博鱼体育网址高速铁路智能化发展对铁路移动通信系统提出了新需求。基于此，文章首先结合高铁传输需求及场景特殊性，分析了定向毫米波通信在网络覆盖鲁棒性、移动支持能力及链路稳定性与管理方面的问题。然后，探讨了通过融合传统 6 GHz 以下频段 ( 简称 sub-6 GHz ) 与毫米波频段以兼顾网络覆盖与传输容量的新一代高铁无线接入网络架构，其中全向覆盖的 sub-6GHz 频段提供鲁棒覆盖，定向毫米波通信提升传输速率。最后，在该网络架构基础上，研究了如何利用深度学习算法进行业务特征与传输环境的预测，并智能决策 sub-6 GHz 与毫米波双频段的无线资源分配、波束对齐及切换优化，最终实现高可靠、低时延、大容量新一代高铁移动通信系统。

　　数字化与智能化是中国高铁的下一个重要发展方向，由此衍生的大规模数据对高铁无线通信系统提出了大容量、高可靠及低时延需求。为满足公众移动通信不断增长的传输需求，5G 已经向宽带毫米波频段延展资源。在我国 5G 标准推进组 IMT-2020 发布的《5G 愿景与需求》及 3GPP 国际标准组发布的 TR38.913 文件中均已明确指出时速 500km 以上的高铁是 5G 重要应用场景，并支持使用毫米波通信技术提升传输容量。

　　对比 6GHz 以下的传统蜂窝频段（简称 sub-6GHz），毫米波信号传输损耗严重，需要采用波束赋形技术，将信号能量汇聚在目标方向以延长传输距离，但尚存在覆盖鲁棒性差、移动性支持能力低、链路建立耗时长、传输不稳定等问题，仍需要融合全向覆盖的 sub-6GHz 频段以解决上述问题。

　　为此西南交通大学闫莉等人与中国铁道科学研究院及重庆邮电大学相关团队合作，从网络架构、业务与信道预测、无线资源分配及切换优化四个方面入手，结合前期的研究成果，深入分析了高铁 sub-6GHz 与毫米波双频智能协作的关键技术。

　　下一代高铁移动网络将深度融合网络切片、云无线GHz 与毫米波双频协作技术，具体如图 1 所示。博鱼

　　核心网采用5G 网络功能虚拟化 NFV 及软件定义网络 SDN 技术，将网络功能模块化、控制面与数据面分离化。控制面功能集中管理，按需求动态组织网络资源，数据面下沉到网络边缘，降低服务时延。在接入网侧，基带处理资源集中到 BBU 池，通过高速回传连接到 RRU。

　　共布设两类 RRU，即sub-6GHzRRU 与毫米波 RRU；其中 sub-6GHRRU 负责接入网控制面传输，并承载列控等安全类业务；毫米波 RRU 负责接入网数据面传输，扩展传输容量。

　　铁路跨越多种复杂的运行环境，包括沙漠等网络设施易受灾害破坏的区域，如何在这些区域保障行车安全是亟需研究的。博鱼如图 1 所示，车车通信是解决该问题的一种应急通信方法，且避免了传统列车 - 无线闭塞系统 - 列车方式下转发行车许可而引入的额外时延，从而缩短前后车追踪间隔，增加运输效率。在该网络架构的支持下，高铁毫米波通信仍面临如图 2 所示的问题。

　　在切片化的高铁无线网络中，需要基于业务需求预测进行定制化资源预留及配置。博鱼业务需求预测从时间上可以划分为大尺度、中尺度与小尺度。随着时间尺度的增大，观测窗口内累积的业务量数值较大，数据的平稳性较好，采用低复杂度的预测算法即可获得较高的预测准确度；反之，需要采用深度学习捕捉微观波动以达到所需预测性能。为了表述清晰，表 1 总结了业务预测尺度与预测算法需求及网络资源配置间的关系。

　　高铁运行速度可达 500km/h 以上，使车地间无线信道呈现出快时变特性，考虑到资源利用率，难以在无线资源的时域布置致密参考信号，导致快时变信道的估计准确性较低，影响依赖信道信息的相关自适应技术性能。目前可以从以下两个方法入手解决：

　　1 ) 高铁列车运行轨迹既定且具有很强的周期性与规律性，利用深度学习进行信道状态预测以用于自适应技术是一种有效的方法。

　　2 ) Sub-6GHz 与毫米波频段的信道变化有较强相关性，可以利用某一频段的信道信息作为特征来预测另一频段的信道信息。如采用sub-6GHz 信道信息辅助进行毫米波的波束对齐，能够减少毫米波频段波束对齐的时间开销。

　　在云接入网下将相邻 sub-6GHz 基站联合构建成更大的逻辑小区，结合业务与信道预测，采用智能算法分配逻辑小区的时间、频率、空间及功率资源，实现相邻基站间干扰及负载自主协调、列车跨基站协作切换等。

　　此外，高铁采用线性规律布网，相邻小区传输环境及业务特征有较强相似性，如图 3 所示可以采用联邦学习算法，由 sub-6GHzRRU 进行本地业务与信道预测模型训练及本地 RRU 资源智能分配算法训练，然后将模型参数反馈到基带处理中心获得全局模型，最后下发到各个 RRU 进行模型更新，提高模型训练效率。

　　在接入网层面，业务的传输时延主要来自于资源申请过程、数据处理过程、数据传输过程及出错重传过程。数据处理时延与数据传输时延是由客观条件决定的，无法通过移动通信技术改善，但我们可以考虑通过资源管理降低资源申请过程与出错重传过程的时延。具体包括以下两个方面：

　　1 )   传统 HARQ 采用出错后被动重传的方式，导致服务整体时延增加。毫米波频段具有丰富资源，可以在毫米波频段主动进行多个数据复本的冗余传输，通过牺牲一定的传输资源以降低后续被动出错重传导致的时延，保障可靠性。

　　2 )   目前常采用的动态资源分配机制中，用户需要先向网络申请传输资源，获得授权后进行数据传输。为了节省时间，可以采用传输与重传资源预分配的方式，避免频繁的资源申请与授权过程。

　　在车车通信资源管理上，车车通信可以复用车地资源，也可以单独划分资源专用于车车传输，并由列车端自行管理这部分资源的使用。尤其在应急场景下，如地面网络损坏，列车可以采用预先配置的传输资源自主进行车辆发现，通过车车数据交互实现提前制动，最大程度上保障行车安全。

　　切换过程涉及到两个重要决策参数，分别是判断信号强度的切换阈值 HOM 与避免乒乓效应的触发时长 TTT，具体如图 4 所示。

　　在目前实际系统中，上述两个参数均采用静态设置，无法根据环境变化自适应调整，造成切换触发过晚或过早现象，导致传输中断。实际上，高铁列车运行轨迹具有很强的空间规律性与时间周期性，如同一线路的班次多次重复通过同一个切换区域，其信号变化具有一定的相关性。基于此，可以采用深度学习算法挖掘出信号质量变化与切换成功率间的关系，实现根据环境变化自适应调整切换参数取值，提前进行切换决策与资源准备，提高切换成功率。

　　对于定向毫米波通信还存在高移动场景下频繁的波束对齐问题。5G 标准采用穷举波束扫描机制进行波束对齐，波束对齐耗时较长。尤其在高铁场景下，较长的波束对齐耗时将导致列车在波束训练过程中发生明显距离偏移，使决策的最优波束不再适合实际传输。高铁线% 以上为传输环境近 LOS 的高架桥，波束的对齐角度与列车的物理位置有强相关性，基于此，可以采用学习算法挖掘高铁场景的历史波束对齐数据，利用列车位置信息与最优波束间的相关性，实现更加快速、可靠的波束对齐，具体如图 5 所示。

　　由于高铁毫米波通信自身的发展仍处于初级阶段，并且随着移动通信向 6G 全新技术的发展，高铁毫米波通信仍面临诸多挑战，除公网共性问题外，还表现在以下方面：

　　（1）网络架构。核心网存在 SDN 单点失效导致整体网络瘫痪的问题，仍需要深入研究 SDN 的部署优化。在接入网侧，为满足列车在沙漠等网络易受灾害破坏区域的应急接入需求，需要融合无人机及卫星通信网络，通过空天地一体化实现增强接入。毫米波通信同样是未来无人机及卫星网络中提升传输容量的重要技术。

　　（2）多波束联合传输。高铁列车物理空间充足，可以在每节车厢顶部部署大规模天线阵列形成多波束联合传输以提升传输容量，且多波束间互为备份能够进一步增强链路稳定性。但传输波束数目的增加将引入波束间干扰，如何通过智能学习算法控制不同波束的波束宽度、发射功率等提升多波束联合传输性能值得进一步研究。

　　（3）通信感知一体化。目前毫米波雷达已经十分成熟，随着毫米波通信的发展，已形成毫米波通信、感知一体化的发展趋势。为实现毫米波通感一体化，通信与感知信号如何在时间域、频率域、空间域及波形域进行不同程度的融合、不同基站间如何智能协调通信与感知功能仍需要深入研究。再者，如何利用毫米波环境感知信息智能辅助通信链路的波束对齐与优化也是新的研究热点。

　　本文系《电子与信息学报》独家稿件，内容仅供学习交流，版权属于原作者。欢迎评论、转载和分享本公众号原创内容，转载请与本号联系授权，标注原作者和信息来源《电子与信息学报》。

　　本号发布信息旨在传播交流。如涉及文字、图片、版权等问题，请在 20 日内与本号联系，我们将第一时间处理。《电子与信息学报》拥有最终解释权。