3. 6G无人机通信的关键技术及进展

6G是在5G的基础上，对其现有的超低时延、海量连接、超大带宽等场景需求进行拓展，以实现更高的峰值传输速率、更快的用户体验速率、更低的传输时延、更多的接入用户、更大的移动承载性和更高的频谱效率。这些指标的飞跃需要技术的全面革新来支持，目前得到业界广泛认可的6G关键技术主要包括太赫兹、超大规模天线阵列、6G网络内生智能、智能反射面、智能边缘计算等。因此，本节就6G关键技术在无人机辅助通信中的应用进行探究。

3.1 太赫兹通信

作为6G移动通信中最具突破性的技术，太赫兹被评为改变未来的关键技术之一[29]。为了满足数据的爆炸式增长，单纯利用现有频段进行无线传输已无法满足人们日常的数据需求。从现阶段的毫米波到未来的太赫兹，无线通信可用频带出现了革命性的突破，传输速率也将显著提升。太赫兹频段为0.1～10 THz，频率更高，波长更短，这使得波束赋形的主瓣更窄，增加了窃听的难度，具有更高的安全性。但是，太赫兹相较于前几代的低频信号具有更大的衰减，而无人机通信中的空地视距信道将会极大程度地减弱太赫兹信号的衰减，从而保证通信质量。

3.2   超大规模天线阵列

无线通信可以通过多天线技术利用信道性质以实现用户接收端的功率增益[30]。另外，也可以利用天线的方向性通过波束赋形和信号的预编码来有效抑制窃听保证通信的安全。6G移动通信将会在5G的256～1024规模的天线阵列基础上更大规模地对其进行扩充，预计单个基站将会超过10000根天线。由于6G移动通信将采用太赫兹频段进行传输，因而即便超大规模天线阵列在天线数目量级上十分巨大，其体积也不会过于庞大，例如纳米级的天线可以在1 mm2内嵌入1024个工作在1 THz的阵列单元[31]，这也更有利于其装载到载荷受限的无人机平台上用于信号的接收与转发。

3.3   网络内生人工智能驱动

区别于现已商用的5G网络中依靠外接系统实现人工智能的方式[32]，6G将采用网络内生智能这一概念。6G移动通信中，以人为核心将智能化贯彻到网络中的每一个层面，进而实现高度灵活具有自主性的“智”化网络来服务每一个用户，具体结构如图3所示。天基网、空基网和地基网都可以独立地接入至6G智能网络，将智能化贯穿于整个网络的各个层面。在智能化的6G网络中，基于无人机的辅助通信可以通过网络、业务和用户的相关数据来自主学习并管理和控制其飞行轨迹等特征，以实现“无人”驾驶的飞行目标并通过多维感知和大数据计算等手段实现多元网络的融合。

图 3 6G无人机通信网络中的内生智能

3.4 智能反射面

智能反射面可以通过软件编程控制信号反射的幅值和相位，实现无线信道的自重构[33]。智能反射面由多个低功耗的无源反射组件组成，这些反射组件可以通过外加的电压和相位驱动使其可以操控反射出去的信号，进而实现对波束赋形信号传输的更全面控制。由于智能反射面不需要射频转发等功能，因而能耗较低。同时，智能反射面结构简单，便于安装在其他物体表面，如无人机空中平台等。搭载了智能反射面的无人机通信平台如图4所示，通过空中智能反射面可将接收信号反射至被遮挡屏蔽的用户终端，提升无线通信质量。另外，通过直射与反射信号叠加，搭载智能反射面的无人机还可以带来更高的信道增益。

图 4 智能反射面在6G无人机通信中的应用

3.5 智能边缘计算

纵观计算模式发展史，从中心化的大型机计算时代，到分布式的个人终端计算时代，再到大数据云计算时代，中心式计算和分布式计算交替发展。在未来的6G移动通信中，由于网络更侧重内生的智能运算能力，未来的网络将采用智能云计算与智能边缘计算相融合的方法，使计算系统更扁平化，同时采用区块链分布式存储等去中心化技术来实现对用户数据隐私的保护[34]。应用智能化边缘计算的无人机平台可以不依托中心控制系统，而是结合周围的环境，进行实时的智能化计算控制，其具体应用场景如图5所示。基站可以将计算任务分配至无人机，无人机可以合理地将计算任务卸载至各个拥有计算能力的终端用户，进而实现智能化边缘计算。

图 5 6G无人机通信中的智能边缘计算

3.6 分布式区块链网络

在6G移动通信网络中，物联网和车联网等部署将会随时随地产生海量数据。然而，由于无线通信的开放性，超密集网络中用户的安全保障尤为重要。区块链技术通过将用户数据分布式存储于各个用户终端从而保证数据无法被非法篡改，因此可以保障网络数据的有效性。在超密集异构网络中可以通过部署无人机作为分布式区块链网络的节点，以实现用户信息安全、高效地存储与传输。然而，当网络规模增大到一定程度时，数据索引将会产生较大的时延并且用户数据的存储也需要更大的空间，这也是未来无人机分布式区块链网络将面临的挑战。

3.7 通信感知一体化

无人机凭借其良好的高移动性和易部署性在军事应用中占有重要地位，如无人机侦查与攻击。此外，民用无人机的日益普及使得禁飞区的空域管理也更加困难。因此，军事方面对敌方恶意的无人机侦查行动和民事中对非法无人机的跟踪等都是亟待解决的问题。相较于图像感知系统，雷达探测受天气等环境变化的影响更小，也更具稳定性。因此，在未来的6G移动通信网络中，可以将雷达系统与基站通信系统进行有机结合，通过雷达探测监控的同时完成重要信息的安全传输。

综上所述，6G移动通信网络将会产生海量数据，而上述提及的太赫兹通信、超大规模天线阵列和智能反射面等技术将会有效保证6G网络中无人机节点的高速海量数据传输。

4. 6G无人机通信的技术挑战与未来方向

无人机辅助的移动通信在6G中具有非常广阔的前景。然而，由于无人机通信自身的发展仍处于初级阶段，并且6G相较于5G又有了全新的技术发展，因而将无人机应用于6G移动通信仍有诸多挑战需要深入的探索与研究。本章从无人机的续航时间、“空天地海”全覆盖异构网络的融合、射频相关的天线技术与太赫兹技术、移动用户的安全问题等方面对面向6G的无人机通信所存在的技术挑战与未来研究方向进行探讨。

4.1 无人机的续航时间

无人机的续航时间一直是限制其发展与应用的瓶颈[35]。旋翼无人机多为电池驱动，市面上的电池多为锂电池，无法为无人机提供长时间的续航能力。目前，旋翼无人机续航时间多在30分钟左右。已有研究提出可以利用能量采集技术为无人机供能，而如何提升无线能量采集的效率也是一大技术难题。此外，尽管已有可以为无人机自动更换电池的航站装置，但这仍无法从根本上解决无人机续航时间短的难题。

4.2 无人机与异构网络间融合

为了满足更广域的无缝覆盖，6G致力于实现“空天地海”的全维度通信，因此如何实现空域网的无人机与其他不同异构网络间数据交互的高速率、低时延、海量连接便成为亟待解决的技术难题。不同网络的传输协议、网络架构均不同，数据的跨网络传输需要进行缓存、转发，这将会产生多余的处理步骤。因此，为了解决数据在不同类型网络间的交互，需要重新设计各网络架构以及数据分发协议并考虑它们之间的兼容性，在保证用户数据准确性的同时实现低时延、高带宽传输。

4.3 智能反射面及超大规模天线阵列与无人机的兼容性

智能反射面可以通过软件定义主动调节入射信号来改变反射信号的相位和幅值，以达到对信道的重构来提高接收端信号功率的目标并同时抑制干扰。由于智能反射面是无源反射而不需要通过接收-放大/解码-转发的方式传输信号，与传统中继相比更加节能。但在实际部署中，由于智能反射面需要装配在无人机表面，考虑到无人机的尺寸以及有限的续航载荷能力，需要有效限制智能反射面的尺寸与重量。此外，由于6G中采用超大规模天线阵列，即便采用太赫兹频段将明显减小单元尺寸，但天线阵列规模巨大，在设计中仍需将其体积纳入考量范围。

4.4 太赫兹相关技术及设备研发

太赫兹作为6G移动通信中备受关注的突破性技术之一，具有更宽的带宽并可提供接近Tbit/s的传输速率。一方面由于其频率较高波长较短，因此在波束赋形中具有更窄的主瓣宽度和更精确的传输方向以保证用户信息安全。然而，无人机端受限于体积与续航能力，太赫兹波束的搜索与对准技术难以实现。另一方面，太赫兹频率较高且易被分子吸收，因此太赫兹传输衰减增大，这也造成传输距离较短。此外，目前的半导体、金属材料和光学元件还不能满足太赫兹通信的性能，因此，未来还需要对适用于太赫兹频段的材料进行大力研发。

4.5 用户信息的安全性

由于无线通信具有广播特性，用户的信息暴露在空中引发了安全隐患。另外，无人机的运行范围在空中，无论是空对地信道还是空对空信道都更接近视距信道，因而无人机通信更容易被窃听者进行信道估计，进而对用户的私密信息进行截获与窃听。6G移动通信中将采用太赫兹信道，虽然其信道模型尚未充分建立，但视距信道更具稳定性，因而信道特性更容易被窃听者获取，进而对用户信息隐私造成威胁。此外，窃听者还可能发射干扰噪声来攻击无人机的正常通信，如何克服主动干扰攻击也是亟待解决的问题。

4.6 蜂群网络冲突规避

无人机的高移动性使其受到广泛关注，然而在大规模无人机蜂群网络中，其移动性给蜂群系统的信道建模、飞行部署和轨迹优化等造成极大的挑战。尽管空地无线信道可以近似为视距链路，然而由于蜂群网络的复杂性以及无人机间的相互干扰，无人机信道仍存在极大的不确定性，这也会对空地信道建模造成影响，进而对6G移动通信网络中各无人机的轨迹规划造成干扰，影响无人机的编队飞行，甚至产生冲突。因此，如何对无人机蜂群进行有效的冲突规避，也是未来6G无人机通信网络所面临的严峻挑战。

4.7 海量密集接入的频谱稀缺

6G移动通信网络中无人机需要作为临时空中基站配合海量用户的超密集接入。尽管无人机可以分担部分网络负载，然而有限的频谱资源仍会极大限制用户的信息传输速率并造成网络的高时延。尽管太赫兹频段的引入将会对频谱短缺有所缓解，然而频谱资源利用率低的问题仍亟待解决。因此，将认知无线电技术有效的引入6G无人机通信中，通过无人机进行频谱感知并将冗余的频带高效利用，从而改善频谱资源稀缺的问题迫在眉睫。