面向6G的无线接入网络数字孪生技术研究

数字孪生技术 面向6G的无线接入网络 DigitalTwinTechnologyforWirelessAccessNetworkOrientedto6G 段向阳/DUANXiangyang1，2，康红辉/KANGHonghui1，2，吕星哉/LYUXingzai1，2，芮华/RUIHua1，2 （1.中兴通讯股份有限公司，中国深圳518057； 2.移动网络和移动多媒体技术国家重点实验室，中国深圳518055）(1.ZTECorporation,Shenzhen518057,China; 2.StateKeyLaboratoryofMobileNetworkandMobileMultimediaTech⁃nology,Shenzhen518055,China) DOI：10.12142/ZTETJ.202303007 网络出版地址：http://kns.cnki.net/kcms/detail/34.1228.TN.20230620.1345.006.html网络出版日期：2023-06-20 收稿日期：2023-04-25 摘要：未来6G网络不但可以为数字孪生技术提供数据传输、高可靠性连接等基础能力，自身也可以利用数字孪生技术来实现网络智能化。从数字孪生技术的原理及6G网络的需求出发，研究了数字孪生无线网络的架构、关键技术和应用等，探讨了数字孪生技术在6G无线接入网络中的作用。认为数字孪生无线网络可成为6G网络的基础性架构，也是6G网络智能化的关键使能因素。 关键词：数字孪生；6G；人工智能；大数据；无线信道 Abstract:Thefuture6Gnetworkscannotonlyprovidebasiccapabilitiessuchasdatatransmissionandhigh-reliabilityguaranteefordigitaltwintechnologies,butalsoutilizedigitaltwintechnologiestoachievenetworkintelligence.Focusingontheprinciplesofdigitaltwintech⁃nologiesandtherequirementsof6Gnetworks,thearchitecture,keytechnologies,andapplicationsofdigitaltwinwirelessnetworksarestudied,andtheroleofdigitaltwintechnologiesin6Gwirelessaccessnetworksisanalyzed.Itisbelievedthatdigitaltwinwirelessnet⁃workswillbecomethefundamentalarchitectureof6Gnetworks,andwillbethekeyfactoroftheintelligentizationof6Gnetworks. Keywords:digitaltwin;6G;artificialintelligence;bigdata;wirelesschannel 引用格式：段向阳,康红辉,吕星哉,等.面向6G的无线接入网络数字孪生技术[J].中兴通讯技术,2023,29(3):32-37.DOI:10.12142/ZTETJ.202303007 Citation:DUANXY,KANGHH,LYUXZ,etal.Digitaltwintechnologyforwirelessaccessnetworkorientedto6G[J].ZTEtechnologyjour⁃nal,2023,29(3):32-37.DOI:10.12142/ZTETJ.202303007 1数字孪生无线网络发展现状 数 字孪生技术能够将物理世界的物、人、事及其互动联系在数字世界中建立虚拟映像，是近年来的革命性技 术。在数字域构造一个物理对象或系统的虚拟数字孪生体，可以有效地模拟、优化和预测对应物理实体的行为和性能[1]。目前数字孪生技术已在多个垂直行业实现落地应用，如自动驾驶、数字城市、数字矿山、数字工厂等。在电信领域，无线通信网络不仅可以为数字孪生在各个领域的应用提供泛在高速的连接，也可以借助数字孪生技术来实现新架构、新流程和新服务[2-3]。 在传统电信网络中，解决网络“规建维优”问题的思路是：使用物理公式对网络环境进行简化，设置约束条件，将问题建模为一个数学优化问题来求解，或者用数值近似方法 来逼近最优解。但随着网络日趋复杂，网络参数数急剧增加，在现网路测评估中使用常规算法变得越来越不可行。当前运营商在网络“规运维优”中面临诸多困难：在外场特别是ToB场景中，环境多变，运维费时费力，故障诊断和分析困难；新技术效果和理论与仿真差距大，难以提前实地验证，落地部署缓慢；同时数据被封闭在不同网元上，形成无数“数据孤岛”，难以汇聚为大数据以发挥其价值。 未来的6G网络显然不能再采用传统思路，而是要采用以人工智能为核心驱动力的网络“规建维优”方案。人工智能驱动方案避免了数学建模的抽象性转换问题，更能满足现网需求，可通过大规模神经网络计算来快速给出合理决策。这样的系统首先需要一个和现网十分接近的数字模型来为人工智能提供输入数据；其次，由于人工智能结果的不可解释 性，也需要一个具备仿真能力的平台来验证其决策的有效性。人工智能、数字模型和动态仿真能力三者的结合就是智慧内生的数字孪生系统。通过在数字域构筑无线网络的数字孪生体，利用网络可视、数据开放、动态仿真和智能分析决策等手段可有效赋能自主自治的未来6G网络。 目前业界针对数字孪生无线网络已经开展了很多研究。中国移动连续发布《数字孪生网络（DTN）白皮书》[4]《数字孪生技术应用白皮书》[5]《基于数字孪生网络的6G无线自治白皮书》[6]等，明确提出了数字孪生网络的4项技术特征，设计了端到端网络架构，规划了关键技术体系，给出了具体案例。国际电信联盟电信标准化部门正在制订“数字孪生网络的要求和体系结构”标准。针对数字孪生技术赋能个性网络应用场景，中国通信标准化协会正在制订“行业现场数字孪生场景与需求”系列标准。IMT-2030（6G）推进组发布的白皮书更是将数字孪生技术作为6G网络的架构性技术之一。在研究领域，从理论框架、模型构建到业务应用的研究成果也在不断涌现[7-9]。 随着人工智能技术的发展，未来6G网络架构不仅需要一种能和真实现场高精度匹配的验证环境，还需要提供数据开放和数据生产能力以便为人工智能提供训练输入。这决定了数字孪生技术在6G网络中将扮演重要的角色。本文将从架构、技术和应用几个方面深入探讨面向6G无线接入网络的数字孪生技术。 2概念与架构 应用层 关键技术 智能规建运维大数据衍生创新验证服务接口 网络层效果和数据意图翻译 网络状态与数据智能管控体运行结果和统计模型训练校准纠偏性能评估 智能决策 实接口虚接口 孪生模型和运行指令内循环孪生网络体 网络参数与模型部署仿真执行数据收集 决策外循环网元模型用户行为 模型 物理网络体无线环境仿真引擎 网元拓扑业务环境行为模型 可视化技术接口技术计算技术建模技术 在传统的数字孪生技术中，数字孪生包括产品孪生、产品线孪生、性能孪生、运营孪生积累。面向6G的数字孪生网络应该是以上各种类的综 合，是一种包含新技术设计和验证、网元开发和部署、网络规划和建设、网络性能和运维多维度、全网络生命周期的网络。它能够为新技术预研专家、产品开发工程师、规建运维人员等提供服务，具备支持6G网络可视、可控、自主演进的能力。 数据统计 6G中的数字孪生网络如图1所示。该网络拥有“双层、三体、双循环”结构。其中，“双层”是指应用层和 络体、孪生网络体和智能管控体，“双循环”是指内循环和外循环。 应用层提供各种数字孪生网络的服务，主要包括三大类：1）网络智能“规建运维”服务；2）对AI算法赋能，并提供的大数据衍生服务；3）对新技术、新产品进行快速低成本的创新验证服务。各种服务通过服务接口并经过相应的意图翻译后，将应用的需求传递到下面的网络层。随后，服务接口接收执行返回的数据。 网络层由物理网络体、孪生网络体和智能管控体构成。其中，智能管控体通过实接口和虚接口分别连接物理网络体和孪生网络体。物理网络体即现实中部署的真实外场网络，包含网元、运行的业务、无线环境及用户的行为等。孪生网络体即物理网络在数字域的虚拟镜像，其中的孪生模型能够高保真地复现真实外场网络中的各种复杂因素，并具备模拟这些复杂因素互动和变化的动态仿真能力。作为系统的“大脑”，智能管控体则进行各种流程调度、资源分配、数据处理配置以及最终决策，从真实的物理网络体中采集并获取网元、拓扑、业务、环境和用户行为的状态与数据，通过专门的知识提取和训练技术将其构建为孪生模型，并将这些模型部署到孪生网络体中；同时根据智能决策产生的方案指导数字孪生体进行仿真，收集相应的运行数据，进行迭代优化。此外，智能管控体会根据仿真结果评估在现实网络中的可行性和增益，矫正孪生网络体和物理网络体的偏差，最后做出可信、可解释的优化决策并将其配置给物理网络，实现性能优化和故障诊断，并向应用层反馈效果和相应的数据。 6G中的数字孪生网络运行过程可以概括为内循环和外循环。其中，内循环是指在孪生网络体内部根据智能管控体 网络层，“三体”是指物理网 ▲图1面向6G的数字孪生无线孪生网络参考架构和关键技术 的指示，不断尝试新策略、新参数以寻找更优方案的过程；外循环是指在物理网络体和孪生网络体间的同步和逼近迭代。在外循环中，孪生网络体根据物理网络体现状修正自身模型，不断逼近物理网络体；同时物理网络体使用新策略和新参数改变自身状态，以逼近孪生网络体仿真得到的未来状态。孪生网络体内迭代优化的内循环和孪生网络体与物理网络体之间往复迭代的外循环可实现虚实同步共生，高效推进网络智能自我更新和生长。 3关键技术和挑战 面向6G的数字孪生技术目前仍面临从显示、建模到计算的一系列挑战。因此，我们需要重点关注以下关键技术。 3.1建模技术 3.1.1方法论 建模技术是数字孪生的基础。如果没有和物理实体贴近的数字模型，就不可能构建合理的数字孪生无线网络。传统的孪生模型包括数学模型和数据驱动模型。数学模型具备一定的泛化性。因为在现实中难以获得具体场景和实体的全部参数与边界条件，所以构建足够精确的模型是比较困难的。数据驱动模型是由具体场景和实体的输入输出训练得到的，它可以很好地拟合具体场景和实体，但是存在泛化能力弱的问题。因此，使用知识+数据的双驱动建模方式显得更为合理。这种方式将数学公式和物理规律抽象为知识，并利用这些知识减少神经网络的复杂度，提升其泛化能力。知识可以通过知识图谱来存储和运算，以便更好地理解数字孪生模型中各个元素之间的关系，更加深入地分析和优化孪生模型。数据中包含具体场景和实体的信息。利用训练可以提取这些特性信息，使得模型更为准确地拟合具体场景和实体。 同时，以ChatGPT为代表的大模型技术也在兴起。大模型可以通过更多的参数和层数来学习更丰富的特征，从而提高建模和仿真的准确性。通过大模型，数字孪生可以模拟更复杂的系统，并预测可能的结果，例如：大模型可以用于建立高精度的3D模型，这可以为数字孪生提供更多的信息来模拟现实世界中的各种场景。 3.1.2各模型构建技术 在数字孪生无线网络中，模型可以分为3类：网元模型、无线环境模型和用户行为模型。这些模型由智能管控体训练生成，随后被部署到孪生网络体中。 网元即无线网络中存在的各种设备，比如天线、基站、 终端和路由器等。由于硬件结构和软件代码都是可知的，因此对精确度要求很高的场景可以采用白盒建模的方案，在孪生网络体中复现其硬件运行机理，运行和实际相同的软件代码。但此种方法对大规模网络的运算量提出较高的要求。对精确度要求较低的场景可以采用黑盒建模的方案，利用训练后的神经网络来模拟整个网元的输