.11999/JEIT210789
Abstract: Although the application of the fifth-Generation (5G) mobile communication has brought tremendous
innovations to the daily life of human beings, e.g., autonomous vehicles and internet of everything, the
upcoming huger data requirement leads to the emergence of the sixth-Generation (6G) mobile communication.
Compared to 5G, the transmission rate, time delay, and wireless coverage need to be improved significantly.
Thus, in this paper the applications of Unmanned Aerial Vehicles (UAVs) to the ubiquitous, intelligent and
coupling 6G network are surveyed. First, the utilization of UAVs in the framework of space-air-ground-sea
integrated network is demonstrated, and the roles and functions of UAVs in different scenarios are emphasized,
e.g., the swarm base stations, the deployment for holographic projection, the long-distance relaying and the
data collection. Then, the potential 6G key techniques of terahertz, ultra-massive multiple-input and multiple-
output, endogenous artificial intelligence, Intelligent Reflecting Surface (IRS), intelligent edge computing,
blockchain and integrated sensing and communication for UAV communications are investigated. Finally, the
future challenges of UAV communications for 6G, including the limited duration, integration of networks,
compatibility of IRS, development of THz communications, and user security are discussed.
Key words: The sixth-generation mobile communications; Unmanned Aerial Vehicles(UAVs); Space-air-ground-
sea integration; Terahertz; Intelligent Reflecting Surface(IRS)
收稿日期:2021-08-06;改回日期:2021-10-22;网络出版:2021-11-04
*通信作者: 赵楠 zhaonan@dlut.edu.cn
基金项目:国家重点研发计划 (2020YFB1807002)
Foundation Item: The National Key R&D Program of China (2020YFB1807002)
782 电 子 与 信 息 学 报 第 44 卷
1 引言 全球立体深度覆盖中的空域覆盖起到重要作用[14]。
基于其自身的多功能、高移动、易部署和低成本等
2014年5月,5G白皮书提出“信息随心至,万
优势,无人机可以被用作空域辅助通信平台,如:
物触手及”的愿景并预测随之而来的5G之花的盛
在高密度通信用户场景下,可以部署无人机作为临
放[1]。然而,处于4G中的人们还无法想象1 Gbps的
时基站或者中继来辅助无线通信,增加用户容量。
高传输速率、毫秒级别的低时延、平方公里百万连
此外,无人机也可以作为具有高移动性的终端用
接的广覆盖以及500 km/h的高移动性将要如何实
户,在环境监测等场景中负责数据采集。具体而言,
现。直至2020年5G在全国范围内成功商用,人们
无人机辅助通信具有如下优势:
体验到了5G网络中数据传输的高带宽、低时延、
(1) 视距信道[15]:无人机可以悬停或盘旋在空
广覆盖和大连接等优势,这也极大促进了车联网[2]、
中,因而与地面用户间的信道主要为直射链路。由
自动驾驶[3]等技术的快速发展。5G的蓬勃发展使人
于可以通过直射链路而无需折射或散射,无人机与
类生活更为便捷与多姿多彩,但同时也使数据传输
地面通信设备间的信道条件质量高、衰减小。因
呈指数级增长。相关研究报告预计,到2022年移动
此,通过无人机辅助,可以有效提升接收端的信噪
数据流量将会达到2.57EB/d[4],加之日渐兴起的物
比,进而实现高质量通信。
联网相关产业对超高速率无线数据传输超低时延的
(2) 高移动性[16]:无人机作为小型飞行器,可
要求,如自动驾驶、远程医疗等,目前广泛开展的
以通过遥控终端进行控制。由于空中并无遮挡且其
5G相关技术已无法满足新兴服务对现有通信性能
自身的位置不固定,可以实时调整部署以实现应急
的需求。因此,互联网业、工业界和学术界均开展
通信。此外,对于一些非突发但临时的应用场景,
了对下一代移动互联网的研究。目前广泛认可的
无人机通信也可以方便快捷地部署。
6G愿景可以用“一念天地,万物随心”来概括[5],
(3) 低成本组网[17]:无人机可以灵活部署,应
具体可以分为智慧连接、深度连接、全息连接和泛
用于复杂多变的场景及环境。由多架无人机组成的
在连接[6]。智慧连接是基础骨架,以此为基础可以
蜂群可以在不同的应用场景下构建稳定的通信网
实现深度、全息与泛在连接。6G愿景固然美好,
络,并且可以多次再部署。因而,可以利用无人机
但现有5G技术仍无法支撑。因此,学术界与工业
进行低成本临时组网,以应对不同类型的需求。
界又以5G技术为基础点,以6G愿景的4大连接为导
在本文中,首先针对6G移动通信中无人机的
向,对如何实现6G“一念”之超低延时、“天
应用场景进行深入讨论与分析;然后,针对无人机
地”之深度覆盖、“万物”之泛在连接以及“随
辅助6G移动通信的潜在关键技术及面临的挑战进
心”之智慧互联的美好需求进行了技术探索与革
行了探究。
新。经过前期研究,目前被广泛认可的潜在6G关
键技术主要有太赫兹频段的应用[7]、分布式超维度 2 6G中无人机应用场景与功能
天线技术 [8] 、智能反射面 [9] 以及网络内生的嵌入式 我国在5G中开展了卫星互联网的建设 [18] ,这
智能 [10] 等。因此,6G的商用需要在前期对目前地 也为6G的演进带来便捷。目前商用的5G移动通信
面基站等基础设施做出相应改变,如天线阵列的增 致力于实现人、物和车之间的互联,并解决高信息
加、网络内层处理系统的优化配置等。 并发的超低时延、超大用户带宽和超广域覆盖的问
尽管基础通信设施可以基本满足日常的通信负 题。然而,随着物联网应用的深入,5G所提供的
荷,然而当出现突发情况时或在非常规的临时场景 传输时延、覆盖范围、传输速率以及运算能力仍无
中,仅依靠地面无线通信设施便显得力不从心,比 法满足未来的需求。因而,6G移动通信将具备更
如:重大自然灾害的网络重建、偏远地区的临时通 低的传输时延以保障信息传送的实时性,更广域的
信部署、重大节假日聚集活动现场的无线资源分配 覆盖范围以实现“空天地海”全维度的泛在互联,
等[11]。为了有效提升这些场景中无线通信的质量, 更快的传输速率以实现流畅的用户体验,并从外挂
可以通过部署无人机(Unmanned Aerial Vehicles, 式的人工智能进化为嵌入式的内生智能。本节首先
UAVs)来辅助通信[12]。无人机作为小型飞行设备, 介绍了无人机在星地融合网络架构中的部署方案,
其本身具有的诸多优点可使6G移动通信变得更为 然后对无人机在6G移动网络中所承担的角色进行
便捷。因此,无人机辅助通信是6G移动网络中不 具体论述。
为主的集智能、感知、安全于一体的移动通信网络 等设备具有更灵活的操控性。同时,空基网中的无
建设,还要实现以人为中心的、多种网络相互融合 人机也可以通过配置多天线阵列、智能反射面[20]等
的空天地海无缝覆盖[19]。其中,无人机可应用于空 收发装置实现对信息传输更有效的控制。此外,由
基网络,联合卫星、地面设施和海上通信用户,实 于空地链路大概率为视距通信链路,因而收发两端
现复杂场景中的多维度覆盖、随时接入与安全连 的功率衰减会更小,接收端的信噪比也更高,这将
接,具体框架如图1所示。该网络由天基网、空基 显著提升用户的传输速率。另外,由于无人机具有
网、海基网和地基网组成。其中,地基网主要指地 实时、便捷部署的优势,可以利用无人机实现基站
面的通信设备,包括地面的互联网和无线设备。天 的临时部署,以满足在突发或临时情况下密集用户
基网由与地面相对静止的绕地卫星组成。空基网由 的无线通信需求。表1给出了6G移动通信不同场景
临时部署的无人机、飞艇等组成,这些设备可以为 中无人机通信的关键技术以及所起到的功能。
据量将会显著增加。此外,在人员高度密集的会展
中心、举办重要赛事的体育场馆等场景中,物联网
设备的多发数据、车联网中海量图片等传感信息需
要上传并分析计算,这些均会产生大量的数据传
输。当地面基站无法承载时便可借助无人机进行临
时基站部署,分担用户数据传输的需求。
2.2.2 无人机全息投影系统
作为6G愿景之一的“全息通信”,是在虚拟
现实和增强现实技术之上拓展出的高保真扩展现
实。由于全息投影系统需要保证用户从各个角度都
能实现高保真扩展现实投影的效果,该系统需要多
点实施投影并且各个投影点间相互配合,加之声效
图 1 空天地海一体化网络架构 和其他感官效应,便可使用户体验到全息投影的高
表 1 6G移动网络各种场景中无人机通信的关键技术及功能
图 2 无人机在6G移动通信中的主要应用
保真拓展效果。在该场景中,利用无人机部署各个 采集,这也从另一方面克服了无人机续航时间短所
投影点可以使整个系统更为灵活的部署,并且缩短 造成的采集时间不足的问题。
全息投影的部署时间,给用户带来更加多维保真的
3 6G无人机通信的关键技术及进展
视觉体验。
有更大的衰减,而无人机通信中的空地视距信道将 射出去的信号,进而实现对波束赋形信号传输的更
会极大程度地减弱太赫兹信号的衰减,从而保证通 全面控制。由于智能反射面不需要射频转发等功
信质量。
能,因而能耗较低。同时,智能反射面结构简单,
3.2 超大规模天线阵列 便于安装在其他物体表面,如无人机空中平台等。
无线通信可以通过多天线技术利用信道性质以 搭载了智能反射面的无人机通信平台如图4所示,
实现用户接收端的功率增益[30]。另外,也可以利用 通过空中智能反射面可将接收信号反射至被遮挡屏
天线的方向性通过波束赋形和信号的预编码来有效 蔽的用户终端,提升无线通信质量。另外,通过直
抑制窃听保证通信的安全。6G移动通信将会在 射与反射信号叠加,搭载智能反射面的无人机还可
5G的256~1024规模的天线阵列基础上更大规模地 以带来更高的信道增益。
图 3 6G无人机通信网络中的内生智能 图 4 智能反射面在6G无人机通信中的应用
786 电 子 与 信 息 学 报 第 44 卷
图 5 6G无人机通信中的智能边缘计算
间,这也是未来无人机分布式区块链网络将面临的 能,而如何提升无线能量采集的效率也是一大技术
挑战。
难题。此外,尽管已有可以为无人机自动更换电池
3.7 通信感知一体化 的航站装置,但这仍无法从根本上解决无人机续航
无人机凭借其良好的高移动性和易部署性在军 时间短的难题。
方向以保证用户信息安全。然而,无人机端受限于 点针对6G空天地海一体化无缝覆盖网络架构下空
体积与续航能力,太赫兹波束的搜索与对准技术难 基网络中的无人机通信进行了阐述与分析;同时,
以实现。另一方面,太赫兹频率较高且易被分子吸 针对无人机在通信网络架构中所担任的不同职责对
收,因此太赫兹传输衰减增大,这也造成传输距离 其在6G中的应用场景进行了预测。此外,对6G无
较短。此外,目前的半导体、金属材料和光学元件 人机通信中太赫兹、超大规模天线阵列、智能反射
还不能满足太赫兹通信的性能,因此,未来还需要 面、人工智能计算、区块链、通信感知一体化等潜
对适用于太赫兹频段的材料进行大力研发。
在关键技术进行阐述。最后,对面向6G的无人机
4.5 用户信息的安全性 通信中存在的相关技术挑战与未来发展趋势进行了
由于无线通信具有广播特性,用户的信息暴露 展望。
在空中引发了安全隐患。另外,无人机的运行范围
参 考 文 献
在空中,无论是空对地信道还是空对空信道都更接
[1] 尤肖虎, 潘志文, 高西奇, 等. 5G移动通信发展趋势与若干关
近视距信道,因而无人机通信更容易被窃听者进行
键技术[J]. 中国科学:信息科学, 2014, 44(5): 551–563. doi: 10.
信道估计,进而对用户的私密信息进行截获与窃
1360/N112014-00032.
听。6G移动通信中将采用太赫兹信道,虽然其信
YOU Xiaohu, PAN Zhiwen, GAO Xiqi, et al. The 5G
道模型尚未充分建立,但视距信道更具稳定性,因
mobile communication: The development trends and its
而信道特性更容易被窃听者获取,进而对用户信息
emerging key techniques[J]. Scientia Sinica Informationis,
隐私造成威胁。此外,窃听者还可能发射干扰噪声
2014, 44(5): 551–563. doi: 10.1360/N112014-00032.
来攻击无人机的正常通信,如何克服主动干扰攻击
[2] LYU Feng, CHENG Nan, ZHU Hongzi, et al. Intelligent
也是亟待解决的问题。
context-aware communication paradigm design for IoVs
4.6 蜂群网络冲突规避
based on data analytics[J]. IEEE Network, 2018, 32(6):
无人机的高移动性使其受到广泛关注,然而在 74–82. doi: 10.1109/MNET.2018.1800067.
大规模无人机蜂群网络中,其移动性给蜂群系统的 [3] GUAN Yueshi, WANG Yijie, BIAN Qing, et al. High-
信道建模、飞行部署和轨迹优化等造成极大的挑 efficiency self-driven circuit with parallel branch for high
战。尽管空地无线信道可以近似为视距链路,然而 frequency converters[J]. IEEE Transactions on Power
由于蜂群网络的复杂性以及无人机间的相互干扰, Electronics, 2018, 33(2): 926–931. doi: 10.1109/TPEL.
无人机信道仍存在极大的不确定性,这也会对空地 2017.2724545.
信道建模造成影响,进而对6G移动通信网络中各 [4] Cisco System. Cosic visual networking index: Global mobile
无人机的轨迹规划造成干扰,影响无人机的编队飞 data traffic forecast update, 2017–2022 white paper[S]. 2019.
行,甚至产生冲突。因此,如何对无人机蜂群进行 [5] 赛迪智库无线管理研究所. 6G概念及愿景白皮书[N]. 中国计
有效的冲突规避,也是未来6G无人机通信网络所 算机报, 2020-05-11(008). doi: 10.28468/n.cnki.njsjb.2020.
面临的严峻挑战。
000054.
6G移动通信网络中无人机需要作为临时空中 2019, 40(1): 141–148. doi: 10.11959/j.issn.1000-436x.2019
基站配合海量用户的超密集接入。尽管无人机可以 022.
分担部分网络负载,然而有限的频谱资源仍会极大 ZHANG Ping, NIU Kai, TIAN Hui, et al. Technology
而频谱资源利用率低的问题仍亟待解决。因此,将 j.issn.1000-436x.2019022.
XIE Sha, LI Haoran, LI Lingxiang, et al. A survey of
5 结论
terahertz communication technologies for 6G networks[J].
6G移动通信将在5G的低延时、大接入、高带 Mobile Communications, 2020, 44(6): 36–43. doi: 10.3969/j.
宽的基础上进一步增强网络通信性能指标。本文重 issn.1006-1010.2020.06.006.
788 电 子 与 信 息 学 报 第 44 卷
[8] CHEN Shuaifei, ZHANG Jiayi, JIN Yu, et al. Wireless 10.1109/MetroAeroSpace.2015.7180681.
powered IoE for 6G: Massive access meets scalable cell-free [18] DAI Cuiqin, ZHANG Mingjian, LI Chong, et al. QoE-aware
massive MIMO[J]. China Communications, 2020, 17(12): intelligent satellite constellation design in satellite internet
92–109. doi: 10.23919/JCC.2020.12.007. of things[J]. IEEE Internet of Things Journal, 2021, 8(6):
[9] LONG Wenxuan, CHEN Rui, MARCO M, et al. A 4855–4867. doi: 10.1109/JIOT.2020.3030263.
promising technology for 6G wireless networks: Intelligent [19] ZHU Xiangming, JIANG Chunxiao, KUANG Linling, et al.
refl ecting surface[J]. Journal of Communications and Cooperative transmission in integrated terrestrial-satellite
Information Networks, 2021, 6(1): 1–16. doi: 10.23919/ networks[J]. IEEE Network, 2019, 33(3): 204–210. doi: 10.
JCIN.2021.9387701. 1109/MNET.2018.1800164.
[10] LETAIEF K B, CHEN Wei, SHI Yuanming, et al. The [20] SHAFIQUE T, TABASSUM H, and HOSSAIN E.
roadmap to 6G: AI empowered wireless networks[J]. IEEE Optimization of wireless relaying with flexible UAV-borne
Communications Magazine, 2019, 57(8): 84–90. doi: 10. reflecting surfaces[J]. IEEE Transactions on
1109/MCOM.2019.1900271. Communications, 2021, 69(1): 309–325. doi: 10.1109/
[11] ZHAO Nan, LU Weidang, SHENG Min, et al. UAV-assisted TCOMM.2020.3032700.
emergency networks in disasters[J]. IEEE Wireless [21] NA Zhenyu, LIU Yue, SHI Jingcheng, et al. UAV-supported
Communications, 2019, 26(1): 45–51. doi: 10.1109/ clustered NOMA for 6G-enabled internet of things:
MWC.2018.1800160. Trajectory planning and resource allocation[J]. IEEE
[12] CHEN Xinying, LI Dongdong, YANG Zhutian, et al. Internet of Things, 2021, 8(20): 15041–15048. doi: 10.1109/
Securing aerial-ground transmission for NOMA-UAV JIOT.2020.3004432.
networks[J]. IEEE Network, 2020, 34(6): 171–177. doi: 10. [22] ZHANG Shuhang, ZHANG Hongliang, and SONG
1109/MNET.011.2000101. Lingyang. Beyond D2D: Full dimension UAV-to-everything
[13] WANG Jun, NA Zhenyu, and LIU Xin. Collaborative communications in 6G[J]. IEEE Transactions on Vehicular
design of multi-UAV trajectory and resource scheduling for Technology, 2020, 69(6): 6592–6602. doi: 10.1109/
6G-enabled internet of things[J]. IEEE Internet of Things TVT.2020.2984624.
Journal, 2021, 8(20): 15096–15106. doi: 10.1109/JIOT. [23] ZHANG Xi, WANG Jingqing, and POOR H V. Vincent.
2020.3031622. AoI-driven statistical delay and error-rate bounded QoS
[14] 刘超, 陆璐, 王硕, 等. 面向空天地一体多接入的融合6G网络 provisioning for mURLLC Over UAV-multimedia 6G
架构展望[J]. 移动通信, 2020, 44(6): 116–120. doi: 10.3969/ mobile networks using FBC[J]. IEEE Journal on Selected
j.issn.1006-1010.2020.06.017. Areas in Communications, 2021, 39(11): 3425–3433. doi: 10.
LIU Chao, LU Lu, WANG Shuo, et al. Prospects for a 1109/JSAC.2021.3088625.
multi-access air-space-terrestrial integrated 6G network [24] CHANG Hengtai, WANG Chengxiang, LIU Yu, et al. A
architecture[J]. Mobile Communications, 2020, 44(6): novel nonstationary 6G UAV-to-ground wireless channel
116–120. doi: 10.3969/j.issn.1006-1010.2020.06.017. model with 3-D arbitrary trajectory changes[J]. IEEE
[15] KHUWAJA A A, CHEN Yunfei, ZHAO Nan, et al. A Internet of Things Journal, 2020, 8(12): 9865–9877. doi: 10.
survey of channel modeling for UAV communications[J]. 1109/JIOT.2020.3018479.
IEEE Communications Surveys & Tutorials, 2018, 20(4): [25] SAEED A, GURBUZ O, BICEN A O, et al. Variable-
2804–2821. doi: 10.1109/COMST.2018.2856587. bandwidth model and capacity analysis for aerial
[16] DUO Bin, WU Qingqing, YUAN Xiaojun, et al. Anti- communications in the terahertz band[J]. IEEE Journal on
jamming 3D trajectory design for UAV-enabled wireless Selected Areas in Communications, 2021, 39(6): 1768–1784.
sensor networks under probabilistic LoS channel[J]. IEEE doi: 10.1109/JSAC.2021.3071831.
Transactions on Vehicular Technology, 2020, 69(12): [26] CHENG Hai, BERTIZZOLO L, D’ORO S, et al. Learning
16288–16293. doi: 10.1109/TVT.2020.3040334. to fly: A distributed deep reinforcement learning framework
[17] COSTANTINO D, ANGELINI M G, and VOZZA G. The for software-defined UAV network control[J]. IEEE Open
engineering and assembly of a low cost UAV[C]. Journal of the Communications Society, 2021, 2: 1486–1504.
Proceedings of 2015 IEEE Metrology for Aerospace doi: 10.1109/OJCOMS.2021.3092690.
(MetroAeroSpace), Benevento, Italy, 2015: 351–355. doi: [27] GUPTA R, SHUKLA A, and TANWAR S. BATS: A
第3期 陈新颖等:面向6G的无人机通信综述 789