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

1 引言

2014年5月，5G白皮书提出“信息随心至，万物触手及”的愿景并预测随之而来的5G之花的盛放[1]。然而，处于4G中的人们还无法想象1 Gbps的高传输速率、毫秒级别的低时延、平方公里百万连接的广覆盖以及500 km/h的高移动性将要如何实现。直至2020年5G在全国范围内成功商用，人们体验到了5G网络中数据传输的高带宽、低时延、广覆盖和大连接等优势，这也极大促进了车联网[2]、自动驾驶[3]等技术的快速发展。5G的蓬勃发展使人类生活更为便捷与多姿多彩，但同时也使数据传输呈指数级增长。相关研究报告预计，到2022年移动数据流量将会达到2.57EB/d[4]，加之日渐兴起的物联网相关产业对超高速率无线数据传输超低时延的要求，如自动驾驶、远程医疗等，目前广泛开展的5G相关技术已无法满足新兴服务对现有通信性能的需求。因此，互联网业、工业界和学术界均开展了对下一代移动互联网的研究。目前广泛认可的6G愿景可以用“一念天地，万物随心”来概括[5]，具体可以分为智慧连接、深度连接、全息连接和泛在连接[6]。智慧连接是基础骨架，以此为基础可以实现深度、全息与泛在连接。6G愿景固然美好，但现有5G技术仍无法支撑。因此，学术界与工业界又以5G技术为基础点，以6G愿景的4大连接为导向，对如何实现6G“一念”之超低延时、“天地”之深度覆盖、“万物”之泛在连接以及“随心”之智慧互联的美好需求进行了技术探索与革新。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]、分布式超维度天线技术[8]、智能反射面[9]以及网络内生的嵌入式智能[10]等。因此，6G的商用需要在前期对目前地面基站等基础设施做出相应改变，如天线阵列的增加、网络内层处理系统的优化配置等。

尽管基础通信设施可以基本满足日常的通信负荷，然而当出现突发情况时或在非常规的临时场景中，仅依靠地面无线通信设施便显得力不从心，比如：重大自然灾害的网络重建、偏远地区的临时通信部署、重大节假日聚集活动现场的无线资源分配等[11]。为了有效提升这些场景中无线通信的质量，可以通过部署无人机(Unmanned Aerial Vehicles,UAVs)来辅助通信[12]。无人机作为小型飞行设备，其本身具有的诸多优点可使6G移动通信变得更为便捷。因此，无人机辅助通信是6G移动网络中不可或缺的潜在技术[13]。

无人机作为小型飞行器在实现6G“空天地海”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、易部署和低成本等优势，无人机可以被用作空域辅助通信平台，如：在高密度通信用户场景下，可以部署无人机作为临时基站或者中继来辅助无线通信，增加用户容量。此外，无人机也可以作为具有高移动性的终端用户，在环境监测等场景中负责数据采集。具体而言，无人机辅助通信具有如下优势：

(1) 视距信道[15]：无人机可以悬停或盘旋在空中，因而与地面用户间的信道主要为直射链路。由于可以通过直射链路而无需折射或散射，无人机与地面通信设备间的信道条件质量高、衰减小。因此，通过无人机辅助，可以有效提升接收端的信噪比，进而实现高质量通信。

(2) 高移动性[16]：无人机作为小型飞行器，可以通过遥控终端进行控制。由于空中并无遮挡且其自身的位置不固定，可以实时调整部署以实现应急通信。此外，对于一些非突发但临时的应用场景，无人机通信也可以方便快捷地部署。

(3) 低成本组网[17]：无人机可以灵活部署，应用于复杂多变的场景及环境。由多架无人机组成的蜂群可以在不同的应用场景下构建稳定的通信网络，并且可以多次再部署。因而，可以利用无人机进行低成本临时组网，以应对不同类型的需求。

在本文中，首先针对6G移动通信中无人机的应用场景进行深入讨论与分析；然后，针对无人机辅助6G移动通信的潜在关键技术及面临的挑战进行了探究。

2 6G中无人机应用场景与功能

我国在5G中开展了卫星互联网的建设[18]，这也为6G的演进带来便捷。目前商用的5G移动通信致力于实现人、物和车之间的互联，并解决高信息并发的超低时延、超大用户带宽和超广域覆盖的问题。然而，随着物联网应用的深入，5G所提供的传输时延、覆盖范围、传输速率以及运算能力仍无法满足未来的需求。因而，6G移动通信将具备更低的传输时延以保障信息传送的实时性，更广域的覆盖范围以实现“空天地海”全维度的泛在互联，更快的传输速率以实现流畅的用户体验，并从外挂式的人工智能进化为嵌入式的内生智能。本节首先介绍了无人机在星地融合网络架构中的部署方案，然后对无人机在6G移动网络中所承担的角色进行具体论述。

2.1 星地融合网络架构中无人机的应用

6G移动通信的根本需求不仅包括以通信功能为主的集智能、感知、安全于一体的移动通信网络建设，还要实现以人为中心的、多种网络相互融合的空天地海无缝覆盖[19]。其中，无人机可应用于空基网络，联合卫星、地面设施和海上通信用户，实现复杂场景中的多维度覆盖、随时接入与安全连接，具体框架如图1所示。该网络由天基网、空基网、海基网和地基网组成。其中，地基网主要指地面的通信设备，包括地面的互联网和无线设备。天基网由与地面相对静止的绕地卫星组成。空基网由临时部署的无人机、飞艇等组成，这些设备可以为地面或海面的海基用户提供中继服务，将信息转发至天基卫星。海基网是指海上平台或在海上运行的舰艇、渔船等设备。由于远离陆地，海上平台在现有的地面基站通信范畴内大多处于失联状态，而通过无人机的部署，便可实现海基与陆地控制中心间的通信。

图1 空天地海一体化网络架构

无人机在6G移动通信中主要起到空基网层面的通信功能。通过在不同场景中部署无人机，可以实现在无线通信网络层面的拓展，由地基网的基础通信拓展至空基网，进而可以与天基网的卫星或海基网络进行互联，实现6G全域覆盖、场景互联的宏观需求。在空基网络中，无人机较于飞艇、气球等设备具有更灵活的操控性。同时，空基网中的无人机也可以通过配置多天线阵列、智能反射面[20]等收发装置实现对信息传输更有效的控制。此外，由于空地链路大概率为视距通信链路，因而收发两端的功率衰减会更小，接收端的信噪比也更高，这将显著提升用户的传输速率。另外，由于无人机具有实时、便捷部署的优势，可以利用无人机实现基站的临时部署，以满足在突发或临时情况下密集用户的无线通信需求。表1给出了6G移动通信不同场景中无人机通信的关键技术以及所起到的功能。

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

2.2 无人机辅助地面移动通信的主要功能

无人机凭借其自身的高移动、易部署、视距信道等特性[28]，在6G移动通信中将起到重要的作用。地基网和海基网中通常存在大量移动设备，在某些特殊情况下，仅依靠地面基站无法满足移动设备的通信需求。本节通过介绍无人机在6G场景中的潜在应用对其重要性进行阐述。在6G移动通信网络中，无人机具体的应用场景如图2所示。

图2 无人机在6G移动通信中的主要应用

2.2.1 无人机基站蜂群系统

在未来6G移动通信网络中，由于太赫兹、超大规模天线阵列等技术的应用，加之高分辨率的视频信息和图片信息的广泛需求，终端用户的通信数据量将会显著增加。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，加之声效和其他感官效应，便可使用户体验到全息投影的高保真拓展效果。在该场景中，利用无人机部署各个投影点可以使整个系统更为灵活的部署，并且缩短全息投影的部署时间，给用户带来更加多维保真的视觉体验。

2.2.3 无人机中继网络

6G移动通信中的一个典型场景是“空天地海”无缝全球深度立体覆盖。目前，尽管5G已经致力于陆地移动通信基站的泛在覆盖，但是海面用户仍处于与外界孤立的状态。因此，6G需要解决海平面的无线覆盖问题。将无人机作为中继引入到海基网通信中，可以保证石油作业的海上平台、海面作业的渔船舰艇等海基通信用户与外界的信息畅通。此外，由于海上平台、渔船、舰艇的位置和活动范围具有临时性，利用高效、低价、可实时部署的无人机作为中继节点实现与外界互联也具有更高的性价比。

2.2.4 无人机数据采集

无人机具有灵活移动的优势，能够飞入无人区并实现远程操控。在野外大面积森林、盆地、冰川、平原等诸多不适宜以人工的方式进行数据收集与监测的场景下，可以通过部署无人机，对其飞行轨迹进行优化设计来实现数据的灵活采集。同时，受益于6G移动网络的大通信带宽和高传输速率等特性，无人机可以在更短的时间内实现高效的数据采集，这也从另一方面克服了无人机续航时间短所造成的采集时间不足的问题。

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。本节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 min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。

5 结论

6G移动通信将在5G的低延时、大接入、高带宽的基础上进一步增强网络通信性能指标。本文重点针对6G空天地海一体化无缝覆盖网络架构下空基网络中的无人机通信进行了阐述与分析；同时，针对无人机在通信网络架构中所担任的不同职责对其在6G中的应用场景进行了预测。此外，对6G无人机通信中太赫兹、超大规模天线阵列、智能反射面、人工智能计算、区块链、通信感知一体化等潜在关键技术进行阐述。最后，对面向6G的无人机通信中存在的相关技术挑战与未来发展趋势进行了展望。

参 考 文 献

[1]尤肖虎, 潘志文, 高西奇, 等. 5G移动通信发展趋势与若干关键技术[J]. 中国科学:信息科学, 2014, 44(5): 551–563. doi: 10.1360/N112014-00032.YOU Xiaohu, PAN Zhiwen, GAO Xiqi, et al. The 5G mobile communication: The development trends and its emerging key techniques[J]. Scientia Sinica Informationis,2014, 44(5): 551–563. doi: 10.1360/N112014-00032.

[2]LYU Feng, CHENG Nan, ZHU Hongzi, et al. Intelligent context-aware communication paradigm design for IoVs based on data analytics[J]. IEEE Network, 2018, 32(6):74–82. doi: 10.1109/MNET.2018.1800067.

[3]GUAN Yueshi, WANG Yijie, BIAN Qing, et al. Highefficiency self-driven circuit with parallel branch for high frequency converters[J]. IEEE Transactions on Power Electronics, 2018, 33(2): 926–931. doi: 10.1109/TPEL.2017.2724545.

[4]Cisco System. Cosic visual networking index: Global mobile data traffic forecast update, 2017–2022 white paper[S]. 2019.

[5]赛迪智库无线管理研究所. 6G概念及愿景白皮书[N]. 中国计算机报, 2020-05-11(008). doi: 10.28468/n.cnki.njsjb.2020.000054.

[6]张平, 牛凯, 田辉, 等. 6G移动通信技术展望[J]. 通信学报,2019, 40(1): 141–148. doi: 10.11959/j.issn.1000-436x.2019 022.ZHANG Ping, NIU Kai, TIAN Hui, et al. Technology prospect of 6G mobile communications[J]. Journal on Communications, 2019, 40(1): 141–148. doi: 10.11959/j.issn.1000-436x.2019022.

[7]谢莎, 李浩然, 李玲香, 等. 面向6G网络的太赫兹通信技术研究综述[J]. 移动通信, 2020, 44(6): 36–43. doi: 10.3969/j.issn.1006-1010.2020.06.006.XIE Sha, LI Haoran, LI Lingxiang, et al. A survey of terahertz communication technologies for 6G networks[J].Mobile Communications, 2020, 44(6): 36–43. doi: 10.3969/j.issn.1006-1010.2020.06.006.

[8]CHEN Shuaifei, ZHANG Jiayi, JIN Yu, et al. Wireless powered IoE for 6G: Massive access meets scalable cell-free massive MIMO[J]. China Communications, 2020, 17(12):92–109. doi: 10.23919/JCC.2020.12.007.

[9]LONG Wenxuan, CHEN Rui, MARCO M, et al. A promising technology for 6G wireless networks: Intelligent refl ecting surface[J]. Journal of Communications and Information Networks, 2021, 6(1): 1–16. doi: 10.23919/JCIN.2021.9387701.

[10]LETAIEF K B, CHEN Wei, SHI Yuanming, et al. The roadmap to 6G: AI empowered wireless networks[J]. IEEE Communications Magazine, 2019, 57(8): 84–90. doi: 10.1109/MCOM.2019.1900271.

[11]ZHAO Nan, LU Weidang, SHENG Min, et al. UAV-assisted emergency networks in disasters[J]. IEEE Wireless Communications, 2019, 26(1): 45–51. doi: 10.1109/MWC.2018.1800160.

[12]CHEN Xinying, LI Dongdong, YANG Zhutian, et al.Securing aerial-ground transmission for NOMA-UAV networks[J]. IEEE Network, 2020, 34(6): 171–177. doi: 10.1109/MNET.011.2000101.

[13]WANG Jun, NA Zhenyu, and LIU Xin. Collaborative design of multi-UAV trajectory and resource scheduling for 6G-enabled internet of things[J]. IEEE Internet of Things Journal, 2021, 8(20): 15096–15106. doi: 10.1109/JIOT.2020.3031622.

[14]刘超, 陆璐, 王硕, 等. 面向空天地一体多接入的融合6G网络架构展望[J]. 移动通信, 2020, 44(6): 116–120. doi: 10.3969/j.issn.1006-1010.2020.06.017.LIU Chao, LU Lu, WANG Shuo, et al. Prospects for a multi-access air-space-terrestrial integrated 6G network architecture[J]. Mobile Communications, 2020, 44(6):116–120. doi: 10.3969/j.issn.1006-1010.2020.06.017.

[15]KHUWAJA A A, CHEN Yunfei, ZHAO Nan, et al. A survey of channel modeling for UAV communications[J].IEEE Communications Surveys & Tutorials, 2018, 20(4):2804–2821. doi: 10.1109/COMST.2018.2856587.

[16]DUO Bin, WU Qingqing, YUAN Xiaojun, et al. Antijamming 3D trajectory design for UAV-enabled wireless sensor networks under probabilistic LoS channel[J]. IEEE Transactions on Vehicular Technology, 2020, 69(12):16288–16293. doi: 10.1109/TVT.2020.3040334.

[17]COSTANTINO D, ANGELINI M G, and VOZZA G. The engineering and assembly of a low cost UAV[C].Proceedings of 2015 IEEE Metrology for Aerospace(MetroAeroSpace), Benevento, Italy, 2015: 351–355. doi:10.1109/MetroAeroSpace.2015.7180681.

[18]DAI Cuiqin, ZHANG Mingjian, LI Chong, et al. QoE-aware intelligent satellite constellation design in satellite internet of things[J]. IEEE Internet of Things Journal, 2021, 8(6):4855–4867. doi: 10.1109/JIOT.2020.3030263.

[19]ZHU Xiangming, JIANG Chunxiao, KUANG Linling, et al.Cooperative transmission in integrated terrestrial-satellite networks[J]. IEEE Network, 2019, 33(3): 204–210. doi: 10.1109/MNET.2018.1800164.

[20]SHAFIQUE T, TABASSUM H, and HOSSAIN E.Optimization of wireless relaying with flexible UAV-borne reflecting surfaces[J]. IEEE Transactions on Communications, 2021, 69(1): 309–325. doi: 10.1109/TCOMM.2020.3032700.

[21]NA Zhenyu, LIU Yue, SHI Jingcheng, et al. UAV-supported clustered NOMA for 6G-enabled internet of things:Trajectory planning and resource allocation[J]. IEEE Internet of Things, 2021, 8(20): 15041–15048. doi: 10.1109/JIOT.2020.3004432.

[22]ZHANG Shuhang, ZHANG Hongliang, and SONG Lingyang. Beyond D2D: Full dimension UAV-to-everything communications in 6G[J]. IEEE Transactions on Vehicular Technology, 2020, 69(6): 6592–6602. doi: 10.1109/TVT.2020.2984624.

[23]ZHANG Xi, WANG Jingqing, and POOR H V. Vincent.AoI-driven statistical delay and error-rate bounded QoS provisioning for mURLLC Over UAV-multimedia 6G mobile networks using FBC[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(11): 3425–3433. doi: 10.1109/JSAC.2021.3088625.

[24]CHANG Hengtai, WANG Chengxiang, LIU Yu, et al. A novel nonstationary 6G UAV-to-ground wireless channel model with 3-D arbitrary trajectory changes[J]. IEEE Internet of Things Journal, 2020, 8(12): 9865–9877. doi: 10.1109/JIOT.2020.3018479.

[25]SAEED A, GURBUZ O, BICEN A O, et al. Variablebandwidth model and capacity analysis for aerial communications in the terahertz band[J]. IEEE Journal on Selected Areas in Communications, 2021, 39(6): 1768–1784.doi: 10.1109/JSAC.2021.3071831.

[26]CHENG Hai, BERTIZZOLO L, D'ORO S, et al. Learning to fly: A distributed deep reinforcement learning framework for software-defined UAV network control[J]. IEEE Open Journal of the Communications Society, 2021, 2: 1486–1504.doi: 10.1109/OJCOMS.2021.3092690.

[27]GUPTA R, SHUKLA A, and TANWAR S. BATS: A blockchain and ai-empowered drone-assisted telesurgery system towards 6G[J]. IEEE Transactions on Network Science and Engineering, 2021, 8(4): 2958–2967. doi:10.1109/TNSE.2020.3043262.

[28]JIANG Xu, CHEN Xinying, TANG Jie, et al. Covert communication in UAV-assisted air-ground networks[J].IEEE Wireless Communications, 2021, 28(4): 190–197.doi: 10.1109/MWC.001.2000454.

[29]CHEN Zhi, MA Xinying, ZHANG Bo, et al. A survey on terahertz communications[J]. China Communications, 2019,16(2): 1–35. doi: 10.12676/j.cc.2019.02.001.

[30]ZHANG Senjie, JIN Shi, WEN Chaokai, et al. Improving expectation propagation with lattice reduction for massive MIMO detection[J]. China Communications, 2018, 15(12):49–54. doi: 10.12676/j.cc.2018.12.003.

[31]AKYILDIZ I F and JORNET J M. Realizing ultra-massive MIMO (1024×1024) communication in the (0.06–10)terahertz band[J]. Nano Communication Networks, 2016, 8:46–54. doi: 10.1016/j.nancom.2016.02.001.

[32]ZHANG Chuan, UENG Y L, STUDER C, et al. Artificial intelligence for 5G and beyond 5G: Implementations,algorithms, and optimizations[J]. IEEE Journal on Emerging and Selected Topics in Circuits and Systems,2020, 10(2): 149–163. doi: 10.1109/JETCAS.2020.3000103.

[33]WANG Hong, LIU Chen, SHI Zheng, et al. On power minimization for IRS-aided downlink NOMA systems[J].IEEE Wireless Communications Letters, 2020, 9(11):1808–1811. doi: 10.1109/LWC.2020.2999097.

[34]XIE Ziwen, LIU Junyu, SHENG Min, et al. Exploiting aerial computing for air-to-ground coverage enhancement[J].IEEE Wireless Communications.

[35]JIANG Xu, SHENG Min, ZHAO Nan, et al. Green UAV communications for 6G: A survey[J]. Chinese Journal of Aeronautics, 2021. doi: 10.1016/j.cja.2021.04.025. doi: 10.1016/j.cja.2021.04.025.

Survey on Unmanned Aerial Vehicle Communications for 6G

CHEN Xinying① SHENG Min② LI Bo③ ZHAO Nan①

①(School of Information and Communication Engineering, Dalian University of Technology, Dalian 116024, China)
②(State Key Laboratory of Integrated Service Networks, Xidian University, Xi'an 710071, China)
③(School of Information Science and Engineering, Harbin Institute of Technology at Weihai, Weihai 264209, China)

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 multipleoutput, 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-groundsea integration; Terahertz; Intelligent Reflecting Surface(IRS)

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

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)

陈新颖：女，1992年生，博士生，研究方向为无人机通信、隐蔽通信、物理层安全.

盛 敏：女，1975年生，教授，博士生导师，研究方向为移动通信系统、移动自组织网、异构网络融合、空间信息网络.

李 博：男，1983年生，副教授，博士生导师，研究方向为无线通信、空天地网络、海洋信息传感网、飞行自组织网络.

赵 楠：男，1982年生，教授，博士生导师，研究方向为无人机通信、非正交多址接入、干扰管理、绿色通信.