感知-通信-计算融合的智能车联网挑战与趋势

针对单车感知无法满足未来自动驾驶安全需求的现状,面向多车传感器信息融合与时效性共享问题,提出了基于感知-通信-计算融合的智能车联网方法与解决思路。该方法有助于提高自动驾驶车辆的协同环境感知能力,并通过移动边缘计算(MEC)技术降低车间感知信息传输负载,提高多车协同的信息融合与处理效率,最终实现基于多车智能协同的安全自动驾驶。     

专题:面向B5G/6G的智能边缘计算网络技术

随着我国5G网络的规模化部署与商用,目前是开展B5G/6G研究的关键阶段。面向未来B5G/6G的主要可能应用场景,例如车联网、工业互联网、空天地海一体化等网络的业务特征,形成了通信-计算-感知一体化融合、通信网络与人工智能融合等新趋势,构建智能边缘计算网络平台与架构,解决智能资源管理与调度、低时延与高可靠传输技术等关键科学问题和技术,对推动移动通信网络朝着6G演进,保持国家在该领域的领先地位,并促进数字经济发展具有重要意义。     

AI算法在车联网通信与计算中的应用综述

在5G时代，车联网的通信和计算发展受到信息量急速增加的限制。将AI算法应用在车联网，可以实现车联网通信和计算方面的新突破。调研了AI算法在通信安全、通信资源分配、计算资源分配、任务卸载决策、服务器部署、通算融合等方面的应用，分析了目前AI算法在不同场景下所取得的成果和存在的不足，结合车联网发展趋势，讨论了AI算法在车联网应用中的未来研究方向。     

面向6G通感算深度融合的云-网-边智能协同

通信-感知-计算（通感算）深度融合对6G网络端到端传输时延、可靠性等通信指标提出了极高的要求，因此提出一种云-网-边智能协同方案。首先，将云-网-边智能协同系统抽象为“三域四层三面”分布式体系结构，包括：计算域、感知域、通信域；基础设施层、虚拟化层、功能层、应用层；智能面、控制面、管理编排面。然后，通过云-网-边协同训练与推理，以支撑通感算智能协同。最后，搭建面向6G通感算深度融合的云-网-边智能协同实验平台。实验结果表明：云-网-边智能协同可提高系统可靠性，降低传输负载和业务时延。     

智能超表面辅助6G通感算深度融合关键技术

为支撑新兴业务实施和产业升级，未来无线通信网络将提供通信、感知、计算（通感算）的融合服务。智能超表面作为6G重要的备选技术，能有效提升系统的通信、感知、计算性能，具有构建通感算一体化系统的潜力，近年来得到广泛关注。为此，首先介绍了智能超表面辅助的通感算融合系统的研究现状，进一步介绍智能超表面辅助通感算融合的关键技术，最后分析了智能超表面辅助通感算融合网络的技术挑战。对智能超表面在通感算领域的应用做了系统地阐述，为未来通感算融合网络提供技术支撑。     

面向6G的星地融合网络架构

通过对卫星星座的发展和星地融合网络研究的回顾，明确了6G的星地融合网络的发展趋势，提出了智简赋能的6G网络体系架构和弹性可重构的6G星地融合架构，并分析了星地融合网络中的关键技术问题，包括星上轻量化虚拟化技术、星上边缘计算功能以及广播/多播技术。认为6G星地融合网络将通过星地协同实现网络资源和计算资源的统一调度，同时可以根据业务需求和网络状态智能实现网络功能的按需弹性部署。     

6G通感传算融合需求分析与关键技术研究

6G做为未来新一代通信,其架构和关键技术都将发生比较大的变化和演进,其中多种技术或多种应用集成在同一设备或系统的融合技术已经成为主要的发展方向。目前,较为主流的融合业务技术表现为两项业务的融合,如通信和感知融合技术、通信和无线传能的融合。基于此,从6G技术发展的可能性出发,首先从两个维度进行介绍6G通信-感知-传能融合的应用场景,然后阐述6G通信-感知-传能融合的典型技术,最后对6G通感传算融合的发展趋势进行了总结。     

6G通感融合网络中的物理层安全：机遇与挑战

第六代无线通信（6G）网络对通信速率与感知精度均提出更高要求，通信感知融合技术引起了广泛关注。一方面，感知波形的强指向性使得通信感知融合系统的信息传输面临严峻的安全挑战，另一方面，系统的感知能力也为利用物理层安全技术提升系统安全性提供了新的契机。为了研究面向6G的通感融合网络中的物理层安全问题，首先对通感融合网络中潜在的窃听模型进行总结，随后探索了利用感知能力获取窃听方信道信息的可行性，展示了物理层安全技术在6G通感融合网络中的应用实例，例如感知辅助干扰、协作干扰等，最后讨论了新兴技术在物理层安全辅助的通感融合网络中的潜在应用方向。     

5G车路协同自动驾驶应用研究

本文提出了一种5G车路协同自动驾驶解决方案，该方案主要依托5G移动通信、高精度定位技术、五维时空融合技术、边缘计算、边云协同等技术，实现边缘平台算力部署，构建“端-边缘-云”分层架构，建立智能可靠车联网通信、车辆的实时高精度定位、交通态势感知、交通管控等技术体系，实现5G车路协同，全面提升车辆感知决策控制能力。当前，该方案已在武汉经开区智能网联汽车与智慧道路自动驾驶示范区应用落地。     

卫星遥感与6G通信遥感一体化

卫星遥感是人类实现高分辨率对地观测的重要手段,已逐步成为支撑经济社会发展以及国防安全的重要组成。6G追求通信遥感计算深度融合,通信遥感一体化成为其重要的特征。回顾了国内外卫星遥感的发展历程,概述了卫星遥感系统现有的体系结构和6G时代通信遥感一体化体系架构,阐述了人工智能驱动的典型卫星遥感技术和最新研究进展。针对6G时代卫星通信遥感一体化的趋势,探讨了实现“一星多用、多星组网、多网融合、智能服务”组合型发展的技术挑战和发展趋势。     

6G车联网络通感融合方法与性能仿真

为了满足自动驾驶、远程驾驶等未来6G车联网应用对高速率、低时延传输以及高精度感知的性能需求，业界提出将无线通信与无线感知功能进行融合，在6G车联网络中实现无线传输与感知定位极致性能的同时满足。提出了一种基于通信感知信号时频域正交体制的通信感知融合方法，采用OFDM通信信号完成对目标的探测、定位，并利用短窗化矩阵分解参数估计方法完成对探测目标的感知信息提取。同时，搭建了系统级仿真平台对不同的时频资源配比下所提方法的通信/感知性能进行了评估，分析了所提融合方法下通信感知性能间的相互影响，并给出通信感知性能折中的设计方案。     

6G通感一体化组网理念及关键架构研究

ITU已经明确将通感融合做为6G主要技术方向，因此需要将通信和感知的需求有机的融入6G网络架构中，需要在现有的5G架构上进行较大的调整，从而满足基于通信+感知+N的多种6G业务融合的需求。首先从6G通感一体化组网的需求进行分析，给出智能化、面向用户化的6G通感融合组网建议，然后开展多域/多层融合、多频协调、多节点部署的架构研究，分析其特点、适用范围和算力能力等，最后对面向通感融合的6G网络的空口技术开展研究。     

6G算力网络:体系架构与关键技术

随着应用需求的不断拓展和科学技术的高速发展,现有网络逐步形成了较为成熟的无线感知、无线通信和泛在计算等多个功能体系,6G通信、感知、计算(通感算)融合趋势初现。其中,算力作为该融合系统的基石,为未来网络的发展提供了新的挑战和机遇。算力网络(Computing Force Networks,CFN)以“算网深度融合”为指导思想,利用发达的网络触角感知、连接和协同算力,提高算网资源利用率,满足网络智能化和新型业务的需求。首先概述了算力网络的发展历程和研究现状,总结了算力网络架构和关键技术,包括算力度量和建模、算力感知和路由、算力调度等,最后探讨了技术挑战和未来发展方向。     

5G车联网资源优化分配方案综述

车联网作为智慧交通发展的必要组成部分，可加快我国智慧交通基础建设，对于智慧城市建设具有重要的现实意义。汽车数量及其产生的海量数据使得通信车辆节点之间的传输冲突率大幅上升，导致通信资源、计算资源短缺等问题，因此，有效的资源分配方案可以保证车联网的通信质量，从而提高车辆通信的可靠性，降低时延。首先分析了国内外车联网对智慧交通发展现状的影响以及当前车联网发展瓶颈；然后针对智慧交通通行效率、安全性方面，分析了当前车联网的资源分配问题；接着通过总结5G技术的优点，分析了5G在车联网资源优化分配管理上的贡献；最后，在车联网通信、计算和存储资源优化分配管理的应用背景下，结合人工智能技术提出了基于5G+V2X的智慧交通发展前景。     

面向协同驾驶基于移动边缘计算的5G智能网联车辆服务平台

基于5G通信技术的发展,5G网络开始普及,并与物联网技术、汽车信息通信、人工智能技术等进行了有机融合,促使车联网行业走向智能化发展。截至2021年,我国车联网行业的标准体系基本建立。文中以5G智能网联车辆服务平台为研究对象,分析了移动边缘计算技术的应用,研究了5G通信技术在智能网联车辆服务平台中的全面应用,实现了车辆智能化编队、车辆行驶环境感应、车辆行驶资源分配、车辆安全预警4种核心功能。     

6G车联网络面向多源感知的数据融合技术

为满足未来自动驾驶车辆全方位、高可靠的感知性能需求，6G需要对不同维度、来源、颗粒度的多源感知数据进行实时传输与全局融合处理。然而，由于激光雷达、摄像机易受环境影响，毫米波雷达分辨率有限，不同车辆多视角点云姿态估计不准确等问题，分布在车联网络中的多源感知数据难以实现精确融合，同时有限通信带宽难以支撑海量感知数据的协同共享。为此，基于通信-感知-计算融合(通感算融合)的思想，提出了一种6G车联网络面向多源感知的数据分级融合处理方法。首先车侧借助于激光雷达、毫米波雷达与摄像机之间的空间校准，实现多传感器优势互补的深度融合，之后多车自组织成簇，采用ICP算法融合多车感知数据，并通过压缩去冗处理降低通信上传开销，最后路侧在无线感知辅助下，通过两步配准方法实现多源感知数据的全局融合。通过搭建仿真平台对所提方法进行性能验证，仿真结果表明所提多源感知数据分级融合方法可在通信开销较小的前提下保证感知精度，扩展车联网络感知范围和感知维度，并能保证恶劣天气下感知可靠性。     

5G通信与人工智能的技术融合分析

阐述基于5G通信技术的人工智能特点，人工智能与5G通信技术的融合应用，智能化设备的运行依靠传感系统进行感知，在无线电技术的支持下对智能设备做出参数调整和控制。     

面向6G的通感算融合服务、系统架构与关键技术

5G系统主要面向通信服务而设计，并不是为原生支持通感算融合服务而设计的。6G将原生地支持通信、感知和计算服务，成为支撑未来社会高效可持续发展的网络信息底座，赋能丰富多彩的未来新业务。为此，解释了通感算服务以及服务用例，并定义了不同服务对应的性能指标和效率指标。为满足通感算融合服务及其指标，给出了一种通感算融合的系统架构及其关键特征。感知数据传输和计算数据传输既不同于通信的用户面数据传输，也不同于通信的控制面数据传输，进而提出了面向通感算融合的数据面，以解决通感算融合业务的数据传输需求。进一步地，面向通算融合，给出了6G通算融合基本流程，并给出了6G通算融合方案与算力网络协同的三种选项。面向通感融合，简要介绍了通感一体化的9个关键技术。还对感知和计算的“对外服务”和“对内服务”的逻辑关系进行了阐述。最后，给出了通感算融合的未来研究方向。     

基于感算通融合的语义认知通信网络

语义通信作为一种旨在传递用户意图和语义信息的全新通信范式，有望成为6G时代构建万物智联网络的创新性解决方案。然而，在实际的部署中，由于语义的多意性、个性化和异构性等特点，语义认知、解析和通信等方面仍面临着业务类型多样且异构、用户性格与习惯各异和需求随机等难题。为此，提出了一种基于感算通融合的语义认知通信网络，旨在通过语义感知、计算和通信多功能的深度融合、协作互惠，实现高效可靠的语义信息传输。初步试验结果显示，相比于传统通信网络，本文所提方案有望在提升网络语义通信效率的同时，还大幅降低了系统的资源占用率。     

征文通知:6G通感算融合

随着边缘计算、无线感知、人工智能等新兴技术为代表的信息技术的快速迭代,下一代移动通信技术(6G)将实现从服务于人、人与物、到支撑智能体高效联接的跃迁。为了自适应满足无人驾驶、无人机应急通信、沉浸式拓展现实、工业互联网等各类智能应用对巨容量、极低时延、极高精度、极高能效、极高算力等极致性能需求,6G需要将通信、感知、计算(通感算)进行交叉融合,以实现三者间的互惠增强。