6G 超低轨卫星网络

文章正文
发布时间:2023-10-09 20:07

非地面网络被广泛认为是 6G 网络的组成部分。本文提出了基于 VLEO 卫星的 6G NTN 网络演进愿景,并讨论了相关技术挑战和潜在解决方案。

下载PDF (7.83MB)

作者(均来自华为6G研究团队):罗禾佳 1,施学良 1,陈莹 1,孟贤 1,赵斐然 1,Michael Mayer 2,Peter Ashwood Smith 2,Bill McCormick 2, Arashmid Akhavain 2,刘大庆 1,温怀林 1,汪宇 1,王晓鲁 1,杨若男 1,李榕 1,王斌 1,王俊 1,童文 2

无线技术实验室

渥太华无线先进系统能力中心

1 引言

超低轨道(Very Low Earth Orbit,VLEO) 是指距离地面高度约 350 公里的轨道,远低于轨道高度为 600 至 1200公里的传统低轨道(Low Earth Orbit,LEO)和轨道高度为 35768 公里的地球静止轨道(Geostationary Earth Orbit, GEO)。超低轨道的引入,可能改变互联网的范式。与传统的 LEO 或 GEO 卫星相比,基于 VLEO 巨型星座的通信因具有传输时延低、传播损耗小、区域容量高以及制造和发射成本低等显著特点而备受关注。这些特点也有助于其在全球更广泛的应用。

在全球通信生态系统中,卫星通信是 5G-Advanced 和 6G 的重要组成部分。第三代伙伴关系项目(3rd Generation Partnership Project,3GPP)已针对卫星 与 5G 新空口(New Radio, NR) 技术一体化开展研究, 并将该一体化技术命名为“ 非地面网络(Non-Terrestrial Network, NTN)”。NTN R14 至 R16 的 研 究 项 目(Study Item, SI)考虑在漫游、广播 / 组播和物联网(Internet of Things, IoT)等 5G 网络中集成卫星接入业务,识别了 NTN 场景、架构、NTN 基本问题和相关解决方案,以及 12 个潜在用例。2019 年底,基于 5G 新空口的非地面网络(New Radio Non-Terrestrial Network,NR-NTN)和物联网非地面网络(Internet of Things Non-Terrestrial Network, IoT-NTN) 的第一个工作项目(Work Item,WI) 在 R17获得批准。从 R17 至 R19,再生卫星和透传卫星预计均将支持 NR 基本特性。R20 开始会加入对 6G NTN 的支持,以及许多其他功能增强和新特性,包括但不限于地面网络(Terrestrial Network,TN)与NTN 的一体化,以及在 5G和 5G-Advanced NTN 基础上进一步实现频谱效率提升。具有超高密度 VLEO 星座的 NTN 将成为 6G 网络的一部分,并在确保通信接入服务的极度灵活性方面发挥关键作用。

为了成功实现 VLEO NTN 网络商业化,我们需要开发全新的使用场景和应用,并解决相应的技术挑战。本文将全面地讨论基于 VLEO 的 6G NTN 的愿景和挑战。后续章节内容如下:第二章结合业界的最新进展,介绍了 VLEO NTN 网络的驱动因素。第三章总结了学界和业界普遍认同的使用场景和应用。第四章列举分析了构建有竞争力 VLEO NTN 网络过程中长期面对的挑战和所需共同努力的潜在解决方案。第五章总结全文。

2 驱动因素 2.1 要求

卫星通信等非地面通信技术有利于包容性世界的构建以及低成本使能新应用。无线网络将由地表范围 2D 式的“人口覆盖”,演变为 3D 式的“全球空间覆盖”。非地面与地面通信系统的一体化,将直接实现全球的 3D 式覆盖,不仅能在全球范围内提供宽带物联网和广域物联网服务,还将支持精确增强定位导航、实时地球观测等新功能。

随着新型高通量卫星(High-Throughput Satellite, HTS) 的 出 现, 以 及 非 地 球 静 止 卫 星 轨 道(Non- Geostationary-Satellite Orbit,NGSO) 系统的发展, 如中轨(Medium Earth Orbit,MEO) 系 统 O3b 和广泛提议的 LEO 和 VLEO 系统, 如 Oneweb、Starlink 和 TeleSat,VLEO 星座有望大幅节省成本, 增强接入能力,降低卫星连接时延。截至 2021 年 12 月底,SpaceX 的 Starlink 项目已经发射了 1900 多颗卫星,SpaceX 也凭此成为世界最大的卫星通信运营商。随着卫星制造和发射成本的下降,低轨上的小型卫星分布数量越来越庞大。卫星通信有助于弥合“数字鸿沟”,2030 年以后还将在确保固定和移动用户的数据连接方面发挥至关重要的作用。

2.2 TN 和 NTN 一体化的价值

与蜂窝网络相比,现有卫星通信仍依赖成本高昂的专用用户终端,其造价是普通用户难以负担的。TN 和 NTN 的全面一体化将改变这一现状,显著提升用户体验。通过一体化,卫星通信行业可以充分利用蜂窝网络行业的快速发展和规模经济红利,将终端成本和服务价格降到更具吸引力的水平。TN 和 NTN 的一体化设计,也将克服不同卫星系统之间的差异障碍,使得用户可以在不同运营商的地面网络和非地面网络之间自由漫游。

3 场景和应用

VLEO NTN 将支持丰富的场景和应用,如图 1 所示。

6G,超低轨卫星网络

图1 场景及应用

3.1 极致覆盖

目前,世界上近一半人口分布在没有基础互联网服务的农村和偏远地区。非地面网络可以为地面网络建设成本高昂的地区提供价格合理且质量可靠的网络连接和宽带服务。运营商可以通过卫星、无人机、高海拔平台等非地面网络节点灵活部署非地面网络,通过智能手机、笔记本电脑、固话、电视等各种设备实现互联。

3.2 无网络覆盖地区的移动宽带

目前,商业卫星通信系统传输速率低、成本高。卫星移动电话也没有与传统地面蜂窝网络终端实现一体化,接入卫星网络和蜂窝网络需要两部不同的手机。未来,我们有望让卫星与手机直连,为偏远地区提供与蜂窝网络数据速率相近的宽带连接服务,例如,用户数据下载速率达到 5 Mbit/s,上传速率达到 500 kbit/s。

3.3 移动场景的宽带连接

无论乘坐何种交通工具,人们都应该可以随时随地享受到网络服务。 以航空交通为例,2019 年,飞机出行人次超过 40亿,每天有近 1200 万人次飞行 。而飞行期间往往没有上网条件,即便能上网网速也很慢。我们期望,未来的通信系统能为所有飞机乘客提供移动宽带体验。

3.4 无网络覆盖地区的广域物联网

目前,物联网通信主要是通过蜂窝网络实现的。然而,在许多场景下,蜂窝物联网通信无法保证网络连续性。未来,物联网设备应该能够随时随地上网并上报信息。NTN 更能满足未来信息收集的便捷性需求,即使在南北极这种偏远地带和无人区,NTN 也可以收集到南极企鹅的身体状态、北极熊的生活条件以及动物和作物监测等信息。

3.5 高精定位与导航

未来,汽车将能够连接到地面网络。但是,对于偏远地区用户来说,地面网络可能无法提供高质量的车联网(Vehicle- to-Everything,V2X)服务。一体化网络将定位精度从米级提升至厘米级,实现高精导航定位,从而满足自动驾驶导航、精准农业导航、机械施工导航、高精度用户定位等服务的要求。

3.6 实时地球观测与保护

随着遥感技术的发展和巨型星座的快速部署,未来将实现高分辨率的实时遥感技术。有了该技术,地球观测可延伸到更多场景中,如实时交通调度、民用实时遥感地图、结合高分辨率遥感定位技术的高精导航、快速灾害应对等。

4 挑战与解决方案

6G 时代 TN 和 NTN 网络全面一体化的实现以及相应使用场景和应用的开发,还面临一系列严峻的挑战,我们也提出了可行的解决方案。

4.1 一体化网络架构

为了实现单个设备提供统一服务,需要基于 TN 和 NTN构建全新的一体化网络架构。然而,要真正实现网络一体化,需要克服几个挑战。

一体化网络一般为 3D 异构网络,各层覆盖范围和链路质量不同,如何协调网络各层实现统一的网络访问至关重要。此外,用户设备(User Equipment,UE)应当可以根据自身能力和上下文灵活选择最合适的层进行通信。

6G 一体化网络支持的业务种类多样,满足不同服务质量(Quality of Service,QoS)要求。然而,一体化网络资源必须具备高度的异构性。各业务的可用资源随时间而变化,支持在特定时间段为存量业务动态分配高优先级的资源。

一体化网络要实现全球覆盖, 需要随时随地进行可靠控制,也就需要在全球部署大量地面站,网络复杂度和成本也随之增加。 此外,由于核心网功能仅在少数地面站部署,且轨道间星间光链路(Inter-Satellite Link,ISL)通信受限,导致端到端时延较大。

下述技术方案有望克服这些挑战。

以 UE 为中心的 3D 无小区通信是一体化网络较为可行的解决方案。以UE 为中心,可以避免小区边界的局限,对于异构接入点较多的场景,能有效消除干扰,减少切换。另一方面,无小区通信采用空间复用技术,可以通过在接收阵列上使用不同的相位梯度来解析来自不同节点(如卫星和地面基站)的波束。因此,通过充分利用整个网络的空天地维度,可以从不同的站点和方向为地面上的任一位置提供服务。

借助网络切片技术,运营商可以在一套通用的物理基础设施之上,划分一系列相互独立的逻辑网络,基于不同的架构实现多种功能。因此,如果我们在一体化网络之上部署相互隔离的专用网络切片,就可以形成一系列满足不同 QoS 要求的定制化服务。

采用层次化架构实现全域网络控制,其中全局控制由少量地面站和 GEO 卫星实现,而局部控制由具备 ISL 能力的 MEO 卫星和 LEO/VLEO 卫星实现。我们可以利用空基核心网来实现全球控制、减少传播延迟。例如,一些核心网功能, 如用户面功能(User Plane Function, UPF)和接入与移动性管理功能(Access and Mobility Management Function,AMF),可以部署在卫星上,无需通过多跳就可以将控制信令和 UE 业务信号发送至地面站。

4.2 空口技术

LEO/VLEO 星座将是 6G 网络的重要组成部分。我们可以使用地球上任一位置的容量密度来评估特定星座的服务能力。以 Starlink 的 Gen2 星座(包括大约 3 万颗卫星)为例,完全部署后的平均容量密度峰值分布在地表中纬度地区,每平方公里约 3.6 Mbit/s,如图 2 所示。

6G,超低轨卫星网络

图2 Starlink Gen2 星座的容量密度

尽管经过优化后的卫星星座已经最大限度地提高了地表中纬度区域的服务能力,但平均容量密度的峰值与蜂窝业务相比仍然很低。部分原因在于,平均容量密度评估中假设卫星将服务能力平摊到整个地表,而实际上人口稠密地区仅占地表总面积的一小部分,如图 3 所示,也就是说,很大一部分服务能力浪费在海洋和无人居住的陆地上。

6G,超低轨卫星网络

图3 全球人口密度(基于中数据生成)

链路预算不足也是容量密度低的另一个原因。每颗卫星所能提供的单用户吞吐量非常有限。与地面网络相比,分配给卫星通信的频谱利用率较低。

为了应对这些根本挑战并充分发挥卫星星座的服务能力,我们提供了如下两个解决方案。

按需覆盖,应对供需不均衡问题

采用跳波束(Beam Hopping)技术来解决卫星覆盖区域的供需不平衡问题。卫星对一组预定义的跳波束模式扫描期间,波束在不同区域的活动时间不同,由此满足业务请求。

跳波束技术可以利用所有可用的卫星资源为特定地点或用户提供服务。通过调整波束的点亮时长和周期,提供不同的容量值,来平衡不同波束覆盖区的要求。

此外,跳波束还可以将未点亮的波束位置作为隔离区域置于同频波束之间以减少同频干扰。然而,LEO/VLEO 卫星通信的跳波束会面临新的挑战,例如,如何设计跳波束点亮模式来完全满足不同位置的服务需求并同时兼顾星上处理能力的限制。

图 4 展示了卫星移动期间的一个跳波束调度快照。UE 所在的目标区域由 4 颗卫星(小区)提供服务,在图中,其覆盖拓扑分别以红、绿、蓝、黑四种颜色标识。每个卫星最多可同时用 8 个波束(即图中所有候选波束位置中加粗显示的波束)为 UE 提供服务。 在 LEO/VLEO 系统中,由于卫星的高移动性,以及 UE 业务量需求的变化,不同调度时刻的候选波束和点亮波束将有所不同。

6G,超低轨卫星网络

图4 跳波束调度

6G,超低轨卫星网络

图5 跳波束和非跳波束算法的吞吐量对比

图5 对一段时间内不同调度算法的平均吞吐量进行了模拟。相比基线方案所使用的轮询调度,跳波束算法提供的吞吐能更好地匹配 UE 所需容量,对于业务量需求较高的 UE 来说更是如此。

多星协同传输是另一种实现按需覆盖的方式。这项技术需要用户同时收发来自多颗卫星的信号。未来 LEO/VLEO 超大星座将包括数万颗卫星,这也是多卫星协同传输的基础。

6G,超低轨卫星网络

图6 多星协同传输

图 6 所示的多星协同传输中用户同时接收来自多颗卫星的信号,或多颗卫星同时接收来同一用户的信号。由于一颗卫星只对少量覆盖区域提供服务,而且在未来巨型星座中给定区域同时可见大量卫星,协同传输可以显著提升峰值容量密度,如表 1 所示。多星协同传输技术也能缓解单个用户或单个卫星的发射功率有限导致的链路预算不足问题。

表1 多星协同传输性能

6G,超低轨卫星网络

多波束预编码,提升频谱效率

由于链路预算不足和波束间的同频干扰,现有卫星通信的频谱效率远低于地面网络。卫星通信通常采用多色频率复用来缓解同频干扰问题,导致系统频谱效率较低。而地面通信广泛运用的预编码技术可有效降低同频干扰。如图 7 所示,多波束预编码可以在VLEO/LEO 卫星通信场景中提供全频复用,提升频谱效率。

6G,超低轨卫星网络

图7 多波束预编码

基于全信道反馈的卫星多波束预编码由于传输时延长,会带来很大的反馈时延,在卫星通信中并非优选方案。卫星通信主要是视线(Line of Sight)传输,因此可以根据大尺度信道来计算多波束预编码矩阵,大尺度信道近似由UE 和卫星之间的相对位置来决定。基于位置的多波束预编码的性能如图 8 所示。由图可见,在卫星服务期间,与未采用预编码(蓝色柱形)相比,引入多波束预编码(绿色柱形)后可以显著提升总吞吐量。

6G,超低轨卫星网络

图8 使用和未使用多波束预编码的吞吐量差异

4.3 动态拓扑和路由算法

VLEO 星座通信的端到端时延预计将低于地面互联网。例如,图 9 显示了北京和纽约之间基于 ISL 的最短路由路径,并比较了基于 ISL 的路由与典型互联网路由之间的 Ping 往返时间(Round Trip Time,RTT)。典型互联网路由的 Ping RTT 约为 250 毫秒,而基于 ISL 的路由时延在整个卫星运行过程中可低至约 100 毫秒。

6G,超低轨卫星网络

图9 ISL 路由(上)和 ISL 路由与地面路由之间的 Ping RTT 比较(下)

巨型星座的规模对路由和转发也有较大影响。具体来说,随着卫星网络规模的增长,路由表会急剧扩大。在地面网络中,一般通过创建子网或利用某些功能如最短路径优先(Open Shortest Path First,OSPF) 区域或中间系统到中间系统(Intermediate System to Intermediate System,IS-IS)链路级别等将大型网络划分为一系列较小的网络。而卫星网络,因为处于持续运动状态,需要划分为连续的网段。不能采用高动态的子网划分方式,会对数据面产生负面影响。

然而,卫星网络中的每个网络节点都遵循预定义的轨道绕地球运动。预测性路由对网络拓扑变化的可预测性加以利用,是一种特定的路由和转发机制。与传统的路由和转发机制不同,预测性路由的网络节点不是通过洪泛来指示拓扑变化,而是定期切换路由表来反映不同时间点下网络拓扑的变化。每个节点都包含一个星历,星历携带有拓扑和有效期等信息。只要所有节点都协调一致并拥有准确的时间概念,网络拓扑就会比较稳定。拓扑变化周期取决于 LEO/VLEO 高度等因素,由卫星或地面网络控制中心计算可得。

不出意外的情况下,预测路由机制在小型网络的工作效果良好。一旦链路故障意外发生,会导致长时间的路由失败,路由失败时长取决于星历更新周期的长短。通常情况下,星历更新速度比传统链路状态协议慢得多,这会导致节点拓扑长时间处于过期状态。此外,预测路由机制还要求卫星节点之间保持精准的时间同步,以便及时更新所有节点,这也导致数据平面在路由失败期间变得不可靠。

Orthodrome 路由(Orthodromic Routing,OR)是解决上述问题的潜在方案,该方案以少量丢包为代价(特别是当 ISL 网格中存在较大孔洞时),极大提升了可扩展性。由于点 A 和点 B 之间大圆弧的子弧被称为 Orthodrome,OR 被定义为单位球体表面上的最短路径路由,如图 10 所示。

OR 由寻址和转发平面、算路算法和有限洪泛算法构成。 OR 的寻址平面将源节点和目标节点的单位球体上点的 坐标嵌入到IP报头中,所以无需持续转换标识和位置信息。然后,数据平面沿着通往该卫星的最短路径(沿ISL路由)将数据包转发到小范围洪泛邻区中距离最近的卫星。所有卫星都有坐标地址,这是严格的时间函数,所有卫星都可以计算自己的地址和卫星在其洪泛区域的地址作为时间函数。先在有限半径上完成洪泛跳数,然后在有限半径图上进行路径计算,最后通过 Dijkstra 算法得出转发平面所需的第一跳。

基于上述概念,定义 OR 系列算法为 OR(r),其中 r表示洪泛跳数的半径。OR( ∞ ) 类似于链路状态协议,而 OR(1)实现简单的地理路由(转发数据到最近的相邻节点)。在特定的星座大小和链路失效率下,应用哪个 OR(r)算法,是我们关注的重点。我们对部分算法进行了仿真测试。结果表明, OR(r)在 r 值相对较小和 10%~20% 的链路失效率场景下可以实现鲁棒的分布式路由。这意味着可以根据给定的星座大小和最恶劣失效概率来定制 OR(r),以较低的数据丢失率实现完全分布式转发。

OR(r)的转发表条目数为 O(r2)。针对转发条目的选择,我们探索了几种硬件方案,以选择出并行度最高(即适用于以最小时钟周期的线速度进行硬件转发)的条目。

在每一跳上都会执行如上所述的 OR(r)算法。因此,每一步网关/ 中间节点的选择都可以依据目的节点而变化。OR(r)也有相应变化,一旦完成了网关/ 中间节点的选择,数据包就会用源路由封装,这样就可以尽早用到网关,从而避免延长到目的地址的路径。我们将这个算法命名为分段最短路径 OR(r)算法,即 OR(r)-PWSPF。

通过仿真, 我们将 OR(r)-PWSPF 和基础 OR(r)算法与理想 Dijkstra 算法(理论可证但实际不存在)进行了比较。理想 Dijkstra 算法代表给定星座的上限。图 11 显示了不同算法的路径长度(即成本)的累积分布函数(Cumulative Distribution Function,CDF),蓝线代表理想 Dijkstra,红线代表 OR(20),黄线代表 OR(20)-PWSPF。我们在 30% 链路失效率下比较了各算法的源宿失效路由对,结果发现 OR(20)和 OR(20)-PWSPF 与理想 Dijkstra 算法的差距均在 0.25% 内。

6G,超低轨卫星网络

图 10 Orthodrome 的示意图

6G,超低轨卫星网络

图 11 在 30% 链路失效率情况下 OR(20)的路由成本对比(上)和故障路由对比(下)

由此可见,OR 和 OR-PWSPF 均能以较少的控制(洪泛)流量实现较为理想的性能,因此更适用于高动态网络。

Orthodrome 路由系列算法在每个节点都用到了精确的本地拓扑视图来实现全局路由。对此类方法来说,每个节点仅对发生在本区域内的网络事件做出响应,对发生在网络其他区域的事件没有感知。与传统链路状态协议相比,此类技术的性能更优,但是在全局拓扑方面缺乏收敛性,网络故障时所选择的次优路径距离可能因此变长。

这 一 问 题 可 以 通 过 多 精 区(Multiple-Precision Region)路由来解决。每个节点的链路状态数据库和拓扑图由一系列区/ 域/ 级别/ 半径组成。每个域有特定的网络事件刷新时间精度。图 12 为单节点中的多精区网络图。

根据节点的精度要求,可以采用不同的技术和策略向每个拓扑域的每个节点下发更新,例如,区域 A 使用星历,区域 B使用传统的或有限的洪泛。

每个节点根据包含不同精度级别的网络全局视图获得到达目的地址的最短路径。此方法适用于采用传统路由的网络,对于采用 OR 或 OR-PWSPF 算法处理卫星网络节点移动性并采用地理寻址的网络也同样适用。

这种方法具有与 OR 算法相同的优势,且支持在网络操作中使用大型平面拓扑。

最后,为了限制卫星星座拓扑的动态变化,ISL 通常假定在同一星座层内,每个卫星只能有两条轨内和两条轨间星间链路。这极大地限制了整个网络的通信能力,无法实现最佳带宽和最低时延。因此,新一代路由算法应允许卫星之间的星座连接更加灵活和自由(如跨层连接),从而扩展 LEO/VLEO 星座的能力边界。

6G,超低轨卫星网络

图 12 多精度区域示意图

4.4 强大的星上处理能力

6G 时代的 NTN 通信要求强大的星上处理能力,主要体现在星上处理器、射频子系统、天线和数据传输算法等方面。大规模波束卫星具有星上数据处理能力和先进算法,将在未来的低轨卫星通信中发挥关键作用,通过频率和波束流量调整,为覆盖区域的用户提供更多的连接能力。

6G,超低轨卫星网络

图 13 大规模波束卫星

未来,NTN 网络中将配备大规模波束高增益相控阵列天线来对抗星地通信的路径损耗。假设卫星轨道高度为 300 公里,则 Ka 波段的自由空间路径损耗约为 170 dB,降雨原因导致的额外损耗为 6 dB。当卫星天线载荷直径为 1 米时,最大天线增益一般为 45 dBi,等效各向同性辐射功率(Equivalent Isotropically Radiated Power,EIRP) 可达到 50 dBW,具体辐射功率值取决于卫星功率。Ka 频段地面 UE 天线的典型直径为 0.5 米,最大增益为 34 dBi,G/T 值为 8.5 dB。近似计算结果显示,400 MHz 带宽时,下行信噪比(Signal- to-Noise Ratio,SNR) 可 能 会 达 到 27 dB, 足 以 支 持64QAM 高阶调制。考虑到干扰的存在,单波束的数据速率为 1200 Mbit/s,频谱效率为 4.8 bit/s/Hz。

当前的挑战是如何能够利用卫星上有限的物理空间来产生这些波束。数字波束赋型(Digital Beam Forming,DBF)方法在数字域中会产生多个波束,被认为是实现未来相控天线阵列非常可行的方案。对 Tx/Rx 数据进行数字化还可以最大化提升大型系统的灵活性和动态范围。实现 DBF 还有一个挑战,需要处理的数据十分庞大,而用到的收发器耗电量又极高,卫星无法满足这样的电力需求。数字集成电路和混合信号集成电路的发展使 DBF 变成了现实。论文为毫米波应用设计了一个完整的 DBF 收发器,由 64 个射频通道组成,最多可生成 20 个数字波束。未来,波束数量将扩大到 1000 多个,射频通道将扩大到 4000 多个。射频器件和材料的进步也有助于降低功耗,提高星上处理能力。

6G,超低轨卫星网络

图 14 不同卫星天线直径的可用信噪比

4.5 低成本的制造和服务

降低卫星器件的制造成本和卫星通信的服务价格是普及卫星通信的先决条件。

制造方面,卫星通信和蜂窝通信的一体化是降低星上和地面配套系统中通信模块成本最有效的方法。卫星通信的基带芯片和器件采用与地面蜂窝通信相同的空口设计,同时支持卫星通信和蜂窝通信,可以充分利用蜂窝产业的规模经济效益,降低芯片和器件成本。

空间段器件的低成本制造存在另一层挑战。宇航级器件都是经过抗辐照处理的优选器件,以确保它们在太空环境的可靠性。这种工艺尚未实现工业化,因此成本极高。此外,由于抗辐照加固器件的需求量很少,制造商缺乏对最新产品进行抗辐照加固的动力。因此,与最新的同类工业级产品相比,宇航级产品的规格往往滞后至少数年。近年来,为了满足商业卫星低成本、高性能和快速交付的要求,出现了一些在航天器中应用商业成品器件(Commercial-Off-The-Shelf,COTS) 的探索。航天器的稳定性和商业效益尚待一系列工艺优化,包括选型时对成本和可靠性的平衡、防护罩设计创新以及故障检测和恢复机制等。

从规模经济考虑,卫星通信和蜂窝通信的一体化也将有益于降低服务成本。目前,不同星座的生态系统相互孤立,单个星座的用户数量尚不足以充分利用星座容量,导致现有卫星通信的每比特成本远高于地面网络。6G 时代有必要在全球范围内统一无线标准,用户只需一台设备就能够在 TN 和 NTN 之间或不同的 NTN 之间自由漫游。只有这样,才能充分利用卫星系统的网络容量,降低整体服务成本。

4.6 干扰规避与共存

要确保通信服务质量,就必须解决蜂窝和卫星通信之间的干扰问题。蜂窝和卫星通信之间的频率共享是学界和业界的讨论热点。然而,当前分配给蜂窝和卫星通信的频率并不相同。现实场景中,通过在频域引入保护间隔来最大限度地降低非线性器件引起的波形信号带外泄漏。随着蜂窝通信的快速发展,地面网络的频谱效率大幅提高,且远高于卫星通信,人类通信更依赖于分配给蜂窝网络的频率资源。这也促使蜂窝网络运营商从卫星运营商处获取频率资源,以便为用户提供更好的蜂窝网络体验。

考虑到可用频率资源非常有限,频率共享机制变得空前重要,不仅要考虑频谱综合利用率,而且还要从技术中立的角度满足不同通信场景的需求。我们建议考虑以下 3 个层次的频率共享技术来减少不同类型卫星通信和蜂窝通信之间的干扰。

空间隔离

减少干扰最直接的方法是空间隔离。把相同的频率资源分配给地理上相距较远的蜂窝和卫星网络可以防止互扰。只要这两个部署区域间的地理距离足够远,地面网络中分配给蜂窝运营商的频率也可以用于海洋上的卫星通信。蜂窝基站发射出最大信号在长距离传播后会比卫星通信终端接收器的背景热噪声弱得多,反之亦然。

空间隔离在蜂窝和卫星网络频率资源共享中的应用如图 15所示。蜂窝基站周围标记为“电子围栏区域”的空间不允许卫星波束照射。

6G,超低轨卫星网络

图 15 “电子围栏区域”示意图

电子围栏区域的大小可以显著影响 LEO/VLEO 卫星的干扰水平。图 16 用干扰噪声比(Interference Noise Ratio, INR)表示不同电子围栏区域大小设置下的干扰情况。INR 超过 -10 dB 和 -5 dB 的卫星波束分别用黄色和红色标记。当电子围栏区域达到 54 公里宽时,足以消除所有高于 -5 dB 的干扰。

6G,超低轨卫星网络

图 16 空间隔离在星地干扰规避中的应用

图 17 展示了一段时间范围内电子围栏区域宽度分别为 0公里和 54 公里时的干扰情况。从图中可见,较大的隔离距离可有效降低接收到高 INR 的概率。

6G,超低轨卫星网络

图 17 不同电子围栏宽度下的INR 水平(600 秒时长)

角度隔离

对于仅包含指向性天线 UE 的毫米波通信场景,可以考虑采用角度隔离来避免系统间干扰。假设某服务区域有来自不同系统相同频段的信号,且两个系统信号的到达角度有很大差异,在接收侧,UE 指向性天线的高旁瓣抑制可实现良好的空间滤波效果,进而消除干扰。同样由于采用指向性天线,旁瓣方向的发射信号会出现较大的衰减,也可以消除对其他系统的潜在干扰。

基于调度的干扰协调

基于调度的干扰协调在蜂窝通信系统中已有应用,主要用于缓解小区边缘地带的干扰问题。在对小区边缘的 UE 提供服务时,同频部署的相邻基站通过信令交互进行联合决策,为不同的UE 分配交错的细分频率资源以避免干扰。与基于“感知 -决策”的传统干扰规避方法相比,这类基于协同调度的干扰规避方案采取更为主动的方式规避干扰,从而提升用户体验。

当前,由于蜂窝网络和非地面网络仍彼此隔离,两者的协同调度尚少有应用。蜂窝和卫星通信的一体化有望使得基于调度的干扰协调成为现实。

5 结语

实现基于 LEO/VLEO 卫星的 NTN 通信,需要学界和业界的共同努力。新技术不断发展,人们对太空应用的兴趣和投入也不断增加,使得基于 LEO/VLEO 卫星的潜在通信边界不断拓宽。除了卫星通信本身的技术实现外,蜂窝和卫星通信在物理层的完全一体化也是 6G 时代实现 LEO/VLEO 卫星通信商业成功的关键。3GPP 中基于 NR 的 NTN 讨论为传统蜂窝社区和卫星社区搭建了一个通力合作的平台,双方可以此为基础共同推进一体化网络的建设进程。随着蜂窝网络和 NTN 之间的先进频率共享方案的成熟,监管机构也将有更多的空间提高频谱资源的分配效率。