中興通訊&清華大學：2024年6G近場技術白皮書（131頁）.pdf

《中興通訊&清華大學：2024年6G近場技術白皮書（131頁）.pdf》由會員分享，可在線閱讀，更多相關《中興通訊&清華大學：2024年6G近場技術白皮書（131頁）.pdf（131頁珍藏版）》請在三個皮匠報告上搜索。

1、6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇I6G6G近場技術白皮書近場技術白皮書顧問：顧問：崔鐵軍(),東南大學張平(),北京郵電大學尤肖虎(),東南大學主編：主編：趙亞軍(),中興通訊戴凌龍(),清華大學張建華(),北京郵電大學章節編委：章節編委：黃崇文(),浙江大學劉元瑋(yuanwei.liuqmul.ac.uk),倫敦瑪麗女王大學袁弋非(),中國移動主要貢獻作者主要貢獻作者：（*按姓名首字母排序）艾渤(),北京交通大學白宇明(),北京理工大學蔡雪松(xuesong.caieit.lth.se)，隆德大學曹艷霞(),中國聯通曾勇(yong_),東南大學陳高潔(ga

2、ojie.chenieee.org),中山大學程日濤(),中國移動通信集團設計院有限公司程振橋(),中國電信研究院崔銘堯(cui-),清華大學戴凌龍(),清華大學邸博雅(),北京大學電子學院董麗娟(donglijuan_),山西大同大學竇建武(),中興通訊杜軍(),清華大學段世茹(),北京信息科技大學馮強(),西安電子科技大學高飛飛(feifeigaoieee.org),清華大學高松濤()中國移動通信集團設計院有限公司高巖(),北京理工大學集成電路與電子學院高瑩(),上海交通大學高鎮(),北京理工大學宮鐵瑞(tierui.gongntu.edu.sg),南洋理工大學顧琪(),中國移動韓家奇()

3、,西安電子科技大學韓瑜(),東南大學郝萬明(),鄭州大學何東軒(dongxuan_),北京理工大學何繼光(jiguang.hetii.ae),Technology Innovation Institute,侯天為(),北京交通大學侯曉林(houdocomolabs-),DOCOMO BeijingLabs胡杰（），電子科技大學胡偉東(),北京理工大學黃崇文(),浙江大學黃繼杰(kai-kit.wongac.ucl.uk),倫敦大學學院黃青霄（），電子科技大學季然(),浙江大學菅夢楠(),中興通訊江浩(),南京信息工程大學姜大潔(),維沃(vivo)軟件技術有限公司蔣玉驊(),清華大學金石(),

4、東南大學靳亞盛(),東南大學雷浩(),北京交通大學李伽鵬(),南方科技大學李佳雪(jiaxue_),鄭州大學李龍(),西安電子科技大學李南希(),中國電信研究院李翔(lixdocomolabs-),DOCOMO BeijingLabs李鑫睿(xinrui_),東南大學李錚(stones_)鄭州大學劉凡(),南方科技大學劉海霞(),西安電子科技大學劉俊()，電子科技大學；劉秋妍(),中國聯通劉睿祺(),中興通訊劉升恒(),東南大學劉思聰(),廈門大學劉望(w_),東南大學劉晞遠(),同濟大學劉元瑋(yuanwei.liuqmul.ac.uk),倫敦瑪麗女王大學盧立洋(),清華大學陸海全(),東南

5、大學陸宇(y-),清華大學羅宏亮(),清華大學II馬文焱(wenyanu.nus.edu)，新加坡國立大學毛天奇(),北京理工大學繆海烊(),北京郵電大學慕熹東(xidong.muqmul.ac.uk),倫敦瑪麗女王大學歐陽崇峻(chongjun.ouyangucd.ie)，都柏林大學潘存華(),東南大學潘都(),中國移動通信集團設計院有限公司任紅(),東南大學沙威(),浙江大學沈嘉宇(),浙江大學史旭(shi-),清華大學史琰(),西安電子科技大學束鋒(),海南大學宋健(),清華大學蘇昕(),中信科移動通信技術股份有限公司蘇鑫(),中國移動孫蕊蕊(),東南大學孫藝瑋(),中國移動孫韻淇(),

6、中興通訊唐盼(),北京郵電大學田佳辰(),東南大學王勃皓(),浙江大學王蕙質(),東南大學王勁濤(),清華大學王鵬飛(),維沃(vivo)軟件技術有限公司王珊(),中興通訊王照霖(zhaolin.wangqmul.ac.uk),倫敦瑪麗女王大學王者(zhewang_),北京交通大學魏麗(l_weintu.edu.sg),南洋理工大學溫淼文(),華南理工大學吳泳澎(),上海交通大學電子工程系吳梓棟(),清華大學武慶慶(),上海交通大學謝欣宇(),上海交通大學電子工程系徐樂西(),中國聯通研究院徐媛(yuan_),浙江大學徐卓(),清華大學許柏愷(),北京交通大學許嘉琪(jiaqi.xuqmul.

7、ac.uk),倫敦瑪麗女王大學薛皓(),西安電子科技大學嚴超(chau.yuenntu.edu.sg),南洋理工大學楊昉(),清華大學楊剛(),電子科技大學；楊坤(),維沃(vivo)軟件技術有限公司楊鯤（），南京大學楊現俊(),中信科移動通信技術股份有限公司楊照輝(yang_)，浙江大學信息與電子工程學院游昌盛()南方科技大學于偉華(),北京理工大學集成電路與電子學院/北京理工大學重慶微電子研究院于一鳴(),中國移動通信集團設計院有限公司禹宏康(),中興通訊袁弋非(),中國移動袁志強(),北京郵電大學岳韶華(),北京大學電子學院岳新偉(),北京信息科技大學張朝陽()，浙江大學信息與電子工程學

8、院張迪(dr.di.zhangieee.org),鄭州大學張帆(),清華大學張海洋(),南京郵電大學張建華(),北京郵電大學張楠(),中興通訊張琪(),中興通訊張瑞（），香港中文大學（深圳）/新加坡國立大學張殊培(),北京大學電子學院張行(xing_),南京郵電大學張揚(y_),東南大學張雨童(),北京大學電子學院張月霞(),北京信息科技大學章嘉懿(),北京交通大學章樂怡(),中興通訊趙楠(),大連理工大學趙亞軍(),中興通訊趙毅哲（），電子科技大學鄭倍雄(),華南理工大學馬甜甜(),華南理工大學馮杰(),華南理工大學6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇III熊雪

9、(),華南理工大學鄭爽(),中興通訊支康達(k.zhitu-berlin.de),柏林工業大學朱劍馳(),中國電信研究院朱立鵬(zhulpnus.edu.sg)，新加坡國立大學朱旭升(),上海交通大學朱政宇(),鄭州大學鄒德岳(),大連理工大學引用格式引用格式:趙亞軍,戴凌龍,張建華等.6G 近場技術白皮書,南京,2024.doi:10.12142/FuTURE.202404001.Citation:Y.J.Zhao,L.L.Dai,J.H.Zhang,et al.“6GNear-fieldTechnologiesWhitePaper,”FuTUREForum,Nanjing,China,Ap

10、r 2024.doi:10.12142/FuTURE.202404002.致謝（致謝（Acknowledgement）本白皮書作為FuTURE論壇精心策劃的6G系列白皮書之一，得益于國內外無線通信領域眾多杰出專家學者的共同努力與卓越貢獻。在編撰過程中，各位專家學者以其深厚的學術底蘊和豐富的實踐經驗，為白皮書提供了寶貴的學術支持和專業指導。我們深感榮幸能夠與這樣一群卓越的學者共事，并衷心感謝他們的辛勤工作和無私奉獻。正是有了他們的鼎力相助，白皮書才得以順利誕生，并呈現出高水平的學術價值和實踐意義。我們期待在未來繼續與各位專家學者保持緊密的合作關系，共同推動近場技術的發展。6G6G 近場通信技術白

11、皮書近場通信技術白皮書/FuTURE 論壇I摘要（摘要（Executive Summary）隨著 5G 無線網絡商業化的加速推進，對 6G 無線網絡的前瞻性研究亦隨之加強。在此背景下，6G 網絡被設定了比前代無線網絡更宏偉的目標和更高的性能標準?，F有的無線通信網絡（1G 至 5G）主要利用 6GHz 以下的頻譜，受波長限制，這些網絡通常配備較小規模的天線陣列。由于低維天線陣列和較低頻率的結合，無線近場通信范圍通常受限于數米甚至數厘米。然而，為滿足未來 6G 網絡的需求及技術本身的演進，將會采用更大的天線孔徑和更高頻段（如新中頻、毫米波、太赫茲等），這使得近場特性尤為顯著。新興技術如智能超表面（

12、RIS）、超大規模 MIMO、可移動天線、無蜂窩網絡（Cell-free）等技術的引入，使得近場場景在未來無線網絡中更加普遍。從空間資源利用的角度來看，傳統無線通信系統雖已充分利用遠場空間資源，但對近場空間資源的進一步探索預計將為無線通信系統帶來新的物理空間維度。近場通信技術因其在實現 6G 網絡更高數據速率、高精度感知及物聯網無線傳能等方面的潛在作用而受到關注。近場技術領域的研究顯示，由于電磁波傳播特性的變化，不再能簡單地視為平面波，而需被視為球面波。這引入了諸如空間非平穩性、波束分裂、三極化、倏逝波等新電磁效應。因此，許多傳統通信算法在 6G 近場場景下性能下降，或無法充分利用新特性。本文

13、從電磁理論的近場定義出發，深入分析了近場電磁效應的根源及其對現有通信系統的影響，并總結了近場效應對通信系統設計和性能的影響，特別是通信自由度和通信容量兩大核心指標。信道特性和模型的深入了解對通信系統設計至關重要，因此，本文從信道測量和建模的角度介紹了近場信道的研究，并探討了信道估計、波束形成、碼本設計等近場傳輸技術。同時，本文還涉及近場技術與其他領域技術的融合，如定位、無線傳能、物理層安全等。本文旨在全面系統地梳理近場技術，期望對其研究的發展起到促進作用。II目錄目錄1.概述.12.近場應用場景.42.1 高中低頻傳輸（不同頻段的近場場景）.42.1.1 高頻段傳輸.52.1.2 中頻段傳輸.

14、62.1.3 低頻段傳輸.62.2 超大孔徑使能近場.72.2.1 智能超表面使能近場.72.2.2 超大規模天線陣列使能近場.82.2.3 無蜂窩近場通信.92.2.4 可移動天線使能近場通信與感知.102.3 通感一體化.112.4 無線定位.112.5 信能同傳.122.6 物理層安全.132.7 使能海量接入.142.8 片上無線通信.143.近場基礎理論.163.1 近場范圍劃分.163.2 近場的電磁物理效應.193.2.1 近場電磁信號模型.193.2.2 近場電磁效應.213.2.3 近場波束特性.223.3 近場自由度理論分析.243.4 近場性能分析與測量.263.4.1

15、近場性能分析.263.4.2 近場測量與近遠場變換.334.近場信道測量與建模.354.1 近場信道測量.354.2 近場信道仿真.364.3 近場信道建模.425.近場傳輸技術.505.1 近場信道估計.505.2 近場波束賦形.545.3 近場碼本設計.585.4 近場波束訓練.625.5 近場多址技術.645.5.1 位分多址（LDMA）.645.5.2 非正交多址（NOMA）.655.5.3 無用戶標識隨機接入（URA）.666G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇III5.6 近場系統架構與部署.675.7 標準影響.696.近場與其他技術融合.716.1

16、近場與定位.716.1.1 近場與定位.716.1.2 基于 RIS 的近場定位技術.726.1.3 基于可控波束偏移的近場定位技術.746.2 近場與通感一體化.766.2.1 從遠場感知到近場感知.766.2.2 近場通信感知一體化.806.3 近場與無線傳能.836.3.1 電磁輻射式 WPT.836.3.2 近遠場 SWIPT.866.3.3 全息 SWIPT.876.4 近場物理層安全.886.4.1 近場物理層安全傳輸設計.886.4.2 RIS 輔助近場物理層安全傳輸設計.906.5 基于近場的 OAM.906.5.1 軌道角動量與渦旋波.916.5.2 渦旋波的近場調控.916

17、.5.3 渦旋波的接收與 OAM 檢測.926.6 基于 AI 的近場通信.936.6.1 基于近場通信的語義通信架構.936.6.2 基于近場通信的聯邦學習架構.936.6.3 基于 AI 的近場寬帶波束賦形.946.7 近場與片上無線通信.956.7.1 基于片上天線的片上無線通信.956.7.2 基于三維堆疊芯片的片上無線通信.976.8 近場與物體材質感知.997.總結與展望.101參考文獻.102術語和縮略語列表.120IV圖目錄圖目錄圖 1.1近場傳播技術體系.錯誤！未定義書簽。錯誤！未定義書簽。圖 1.2近場應用場景.2圖 2.1IMT-2030 應用場景和關鍵能力指標.4圖 2

18、.2未來 6G 的高、中、低全頻段頻譜.5圖 2.3多用戶近場通信，朝向每個用戶指向波束（a）三維空間；（b）遠場設計下的波束轉向，導致相同角度上的用戶間干擾；（c）近場設計下的波束聚焦，干擾較小17.6圖 2.4RIS 輔助近場應用場景.8圖 2.5近場定位場景模型23.8圖 2.6不同超大規模陣列架構類別24.9圖 2.7可移動天線輔助近場通信與感知.10圖 2.8近場 ISAC 系統39.11圖 2.9近場定位示意圖，可以通過超大規模天線陣列 ELAAs,智能超表面 RIS 和分布式 MIMO 等多種形式提供近場的高精度定位服務。.12圖 2.10近場無線傳能示意圖.13圖 2.11左圖

19、：使用波束轉向的遠場安全通信；右圖：使用波束聚焦的近場安全通信13圖 2.12近場多址接入示意圖.14圖 2.13利用天線的片內和片間通信.15圖 2.14不同半導體材料的芯片間的無線互聯.15圖 2.15使用片上無線通信技術的單片多核處理器.15圖 3.1遠場平面波面與近場球面波面及對應物理空間歸一化接收能量.17圖 3.2典型通信場景近場范圍.18圖 3.3近場電磁輻射系統圖.19圖 3.4近場多極化球面波建模.21圖 3.5近場三極化信道容量.21圖 3.6近場波束分裂效應示意圖.22圖 3.7波束增益隨距離的變化趨勢.23圖 3.8信道相關性隨天線變化曲線.23圖 3.9UCA 和 U

20、LA 的波束形成增益比較.24圖 3.10近場額外自由度.24圖 3.11各向同性散射條件下奈奎斯特采樣.25圖 3.12離散孔徑 MIMO 近場信道的奇異值.25圖 3.13集中式天線與稀疏天線通信速率累計誤差函數關系88.27圖 3.14不同模型下接收信噪比隨天線數目變化關系89.28圖 3.15不同陣列結構和近場模型下的波束聚焦圖9192.28圖 3.16 模塊化和集中式超大規模天線陣列可實現和速率隨用戶分布半徑變化關系9229圖 3.17尺寸無限大的智能超表面輔助通信系統.29圖 3.18智能超表面輔助通信系統中信號傳播距離對不同鏈路路徑損耗的影響.30圖 3.19HRIS 輔助定位性

21、能.31圖 3.20傅立葉平面波展開信道建模.326G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇V圖 3.21傅立葉平面波展開信道容量仿真.32圖 3.22近場電磁信道容量極限.33圖 3.23RIS 通信應用場景.33圖 4.1時域和頻域的信道測量平臺109122.36圖 4.2(a)基于虛擬陣列的 VNA 的近場信道測量，(b)陣元上的信道沖激響124.36圖 4.3(a)水平極化陣子近場電磁場分布。(b)垂直極化陣子近場電磁場分布.37圖 4.4大規模天線陣列排布（6GHz，1024 單元）.38圖 4.5(a)天線各陣子-第 1 徑-絕對時延(b)天線各陣子-第 2

22、 徑-絕對時延.38圖 4.6(a)天線 各陣 子-第 1 徑-AOA/AOD/ZOA/ZOD(b)天線 各陣 子-第 2 徑-AOA/AOD/ZOA/ZOD.38圖 4.7(a)天線各陣子-第 1 徑-相對功率(b)天線各陣子-第 2 徑-相對功率.39圖 4.8(a)天線各陣子-第 1 徑-相位(b)天線各陣子-第 2 徑-相位.39圖 4.9PEC 球與陣列天線的相對位置，及入射波矢方向.40圖 4.10在基站陣列天線各單元陣子處，H 極化及 V 極化饋入波對應的信號強度增益分布.40圖 4.11在基站陣列天線各單元陣子處，H 極化及 V 極化饋入波對應的信號強度增益分布.40圖 4.1

23、2近場散射體與陣列天線的相對位置，及入射波矢方向.41圖 4.13在基站陣列天線各單元陣子處，V 極化饋入波對應的信號強度增益分布.41圖 4.14在基站陣列天線各單元陣子處，V 極化饋入波對應的信號強度增益分布.42圖 4.15具有空間非平穩特性的近場球面傳播.43圖 4.16(a)實測結果，(b)信道模型生成.43圖 4.17陣列用戶可視區域示意圖.44圖 4.18離散陣元信道模型示意圖.46圖 4.19連續陣元信道模型示意圖.46圖 4.20近場多極化球面波建模.47圖 4.21多極化信道容量.48圖 4.22超大規模 MIMO 混合遠近場傳播環境.48圖 5.1近場信道角度域能量擴散效

24、應.50圖 5.2字典相干性對比圖(a).距離參數化角域字典，(b).極坐標域字典(同一角度下不同距離變化圖).51圖 5.3聯合角域-極坐標域采樣.52圖 5.4基于 MRDN 的信道估計方案.52圖 5.5基于 P-MRDN 的信道估計方案.52圖 5.6RDN、CMAM 和 ASPP-RDN 系統模型.53圖 5.7陣列用戶可視區域示意圖.53圖 5.8遠場波束賦形和近場波束賦形.55圖 5.9全連接時延-相移波束賦形.55圖 5.10部分連接時延-相移波束賦形.55圖 5.11串行連接時延-相移波束賦形.56圖 5.12CPU 和 LPU 協同處理的超大規模多天線系統.57圖 5.13

25、相控陣-RIS 兩級波束賦形方案示意圖.58VI圖 5.14FRFT 碼字量化性能示意圖.59圖 5.15角度錯位的近場碼本設計方式.59圖 5.16遠、近場碼本原理和相位分布示意圖.60圖 5.17遠近場碼字覆蓋區域劃分.61圖 5.18用于近場波束訓練的神經網絡結構.64圖 5.19遠場空分多址與近場位分多址技術.65圖 5.20近場 NOMA 通信設計示意圖.66圖 5.21超大規模陣列部署場景（以智能超表面部署為例）.68圖 5.22基于近場中繼的混合通信架構.69圖 6.1近場信號模型和遠場信號模型.71圖 6.2 近場定位與姿態感知系統圖.72圖 6.3基于 RIS 與非均勻時間調

26、制的二維 DOA 估計示意圖197.73圖 6.4RIS 輔助太赫茲多用戶近場定位系統模型.74圖 6.5定位均方誤差隨 RIS 反射元數目變化關系.74圖 6.6近場波束偏移軌跡示意圖.75圖 6.7近場可控波束偏移軌跡示意圖.75圖 6.8超大規模 MIMO 雙站近場感知系統.77圖 6.9單站近場感知的角度克拉美羅界.78圖 6.10雙站近場感知的距離克拉美羅界.79圖 6.11遠場速度感知.79圖 6.12近場速度感知.80圖 6.13通信輔助近場感知和感與輔助近場通信示意圖.81圖 6.14近場感知驗證環境，感知精度與信號帶寬的變化趨勢213.83圖 6.15基于可編程超表面的自適應

27、的智能近場充電系統220.84圖 6.16基于準貝塞爾波束實現多目標 WPT 系統的示意圖224.84圖 6.17無線能量收集系統框圖.85圖 6.18整流超表面結構示意圖.85圖 6.19基于（a）頻率分集、（b）極化分集的攜能通信系統.86圖 6.20近場 SWIPT.87圖 6.21近場物理層安全.89圖 6.22近場波束饒射.90圖 6.23（a）常規 OAM 波束與（b）無衍射 Bessel 渦旋波束電場對比圖248.92圖 6.24（a）完整口徑采樣接收方法與（b）部分口徑采樣接收方法示意圖249.93圖 6.25基于近場通信的語義通信架構.93圖 6.26基于近場通信的聯邦學習架

28、構.94圖 6.27近場寬帶智能波束賦形的場景圖（左）與性能對比圖（右）.95圖 6.28 常用的片上通信系統框圖252.95圖 6.29片內天線排布253.96圖 6.30垂直單極子天線橫截面257.96圖 6.31基于 GaN 工藝的片上天線258.97圖6.32用于無線片對片通信的(a)傳統電感線圈耦合陣列(b)插入屏蔽結構(c)之字形結構.986G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇VII圖 6.33三維封裝系統（SiP）中利用玻璃通孔（TGV）集成天線的面內/面外/片內/片間無線通信示意圖.99圖 6.34感知場景示意圖.996G6G 近場通信技術白皮書近場

29、通信技術白皮書/FuTURE 論壇11.概述概述隨著 5G 無線網絡的商業化進程不斷加速，針對下一代 6G 無線網絡的探索性研究也隨之日益增強。在這樣的技術進步背景下，6G 網絡被賦予了相較于前代無線網絡更加宏大的愿景和更高的性能目標。傳統無線通信網絡（1G 至 5G）主要依賴于 6GHz 以下，甚至是3GHz 以下的頻譜。受限于波長，這些網絡通常采用較小規模的天線陣列。低維度天線陣列與較低頻率的結合，通常使得無線近場通信的范圍局限于數米，甚至數厘米。因此，傳統無線通信系統的設計通?；谶h場假設。面向未來 6G 網絡，更大的天線孔徑以及更高頻段的將被采用（例如，厘米波、毫米波及太赫茲等），這使

30、得近場特性變得更為顯著。此外，如智能超表面（RIS）123、超大規模 MIMO4、可移動天線5、無蜂窩網絡（Cell-free）6等新興技術的引入，也使得近場場景在未來的無線網絡中變得更為普遍，傳統的遠場平面波假設將不再適用7。從空間資源利用的角度來看，盡管傳統無線通信系統已經在遠場空間資源的挖掘和利用上取得了顯著成就，但對近場空間資源的進一步探索與應用預計將為無線通信系統帶來新的物理空間維度。因此，在 6G 網絡中，近場區域將不可忽略，這激發了對近場技術新范式的研究。表格表格 1.1 典型場景的近場范圍典型場景的近場范圍Df2.6 GHz(low band)7 GHz(Mid band)28

31、 GHz(mmWave band)220 GHz(THz band)0.5m4 m12 m483721.6m60 m119 m476/3.0m210 m420 m/在近場技術領域，由于電磁波傳播特性的改變，不再可以簡單地近似為平面波，而需被視作球面波。這種新的物理特性帶來了諸如空間非平穩性、波束分裂、三極化、倏逝波等多種新電磁效應。因此，許多傳統通信算法在 6G 近場場景下的性能會嚴重下降，或無法充分利用這些新的物理特性。近場基礎理論部分主要包括電磁近場的定義、近場電磁特性及其物理效應、近場通信自由度的理論分析，以及近場性能的全面分析。本文從電磁理論的近場定義出發，對近場電磁效應的來源及其對現

32、有通信系統的影響進行了深入分析。此外，基于現有文獻，本文總結了近場效應對通信系統設計和性能的影響，特別強調通信自由度和通信容量這兩大關鍵指標。對信道特性和模型的深入了解對于通信系統的設計和技術評估至關重要。因此，全面的信道測量和精確的信道特性表征顯得尤為必要。本文從信道測量和建模的視角出發，介紹了近場信道的研究，涵蓋信道測量方法、統計性模型、確定性模型、近場信道的空間非平穩特性，以及連續陣元和離散陣元信道模型等方面。2由于近場傳播模型與現有遠場通信技術之間的不匹配，現有遠場技術在近場區域的性能可能遭遇顯著下降。本文從信道估計、波束形成、碼本設計、波束訓練、多址技術以及近場系統架構與部署和標準化

33、影響等方面，詳細探討了近場傳輸技術。同時，本文還探討了近場技術與其他領域技術的融合，包括近場與定位、近場與無線傳能、近場物理層安全、基于近場的軌道角動量（OAM）以及基于人工智能的近場通信等方面。近年來，近場傳播特性的研究受到了廣泛關注，并取得了顯著的進展。但目前尚無一份全面的文獻對近場技術進行系統性的梳理。因此，本文旨在綜合概述近場應用場景、基礎理論、信道測量與建模、傳輸技術以及與其他技術的融合等方面，全面而系統地梳理近場技術，以期對近場技術研究的發展起到推動作用。圖圖 1.1 近場應用場景近場應用場景6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇3圖圖 1.2近場傳播技

34、術體系近場傳播技術體系42.近場應用場景近場應用場景2023 年 6 月國際電信聯盟無線電通信部門 5D 工作組（ITU-R WP5D）發布了IMT 面向2030 及未來發展的框架和總體目標建議書，提出了 6G 典型場景和能力指標體系8，如圖 2.1 所示。6G 場景包括沉浸式通信、超大規模連接、極高可靠低時延、人工智能與通信的融合、感知與通信的融合、泛在連接等。6G 關鍵能力指標包括 9 項 5G 能力增強以及 6 項新增能力維度，包括峰值速率、用戶體驗速率、頻譜效率、區域流量、連接密度、移動性、時延、可靠性、安全隱私彈性、覆蓋、感知相關指標、AI 相關指標、可持續性和定位9。6G也會在 5

35、G-A 的基礎上繼續演進，繼續增強終端用戶的上網體驗，并為垂直行業提供支持10。圖 2.1 IMT-2030 應用場景和關鍵能力指標為滿足 IMT-2030 對頻譜效率的要求，產業界需要進一步探索更高頻段和更大規模陣子的應用潛力，與此同時，更高頻段所使用的超大規模陣列將帶來近場效應。近場效應是指在一定距離條件下，電磁波在遠場的平面波假設不再成立，而需要建模為球面波模型，球面波前不僅攜帶角度信息，還攜帶距離信息，電磁波束在角度域和距離域上同時聚焦，形成近場波束聚焦11。利用近場效應，可以更好地實現 IMT-2030 更多的應用場景和關鍵性能指標，例如感知與通信的融合、定位、安全性、移動性等。本節

36、將基于上述分析對近場的應用場景進行闡釋。2.1高中低頻傳輸（不同頻段的近場場景）高中低頻傳輸（不同頻段的近場場景）帶寬的擴展和天線的增多將為無線通信系統帶來更大的容量和更高的頻譜效率。典型的2G、3G、4G、5G 通信系統采用的帶寬分別為 0.2 MHz、5 MHz、20 MHz、100 MHz，未來6G 需要更大的帶寬。2023 年 5 月，我國工業和信息化部發布新版中華人民共和國無線電頻率劃分規定（工業和信息化部令第 62 號），在全球率先將 6425-7125 MHz 頻段共 700 MHz 的帶寬全部或部分用于 5G-A/6G 系統12。同年 12 月，國際電信聯盟（ITU）在阿聯酋迪

37、拜召開的世界無線電通信大會，完成了對無線電規則新一輪的修訂，為全球大部分國家新劃分了6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇56425-7125 MHz 共 700 MHz 帶寬的中頻段 6G 頻譜資源13。2023 年 12 月，國際標準化組織3GPP 在英國愛丁堡召開會議，確立了 5G-Advanced 第二個標準版本 Rel-19 的首批項目，包括 7-24 GHz 新頻譜的信道模型研究等 8 個領域14。相比于 5G 廣泛采用的 sub-6 GHz 低頻段，以及未來 6G 可能會采用的毫米波、太赫茲等高頻段，中頻段兼具覆蓋和容量的優勢，對 6G 的廣域高容量覆

38、蓋具有非常重要的價值，有望成為 6G 的基礎性頻段之一，如圖 2.2 所示。圖 2.2 未來 6G 的高、中、低全頻段頻譜未來 6G 高、中、低全頻段都很可能涉及近場通信場景。2022 年 6 月，美國 6G 聯盟發布的研究報告“6G Technologies”也明確指出在 6G 高、中、低頻段研究近場的必要性15。2.1.1高頻段傳輸高頻段傳輸高頻毫米波（mmWave）和太赫茲（THz）無線通信可以利用較大的可用帶寬，提高數據傳輸速率，是下一代通信系統的關鍵技術之一16。為了彌補高頻傳輸的路徑損耗，在這些頻段運行的基站（Base Station，BS）配備大規模天線陣列。使用大規模天線陣列會

39、導致高頻通信下的用戶大概率落在近場區域，而傳統無線系統通常在遠場范圍內的。在毫米波和太赫茲條件下，相對較小的天線/表面的近場距離也可達幾十米，這意味著在實際距離上對電磁場的遠場平面波假設不再適用，應該使用球面波的近場模型來分析毫米波/太赫茲無線通信系統。對信號球面波前的管理可轉化為靈活的波束賦形能力，近場會產生將波束聚焦在特定位置的輻射模式（波束聚焦），而不是像在遠場條件下通過傳統的波束轉向只聚焦在特定的方向。波束聚焦可支持在相同角度上多個同時同頻的鏈路相互正交。天線陣列的信號處理能力很大程度上決定了在大規模多輸入多輸出（MIMO）系統中實現聚焦波束的可行性，不同天線架構的處理能力各不相同。對

40、于給定的輻射元件陣列，最靈活的解決方案是全數字架構，其中每個天線元件都與專用射頻（RF）鏈相連。在這種結構中，收發機能夠同時控制無限多個方向的波束，從而大大提高了空間靈活性。然而，在 5G及更先進的通信系統中部署大規模陣列時，由于成本和功耗的增加，實施全數字架構極具挑戰性。為了緩解這一問題，大規模多輸入多輸出（MIMO）通信通常采用模擬/數字混合架構。這種混合架構結合了低維數字處理和高維模擬預編碼，通常使用移相器互聯來實現，因6此使用的射頻鏈比天線元件少。另一種有效實現大規模陣列的新興技術是動態超表面天線，該天線可以對發射/接收波束模式進行可編程控制，同時提供先進的模擬信號處理能力，并在不使用

41、專用模擬電路的情況下自然實現射頻鏈縮減，并且有助于天線元件的密集化，從而提高聚焦性能。文獻17探討了如何利用各種天線架構，包括全數字陣列、基于移相器的混合架構和動態超表面天線，通過近場信號促進多用戶通信，以及形成聚焦波束時對下行鏈路多用戶系統的影響。圖 2.3 多用戶近場通信，朝向每個用戶指向波束（a）三維空間；（b）遠場設計下的波束轉向，導致相同角度上的用戶間干擾；（c）近場設計下的波束聚焦，干擾較小172.1.2中頻段傳輸中頻段傳輸10GHz 頻段的中頻厘米波也是 6G 頻譜的備選頻段和機會點。厘米波頻段具有豐富的漫反射和良好的散射與衍射效果，有潛力提供超分辨率空間傳播路徑。相對于高頻通信

42、，厘米波具有相對較低的路徑損耗，可以實現更大范圍的覆蓋，同時相對于 sub-6G 頻段具有更小的波長，使得能夠部署和配置超大規模但較小尺寸的天線。綜合考慮厘米波的路徑損耗、波長以及成本等因素，厘米波基站和用戶終端可以配置更多的射頻通道，因此有望實現高分辨率的空間窄波束，從而獲得更多的空間自由度。因此，該波段的典型應用場景包括單用戶多流或更高階多用戶復用場景。然而，考慮到物理環境的空間分辨率可能無法充分利用厘米波多天線系統提供的空間自由度，在通信網絡中部署低成本低功耗的智能超表面設備，可以有效提升通信系統的自由度。該場景下的關鍵問題包括智能超表面的部署和協作、智能超表面輔助多用戶 MIMO 系統

43、的用戶配對和調度，潛在的大面板尺寸所帶來的復雜的波束訓練、非平面波信道模型建模，以及近場碼本設計等。2.1.3低頻段傳輸低頻段傳輸低頻段（FR1，Sub-6GHz）定義了蜂窩網絡的基線覆蓋范圍，6G 在拓展更高頻段的同時，也將進一步充分利用 FR1 頻段適合廣泛覆蓋和深度穿透的優勢，提高頻譜效率，突破帶寬瓶頸。在低頻段可以使用大規模 MIMO，在保證廣泛覆蓋的同時，提高 6G 系統的譜效和能效。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇7低頻段部署傳統大規模 MIMO 的主要問題是鐵塔或基站部署對天線外形尺寸的限制。模塊化或分布式的大規模 MIMO，以及超表面天線有望克

44、服尺寸限制，通過緊湊天線陣列降低天線單元之間半波長距離的要求。另一方面，基于小區的傳統部署策略會帶來可行性、處理和架構復雜度等挑戰，所以低頻段的大規模 MIMO 將可能采用多面板、多收發節點、無蜂窩、不規則的大規模分布式網絡部署。在這種場景下，需要進一步研究分布式部署策略，非均勻天線面板可能對新信道模型的需求，大型天線陣列以及用戶可能靠近接入點時的近場效應等因素。同時，針對遠近場信道，探索高效的參考信號設計和信道獲取框架，進一步評估人工智能在信道獲取上的潛力等。2.2超大孔徑使能近場超大孔徑使能近場2.2.1智能超表面使能近場智能超表面使能近場智能超表面（Reconfigurable Inte

45、lligent Surface）被認為是 6G 中的關鍵潛在技術之一，它由大量低成本的可重構單元組成18。在無線網絡中部署 RIS 可以有效地調整發射機和接收機之間的無線信道，從而提高通信質量和覆蓋范圍19。RIS 技術的典型應用之一是通過數百乃至數千個元件獲得足夠的波束賦形增益用于毫米波及太赫茲通信中的覆蓋補盲。而更大的 RIS 陣列和更高的工作頻率，進一步擴大了 RIS 輔助通信鏈路的近場區域20。RIS 通常用于在發射機/接收機之間建立直連信道。在遠場區域，信道的秩通常較小，這制約了信道的空間復用增益。與此相對，由于球面波帶來的信號幅度以及相位的非線性變化，近場信道往往滿秩，可以有效改善

46、系統的復用增益以及空間自由度21：當用戶位于輻射近場區域時，即使多個用戶位于相同輻射角度，也可以通過對智能超表面配置不同的近場碼本，通過波束聚焦來減輕同信道干擾，支持多個共存的正交鏈路，實現空分多址22，如圖 2.4所示。同樣，利用球面波前提供的自由度，同時攜帶角度信息和距離信息的近場輻射波，進一步增強了無線定位服務精度和感知精度，如圖 2.5 所示。另一方面，這也意味著信道的空間非平穩性加劇，這將給信道估計、碼本設計、波束訓練復雜度、移動性管理、信令設計等方面帶來挑戰。8圖 2.4 RIS 輔助近場應用場景圖 2.5 近場定位場景模型232.2.2超大規模天線陣列使能近場超大規模天線陣列使能

47、近場如圖 2.6(a)和(b)所示，現有兩種常用的超大規模陣列架構分別是集中式超大規模天線陣列和分布式超大規模天線陣列24。集中式超大規模天線陣列的天線陣元間距通常為半波長。為了補充現有集中式和分布式超大規模天線陣列架構，文獻2526提出了新型模塊化超大規模天線陣列架構。如圖 2.6(c)所示，所有天線陣元按照模塊化的方式規則地部署在同一平臺上，其中每個模塊由中等數量的天線陣元組成，且天線間距通常為半波長，而不同模塊的間距遠大于波長級別，從而實現與環境靈活共形。例如，模塊化超大規模天線陣列可以嵌入到由窗戶分隔的不連續的墻壁中，如購物中心、工廠或辦公樓的建筑表面。相比于相同天線數的集中式陣列結構

48、，模塊化超大規模天線陣列不僅部署更加靈活，且其物理尺寸更大，導致其近場效應更加明顯并具有更高的空間分辨率。然而，模塊化超大規模天線陣列的模塊間距遠大于半波長，會產生柵瓣問題。此外，相比于分布式陣列結構，模塊化超大規模天線陣列通常執行聯合信號處理，而不需要交換或協調站點間信息，這可以緩解同步的需求，并降低與分布式陣列結構的回程/前程鏈路相關的硬件成本。模塊化超大規模天線陣列通常對應于非均勻稀疏超大規模陣列。均勻稀疏陣列作為模塊化超大規模陣列架構的特例，如圖 2.6(d)所示，其天線陣元間距始終為大于半波長的定值。均勻稀疏陣列的波束方向圖將具有更窄的主瓣，因而具有更高的空間分辨率，為用戶密集分布的

49、通信場景帶來顯著的干擾抑制增益27。然而，由于存在大于半波長的陣元間距，均勻稀疏陣列也同樣存在柵瓣問題。上述四種陣列架構適合于不同的應用場景。例如，集中式、模塊化和均勻稀疏超大規模天線陣列都可以用于支持蜂窩熱點通信，且模塊化和均勻稀疏超大規模天線陣列可顯著提高6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇9用戶集中分布場景下的傳輸速率。此外，分布式超大規模陣列架構可以為較大地理區域的用戶提供更好的通信服務。因此，這四種陣列體系架構應該是互補的，它們的選擇取決于實際應用場景。(a)集中式超大規模天線陣列（b)分布式超大規模天線陣列（c）模塊化超大規模天線陣列（d）均勻稀疏超大

50、規模天線陣列圖 2.6 不同超大規模陣列架構類別242.2.3無蜂窩近場通信無蜂窩近場通信不同于經典的蜂窩小區通信架構，無蜂窩（Cell-Free）通信架構通過分布式部署大量接入節點，實現以用戶為中心的通信范式，可有效克服小區間干擾、避免通信中斷，進一步提升下一代 6G 移動通信性能6?；跓o蜂窩通信架構，由于多陣列采用分布式部署方式，其等效陣列口徑顯著擴大，近場球面波效應更為顯著；同時，由于接入節點分布更加密集、通信距離更短，用戶將以更高的概率位于近場范圍；此外，由于無蜂窩通信架構的協作特性，用戶可能被多個不同天線規模、不同距離的接入節點同時服務，其可能位于不同節點的遠場或近場范圍，面臨更為

51、復雜的遠近場混合通信場景。因此，無蜂窩近場通信將是未來 6G 的重要應用場景之一。近場球面波信道建?？梢詾闊o蜂窩通信系統提供模型基礎；由于其近場球面波效應顯著，考慮近場球面波特性可進一步提升無蜂窩架構中接入節點優化精度；同時，兼容近場球面波和遠場平面波的波束賦形方法、高效遠近場無蜂窩通信信道估計和波束訓練方案可以更好適配近場通信場景，進一步提升無蜂窩通信系統的性能。102.2.4可移動天線使能近場通信與感知可移動天線使能近場通信與感知圖 2.7 可移動天線輔助近場通信與感知最近，可移動天線（Movable Antenna,MA）技術被引入無線通信系統，通過控制發射/接收端天線的局部移動（位置或

52、旋轉），以改善無線信道條件和通信性能28。該技術有多種實用方法可用于實現天線移動，如機械驅動、微機電系統（MEMS）等。由于其靈活的移動能力，可移動天線可以充分利用無線信道的空間變化。例如，與傳統固定位置天線相比，可移動天線可以顯著提高空間分集性能，包括接收機信號功率提升和干擾抑制2930。對于多個可移動天線輔助的 MIMO 或多用戶通信系統，可以通過天線位置優化重塑信道矩陣，從而提升空間復用增益以及無線信道容量31-33。此外，通過將多個可移動天線集成到陣列中，可以通過聯合設計陣列幾何形狀和波束賦形矢量實現更靈活的波束成形3435。在無線通信或感知應用場景中，由于有效陣列口徑正比于天線移動區

53、域大小，擴大天線移動區域也導致了發射機/接收機的近場區域范圍增大，如圖 2.7 所示。與需要大量天線單元和射頻前端的超大規模天線陣列不同，可移動天線的數量適中，且不隨天線移動范圍改變。因此，與超大規模天線陣列相比，可移動天線可以幫助降低硬件成本和射頻功耗?？梢苿犹炀€系統的性能優勢，如更高的空間分集性、增強的復用增益和更靈活的波束形成，在 6G 近場通信中更具吸引力，因為基于球面波的模型在空間呈現出更為顯著的信道變化。此外，分布式可移動天線可以無縫集成到無蜂窩通信系統中，為改善 6G 網絡性能提供額外的天線位置、旋轉自由度。在 6G 無線感知和通感一體化應用中，可移動天線系統可以有效地擴大天線口

54、徑，從而增加角度/距離估計精度。對于充分大的天線移動區域，可移動天線輔助系統可以實現近場超分辨率感知?？傊?，可移動天線技術為 6G 近場通6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇11信感知研究開辟了新的方向。在理論研究、技術探索、系統設計、實驗驗證和標準化工作當中需要更多的努力，以釋放可移動天線在未來 6G 網絡中的全部潛力。2.3通感一體化通感一體化除了大容量通信之外，下一代無線網絡還有望實現高精度的感知，因此通信與感知的一體化（integrated sensing and communication，ISAC）技術也吸引了學術界與工業界廣泛的研究興趣36。與傳統的

55、無線定位和信道估計相比，無線感知依賴于無源目標反射的回波信號，而不是有源設備發送的導頻信號。目前，許多已有的調制波形被證明可以應用于無線感知中，例如正交頻分復用（orthogonal frequency-division multiplexing，OFDM）和正交時頻空間（orthogonal time frequency space，OTFS）3738，這說明感知功能可以被無縫集成到現有的無線通信網絡中。在遠場感知中，增加天線陣列的尺寸往往只能提高角度估計的分辨率，而距離和速度的分辨率主要依賴于信號帶寬和感知持續時間。但在近場區域內，球面波傳播使得大規模天線陣列可以用于估計物體間距離和移動速

56、度。一方面，即使在有限帶寬內，近場信道仍然能夠有效地包含距離信息，提高窄帶系統中的距離估計分辨率。另一方面，目標速度的估計依賴于多普勒頻率的估計。與遠場感知相比，近場感知從不同方向觀測目標大規模天線陣列中相距較遠的兩個天線，可能具有明顯不同的多普勒頻率，因此可增強對移動速度的估計3940，如圖 2.8 所示?；谏鲜鲇懻?，近場效應具有在時頻資源受限的情況下促進高精度感知的潛力。因此，將近場通感一體化是一項極具前景的技術。圖 2.8 近場 ISAC 系統392.4無線定位無線定位在傳統的遠場通信系統中，基于平面波假設，主要通過估計信號在目標處的到達角和到達時間，來獲取目標的相對于接收點的角度和距

57、離信息41，遠場通信系統需要部署多個接收點作為定位錨點，根據多個錨點的角度和距離信息，估計定位目標的三維坐標。為了獲得12更加準確的角度和距離信息，遠場通信系統通常需要配置較大帶寬的測量信號。除利用距離和角度外，利用接收信號的特征作為指紋進行定位也是一種常見的定位方法，在遠場通信中也有研究42。在近場中，基于球面波模型，天線陣列中不同區域的天線單元的信號在目標處的到達角是不同的。利用這種波束匯聚的信號傳輸特性，近場通信系統通過天線陣列不同區域信道角度的差異來進行目標定位，從而降低了對測量信號帶寬的需求43，如圖 2.9 所示。同時，大規模天線陣列的部署有利于進一步增強角度分辨率，并在近場區域內

58、提供額外的距離分辨率，有利于實現 6G 移動通信中的高精度定位44。圖 2.9 近場定位示意圖，可以通過超大規模天線陣列 ELAAs,智能超表面 RIS 和分布式 MIMO 等多種形式提供近場的高精度定位服務。近場通信系統的定位過程與傳統的遠場通信系統在信號系統、信道模型和定位原理等方面都有所不同。二者屬于異構定位網絡。因此，需要在遠場和近場通信系統之間建立異構定位網絡融合算法，以確保無縫定位服務4546。異構定位網絡的融合依賴于定位精度估計算法的實現4748。對于包括近場通信系統在內的區域定位系統，定位精度算法可以發展為可用性估算49，以支持異構定位系統之間兩種不同的互操作模式：“軟融合”和

59、“硬切換”50。2.5信能同傳信能同傳近場通信中能夠實現匯聚的高指向性點波束，將波束的目標區域集中在目標設備附近，從而將射頻信號的能量聚集到物聯網設備的能量收集節點。利用近場的波束聚焦特性和高精度的位置信息，能夠顯著提高無線能量傳輸的效率，減少傳輸過程中的能量浪費。在室內場景或者基站天線規模受限的場景中，無線通信系統可以通過智能超表面來構建近場信道，將家庭基站的信號能量匯聚到能量收集節點。另外，在近場通信系統中，超大規模天線陣列可以基于球面波模型的無線信道在近場范圍內獲得更高的空間分辨率，使得基站可以支持更高密度的數能同傳（Simultaneous Wireless Information a

60、nd Power Transfer，SWIPT）終端。SWIPT6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇13允許設備從射頻波中收集能量并將其轉換為電能，將能量儲存到設備的電池中，最大限度地延長設備的使用壽命，是解決能源有限問題的新方案5152。圖 2.10 近場無線傳能示意圖2.6物理層安全物理層安全由于無線通信的天然廣播特性和移動特性，這使得網絡中合法用戶的通信很容易遭到非法用戶的竊聽和攻擊，安全傳輸一直都是無線通信中一個重要的問題。在遠場通信中，如果竊聽者與合法用戶處于同一方向，尤其是當竊聽者距離基站更近時，安全傳輸將難以實現。與遠場通信里波束賦形的方向聚焦性不同

61、，在超大規模陣列輔助的近場通信中，基站形成的波束具有強大的位置聚焦性53。這一性質使得發送信號的能量可以聚集在合法用戶的位置上而不僅是合法用戶的方向上，有效減少了信息在竊聽用戶位置的泄漏，提升了系統的安全信道容量。通過對基站波束聚焦的優化設計，可以充分挖掘近場通信在增強物理層安全方面的潛力。圖 2.11 左圖：使用波束轉向的遠場安全通信；右圖：使用波束聚焦的近場安全通信142.7使能海量接入使能海量接入多址技術聯合時域、頻域、碼域以及空域進行資源分配，實現傳輸資源的高效利用，是提高下一代無線網絡傳輸速率的關鍵。在 5G 大規模 MIMO 系統中，空分多址（spatial divisionmul

62、tiple access,SDMA）利用角度域的正交資源實現了不同用戶的區分；非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技術則進一步允許多個用戶復用相同的資源塊，并從功率域或碼域消除用戶干擾；而無用戶標識隨機接入通過接入資源（如碼字）的競爭機制，節約了大規模機器類通信（massive machine-type communications,mMTC）中用戶短包隨機接入所需的資源開銷。與空分多址等技術中所采用的遠場傳輸模型相比，近場傳輸模型具有“角度-距離”二維聚焦的特性以及更大的空間自由度，使得空域資源大大增加。因此，將近場傳輸特性應用于多址技術設

63、計，將更加有利于服務海量用戶接入需求，進一步提升系統頻譜效率。圖 2.12 近場多址接入示意圖2.8片上無線通信片上無線通信片上無線通信（On-chip Wireless Communications）是指利用片上天線或近場耦合等無線互聯方式，實現芯片間或芯片內不同模塊間的數據交換和無線通信，其傳輸距離通常小于1cm，具有低損耗、高傳輸速率、高集成度等優點。片上通信應用場景非常廣泛，如在物聯網（LoT）領域，可以實現智能芯片、智能設備、可穿戴設備的互聯互通，大大提高通信效率，減少布線復雜度，但存在芯片面積成本增加、安全隱私泄露、功耗增加等限制。然而當工作頻率上升到毫米波/太赫茲頻段，片上天線尺

64、寸大大縮小，芯片面積也大為減??；且收發芯片間距離近，無線通信對信號功率要求顯著降低；同時高頻信號定向性好，使得信息傳輸的安全可靠性明顯提升，這大大降低了片上無線通信系統的設計難度54。相較于傳統的有線通信方式，采用無線通信方式可避免由傳輸線所引入的高延遲、高串擾、有限帶寬及寄生效應等缺點。如圖 2.13，通過在芯片中集成片上天線，信號傳輸方式由傳統的有線傳輸，優化為片內和片間的無線通信，從而形成了具有靈活架構的片上網絡，避免了有線互聯布局的限制55。此外，片上無線通信對于系統級芯片不同芯粒（Chiplet）之間的信號傳遞有重要作用。如圖 2.14 所示，通過異質異構集成形成片上系統（Syste

65、m-on-a-chip，SoC）時，由于結構6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇15不同、半導體材料不同，使得芯粒間的高頻互聯變得困難，利用傳統的引線鍵合等方式會嚴重惡化信號完整性，利用片上無線通信的方式可實現芯粒和芯粒間的高速、高帶寬的異質異構集成互聯，還可以有效地提高大規模異構系統的通用性56。圖 2.13 利用天線的片內和片間通信圖 2.14 不同半導體材料的芯片間的無線互聯另外，由于片上無線通信利用了片上天線的輻射效應或者近場耦合效應，使其不再受制于傳統有線互聯而導致的一對一數據傳輸模式，在數據傳輸方面，它有更高的靈活性和適應性，能夠進行一對多的傳輸，為實

66、現高密度的設備連接和海量設備之間的數據交換提供支持，因此為單片多核處理器的設計提供了更多的可行性，如圖 2.15 所示57。圖 2.15 使用片上無線通信技術的單片多核處理器綜上所述，片上無線通信可廣泛應用于各種移動設備和嵌入式系統中，如智能手機、平板電腦、智能手表、物聯網設備等，提高通信設備的性能。片上無線通信應用于 6G，可降低通信時延，提供更快速的數據傳輸能力，提高通信系統的實時性和能量效率。高速高效的片上通信為未來 6G 無線通信系統、太赫茲集成電路以及芯片間通信互聯提供了可行方案。163.近場基礎理論近場基礎理論隨著 5G 到 6G 通信的技術演進，為了進一步提高波束賦形效果和通信速

67、率，未來通信中會使用更大的天線陣列孔徑和更高的通信頻率，這也使得許多傳統上的遠場通信場景進入了電磁學上定義的近場通信范圍。在近場通信中，電磁波波前應當被視為球面波，很難進行平面波近似。這種新的物理特性不可避免，并且帶來了許多新的電磁效應，如空間非平穩性、波束分裂、三極化、倏逝波等。因此，許多傳統通信算法在近場通信場景中會存在嚴重的性能損失，無法利用新特性達到最好性能。在本章節中，我們從電磁理論給出的近場定義出發，首先對近場電磁效應進行分析，說明了其來源和對現有系統所產生的影響；進一步地，我們根據目前已有的近場通信論文總結了考慮近場效應后通信系統設計和實現性能的變化，并主要關注通信自由度和通信容

68、量兩個指標。近場基礎理論主要包括電磁近場定義、近場電磁特性及物理效應、近場通信自由度理論分析和近場性能分析四部分。3.1近場范圍劃分近場范圍劃分在本節中，我們首先介紹遠場通信和近場通信之間的區別。然后，我們確定了在幾個典型應用場景中確定遠場和近場區域邊界的原則。如圖 3.1 所示，根據電磁理論和天線理論，發射機周圍的場可分為近場和遠場，近場區可進一步分為反應近場區域和輻射近場區域58。其中，反應近場區域僅限于靠近天線的空間（小于菲涅爾距離），在這一區域內倏逝波占主導地位，電磁場并不以輻射波的形式從天線傳播出去。輻射近場區域位于距離天線幾個波長以上的區域（菲涅爾距離和瑞利距離之間），在此區域內，

69、不同天線上的電磁波在整個陣列上的振幅差異不顯著，但相位變化隨天線的指數呈非線性變化，信號的傳播模型必須用球面波模型建模。遠場區域包圍著輻射近場區域，在遠場中電磁波可以近似視為平面波前。由于反應近場區域通常較小，且倏逝波隨距離呈指數級衰減，因此在實際的近場通信系統中，通常主要關注輻射近場區域內的無線通信，即“近場”一般表示輻射近場區域?，F有研究中，有多種視角和經驗法則來表征近場與遠場區域的邊界，主要包括相位差、功率差和信道容量三個角度。相位差角度的近場范圍劃分主要思想：考慮發射機天線陣列中任意兩個陣子到達接收機位置的最大相位差，當最大相位差大于某一特定值時認為該終端位于近場區域。從相位差角度，近

70、場與遠場之間的經典邊界被稱為夫瑯禾費（Fraunhofer）距離或瑞利（Rayleigh）距離59（考慮最大相位差不超過/8），表示為22，其中表示天線的最大孔徑，代表載波波長。如果用戶與基站之間的距離大于瑞利距離時，可以認為用戶處于遠場6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇17區域，在該區域內，信號的傳播可以用平面波近似。如果用戶與基站之間的距離小于瑞利距離，可以認為用戶處于近場區域。圖 3.1 遠場平面波面與近場球面波面及對應物理空間歸一化接收能量平面波與球面波所具有的對空間輻射能量的調整能力不同。更確切地說，平面波是球面波的遠距離近似。在遠場區域，電磁波的相位

71、可以通過泰勒展開用天線指數的線性函數近似。這種簡潔的線性相位形成的平面波面只與入射角度有關。因此，利用平面波面，遠場波束成形可以在不同距離上將波束能量轉向特定角度，這也被稱為波束轉向。遺憾的是，這種簡潔的線性相位無法徹底揭示球面波的信息。在近場區域，球面波的相位應根據物理幾何形狀精確推導，它是天線指數的非線性函數。BS 和 UE 之間每條路徑的入射角和距離信息都包含在這個非線性相位中。利用球形波面的額外距離信息，近場波束成形能夠將波束能量聚焦在特定位置，在角度域和距離域都能實現能量聚焦?；谶@一特性，近場波束成形也被稱為波束聚焦。瑞利距離的主要建立思想如下58。電磁波的真實相位必須根據精確的球

72、面波模型和BS 天線位置計算。在遠場情況下，這一相位通常是通過基于平面波面模型的一階泰勒展開來近似計算的。這種近似方法會導致相位差，而相位差會隨著距離的減小而增大。當所有 BS和 UE 天線之間的最大相位差達到 8時，BS 陣列中心和 UE 陣列中心之間的距離被定義為瑞利距離。因此，如果通信距離短于瑞利距離，最大相位差將大于 8。在這種情況下，遠場近似變得不準確，因此需要利用近場傳播模型。根據這一定義，可以得到單輸入多輸出（SIMO）、多輸入單輸出（MISO）和多輸入多輸出（MIMO）通信系統的近場范圍。如圖 3.2 所示，SIMO/MISO 場景的近場范圍由經典的瑞利距離精確決定，而瑞利距離

73、與 BS 陣列孔徑的平方成正比。對于 MIMO 場景，由于在 BS-UE 鏈路的兩側都采用了 ELAA，因此 BS 陣列孔徑和 UE 陣列孔徑都對瑞利距離有貢獻；也就是說，近場范圍與 BS 陣列孔徑和 UE 陣列孔徑之和的平方成正比。對于RIS 系統而言，級聯 BS-RIS-UE 信道由 BS-RIS 和 RIS-UE 鏈路組成。因此，在計算相位差時，需要對 BS-RIS 距離和 RIS-UE 求和后計算 8最大相位差，RIS 系統的近場范圍由18BS-RIS 距離和 RIS-UE 距離的諧波平均值決定，如圖 3.2 所示。從圖 3.2 可以進一步看出，只要這兩個距離中的任何一個短于瑞利距離，

74、RIS 輔助通信就在近場區域內運行。因此，近場傳播更有可能發生在 RIS 系統中60。圖 3.2 典型通信場景近場范圍功率差角度的近場范圍劃分在使用最佳的最大比合并（MRC）時，來自不同天線單元的信號相位可以完全對齊，從而消除相位差對接收功率的影響。然而，受限于不完美的信道估計，MRC 可能難以完全中和相位差異。因此，考慮實際系統中的功率損失，文獻62對傳統瑞利距離進行了修正，提出了有效瑞利距離來表征近場范圍的邊界。通過 MRC 消除信號相位對接收功率的影響后，接收功率的大小只取決天線單元在接收機處的幅度響應差異，考慮同一發射機天線陣列上不同天線單元的幅度響應差異，文獻63和64提出了 Cri

75、tical 距離和均勻能量距離，從不同天線單元的功率差角度刻畫了近場范圍，即在此距離之外，接收機處檢測的發射端最弱和最強的天線單元之間的功率比在指定閾值之上。其中，Critical 距離只與天線孔徑相關，主要刻畫了靠近天線孔徑主軸的場邊界；均勻能量距離則進一步考慮了陣列結構和天線陣列的投影口徑等因素，對離軸區域給出更準確的近場邊界描述。從另一視角，考慮平面波信道模型與球面波信道模型下的接收功率差異，文獻65分別基于均勻線性天線陣列 ULA 和均勻圓形平面陣列 UCPA 結構，推導了近場區域的等功率線/面，刻畫了近場范圍。信道容量角度的近場范圍劃分從信道容量表征的角度，可以結合信道的容量66、特

76、征值67、秩68、多流傳輸特性69、或者有效自由度70來刻畫近場范圍，評估遠場平面波與近場球面波的適用區域。其中，文獻68通過等秩面給出了近場區域的邊界，可以證明近場范圍會隨著視距和非視距環境中散射體數量的增加而增加，且在非視距環境中增加更為顯著?？紤]到空間復用，文獻69提出了有效復用距離的指標()，代表了在特定的信噪比（SNR）下，信道可以高效地同時容納 m 個獨立的空間流的最大距離。沿此思路，文獻70繼續從多流傳輸的視角，結合信道6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇19的有效自由度給出了近場邊界的定義，證明了近場范圍不僅與天線陣列孔徑有關，還會受天線單元數量的

77、影響。3.2近場的電磁物理效應近場的電磁物理效應在無線近場區域中，無線信號的電磁物理效應將變得不可忽略。具體來說，電磁物理效應包括天線的極化效應、能量映射效應等。下面，我們將從麥克斯韋方程組出發，建立電磁近場信道并揭示這些電磁近場效應。3.2.1近場電磁信號模型近場電磁信號模型圖 3.3 近場電磁輻射系統圖如圖 3.3，在笛卡爾坐標系OXYZ中，考慮發射天線位于點tttt,x y zp，具有電流密度t()J p，在源區域3t RR內。發射天線為常見的低成本單極化天線，具有歸一化極化方向矢量xyzttttxyz（xyz、為三個基向量）。接收天線陣列上的各個點坐標為rrr,0 x yp?？紤]標量電

78、場模型，該標量電場從收發能量關系出發，是()rE E的坡印廷矢量的一個分量，該分量垂直于觀察平面(XOY平面)7172：ss0()()exp j,k rrrEE其中，20Z22rtsrt222tinr,tr,t22(,)()()114=yxzt xt yttrrr pprrzpp 沿 方向的能量映射效應能量映射系數自由空間衰性發射能量減一般的極化損耗，MEEE E(3.1)其中，(,),(,)z xz yM，r,txx，r,tyy，tzz，r,trtxxx，r,trtyyy。0inin2IE是發射端的初始電場強度，單位為伏特。特別地，當發射天線朝向正Y軸極化時，有ty，這時(3.1)化簡為：r

79、,t222t2ts,Yin221()4=xzzrrrr 能量映射系數自由空間衰減Y方向極化損耗。EE(3.2)當信號垂直于接收表面入射時，即tt0 xy和t1=zr，這時(3.2)化簡為：r,t222t2s,Y,vin221()4=xzrrr 自由空間衰減Y方向極化損耗。EE(3.3)當tryy，即r,t22t21=xzr，這時沒有極化損耗，(3.3)化簡為：22s,Y,vin21()4=rr自由空間衰減。EE(3.4)公式(3.4)就是經典的 Friis 公式。下面，我們給出經典的遠場信號公式：rtrtin0popopo()exp j,2farx xy ykrrrrEE(3.5)其中，222

80、pottt+=+rxyz，相位項使用了二階的泰勒展開。進一步地，(3.5)可以化簡為：in0 popo()exp j2fark rrr。EE(3.6)6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇21從近場信號模型(3.1)-(3.4)和遠場信號模型(3.5)-(3.6)，我們可以看出：對于近場信號模型，振幅項將包含天線的極化損耗、能量映射系數和點到點的自由空間損耗因子，相位項由準確的點到點距離決定。遠場信號模型是近場信號模型的近似。對于遠場信號模型，振幅項僅有固定的自由空間損耗因子，相位項的距離也是固定的發射端到接收端參考點的距離。此外，近場通信中獨有的電磁物理效應主要包

81、括三極化、倏逝波和波束分裂等。這些物理特性都可以用并矢 Green 函數模型進行刻畫73。3.2.2近場電磁效應近場電磁效應首先三極化效應，文獻73中作者通過矢量格林函數同時考慮了近場球面波信道和多極化效應，并在此基礎上建模了多極化近場球面波信道以及提出了面向極化和信道的雙重預編碼，其考慮的系統圖如圖 3.4 所示。圖 3.4 近場多極化球面波建模仿真結果證明，近場通信中的多極化效應能夠在特定范圍內顯著提高系統容量（圖 3.5）。圖 3.5 近場三極化信道容量近場倏逝波效應主要影響反應近場的通信自由度和容量，我們將在下一小節中進行敘述。對于近場波束分裂效應而言，在近場 RIS 中，基于移相器的

82、波束成形器能夠產生對準特定位置的聚焦波束，從而提供波束聚焦增益。這種波束成形器在窄帶系統中效果良好。然而，22對于寬帶系統，由于使用了幾乎與頻率無關的移相器，不同頻率的球面波束會聚焦在不同的物理位置上，這被稱為近場波束分裂效應。這種效應會導致嚴重的陣列增益損失，因為不同頻率的波束無法與特定位置的目標用戶對齊，這一點在寬帶系統設計中需要仔細考慮。雖然波束分裂效應會使得寬帶系統能量更難對準用戶，導致波束賦形性能下降，但其也有對應的好處：由于相同的導頻會對應產生空間上的多個波束，因此通過設計系統參數，可以控制波束在不同頻率上的覆蓋角度范圍。得益于此，可以在遠場實現非?？焖俚?CSI 獲取，實現快速波

83、束訓練或波束跟蹤。傳統遠場通信中對這個問題的研究主要分為兩類工作：第一類技術希望減輕遠場波束分裂造成的陣列增益損失，在波束成形結構中引入時延電路，減輕遠場波束分裂效應；第二類技術通過控制時延參數和多波束實現在大規模多輸入多輸出系統中快速獲取遠場 CSI。近場波束分裂效應影響如圖 3.6 所示，可以看到在近場寬帶通信時空間上有多個能量聚焦點。圖 3.6 近場波束分裂效應示意圖文獻74中對近場波束分裂效應進行了定義和分析，并利用基于時延（Time delay，TD）的波束成形器來克服這一效應。我們建議將整個陣列劃分為多個子陣列，然后假定用戶位于整個陣列的近場范圍內，但位于每個子陣列的遠場范圍內。在

84、此基礎上，還可以利用延時電路來補償近場球面波面引起的不同子陣列之間的群延遲。因此，整個帶寬上的光束可以聚焦在所需的空間角度和距離上，近場光束分裂效應也相應得到緩解。3.2.3近場波束特性近場波束特性在近場特性之外，還可以對近場波束的特性進行分析，總結為如下三點：近場距離域聚焦、距離域漸進正交性和環形陣列的距離域聚焦特性。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇23首先，針對近場距離域聚焦特性，75中計算了聚焦深度（DF，depth-of-focus）當使用匹配濾波對距離為 F 的發射機進行聚焦時，DF 為：+10,10(3.7)其中dFA是 N 倍的瑞利距離，如圖 3

85、.7 所示，波束的深度取決于匹配濾波器聚焦的位置。當焦點小于dFA/10 時，近場波束賦形的深度是有限的。圖 3.7 波束增益隨距離的變化趨勢近場波束聚焦可以將波束能量集中在由角度和距離確定的特定位置。為了利用額外的空間距離域資源來提高頻譜效率，研究人員在130中證明了近場陣列響應矢量的漸近正交性，信道相關性可以表示為：+(3.8)其中 =N2d21221r1r?，這意味著當陣列天線數量 N 趨于無窮大時，也趨于無窮大，fnear趨于 0。如圖 3.8 所示，隨著天線數增大，同角度不同距離的兩個陣列響應矢量之間的相關性趨于 0。圖 3.8 信道相關性隨天線變化曲線天線數漸近正交漸近正交24以上

86、兩個波束特性是線形陣列（Uniform linear array，ULA）下的情況，接下來針對環形陣列（Uniform circular array，UCA）闡述其距離域聚焦特性76。UCA 場景下的波束聚焦增益近似為零階第一類貝塞爾函數。由圖 3.9 可以看出，ULA 波束賦形增益隨距離減小平穩下降，而 UCA 的波束賦形增益的下降速度更快，這說明 UCA 能夠在更小的范圍內聚焦信號功率，減輕功率泄漏。圖 3.9 UCA 和 ULA 的波束形成增益比較3.3近場自由度理論分析近場自由度理論分析倏逝波效應主要存在于感應近場范圍內?；诟盗⑷~平面波展開信道建模，77中作者針對近場大規模天線陣列的

87、波數域建模進行了更深的研究，特別研究了在近場通信中倏逝波效應能夠帶來的自由度和通信容量增益，其中自由度增益示意圖如圖 3.10 所示，在典型反應近場區可有 30%增益。左圖中白色波數點對應遠場通信可用的平面波，綠色波數點對應近場通信額外可用的倏逝波波數，紅色點為衰減太大而不可用的倏逝波波數。圖 3.10 近場額外自由度6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇25文獻42提出了一種信號空間方法，從奈奎斯特采樣的角度研究任意散射條件下電磁場的自由度數量（見圖 3.11）。其將空間上的天線元件視為空間采樣點，并以恢復電磁場所需的采樣點作為通信自由度。在各向同性傳播條件下，與

88、經典的半波長采樣相比，每平方米采樣減少了 13%。隨著散射的角度選擇性增強，這一差距也會增大，從而大大降低了復雜性。圖 3.11 各向同性散射條件下奈奎斯特采樣僅考慮近場 LoS 信道下，離散孔徑 MIMO 的信道響應可以由一個信道矩陣 H 來刻畫。對于離散孔徑 MIMO 而言，它的自由度等于矩陣 H 非零奇異值的總數或相關矩陣 HHH的秩。在遠場通信中，信道矩陣的秩為 1，對應的自由度也是 1，這極大地制約了系統的傳輸速率。在近場通信中，電磁信號以球面波的形式進行傳播，這使得信號在不同鏈路上的相移和幅度呈現非線性變化。這一性質使得近場 MIMO 信道矩陣近似為一個滿秩矩陣，對應的自由度接近發

89、射天線以及接收天線的最小值。以上事實表明近場效應可以顯著提升 MIMO 信道的復用增益。由于自由度受限于天線的數量，增加天線數可以有效改進自由度78。圖 3.12 離散孔徑 MIMO 近場信道的奇異值然而，對于給定的陣列孔徑而言，持續增加天線的總數或減少天線間距并不會使得信道容量持續增加。當天線相隔較近時，接收天線陣列將無法解析來自相鄰天線的信號。大量研究表明，在給定陣列孔徑時，信道矩陣的奇異值呈現“兩階段”變化趨勢。令1 2 N26表示 H 的奇異值。對于近場信道而言，當 n 較小時，n隨 n 緩慢減小，直到 n 達到某個臨界閾值 e；超過該閾值后，n會快速衰減至 0。這個臨界閾值被稱為系統

90、的有效自由度，如圖 3.12 所示78。隨著收發天線數量的增加，這種現象會變得更加明顯。通常，有效自由度沒有閉合表達式。但通過假設1 2 e e+1 N 0，可以對有效自由度進行估計，即：e tr2HHH/HHHF279。此外，從圖 3.12 可以看出，近場信道有效自由度隨著傳輸距離的減少而增加。需要注意的是，tr2HHH/HHHF2原本是于本世紀初被Verd提出用于刻畫低信噪比香農容量隨比特信噪比變化的包絡80。只是近年來有研究者發現在信道奇異值滿足1 2 e e+1 N 0 的前提下，這一公式也可用來估計系統的有效自由度。對于連續孔徑的 MIMO 系統而言，天線之間的間距可以被視為無窮小，

91、這是離散孔徑MIMO 的一種極限情況。由于此時收發機的天線數可以被視為無窮大，系統的自由度也是無窮大。然而，大量仿真結果表明，在近場條件下，連續孔徑 MIMO 信道的奇異值也呈現圖 3.12 所示的“兩階段”變化趨勢81。因此，對于連續孔徑的近場 MIMO 信道而言，系統的性能依舊受限于系統的有效自由度。與離散孔徑 MIMO 信道不同，連續孔徑 MIMO 信道不能由一個有限維度的矩陣進行刻畫。通常，需要借助格林函數來刻畫任意兩點之間的電磁傳播環境，獲取并行子信道需要對格林函數的核函數進行特征分解，計算復雜度較高81。為了估計連續孔徑MIMO的近場自由度，可以將公式e tr2HHH/HHHF2中

92、的信道矩陣H替換為格林函數79。此外，根據已有的仿真結果，可以得出下述結論：近場有效自由度正比于收發機孔徑面積的乘積，反比于收發機之間的傳輸距離78。3.4近場性能分析與測量近場性能分析與測量3.4.1 近場性能分析近場性能分析從 5G 大規模陣列通信到 6G 超大規模陣列通信的演變，不僅僅涉及天線數量或陣列尺寸的簡單增加，更是在根本上改變了信道特性，例如從傳統的遠場均勻平面波轉變為近場非均勻球面波、從空間平穩性轉變為空間非平穩性82-84。因此，基于傳統遠場均勻平面波模型的大部分性能分析（如漸進信道增益）需要在新的近場模型中重新進行討論。在傳統遠場模型中，均勻平面陣列的等效信道增益隨著陣列尺

93、寸線性/二次（平方）增長，直至趨于無窮大，這個結論顯然不符合物理規律。為了得到更加普適的結論，文獻82-84與文獻8586分別針對超大規模有源陣列和超大規模無源陣列提出了新的近場球面波傳播模型，并考慮了有源/無源陣列尺寸趨于無窮大時的漸進性能。在基于近場通信的球面波模6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇27型中，等效信道增益隨著有源天線/無源單元數量的增加而呈現出非線性增長，受控于角跨距這個新參數87，且當有源天線/無源單元數目趨于無窮大時收斂至一個定值82-86。除了集中式超大規模有源陣列，稀疏超大規模天線陣列具有更大的物理孔徑，其近場特性更加明顯。文獻88研究

94、了均勻稀疏超大規模天線陣列，通過挖掘空間中用戶分布角度差的非均勻性，驗證了稀疏超大規模天線陣列具有更好的干擾抑制與超分辨率空間定位能力。圖 3.13圖 3.13展示了集中式與均勻稀疏超大規模天線陣列通信速率的累計誤差函數，可以看出稀疏陣列有望實現四倍的通信速率提升。圖 3.13 集中式天線與稀疏天線通信速率累計誤差函數關系88此外，文獻89-92研究了一種新的模塊化陣列結構以便于超大規模天線陣列部署，稱為模塊化超大規模天線陣列。模塊化超大規模天線陣列的所有陣元都按照模塊化的方式部署在同一平臺上。其中每個模塊內天線間距通常為半波長，而不同模塊的間距遠大于波長級別，進而實現與環境共形。文獻8990

95、針對模塊化超大規模天線陣列，提出了近場非均勻球面波模型，并推導了該模型下的近場信噪比閉合表達式,進一步揭示了其信噪比縮放定律和漸進性能，以及與傳統遠場均勻平面波模型結果的差異性。從圖 3.14 可以看出，當模塊數趨于無窮，相比于平面波模型，非均勻球面波模型下的信噪比趨于常數而非無限增長。91針對模塊化陣列結構特點，提出了簡化的基于子陣非共角/共角均勻球面波模型，并分析其近場波束聚焦圖。從圖 3.15 中可以看出，與具有相同天線數量的集中式陣列結構相比，模塊化超大規模天線陣列可以顯著提高角度和距離維度的空間分辨率，但會產生柵瓣。為了進一步緩解柵瓣問題，92針對多用戶模塊化超大規模 MIMO 通信

96、系統，提出了基于貪婪算法的用戶分組策略，使得配對用戶不落在柵瓣中，大大減少了用戶間干擾。圖 3.16 中可以看出，在用戶密集分布情況下，相比于集中式陣列結構，模塊化超大規模 MIMO 可顯著提升通信性能。28圖 3.14 不同模型下接收信噪比隨天線數目變化關系89(a)近場波束聚焦圖隨空間頻率差的變化關系(b)近場波束聚焦圖隨距離差的變化關系圖 3.15 不同陣列結構和近場模型下的波束聚焦圖91926G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇29圖 3.16 模塊化和集中式超大規模天線陣列可實現和速率隨用戶分布半徑變化關系92相較于大規模天線陣列（有源陣列），智能超表面（

97、無源陣列）由于其低成本、低能耗等優勢，更有可能在實際中實現超大規模陣列。在超大規模智能超表面部署于基站側的通信系統中（如圖 3.17 所示），用戶到智能超表面和到基站的距離可視為近似相等，而且當智能超表面尺寸足夠大時，通信系統的反射鏈路與直射鏈路的等效傳播路徑損耗大小相當。此時，由于智能超表面半空間反射的特性，配備全向天線的基站最多有一半的發射能量會被智能超表面所反射，通過合理利用反射鏈路可以進一步實現理想的發送分集增益9394。若考慮被動波束賦形設計，近場模型中超大規模智能超表面的波束增益也不再完全符合傳統的“平方增長定律”95，而是在反射單元數量趨于無窮大時收斂至一個定值9496。圖 3.

98、17 尺寸無限大的智能超表面輔助通信系統此外，已有的傳播模型表明，傳播路徑損耗隨距離的增加呈現出最小損耗因子為 2的衰減（自由空間損耗模型），即隨著距離的平方衰減；而文獻94首次發現：在近場條件30下，當智能超表面的尺寸趨于無窮大時，經過被動波束賦形的反射鏈路等效路徑損耗僅隨距離的絕對值衰減，即此時等效的最小損耗因子為 1（圖 3.18 的仿真結果印證了這一結論）。對于多徑環境下的超大規模 MIMO 通信，空間相關性對于二階統計信道特性至關重要。在遠場均勻平面波模型下，空間相關性僅取決于散射體角度功率譜，并且呈現廣義空間平穩特性（SWSS，Spatial Wide-Sense Stationa

99、rity）。然而在近場非均勻球面波模型下，空間相關性不僅取決于散射體角度，還與散射體到達陣列的距離有關，即功率位置譜（PLS，PowerLocation Spectrum）。此時，近場空間相關性不再呈現廣義空間平穩特性97。進一步地，考慮近場非均勻球面波和部分可視特性，空間相關特性也不再呈現出廣義空間平穩特性98。除了近場通信，超大規模多輸入多輸出（Multiple-Input-Multiple-Output,MIMO）的超高空間分辨率也為高精度感知提供了新的機遇。相較于遠場模型，近場感知呈現出更為實際的性能縮放定律99；且當超大規模陣列中的天線數目趨于無窮大時，近場 MIMO 雷達角度估計的

100、克拉美羅界（Cramer-Rao Bound,CRB）不再無限制減小，而是趨于一個定值100。圖 3.18 智能超表面輔助通信系統中信號傳播距離對不同鏈路路徑損耗的影響為了研究擬議系統定位精度的基本極限，101作者在考慮到天線輻射模式的情況下，獲得了費雪信息矩陣（FIM）和克拉梅羅下限（CRLB）。分析結果表明，費雪信息矩陣隨HRIS 的大小呈二次方增長(圖 3.19)。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇31圖 3.19 HRIS 輔助定位性能Pizzo,Marzetta 等學者在文獻102-104中提出在波數域中對近場大規模天線陣列對應的通信信道進行建模。其主

101、要思想是利用波數域信道的有限數量的采樣點，基于傅里葉展開重構 HMIMO 信道，如圖 3.20 所示。與時域和頻域之間的傅里葉變換類似，空間域和波數域之間的關系也由傅里葉變換描述，空間域信道可以通過波數域信道的傅里葉變換來表征，表示為,=122,?(3.9)其中,表示波數域信道，,表示接收波矢量，,表示發射波矢量，,是空間域信道。由上式可知，信道模型主要由三部分組成，即發射和接收波矢量和波數域信道。因此，空間域信道的建?？梢缘刃в诓〝涤蛐诺赖奶娲?，由下式給出,=12,(3.10)其中波數域信道可以用與散射環境和天線布置相關的信道譜密度,來表示；,涉及信道的隨機特性。波數域信道一般具有稀疏結

102、構，即以有限數量的非零系數為主?；诓蓸永碚?，可以對有限積分區域進行均勻采樣，逼近波長域信道。信道近似精度取決于該區域被采樣的點數。隨著計算復雜度的增加，人們可以通過生成更多的樣本來獲得更準確的信道表示。32圖 3.20 傅立葉平面波展開信道建模球面波信道建模對應的仿真結果如圖 3.21，可以看到此時遠場 Rayleigh 衰落模型已經不再適用，同時所建模的信道模型與物理 Clarke 模型相吻合。圖 3.21 傅立葉平面波展開信道容量仿真文獻105探討了近場條件下基于電磁傳播信道的通信理論容量極限?；邴溈怂鬼f方程組及刻畫電磁波傳播特性的亥姆霍茲方程，文獻105依托矢量格林函數建立了單極化天

103、線對應的近場超大規模離散陣列電磁信道模型。隨后，對于單用戶場景，作者推導獲取了當陣列具有極大孔徑時，近場環境下的理論容量上限，并提取了天線極化失配和離散孔徑對系統性能極限的影響。同時，作者基于所提出的信道模型重新討論了更加實際的近場瑞利距離閉式表達，刻畫了信號傳輸傾角和陣列表面功率非平穩對遠近場邊界的影響。進一步的，對于多用戶場景，作者利用單用戶場景下提取的非平穩特性，提出了兩種基于用戶可視區域和圖論的低復雜度線性預編碼，有效解決了超大規模天線陣列對應的高設計復雜度難題。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇33圖 3.22 近場電磁信道容量極限文獻106對目前 H

104、MIMO 陣列近場通信的原理、技術從軟件和硬件層面進行了全面的總結綜述，有利于充分了解 RIS 近場通信的原理、技術演進和發展方向。圖 3.23 RIS 通信應用場景3.4.2 近場測量與近遠場變換近場測量與近遠場變換電磁散射特性是指當電磁波照射到物體時，物體表面感應電流發生輻射形成的散射波所包含的各種信息。電磁散射特性測量是指通過實驗儀器或專業測試設備試獲取目標的散射截面積及其統計特性角閃爍及其統計特性、極化散射矩陣、多散射中心分布等信息107108。根據測試距離不同，可將分為遠場測量、緊縮場測量和近場測量。遠場測量要求測試距離 R2d2/，（其中 d 為目標最大尺寸，為測試波長），因此，需

105、要較大的場地空間。室外遠場測試場需要占用大量土地資源，同時場地還會受到降水、光照、溫度、濕度、風速等自然氣象環境影響；室內遠場測量雖然避免了測試環境的干擾，但還需要建設規模宏大的暗室建筑、大面積鋪設吸波材料，這使其建設成本與維護成本高昂。34緊縮場測量相比遠場測量占用更小的場地。然而，緊縮場對實現技術要求高，靜區面積有限，不能進行大目標的全尺寸測試。同時，其建設成本依舊很高，許多情況下并不是最優的選擇。室內近場是近幾十年發展起來的一種測試方式。近場指的是測試距離小于經典遠場條件（R2d2/）的測量環境。室內近場測試并不滿足遠場條件，所測數據與散射截面積的物理定義存在一定的差別，并不能直接反應目

106、標散射特性。必須通過近遠場變換技術，將近場散射特性測試結果變換為遠場條件下獲得的目標散射截面。因此，變換精度高、速度快、近遠場變換技術是決定室內近場測試場性能的最關鍵因素。室內近場測試根據掃描方式可分為平面近場掃描、柱面近場掃描與球面近場掃描，每種掃描方式都需要相對應的近遠場變換算法。近年來，近遠場變換技術成為了國內外目標特性測試領域學者們研究的重點。其中美國通用動力（General Dynamics）學者 LaHaier 研究的基于合成孔徑成像的近遠場變換算法，以其實現簡單、變換精度高、去噪功能好等特點，成為業內專家關注的熱點。早期的目標特性測量方法受限于測試設備或測試場所，往往是通過窄帶、

107、角度掃描來進行測試的。且即使是當下，外場測試中應用最為廣泛的地面平面場也更適合于對目標進行窄帶測試87。窄帶測量中的近遠場變換常用的方法有：梅林濾波法88、等效口徑二次輻射法89、漢克爾外推法9091等。窄帶測量中的近遠場變換技術受限于窄帶測量條件。傳統算法在推導過程中使用了一定的近似，這導致其適用范圍受到了限制。對目標進行寬帶測量能夠獲取多頻點下的電磁散射特性，測量結果包含了更多維度的散射信息，能夠提高單站近遠場變換的精度90。寬帶測量 中的 近 遠 場變 換 常用 球 面 波環 式 散射 外 推 技術（Circular Near-field to Far-FieldTransformati

108、on,CNFFFT）。CNFFFT 算法由 LaHaie 團隊提出9192969798，是一種精度較高且工程應用廣泛的近遠場變換算法。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇354.近場信道測量與建模近場信道測量與建模在5G時代，3D MIMO被認為是一種重要的實用技術，提升了通信系統的性能109。當基站和用戶之間的通信距離大于瑞利距離時，用戶位于基站的遠場區域。此時到達基站陣列的電磁波可以近似地模擬為平面波。反之則到達基站陣列的電磁波需要建模為球面波110。目前，新中頻吸引了產業界和學術界的廣泛關注111。2023年12月，引領全球移動通信業發展的主導性標準化組織第

109、三代合作伙伴計劃（以下簡稱3GPP）確定了Rel-19首批16個RAN領域的立項建議，其中7-24 GHz信道模型研究部分包括了近場和空間非平穩的信道測量和建模。在下一代通信系統中，陣列規模和頻率將繼續上升，超大規模陣列天線(Extremely LargeAperture Array,ELAA)系統的近場范圍可以達到幾十米甚至幾百米，在典型部署場景中有必要考慮近場通信112113。掌握信道特性和模型是通信系統設計和技術評價的前提。因此，需要全面的信道測量和準確的信道特性表征。本章節將從信道測量和信道建模的維度介紹近場信道研究，包括信道測量、統計性模型、確定性模型、近場信道空間非平穩特性、連續陣

110、元信道模型、離散陣元信道模型等。4.1近場信道測量近場信道測量信道測量設備用于獲取鏈路端收發端天線的信道脈沖響應(Channel Impulse Response,CIR)。如圖4.1所示，信道測量平臺主要有兩類，基于相關的時域信道測量和頻域信道測量?；谙嚓P的信道測量平臺具有采樣時間短、收發端操作靈活的優點，但缺點是操作帶寬和系統動態范圍有限，收發端之間的同步復雜114115116?；谑噶烤W絡分析儀(VectorNetwork Analyzer,VNA)的信道測量平臺屬于頻域信道探測系統，優點是工作頻率和帶寬可擴展，動態范圍高，易于校準，但是這種類型的探測系統的頻率掃描時間通常很長1171

111、18。因 此，基 于 VNA 的 信 道 測 量 平 臺 通 常 限 制 在 靜 態 場 景 中。對 于 近 場 MIMO（Multiple-Input-Multiple-Output）信道的測量，更應該關注信道空間域的測量能力，因為如何更好地利用空間維度是近場MIMO技術的關鍵任務。為了實現近場信道的測量，目前已有幾種采集信道空間分布特征的方案，包括真實天線陣列、切換天線陣列、相控陣以及虛擬天線陣列。然而，當涉及有數百個天線陣元的近場信道測量時，這些大多數方案都受到了挑戰。對于真實天線陣列、開關陣列和相控陣列，由于需要具有物理尺寸的大陣列，硬件成本和校準復雜性將變得非常高。虛擬天線陣是通過一

112、個天線單元(或者小型天線陣則是多個天線陣元)，通過機械移動虛擬形成一個大型天線陣109119120121。該方法可以方便地實現可擴展的陣列配置，在大規模 MIMO 信道測量中是最常用的。然而，由于機械運動緩慢，虛擬天線陣的測量場景受限于準靜態場景。(a)時域測量(b)頻域測量36圖 4.1 時域和頻域的信道測量平臺109122如圖 4.2 所示，基于虛擬陣列的 VNA 的近場信道測量。使用旋轉器可以實現不同半徑的均勻圓形陣列。對于每個陣元，通過 VNA 掃頻采集信道沖激響應。在目前的測量中，收發端都配備了一個全向天線，直射鏈路距離為 6.5 m。在收發天線之間放置了一塊金屬板作為障礙物。Rx

113、天線通過機械轉盤從 0到 360旋轉，形成半徑為 0.5 m 的虛擬均勻圓形陣列。旋轉步長為 0.15形成 2400 個天線陣元。測量頻率范圍為 95 GHz 105 GHz。從結果中觀察到，可以探測到幾個“S”形曲線，這些曲線被識別為在不同陣元上具有不同時延的多徑分量。這是近場球面波前效應引起的陣元間多徑傳播距離顯著不同的結果。此外，在這種情況下，大部分多徑的測量都是在部分陣元上分布的不完整“S”形曲線，這表明了信道的空間非平穩性。部分遮擋現象是由于該場景中一些物理尺寸有限的物體導致多徑不能完全在整個大陣列上被捕捉到。結果表明，在超大規模 MIMO 信道中存在近場和空間非平穩特性。文獻123

114、基于時域信道測量平臺，在 3.5 GHz 頻段開展了視距(LOS)和非視距(NLOS)條件下基于 256 陣元的虛擬陣列測量，發現了簇出現和消失的變化，并基于生滅過程建立了相應的模型。圖 4.2(a)基于虛擬陣列的 VNA 的近場信道測量，(b)陣元上的信道沖激響1244.2近場信道仿真近場信道仿真近場是一個相對的概念，對于大規模天線陣列天線而言，基于距離天線中心由近到遠可以分為三個區域，分別是：電抗近場區、輻射近場區（Fresnel zone）和輻射遠場區（Fraunhoferzone）。天線在電抗近場區的輻射方向圖類似平坦的波紋，幅度變化不大；在輻射近場的方向圖較為光滑且有波瓣成型的趨勢；

115、在輻射遠場區主瓣和副瓣已經完成成型。輻射近場與輻射遠場的分割距離被稱為瑞利距離。在這種場景下，發射天線陣子和接收天線陣子之間仍然滿足遠場條件。對于收發天線單元之間的距離也為近場的情況下，相關仿真仿真結果如圖 4.3所示。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇37圖 4.3(a)水平極化陣子近場電磁場分布。(b)垂直極化陣子近場電磁場分布如圖 4.3所示，分別是水平極化電流源與垂直極化電流源在近場電場及磁場極化的分布情況。半球中心處黑色線表示電流源方向，紅色線表示電場強度矢量末端在場點附近形成的跡，藍色線表示電場強度矢量末端在場點附近形成的跡?？梢钥闯?，電場強度矢量在

116、近場表現為橢圓極化，且不同方位角度近場場點電場強度的軸比、主軸傾角、橢圓度角等均不同，而磁場強度表現為穩定的線極化特性，這意味著，坡應亭矢量是在近場是一個時變矢量，這是陣子級近場與陣列級近場的一個主要差異。從工程商用角度來看，即使針對大規模陣列，發射天線單陣子和接收天線單陣子之間遠場條件假設一般仍然滿足。對于收發天線處于近場且各陣子之間的 LOS/NLOS 狀態保持一致的情況，需要基于收發天線錨點單元的信道狀態估計收發天線其他單元之間的信道狀態，當假設錨點單元之間無線信道的 NLOS 徑以鏡面反射為主且無信道生滅等非平穩特征時，可以基于雙移動空間一致性模型推導出收發天線任意兩對單元之間的信道狀

117、態。對于頻點為 6GHz，基站天線陣子數為 1024 的大規模天線陣列近場信道（圖 4.4）的陣子間空間一致性仿真結果如圖 4.5-圖 4.8（假設終端天線為單陣子的場景）。38圖 4.4 大規模天線陣列排布（6GHz，1024 單元）圖 4.5(a)天線各陣子-第 1 徑-絕對時延(b)天線各陣子-第 2 徑-絕對時延圖 4.6(a)天線各陣子-第 1 徑-AOA/AOD/ZOA/ZOD(b)天線各陣子-第 2 徑-AOA/AOD/ZOA/ZOD6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇39圖 4.7(a)天線各陣子-第 1 徑-相對功率(b)天線各陣子-第 2 徑-

118、相對功率圖 4.8(a)天線各陣子-第 1 徑-相位(b)天線各陣子-第 2 徑-相位對于天線陣列近場存在散射體的情況，需要基于近場散射模型（嚴格解、高頻解或全波數值解）研究該場景下，大規模無線陣列各陣子間無線信道的相關特性。如圖 4.9所示，為理想 PEC 導體球在大規模陣列附近，平面波入射波矢如圖中藍色線段所示，陣列天線中黑色點表示入射波矢被散射體遮擋的部分，紅色點表示未被遮擋的區域。入射波被散射體遮擋及反、衍射后，在陣列各單元的幅度及絕對相位仿真結果見圖 4.10圖4.11。40圖 4.9 PEC 球與陣列天線的相對位置，及入射波矢方向H-POLV-POL信號強度增益(dB)圖 4.10

119、 在基站陣列天線各單元陣子處，H 極化及 V 極化饋入波對應的信號強度增益分布H-POLV-POL絕對相位(rad)圖 4.11 在基站陣列天線各單元陣子處，H 極化及 V 極化饋入波對應的信號強度增益分布如圖 4.12 所示，為隨機粗超散射體在大規模陣列附近，平面波入射波矢如圖中藍色線段所示，陣列天線中黑色點表示入射波矢被散射體遮擋的部分，紅色點表示未被遮擋的區域。入射波被散射體遮擋及反、衍射后，在陣列各單元的幅度及絕對相位仿真結果見圖 4.13圖4.14。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇41圖 4.12 近場散射體與陣列天線的相對位置，及入射波矢方向信號強

120、度增益（dB）圖 4.13 在基站陣列天線各單元陣子處，V 極化饋入波對應的信號強度增益分布42絕對相位（rad）圖 4.14 在基站陣列天線各單元陣子處，V 極化饋入波對應的信號強度增益分布4.3近場信道建模近場信道建模在文獻中有很多考慮近場效應的大規模 MIMO 信道建模工作。對于確定性信道建模，METIS 項目125提出了一種基于射線跟蹤的大規模 MIMO 信道模型，可以表征空間非平穩特性。然而，計算復雜度高，缺乏詳細的數字地圖和材料數據庫，使得這種確定性建模方法在一些環境復雜的場景下缺乏適用性。對于統計性信道建模，COST 2100 模型126首次提出了可見區域的概念來表征 MIMO

121、天線的空間非平穩信道，將移動端的簇限制在一個有限的區域內。在127中，可見區域的概念進一步擴展到大規模 MIMO 天線陣列。具體來說，只有可見區域中的天線陣元才能看到該簇，而可見區域之外的天線陣元則看不到該簇?；诳梢妳^域的概念，在128中利用陣列軸上的生滅過程對空間非平穩特性進行統計表征。為了驗證模型，對統計特性進行了數值分析，如相關性、陣元上簇的平均壽命。在129中，基于信道特性研究了超大規模陣列上的平穩區間劃分方法。在130中提出一種應用于射線跟蹤的高效信道仿真方法，在保證精度的條件下實現對超大規模天線部署下近場、空間非平穩信道仿真。在122中，提出了一種新的大規模 MIMO 信道模型框

122、架，該模型解釋了近場和空間非平穩特性。通過球面波傳播和物理多徑傳播機制捕獲具有近場和空間非平穩特性的大規模MIMO 信道?；谛诺罍y量和模型的驗證證明了其有效性，下文簡要介紹。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇43圖 4.15 具有空間非平穩特性的近場球面傳播假設在 Tx 陣列和 Rx 之間存在 K條空間非平穩球面傳播路徑。頻率下的大規模MIMO信道可以建模為陣列上 K 條路徑的信道頻率響應的疊加，可以簡潔地表達為：=()()(4.1)其中，包含 M 個復數值，即 CM1,f ,表示頻率范圍，表示哈達瑪積。在該模型框架中引入了一個新的矩陣S，表示反映信道中非平穩

123、特性的非平穩參數矩陣。H(f)CK1表示為參考點 K 條路徑中處的信道頻率響應：12221(),kKjfjfjfTkKfaea ea e H(4.2)其中，,kk 分別代表第 k 條路徑的復振幅和傳播延遲。A(f)CMK表示球面波傳播下的陣列矩陣，A 的第(m,k)個陣元,m ka，可以由第 m 個天線陣元相對于參考點的傳播差表示，即：,2,()m kkddjfkcm km kafedd(4.3)其中，c 是光速，代表歐幾里得范數，kd表示從參考點指向第 k 條傳播路徑的第一散射源的矢量，,m kd表示從第 m 個天線陣元指向散射源點的矢量。(a)(b)圖圖 4.16(a)實測結果，實測結果，

124、(b)信道模型生成信道模型生成圖4.16顯示了驗證結果。模型生成的信道如圖4.16所示，捕獲了測量中觀察到的所有空間非平穩現象。除了固定路徑外，還精確地生成了所有在功率變化或不變化的部分陣列上有響應的空間非平穩路徑。錯誤錯誤!超鏈接引用無效。超鏈接引用無效。44聚焦超大規模MIMO信道建模和仿真，文獻131在3GPP信道模型的基礎上提出了一種創新仿真框架，增加了對大規模MIMO信道空間非平穩特性，以及近場特性仿真的支持，實現了具備近場空間非平穩特性的大規模MIMO信道系數的準確生成，該工作依托于6G信道仿真器BUPTCMCCCMG-IMT2030完成（https:/ MIMO 系統陣列尺寸較大

125、，當用戶靠近陣列時，信道能量僅集中在部分天線上，這部分信道能量集中的陣列被稱為可視區域（visibility region,VR）132133。文獻134135VR 定義為占據最大信道能量比例的部分陣列天線?？紤]存在散射體或障礙物的實際場景，散射體通常被分為多個簇，文獻136137138將 VR 定義為用戶-散射體簇之間的可視區域UC和散射體簇-陣列之間的可視區域CA的級聯，UC與CA分別表示用戶可視散射體簇及散射體簇可視天線，如圖 4.17所示。圖圖 4.17 陣列用戶可視區域示意圖陣列用戶可視區域示意圖當采用有限徑信道模型時，超大規模 MIMO 的非平穩特性使其與傳統的信道模型相比，主要的

126、變化是與導向矢量有關的表達。首先，在陣列附近，由于平面波建模不再有效，導向矢量中每個元素的相位應考慮球面波建模。其次，每個元素的振幅由于沿著陣列的路徑損耗以及環境中障礙物之間的相互作用而不再相同。因此，超大規模 MIMO 系統用戶 k 的空間非平穩有限徑信道模型表示為UC,1 hackSkc sc scs(4.4)其中，,c s表示簇 c 中散射體 s 產生的路徑的復系數，也表示該路徑在參考天線上的響應，,1Nac s是該路徑的導向矢量。進一步引入 VR，則有限徑信道模型轉化為138139。UC,1 aphckSkc sc scsc(4.5)6G6G 近場通信技術白皮書近場通信技術白皮書/Fu

127、TURE 論壇45CA,c1,0,pcnif nelse(4.6)其中10,1pNc指示散射簇 c 的可見天線。此外，超大規模 MIMO 系統可以使用基于信道協方差矩陣的信道建模方式，通過信道協方差矩陣體現 VR 信息。信道協方差矩陣反映不同天線間信道的統計協方差，在多天線信道建模中得到了廣泛的應用。用ARN N和sRS S表示陣列側和散射體側的協方差矩陣，此時基于信道協方差矩陣的多天線信道模型為：1122AshR H R hkww,k(4.7)其中，S表示散射體個數，N SwH和1,hSw k為小尺度衰落系數矩陣。由于不同散射體簇具有不同的VR，在空間非平穩場景下，用戶k與基站之間的信道表示

128、為：121sUC,hRhCkw,kGGD(4.8)12CA,cCA,GDRHcN Sccw c(4.9)其中，cG表示陣列與簇c之間的信道，C表示散射體簇的數量，cS表示散射體簇c中的散射體數量，滿足1CccSS，CA,cScwH和UC,1,kw kh為小尺度衰落系數矩陣，CA,CA,CA,cccR是可見區域CA,c內的天線協方差矩陣，UC,UC,0,1kSkD和CA,CA,c0,1DcN分別表示用戶k可見的散射簇和簇c可見的天線。如圖4.18所示，對于天線陣列或基于離散單元的智能反射面（RIS），其產生的近場信道可以被建模為每個單獨發射天線（TA）與接收天線（RA）之間所有遠場信道的復值求和

129、。這種信道模型被稱為非均勻球面波（NUSW）模型140。通過這種方式，天線陣列間的近場信道可以用一個信道矩陣來描述，矩陣的維度分別為接收天線數和發射天線數。近場信道的自由度由這個信道矩陣的秩決定，因此即使沒有散射體的存在，近場信道矩陣也可以達到滿秩。在信道狀態信息（CSI）獲取方面，與遠場信道相比，近場信道需要更高精度才能充分利用其增強的自由度。對于極大規模的MIMO系統，可以采用基于子陣列的估計方法。對于空間離散天線，NUSW信道模型在大多數情況下在精確性和復雜性之間達到了適當的平衡。46圖 4.18 離散陣元信道模型示意圖近年來，超材料被用于實現(近似)連續的發射和接收孔徑，從而促進全息波

130、束形成。與傳統波束形成技術相比，通過連續孔徑（continuous-aperture,CAP）天線實現的全息波束形成具有超高的空間分辨率140。對于連續孔徑天線的情況，近場信道建?？梢砸蕾囉诟窳趾瘮捣椒?41。具體來說，在這種模型中，格林函數可以被視為連續陣元發射器與近場接收器之間的空間沖激響應函數。如圖4.19所示，通過格林函數方法，對于給定的發射端電流分布，可以計算出區域中的電磁場強度分布。進而根據接收端天線的具體性質，得到接收的場強或感應電流分布。通過利用這個模型，可以得到了一個準確的體到體的模型（即發射器有效體積到接收器有效體積）。不同于傳統的點對點模型，這種連續的體到體模型可以充分利

131、用近場信道更高的自由度。與離散天線相比，連續陣元天線也需要更精確的信道狀態信息。因為它們的信道建模依賴于格林函數和空間積分，連續陣元天線的信道狀態信息獲取是未來研究的一個具有挑戰性的課題。圖4.19 連續陣元信道模型示意圖上述使用超材料的連續孔徑天線這里也稱作全息 MIMO（HMIMO），能夠突破傳統無線信道不可控因素，重塑無線傳播環境以及帶來的新的自由度，尤其是在近場場景下，研究表明傳統的信道建模方式不再適用于近場信道場景142。目前比較有效的近場建模方式從電磁場基礎理論出發，采用計算電磁學理論等工具，向波場傳輸的信道刻畫發展，結合信息理論的優勢，進而建立了電磁場信息理論數學分析框架，建立大

132、規模 MIMO 通信的場傳播模型。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇47多極化自由空間信道：如圖 4.20 所示，通過并矢格林函數同時考慮了近場球面波信道和多極化效應，并在此基礎上建模了多極化近場球面波信道。圖 4.20 近場多極化球面波建模發送端 HMIMO 在位置 的接收電場可以表示為：(4.10)第 n 個發送端 HMIMO 天線在某個接收點處的信道可以表示為：(4.11)(4.12)接收端 HMIMO 的尺寸通常要比發送端的小，因此可以合理地假設每個接收端HMIMO 天線功率正比于接收端天線尺寸。因此，則第 n 個發送端 HMIMO天線和則第 m 個接收

133、端 HMIMO 天線之前的信道可以表示為：(4.13)其中，。因此整個信道矩陣可以表示為：(4.14)其中信道子矩陣表示p極化方向的發送端分量到q極化方向的接收端分量之間的信道。48相比于雙極化 HMIMO 和傳統的單極化 HMIMO，三極化 HMIMO 的信道容量要更高143。圖圖 4 4.2121 多極化信道容量多極化信道容量現有研究中的信道模型通常假設散射簇都位于近場，或者都位于遠場，然而實際中超大規模 MIMO 系統中存在混合遠近場情況，即部分散射簇位于近場，部分散射簇位于遠場。換言之，超大規模 MIMO 信道通常由遠場和近場路徑分量共同組成?，F有近場或遠場信道模型不能匹配這種混合遠近

134、場信道特征，因此接下來將建立綜合考慮遠場與近場的信道模型。近場與遠場的界限劃分對無線通信系統的很多方面都有影響，如陣列天線表征、傳播信道、感知等144。為建立混合遠近場信道模型，我們首先討論遠場與近場的界限劃分。根據收發機是否都配置多天線可以將系統分為 MISO/SIMO，MIMO 兩類，下面分別介紹這兩類系統的遠場近場界限。MISO/SIMO 系統：經典的天線遠近場界是瑞利距離（Rayleigh distance），22/，其中 D 表示陣列孔徑，表示載波波長。MIMO系統：對于 MIMO系統，瑞利距離的擴展形式得到了廣泛認同，即2+2/，其中，分別表示接收機和發射機的最大陣列孔徑。圖圖 4

135、 4.2222 超大規模 MIMO 混合遠近場傳播環境如圖圖 4 4.2222，超大規模 MIMO 系統存在兩種不同的散射簇，遠離基站的簇位于遠場區，產生遠場分量，靠近基站的簇位于近場區，產生近場分量。這種情況下，基站服務一個距離6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇49較遠的用戶，雖然直連路徑屬于遠場分量，但信道中也可能有近場簇產生的近場分量，因此必須考慮遠場與近場混合信道。為了描述信道中遠近場混合的特征，表示混合場信道模型公式如下：1l11,ffnnnfnLLhybridfie dlllllllNrLhab(4.15)其中，L 表示路徑數，0,1是可調節參數，用

136、于控制近場簇和遠場簇的比例，fl和fl分別表示第fl條遠場路徑的路徑增益和到達角，()fla是與fl有關的遠場陣列導向矢量，nl，nl和nlr分別表示第nl條近場路徑的路徑增益、角度和距離，(,)nnllbr是與nl和nlr有關的近場陣列導向矢量。當1時，該混合場模型成為遠場模型，當0時，該模型成為近場模型。因此，該混合場模型是一個更一般的信道模型，現有的近場和遠場模型可以視為它的特例。505.近場傳輸技術近場傳輸技術由于近場傳播模型與現有遠場通信技術的不匹配，現有遠場技術在近場區域會存在嚴重的性能下降。本章將從信道估計、波束賦形、碼本設計、波束訓練、多址技術、近場系統架構與部署和標準影響等方

137、面介紹近場傳輸技術。5.1近場信道估計近場信道估計精確的信道狀態信息是設計 6G 網絡信號處理的基礎保障，是實現 6G 超高頻譜效率的關鍵因素。然而，由于輻射近場的新特性，給精確的信道估計帶來了挑戰。在現有 5G 大規模陣列通信系統中，研究人員常利用遠場信道在角度域的稀疏性，使用壓縮感知算法以低導頻開銷精確地恢復角度域稀疏信道。其信號處理大致流程為：首先對天線域信道進行傅里葉變換，將其轉換到稀疏角度域，接著使用正交匹配追蹤算法（OrthogonalMatching Pursuit，OMP）等稀疏信號重構方法精確重構角度域信道。然而，遠場低開銷信道估計方案依賴于信道的角度域稀疏性，而角度域稀疏性

138、的一個重要前提是遠場平面波建模。由于超大規模陣列的近場信道由球面波構成，近場球面波傳播特性將導致如圖 5.1所示的近場信道在角度域的能量擴散效應，即每條近場路徑的能量擴散到角度域的多個格點上。能量擴散效應破壞了近場信道在角度域的稀疏性，因此，現有的信道估計方案在近場環境下將存在嚴重的估計精度下降問題。圖 5.1 近場信道角度域能量擴散效應為克服上述近場信道角度域能量擴散問題，可基于近場球面波傳播特性構建近場碼本字典矩陣，恢復近場信道在該碼本的稀疏特性，在近場通信場景內使用壓縮感知方法。具體來說，現有遠場傅里葉變換的角度域字典矩陣本質上是對空間角度的均勻劃分，保證遠場信道在角度域的稀疏性。為適應

139、球面波傳播特性，可在均勻劃分空間角度的基礎上，額外增加對空間距離的非均勻劃分，并保證碼字在距離域維度上采樣盡可能少，從而同時提取信道在“角度-距離”兩個維度（極坐標域）上的信息，構建近場極坐標域碼本?；诜颇鶢柦瓶勺C6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇51明，提出的極坐標域表示方法可適配近場傳播環境，保證近場信道的極坐標域稀疏性145。通過將信道從空域轉化為極化域，并利用近場信道在極化域中的稀疏性，利用壓縮感知實現低導頻開銷的信道估計。文獻146利用給定觀測信號時球面波傳播角度和距離的耦合性，構建距離參數化角域稀疏字典來表示近場信道，并進一步提出聯合字典學習和稀

140、疏恢復算法進行角度和距離估計，重構近場信道。提出的近場信道表示方法將距離作為參數，僅在角度域進行采樣構建字典，很好的解決了極坐標域方法存在的高存儲開銷和高相干性問題，如圖 5.2所示?？紤]到極坐標域方法在字典構建上存在的困難，147中進一步提出基于模型的深度學習近場信道估計方法，此方法從觀測數據中學習一個較小的稀疏字典來表示近場信道，并利用基于學習的迭代收縮閾值算法實現信道參數的稀疏恢復。圖 5.2 字典相干性對比圖(a).距離參數化角域字典，(b).極坐標域字典(同一角度下不同距離變化圖)除了構建近場極坐標域的碼本來保證近場信道的稀疏性，148中通過構建一個波前轉換矩陣，將近場信道轉換到逼近

141、于遠場信道、甚至于成為遠場信道，然后采用離散傅里葉變換（DFT）矩陣將信道投影到角度域上，保證信道的稀疏性。不同于遠場信道的結構，現有的近場信道包含了額外的距離矩陣，即不同天線陣列單元的相位偏差。為了緩解相位偏差的影響，可以基于近場信道和遠場信道的結構特征，構建一個垂直于遠場導向矢量矩陣所在空間的行滿秩矩陣，通過矩陣運算得到一個滿秩矩陣，同時提取并歸一化滿秩矩陣的對角元素，作為構建的波前轉換矩陣。在天線數量足夠大的時候，波前轉換矩陣與角度和距離有關，同時信道的估計誤差將趨近于零148。52圖 5.3 聯合角域-極坐標域采樣為了消除功率擴散帶來的信道估計精度損失，149中提出了面向功率擴散消除的

142、遠近場信道估計方法。其對近遠場信道進行聯合角域-極化域變換：即壓縮感知的變換字典同時包括了近場導向矢量和遠場導向矢量。如圖 5.3 所示，對于天線覆蓋的近場范圍，利用近場導向矢量對方向和距離進行二維采樣；對于遠場區域，利用遠場導向矢量對方向進行一維采樣。在每次迭代中，都檢測到一條遠場/近場路徑在角度域/極化域中的變換值（呈現單峰，可采用傳統 OMP 方法檢測得到），據此可估計并消除該路徑在另一個域中的功率擴散范圍，避免對后續檢測造成干擾。由于第一次迭代時，變換值對應單峰幅度大于其他路徑功率擴散范圍的幅度大小，因此可以正確檢測該路徑，保證迭代順利執行?；谳椛浣鼒鲂诺涝跇O化域的稀疏性和深度學習算

143、法在信道估計方面的高性能表現，150中提出了兩種信道估計方案，即基于極化域多重殘差密集網絡（polar-domain multipleresidual dense network，P-MRDN）和極化域多尺度殘差密集網絡（polar-domain multi-scaleresidual dense network，P-MSRDN）的信道估計方案。同時，將所提出的方法和極化域的正交匹配追蹤算法（polar-domain orthogonal matching pursuit，P-OMP）對比145，分析了信道稀疏性對傳統算法和深度學習算法性能的影響。圖 5.4 基于 MRDN 的信道估計方案圖

144、5.5 基于 P-MRDN 的信道估計方案6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇53圖 5.4 所示為傳統的基于 MRDN 151的信道估計方案。該方案旨在通過快速傅里葉變換將接收信號轉換到角度域，從而充分利用信道在角度域中的稀疏性。然后，通過 MRDN在角度域中恢復遠場稀疏信道，其中，MRDN 的組成模塊如圖 5.6 所示。然而，近場信道在角度域的稀疏性并不顯著。相反，類似于遠場信道在角度域的稀疏性，輻射近場信道在極化域中表現出一定的稀疏性。如圖 5.5 所示，為了利用近場系統中的極化域信道稀疏性，其提出的基于 P-MRDN 的信道估計方案采樣極化域變換（pola

145、r-domain transform，PT）將接收信號轉換到極化域中，這類似于角度域變換?；?MRDN 和基于 P-MRDN 的信道估計方案之間的關鍵區別在于它們利用固有信道稀疏性的方法不同?；?MRDN 的信道估計方案將信道轉換到角度域中，利用遠場中的角度域稀疏性。相反，基于 P-MRDN 的信道估計方案將信道轉換到極化域中，利用信道在輻射近場的極化域稀疏性。為了進一步提高信道估計的精度，其定義了 ASPP 和RDN 的并行模塊，稱為基于 ASPP 的 RDN（atrous spatial pyramid pooling-based residual densenetwork，ASPP-

146、RDN），如圖 5.6 所示。通過將 ASPP 結合到所提出的 P-MRDN 中，新的信道估計方案可以實現更高的歸一化均方誤差（normalized mean-square error，NMSE）性能。圖 5.6 RDN、CMAM 和 ASPP-RDN 系統模型圖 5.7 陣列用戶可視區域示意圖此外，近場信道的另一個特性是空間非平穩性，即不同天線子陣列具有不同的可視區域（visibility region，VR），這使得傳統忽略信道非平穩的波束賦形方案性能下降152。如圖5.7 所示，VR 可定義為用戶-散射體之間的可視區域和散射體-陣列之間的可視區域?？臻g非平穩效應的形成原因包括：用戶到不同

147、天線的路徑損耗不相等，由于陣列尺寸過大，當用戶與陣列之間的距離小于菲涅耳距離時，由于球面波傳播特點，距用戶較遠的天線能量較弱；障礙物遮擋引起的信道功率分布不均，不同于遠場情況下整個信道都可能會被樹木等障礙物54遮擋，在近場或菲涅耳區域的用戶，其信道中只有基站陣列的部分區域被障礙物遮擋，遮擋引起了信道功率分布不均?？梢灶A想的是，當用戶和具有較大物理尺寸的超大規模天線陣列通信時，僅有一部分觀測到較好信道環境的子陣列能夠接收到絕大多數的信號能量，而大部分陣列由于相對該用戶的距離、角度等因素不夠理想，可能僅僅接收到微弱的信號能量。為了獲取空間非平穩條件下的近場信道狀態信息，需要從陣列側和用戶側兩個維度

148、實現超大規模陣列 VR 識別。針對陣列側的 VR 識別問題，若僅存在單一用戶且基站端采用全數字射頻前端，則對應 VR 可以通過上行發送導頻信號，并在接收端測量陣列單元對應的功率獲取139153。然而，由于近場效應通常出現在基于混合預編碼架構的超大規模陣列系統中，直接獲取每個天線單元對應的接收信號功率難度較大。為此，154考慮了基站采用子陣列架構下的 VR 識別問題，首先利用參數化信道重構算法估計得到近場信道參數，隨后結合重構信道和接收信號估計得到 VR 范圍。超大規模 RIS 同樣可作為超大規模 MIMO 系統的實現方式之一，超大規模 RIS 的使用同樣會引入近場空間非平穩特性。為此155考慮

149、了超大規模 RIS 中的 VR 識別問題：首先估計得到用戶-RIS-基站的級聯信道，隨后利用 VR的能量特性，根據重構信道的能量判決得到 VR 的范圍。針對用戶側的 VR 識別問題，文獻156將 VR 作為一地理上的區域，且與陣列上的特定天線單元集合相對應，即當用戶位于VR 內部時，其信號可以被陣列上的特定天線單元接收；當用戶進入另一 VR 區域時，信號可以被陣列上的其他特定天線單元集合接收到。文獻156通過選擇少量信標用戶的 VR 信息作為環境先驗信息，并在此基礎上設計了位置 VR 識別網絡，利用訓練完成的網絡，以較低的復雜度識別用戶側 VR。5.2近場波束賦形近場波束賦形波束賦形是一種通過

150、利用天線陣列將無線信號導向特定的接收器的技術。它可以通過從不同的天線發射具有不同幅度和相位的信號，在接收器處產生相長有用信號或相消干擾，從而增強所需信號和減少干擾來提高無線通信的質量、容量和可靠性。然而，在現有遠場無線通信系統中，由于電磁波前是平面的，波束賦形只能在角度（方向）一個維度上控制信號傳播。不同于遠場，在近場通信環境下，通過利用球面波傳播特性，近場波束賦形（波束聚焦）技術能夠將信號能量聚焦在空間特定位置上，實現在角度和距離兩個維度上控制信號傳播157158。近場波束賦形（波束聚焦）提供了一種新型的多用戶干擾控制機制。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇5

151、5圖 5.8 遠場波束賦形和近場波束賦形在已知 CSI 的情況下，近場波束賦形設計仍可采用傳統 MIMO 波束賦形設計方法，比如最大比率傳輸（Maximum Ratio）、迫零傳輸（Zero-Forcing）和最小均方差傳輸（Minimum-Mean Square Error），以實現空間復用。相較于遠場平面波傳播，近場球面波傳播能大幅增強空間復用能力。具體而言，如圖 5.8所示，在遠場環境中，不同用戶的信道隨著天線陣列尺寸的增大只在角度域逐漸趨于正交。這種正交性由波束寬度所決定。但當用戶位于近場時，用戶信道的漸進正交性不僅存在于角度域，還存在于距離域。這種正交性同時由波束寬度和波束深度所決定

152、159。因此，在近場情況下，波束賦形能夠同時將波束聚焦于特定的角度和距離，實現更高自由度的空間復用能力，有效抑制用戶間干擾，促進多用戶接入。圖 5.9 全連接時延-相移波束賦形圖 5.10 部分連接時延-相移波束賦形56圖 5.11 串行連接時延-相移波束賦形在多天線寬帶系統中存在雙重寬帶效應，一是由多徑效應引發的頻率寬帶效應，二是由于大天線孔徑帶來的空間寬帶效應。頻率寬帶效應導致近場信道具有頻率選擇性，造成了嚴重的碼間串擾問題。這類挑戰可以通過多種現有技術有效解決，例如帶有循環前綴的正交頻分復用技術（Orthogonal Frequency Division Multiplexing，OFD

153、M）?？臻g寬帶效應則使不同的子載波以不同的角度和距離“觀察”用戶位置。在收發機使用低功耗的混合數字模擬波束賦形架構時，可能出現波束斜視或波束分裂問題。具體來說，傳統模擬波束賦形使用不具備頻率選擇性的相移器來形成波束，無法針對不同的子載波生成差異化波束，因此無法使波束在不同的子載波上精準定位用戶。為應對這類難題，159和160提出了一種全連接時延-相移混合波束賦形架構，如圖 5.9所示。這一架構通過引入適量的真實時延器，輔助實現隨頻率變化的波束，有效克服了波束斜視和波束分裂問題。然而，在近場通信中，為確保一定規模的近場范圍，通常需要天線陣列具備較大的孔徑，這對于真時延器的可實現最大時延提出了嚴格

154、的要求。針對此問題，161和162分別提出了部分連接和串行連接時延-相移波束賦形架構（如圖 5.10 和圖 5.11 所示），以降低最大延遲需求，從而減少硬件成本和復雜度，具體如下：部分連接時延-相移波束賦形161：在此架構中，每個射頻鏈通過真時延器和相移器連接到部分天線子陣列。因此，每組真時延器只需要克服每個子陣列的波束斜視和波束分裂現象。由于每個子陣列具有較小的孔徑，真時延器的最大時延需求可以大大降低。然而，由于每個射頻鏈無法充分利用整個天線陣列，這種架構可能會帶來不可避免的性能損失。串行連接時延-相移波束賦形162：這種架構仍然采用全連接方式，但真時延器不再以并聯方式獨立工作，而是串聯在

155、一起。因此，該架構能夠利用多個具有低時延的真時延器來累積較大的時延，有效克服大孔徑天線陣列的波束斜視和波束分裂問題。然而，這種串聯連接方式同時引入了累積的插入損耗，因此需要設計具有低插入損耗的新型真時延器。若考慮近場非平穩條件，在獲取非平穩條件下信道狀態信息后，可利用主導用戶接收功率的天線可見區域 VR 設計預編碼?？紤]到天線 VR 相比于整個超大規模陣列能夠具有顯著6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇57低的天線數目，基于 VR 設計的預編碼能夠顯著降低算法求逆運算等操作的復雜度。文獻105提出可基于近場信道表達式，計算各子陣列的接收功率閉式表達式，從而找到在接

156、收信號過程中起主導作用的子陣列集合。隨后，基于獲取的 VR 信息，重構 VR 對應各用戶的信道，即可設計基于 VR 的低復雜度預編碼。同時，由于陣列 VR 能夠接收到絕大多數的信號能量，此算法能夠實現與基于全陣列接收信號預編碼相似的性能。陣列 VR 在降低近場預編碼復雜度上仍然存在潛在的利用空間。超大規模陣列具有服務大量用戶的能力，考慮到用戶在空間上的分散分布，各用戶可能具有不同的天線 VR。因此，可基于圖論最大獨立集算法，將具有相似 VR 的用戶分為一組，并基于部分干擾迫零算法進行組內干擾消除。相比于對全部大量用戶進行迫零干擾消除，基于用戶分組的部分干擾迫零算法能夠進一步降低預編碼復雜度。由

157、于存在較小 VR 重疊的用戶組之間僅存在微小的組間干擾，組內干擾消除算法能夠實現與全用戶干擾消除極為接近的系統性能105。同時，163中也提出了一種通過利用有效利用基站通過信道估計獲得的用戶可視區域分布信息來進行波束賦形設計的方案。通過在基站處使用基于子陣列的分布式預編碼，可有效利用信道的非平穩特性，能夠實現更高的頻譜效率，并且基于 randomized Kaczmarz(rKA)算法設計的低復雜度接收機能夠實現性能和復雜度的折中。圖 5.12 CPU 和 LPU 協同處理的超大規模多天線系統文獻164設計了相控陣-RIS 兩級波束賦形方案，如圖 5.13所示。其中相控陣作為 RIS的饋源，用

158、于對 RIS 饋電；透射式 RIS 用于將入射波向裝備傳統天線陣列的用戶傳輸。具體來說，各相控陣子陣將已預編碼的數據流經波束賦形向 RIS 發射。當 RIS 尺寸足夠大時，可以通過控制相控陣波束方向調整 RIS 上的入射波功率分布，從而選擇性激活特定位置的RIS 陣元。下一步，通過調控被激活的 RIS 陣元的相位使 RIS 透射波束指向用戶方向，達到相干的波束賦形傳輸。上述相控陣-RIS 兩級波束賦形方案在發射天線物理位置不變的條件下，等效的實現了孔徑調節，從而可以使 LoS MIMO 信道正交化，以獲得較高的空間復用58增益和傳輸性能。此外該方案還可以降低發射機天線的成本和功耗，提高能量效率

159、；同時極大簡化基帶空域信號處理，實現不依賴發端信道狀態信息的傳輸。圖 5.13 相控陣-RIS 兩級波束賦形方案示意圖5.3近場碼本設計近場碼本設計目前近場碼本設計主要面臨三大挑戰。第一是在實際應用當中，近場現象往往伴隨超大規模陣列出現。而超大規模陣列對空間的分辨率更高，導致需要更多的碼字才能覆蓋全部近場空間。這使得近場碼本設計體量巨大，波束訓練耗時較長。第二是近場碼本需要從方向和距離兩個變量上區分空間，導致出現乘性時間復雜度，進一步擴大了近場碼本體量。第三是近場空間難以正交分解?？臻g的正交分解主要包含兩個要素，即單個碼字之間的空間要相關，不同碼字之間的空間要正交。而由于近場波束的不規則形狀，

160、導致這兩個條件往往顧此失彼。若碼字內空間的相關性沒有滿足，則會導致碼本無法覆蓋全近場空間，會出現近場盲區。若碼字間的正交性沒有滿足，則會使得部分空間被多個碼字覆蓋，碼本存在冗余現象。在現有5G NR協議中，用于指示CSI信息的預編碼矩陣指示（Precoding Matrix Indicator，PMI）碼本采用 DFT 向量作為構造碼字的基本單元，可以視作對角度域的均勻量化。當考慮用戶位于近場的場景，可以采用分數傅里葉變換（Fractional Fourier Transform，FRFT）向量作為基本碼字構造單元165。具體來說，如圖 5.14所示，在 ULA 場景中，碼字為對(sin,co

161、s2/r)兩個域采樣得到的 FRFT 向量；而 UPA 場景對應(sincos,sinsin,1/r)域的采樣。當所述經過變換后的距離域信息反饋值為 0 時，FRFT 碼字退化為 DFT 碼字，保持對已有 PMI 碼本方案的兼容性。通過分析近場導向向量與碼字的相關性可以發現，對所述變換域的等間隔均勻采樣保證了相關性函數分布的均勻、對稱、單調特性，由此可以得到包括近場、遠場在內的混合場的最大量化誤差。同時，該相關性函數可以用二次多項式表示，即相關性等高線為橢圓?；诖丝梢苑治龅玫阶儞Q域的最佳采樣間隔。理論分析表明，在碼本大小受限的情況下，應優先對角度域進行量化，近場引入的距離域只需要少量的采樣，

162、額外增加 13 比特反饋開銷。除了在變換域等間隔采樣獲得近場碼本以外，還可以在距離域進行如下圖 5.15所示的“角度錯位”采樣。理論分析表明，這種新型碼本設計方式能夠保證和均勻采樣相同的量化性能，但碼本大小僅僅是對比方案的 77%。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇59圖 5.14 FRFT 碼字量化性能示意圖圖 5.15 角度錯位的近場碼本設計方式5G NR 基于離散傅里葉變換(DFT)向量進行碼本設計，如圖 5.16(a)所示。但若將 DFT碼本直接應用于近場波束賦形，則會由于與近場信道的不匹配，導致出現嚴重的信噪比損失。與之相反，以球面波前假設為基礎的波束

163、聚焦(beam focusing)可以形成近場信道的最佳相干波束賦形器，如圖 5.16(d)所示。但理想的波數聚焦碼字不僅難以參數化描述，而且無法針對常見的均勻矩形面陣的兩個維度以克羅內克積的形式分別描述。因此，應考慮為大孔徑MIMO 天線陣列設計新的近場碼本。60圖 5.16 遠、近場碼本原理和相位分布示意圖工業界提出了兩種適用于近場波束賦形的碼本。第一種稱為兩步波束賦形(two-stepbeamforming)166，該碼本的基本原理為，將大孔徑 MIMO 天線陣列劃分為若干較小的子陣，使用戶處于單個子陣的遠場，從而可以在子陣內使用 DFT 波束。該碼本的構造方法為：第一步先為整個陣列選擇

164、一個指向用戶方向的 DFT 波束；第二步再將每個子陣的子波束依該子陣與陣列參考點的相對位置偏轉一定角度，同時為每個子陣配置一個初始相位，以補償球面波前導致的相位差。該碼本容易實現，并且兼容多子陣天線架構。第二種稱為環形碼本(ring-type codebook)167，該碼本為雙層結構：第一層為基于菲涅爾原理設計的環形向量聚焦層；第二層為 DFT 向量偏轉層，兼容 DFT 碼本?；谟脩粝鄬﹃嚵袇⒖键c的距離信息，環形碼本的第一層用于指示形成一個法線聚焦波束，該波束將焦點聚焦在用戶所處的焦平面上。而后使用碼本第二層的 DFT 向量將第一層形成的聚焦波束沿焦平面偏轉一定角度指向用戶。相比兩級波束賦

165、形，該碼本聚焦更準確，增益更高。而且該碼本在低比特數相位量化下仍然能達到較優的性能。傳統碼本通常僅針對遠場區域進行設計，隨著天線口徑不斷擴大，近場區域隨之擴張，用戶將會隨機分布在近場或遠場區域168。由于電磁波在遠場和近場中的傳播特性不同，傳統的遠場碼本或近場碼本不再適用于此類近遠場混合分布的場景169。為在用戶分布未知的情況下實現波束賦形，可將近場球面波遠場平面波傳播特性相結合，設計可以同時覆蓋近場和遠場用戶的碼字，從而構建一個同時適用于近場和遠場用戶的近遠場通用碼本170。(1)碼字覆蓋區域劃分：碼字覆蓋區域劃分：如圖 5.17 所示，首先基于電磁波傳播特性分析，將發射機覆蓋范圍劃分為近場

166、和遠場，并進一步劃分為 P 個區域。(2)等效信道建模等效信道建模：根據上述碼字所需覆蓋的區域，根據各區域的電磁波傳播特性，構建發6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇61射機至各區域的等效信道。(3)碼字設計與計算碼字設計與計算：每個碼字的設計原則為，對應覆蓋區域的信號接收功率為常數 C，其他區域的信號接收功率為 0?；谠撛瓌t及上述等效信道，每一碼字計算可建模為二次型問題，可獲得閉式解。圖 5.17 遠近場碼字覆蓋區域劃分未來可以從信號處理和矩陣論兩個角度分析近場特征，并利用近場特征重新建模近場信道和碼本設計規則。近場問題實質上屬于非平穩空間信號的空域濾波問題。

167、其特性與非平穩時間信號的頻域濾波問題相似。通過兩者對比，近場問題可被建模成空域多普勒問題。傳統針對多普勒頻移的估計算法可以遷移至近場問題中來估計不同位置的天線看到的近場信道的方向偏移，從而進一步推導出用戶距離和方向等近場關鍵參數。未來近場碼本設計可以抓住近場信號的非平穩特性進行設計。從矩陣論角度看碼本設計是基于壓縮感知原理進行的。然而近場的信號空間與遠場有巨大區別。遠場信號空間呈現出線性特征，即信號空間是低維超平面；而近場信號空間是非線性的，是低維流形。此外，在多徑場景下，張成遠場信號空間的直線之間是正交關系，而張成近場信號空間的曲線之間并不具備正交關系。然而近場信號空間并不是任意形式的低維流

168、形，其具有形狀不變性。即在陣列上截取兩塊任意大小的子陣，其上的信號空間形狀相同。若根據此特性設計出估計近場信號空間形狀的碼本，再將低維流形投影至一個超平面上，近場信號空間的確定問題則會退化為遠場問題。結合以上分析，未來近場碼本設計可以從以下幾個思路展開：不再拘泥于互相關形式的碼本設計思路。傳統碼本設計框架都是使用所設計和信道做互相關，然后選擇互相關值最大的碼字作為陣列最終的配置。然而互相關函數只適用于估計波陣面的方向，不適用于估計波陣面的曲率。由于近場電磁波呈現球面波特性，碼本設計工作需要同時考慮電磁波的方向和曲率，因此單一的互相關法不再能完美契合需求，自相關62法等方法可以用來輔助形成近場碼

169、本?？筛鶕姶泡椛湓碓O計“分層”碼本。在半波長排布的天線陣列上，近場場波束形狀主要受到三個因素的影響。第一個因素是由于不同天線相位不同而導致的干涉現象；第二個是由于陣列在空間上是有限的導致的衍射現象；第三個是陣列的位置和尺寸以及用戶的位置之間構成的幾何關系的影響。這三種因素的耦合導致了近場波束的不規則特性。因此在設計碼本時，可以將三種因素解耦后分別考慮，而不是直接在三個因素耦合后的結果上直接設計近場碼本?？筛鶕Σㄔ次恢玫姆治鲈O計碼本，不再拘泥于傅里葉角譜理論進行碼本設計。傅里葉角譜理論是將任意形式的波陣面分解成平面波的和的形式。而近場的波陣面是球面波，因此使用角譜理論進行分析和設計碼本反而

170、會引入額外的問題。根據對亥姆霍茲方程的解的分析我們知道，角譜理論的解與格林函數形式的解是等效的，而格林函數的解是基于對波源位置的分析的，是球面波形式的。用球面波形式的解來表示近場的球面波會比用平面波形式的角譜理論表示近場球面波更為簡潔明確。因此基于格林函數等模型設計近場碼本是未來的切入點之一。5.4近場波束訓練近場波束訓練對于高頻波段的 XL-MIMO 陣列通信，近場波束訓練至關重要，通過近場波束訓練可以在進行信道估計和數據傳輸之前在 BS 和用戶之間建立初始的高信噪比鏈路?；诔笠幠IMO 的近場無線通信系統波束增益更大、波束寬度更窄、指向性更強，但這同時也對近場信道下的波束訓練提出了新

171、的挑戰?，F有的研究表明，直接將基于 DFT 的遠場碼本用于近場波束訓練將大大降低其訓練準確率。在近場情況下，針對特定方向的遠場定向波束的能量將擴散到多個角度，此時無法通過最大接收信號功率找到真正的用戶角度。與遠場波束訓練不同，超大規模 MIMO 近場波束訓練需要在角度域和距離域兩個維度上進行波束搜索。文獻145提出了一種新的極化極化域碼本，其中每個波束碼字指向具有目標角度和距離的特定位置。在角度和距離采樣方面，該研究表明應該采取角度均勻采樣，距離非均勻采樣的策略。且距離的采樣密度應該隨著距離增大而增大，這樣才能最小化相鄰碼字的列相干性?；诮鼒龅臉O化域碼本，一種直接的波束訓練方法是對所有可能的

172、波束碼字進行二維窮舉搜索。然而，這將導致過高的波束訓練開銷；為降低窮舉搜索的訓練導頻開銷，171提出一6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇63種有效的兩階段快速近場波束訓練方法。具體地，當使用遠場 DFT 波束碼本掃描時，在一定角度域內（稱為顯著角度區域），用戶可以收到相對較高的波束功率。研究發現，用戶真實的角度大約位于該顯著角度區域中間。因此，利用這一重要的現象，首先使用角度域 DFT碼本掃描估計用戶的角度，然后使用極化域碼本進一步估計用戶的距離。該方案的總波束訓練導頻開銷為，較之二維窮舉搜索方案顯著降低；此外，172提出一種高效的近場分層波束訓練方法。具體來說

173、，在第一階段，采用超大規模陣列的中心子陣列通過傳統的遠場分層碼本在角度域中搜索粗略的用戶方向。然后，第二階段，在給定粗略的用戶方向，使用專門設計的近場碼本在極化域中逐步搜索細粒度的用戶方向和距離。該方案的總波束訓練導頻開銷與天線陣的天線數 N 成正比，進一步地降低波束訓練導頻開銷；173中創新性地出一種基于 DFT 碼本的聯合角度與距離波束訓練方案。傳統的波束訓練方法是根據用戶的最大接收功率來確定用戶角度，然而，這沒有充分利用到用戶處接收到的功率模式；而該方案的創新之處在于重新審視基于 DFT 碼本掃描的近場波束訓練設計，并首次提出新的有效方案來聯合估計用戶角度和范圍。具體地，研究首先分析當遠

174、場波束成形向量用于波束掃描時在用戶處接收到的波束方向圖，并顯示一個有趣的關鍵觀察，即該波束方向圖包含有用的用戶角度和范圍信息。然后，基于該觀察提出兩種有效的方案來聯合估計用戶角度和范圍。該方案在降低近場訓練導頻開銷的同時獲取了更精確的用戶距離信息，有助于近場用戶的定位等應用。為了設計開銷最小的高效波束訓練方案，174提出了一種近場二維(2D)分層波束訓練方案。這種方法涉及多分辨率碼本的設計，它從遠場場景中使用的分層波束訓練方法中獲得靈感。與遠場情況相反，近場碼字的最佳波束方向圖不僅應該跨越特定的角度范圍，而且應該包含特定的距離范圍。其通過考慮理想的全數字架構來解決近場理論碼字的設計問題。隨后，

175、在理論碼字的基礎上，考慮到數?；旌辖Y構和量子化相移等實際約束，制定了實際碼字問題。從用于數字全息成像相位恢復問題的 Gerchberg-Saxton(GS)算法中獲得靈感，作者提出了一種基于 GS 的全數字體系結構理論碼字設計算法。由于在實際的 XL-MIMO 系統中實現高能量的全數字架構是不可實現的，因此使用數字-模擬混合架構設計了實際碼字。最后，利用實際碼字創建了多分辨率碼本，并提出了一種近場二維分層波束訓練方案。得益于神經網絡強大的非線性關系學習能力，深度學習作為機器學習的一個分支受到了廣泛的關注，研究表明深度學習的方法應用于近場波束訓練能夠大幅度地降低導頻開銷64175176。利用遠場

176、寬波束對應的接收信號來估計最佳近場波束，具體提出了兩種訓練方案，即原始方案和改進方案。原始方案直接根據神經網絡的輸出估計最佳近場碼字。相比之下，改進方案進行了額外的波束測試，可以顯著提高波束訓練的性能。該方法提出的用于波束訓練的神經網絡結構如圖 5.18 所示。圖 5.18 用于近場波束訓練的神經網絡結構除了在角度域和距離域兩個維度上進行近場波束搜索以外，還可以利用終端的位置信息進一步降低近場波束訓練的復雜度：將基站的覆蓋范圍劃分為多個初始網格，每個網格的大小約等于近場波束聚焦的覆蓋范圍；為避免網格邊緣的性能惡化，對初始網格進行移位，使得位于網格邊緣的終端處于移位后網格的中心；根據終端的位置信

177、息，判斷終端處于初始網格的中心還是邊緣，確定應該使用初始網格還是移位網格中的哪一套，然后根據終端處于所選擇那套網格中的具體哪個網格確定具體的發送接收波束對。5.5近場多址技術近場多址技術5.5.1位分多址（位分多址（LDMA）無線通信系統設計的主要目標之一，是不斷提高傳輸速率。在一定的帶寬資源條件下，傳輸速率的提高主要依賴于頻譜效率的大幅提升。5G 大規模 MIMO 系統譜效的提升主要通過空分多址（spatial division multiple access,SDMA）技術來實現，即挖掘時域、頻域之外的空域資源，利用空間上的不同波束同時同頻服務多個用戶。為實現 SDMA，現有 5G 大規模

178、MIMO 系統主要通過大規模陣列天線生成高增益的指向性波束，利用指向性波束可將無線信號匯聚在特定角度的特點，對不同用戶按其所處角度進行劃分，不同波束覆蓋位于不同角度的用戶，在提升接收端信噪比的同時，利用不同波束在角度域的漸近正交性，有效抑制用戶間干擾，從而實現頻譜效率的成倍提升。通過利用近場波束“角度-距離”二維聚焦的新特性，在現有 5G 通信系統中 SDMA 利用角度域正交資源的基礎上，利用“角度-距離”二維正交資源的位分多址（location division6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇65multiple access,LDMA）技術，為提升頻譜效率

179、提供了新的技術路徑177。具體而言，如圖5.19 所示，不同于遠場波束僅具備角度域的一維匯聚特性，近場波束具備“角度-距離”域的二維聚焦特性，即近場波束可以將無線信號聚焦于特定角度與特定距離（即某一位置）?；诮鼒霾ㄊ亩S聚焦特性，類似于遠場波束的角度域漸近正交性，177中率先證明了近場波束的距離域漸近正交性，即隨著天線規模擴大，聚焦在相同角度、不同距離的近場波束將趨于正交?；诖?，提出了不同于現有 SDMA 的 LDMA 技術，實現從角度域區分多用戶到“角度-距離”域區分多用戶的跨越。在直射徑主導的通信環境中，不同于 SDMA 只能同時服務不同角度的用戶，LDMA 可以利用近場波束的二維聚

180、焦特性同時服務相同角度、不同距離的用戶。LDMA 突破了 SDMA 主要依靠增加天線數來提升頻譜效率的基本思路，通過挖掘并利用尚未開發的距離域正交資源，為提升無線通信系統的頻譜效率提供了一種新的技術途徑。圖 5.19 遠場空分多址與近場位分多址技術5.5.2非正交多址（非正交多址（NOMA）雖然近場通信提供了更高的空間分辨率，但是僅僅通過利用距離、角度等方向的自由度實現多用戶通信仍舊難以滿足無線網絡中的海量用戶接入需求。這是因為，一方面，近場通信中的波束聚焦的分辨率除在用戶十分靠近基站情況外很難達到完美準確度178；另一方面，近場通信中基站端的大規模天線陣列往往采用混合波束賦形天線結構，如采用

181、正交多址接入（Orthogonal Multiple Access,OMA）技術，其最大可支持用戶數量受限于射頻鏈路的數量。由于非正交多址接入（Non-Orthogonal Multiple Access,NOMA）技術允許多個用戶復用相同的無線資源塊(如時隙、子載波、空間波束等)并在功率域或碼字域上區分各個用戶，以進一步提升網絡頻譜效率和用戶接入能力。因此，近場 NOMA 通信是一個極具潛力的解決方案。值得一提的是，近場通信的波束聚焦能力也為 NOMA 通信帶了一系列新的設計思路如圖 5.20 所示，具體如下：“從遠到近從遠到近”串行干擾消除串行干擾消除（Successive Interfe

182、rence Cancellation,SIC）：相比遠場NOMA 通信，通過利用近場波束聚焦功能，遠離基站的用戶（遠用戶）可以獲得比靠近基66站的用戶（近用戶）更高的等效信道增益?；谶@一特性，近場 NOMA 能夠實現“從遠到近”的 SIC 解碼順序設計179。遠用戶可以作為 NOMA 強用戶先解碼并消除近用戶（NOMA弱用戶）的干擾，再解碼自己的信號。在遠場 NOMA 通信中這幾乎是不能實現的。距離域距離域 NOMA 用戶分簇：用戶分簇：相比傳統遠場 NOMA 的角度域用戶分簇，利用近場波束聚焦提供的距離域自由度，近場 NOMA 中可以將在同一角度上的用戶進一步劃分成若干個 NOMA 用戶簇

183、，以顯著減少用戶間干擾179。遠近混合場遠近混合場 NOMA 通信通信：由于近場波束聚焦的非完美準確度，服務近場用戶的波束的信號強度可能會在遠場處疊加?；谶@一特性，可以在不改變近場通信波束設計的基礎上，利用 NOMA 技術服務額外的遠場用戶，以進一步增強網絡的用戶接入能力180。圖 5.20 近場 NOMA 通信設計示意圖5.5.3無用戶標識隨機接入（無用戶標識隨機接入（URA）另外，下一代多址接入技術旨在滿足物聯網中海量的傳感器等典型設備的接入需求。這些用戶具有極低的激活概率，且通過短數據包進行上行傳輸。無用戶標識隨機接入（unsourced random access,URA）18118

184、2是一類高效的大規模隨機接入方案：它為所有潛在用戶分配一套共享的碼本，用戶依據發送的消息競爭地選取碼本中的碼字，而無需表明身份；接收端則相應地恢復一套無用戶標識的消息列表。隨著物聯網場景中愈加密集的設備分布以及超大規模 MIMO 部署導致的近場距離增加，可預見將有相當數量的用戶位于近場區域。因此，近場環境下的 URA 方案值得進一步探索?？紤]到共享碼本中的碼字個數隨消息長度呈指數級增長，URA 通常采用多段編碼傳輸的方案以降低系統復雜度。作為解碼的關鍵步驟，接收端需要識別傳輸的碼字，并重建對應的信道，而近場信道估計技術為這一問題的解決提供了新的途徑。首先，利用多天線信道元6G6G 近場通信技術

185、白皮書近場通信技術白皮書/FuTURE 論壇67素在空間域上的相干支持結構，可將碼字識別建模為一個多觀測矢量問題，縮小可能的激活碼字范圍。接著，在縮小的共享碼本空間內，聯合利用近場信道碼本進行極坐標域的增強信道估計。上述碼字識別和信道估計步驟交替執行，從而充分利用近場極坐標域信道的稀疏特性，減少了重建所需的參數估計數，降低了編碼碼長。另一方面，近場信道在“角度-距離”兩個維度的特征，可作為用戶隱含的“身份”信息，實現無用戶標識的多段碼字串聯。這一串聯過程利用信道的相似性進行聚類劃分183，無需添加冗余校驗比特，有助于提升編碼速率與頻譜效率。5.6近場系統架構與部署近場系統架構與部署根據章節 3

186、.1，傳統上采用瑞利距離來區分近場和遠場區域，該距離會隨著陣列物理尺寸或載波頻率的增加而增加。在未來 6G 的通信系統中，為了獲得顯著的系統性能提升，智能超表面、超大規模多輸入多輸出、太赫茲通信等 6G 候選技術需要大幅增加有源天線/無源單元的數量，或者將載波頻率遷移到更高的頻段，從而導致原本可以忽略的瑞利距離增加至幾十米甚至上百米。因此，原本基于遠場的節點部署策略不再適用于 6G 的超大規模陣列（包含超大規模有源/無源陣列）。此外，超大規模有源/無源陣列的部署方式對近場通信關鍵技術有著重要的影響，例如波束賦形、信道估計、無線攜能、通感一體化等技術在不同部署方式下會有不同的實現和效果。下面將從

187、節點放置策略、網絡層部署和部署優化目標的角度來介紹不同的部署方式。（1）從節點放置策略的角度來看，超大規模陣列部署場景184可以分為：部署在基站側64、部署在中繼側185、部署在用戶側186、部署在多側187（如圖 5.21 所示）。其中，將超大規模陣列部署于基站或中繼側在實際中較為容易實現。對于超大規模有源陣列，將其直接部署在基站/中繼處可以顯著提升基站/中繼的通信系統容量和通信覆蓋范圍，此時由于部分用戶處于基站/中繼的輻射近場區域，系統的設計需要考慮混合遠近場效應以及遠場與近場用戶之間的干擾。對于超大規模無源陣列（如智能超表面），當其部署在基站/中繼附近時，不僅可以提升基站/中繼的通信覆蓋

188、范圍，還可以大幅減少基站/中繼處的（有源）天線數量。此外，無源陣列引發的乘性路徑損耗也將隨著超大規模無源陣列與基站/中繼之間距離的減小而削減，此時，系統的設計不僅需要考慮前述的混合遠近場效應和干擾問題，還需要考慮基站/中繼與超大規模無源陣列之間的近場效應。另一方面，由于成本和能耗的限制，在用戶側部署超大規模有源陣列并不實際；而智能超表面（無源陣列）具備低成本和低能耗等優勢，更有可能實現在用戶側的超大規模部署。特別是在海量用戶隨機分布的場景下，超大規模無源陣列可以作為信號熱點靈活地部署在用戶側，從而顯著地提升和與用戶建立虛擬視距鏈路的概率和用戶的通信性能。此時，由于超大規模陣列和用戶之間的距離小

189、于瑞利距離，在系統設計時同樣需要考慮近場效應的影響。（2）網絡層部署的角度來看，超大規模陣列（包含超大規模有源/無源陣列）部署可以68分為集中式部署和分布式部署。對于給定數量的有源天線/無源單元，這兩種部署方式有著以下區別。首先，集中式和分布式部署陣列對應的等效信道狀態不同，從而導致不同的用戶通信速率和傳輸時延。其次，在分布式部署中，每個被服務的用戶只能享受其附近陣列帶來的波束賦形增益；相比之下，集中式部署具有較大物理尺寸的陣列，且陣列的所有天線/單元可以服務任何用戶（多用戶共享），因此可以獲得更高的波束賦形增益。另外，分布式部署存在更多的陣列節點，因此它比集中式部署需要更多的回程鏈路來交換信

190、息，從而導致更高的網絡開銷和網絡復雜度。最后，由于分布式部署能靈活地部署陣列，它比集中式部署更容易與用戶建立虛擬視距鏈路。（1）部署在基站側（2）部署在中繼側（3）部署在用戶側（4）部署在基站和用戶側圖 5.21 超大規模陣列部署場景（以智能超表面部署為例）（3）部署優化目標的角度188。對于傳統遠場假設的蜂窩網絡部署，主要的優化目標是網絡覆蓋的信號強度分布，或稱鏈路預算。然而，對于近場假設的網絡部署，優化目標將不僅包括覆蓋的信號強度分布，還需要考慮近場傳播特性帶來的空間自由度的變化。因此，在近場網絡的優化部署中，需要考慮近場距離條件、天線孔徑的尺寸、部署密度以及相對覆蓋區域的角度等諸多因素。

191、此外，在現有的近場通信研究中，遠近場的性能需要分開進行研究，且假設用戶的距離符合近場或者遠場距離限制?？紤]到用戶的分布式部署以及充分利用近場的特性，考慮一個基于近場中繼的混合通信架構，其中中繼部署在離用戶近端的位置，從而中繼和用戶滿足近場通信條件。由于基站和中繼距離會比較遠，在基站和中繼的通信考慮為遠場通信?；诮鼒鲋欣^的混合通信架構，需要考慮中繼的部署，以及不同的中繼服務不同的近場用戶組。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇69圖 5.22 基于近場中繼的混合通信架構5.7標準影響標準影響從標準化的角度來看，現有的信道模型標準是基于遠場假設建立的，無法適用于近場

192、區域。在信道估計、波束賦形、碼本設計、波束訓練等方面，目前標準采用的技術也難以適用于近場區域。另外超大規模 MIMO 以及高頻技術在通感中的應用，使通感技術在近場中工作成為可能，RIS 技術中大面板的應用也會使用戶以更大概率處于近場，因此在通感、RIS技術標準化過程中也需要考慮近場影響。近場潛在標準化工作方向包括：面向近場信道模型的標準化，我們需要對多種信道建模方案進行評估。在現有的研究中存在一些可行性方案。例如，采用 TR38.901 中的信道模型189并對其進行適當調整，包括修改信道參數生成模塊，使之符合近場需求。以及基于統計模型構建簇的物理位置，輔助進行近場信道建模。在標準化近場信道模型

193、的同時，近場和遠場之間的連續性問題也需要進行研究并標準化。針對空間非平穩特性，我們有必要在遮擋物建模、天線子集或大規模天線的信道參數相關性等方面展開研究。近場中路徑數量、路徑強度、簇結構特點、空間連續性等方面也與遠場不同，需要對其進行建模、表征，并納入信道建模標準。在建模方法論方面，基于幾何的隨機信道模型（Geometry-based Stochastic Channel Model，GBSM）架構簡潔，易于實現，計算復雜度低，但同時準確性較低?；诘貓D的混合信道模型（Map-Based HybridChannel Model，MHCM）包含一定確定性信息分量和隨機統計分量，有一定準確性且計算

194、復雜度較低。確定性信道模型（如射線追蹤方法）對傳輸環境、收發端位置等進行詳細描述，具有較高的準確性但計算復雜度高。在標準化工作中，需要衡量評估各信道建模方法的優缺點，構建平衡準確性與計算復雜度的信道模型。2023 年 12 月，第三代合作伙伴計劃（3rdGeneration Partnership Project,3GPP）在 RAN#102 全會中通過了有關 7-24GHz 信道模型增強的立項。14。作為 5G Rel-19 階段的標準化項目之一，此項目將基于 TR38.901 中的信道模型標準，增加對新頻段、近場傳播、空間非平穩特性的建模，彌補現有 5G 信道模型標準的局限性，以覆蓋現有及

195、未來可能的近場應用評估需求。信道估計、波束賦形、碼本設計、波束訓練等方面，目前標準采用的技術均基于用戶位于遠場的假設，將電磁波視為平面波，將已有技術方案直接應用在近場會導致系統性能下降，因此需要設計適配球面波信道的技術方案。其中針對波束賦形技術，相對于遠場通信僅可在角度域進行波束賦形，基于球面波假設的近場通信中可實現波束聚焦，波束可同時在極坐標中的角度域和距離域上進行設計。相應的，波束訓練、碼本設計也需構建適用于近場區域的方案。70在通感、RIS 標準化過程中需要考慮近場影響。包括建立通感、RIS 技術在近場區域的信道模型。結合 RIS 級聯鏈路的特點，設計 RIS 近場區域中的波束賦形、信道

196、估計、碼本設計等技術方案。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇716.近場與其他技術融合近場與其他技術融合6.1近場與定位近場與定位在傳統遠場通信中，接收天線陣列的單元相位差主要由信號的到達角決定，所以信道估計的過程可以很容易計算出信號的到達角，從而獲取目標的方位信息。相比之下，高效的近場通信需要利用球面波前對電磁信道進行更為準確的建模。在球面波前的信道模型中，單元相位延遲中同時包含了距離和方位信息，具備對目標進行精確定位的潛力。因此，伴隨著近場通信的研究和發展，近場定位將會是未來 6G 時代中的重要技術。6.1.1近場與定位近場與定位圖 6.1 近場信號模型和遠

197、場信號模型(發射端2P位于接收天線的遠場，其信號模型由平面波前表征。發射端1P位于接收天線的近場，其信號模型由球面波前表征。右側子圖給出了考慮近場的電磁物理效應的更精確的近場信號模型)圖 6.1 給出了近場信號模型和遠場信號模型。根據圖 6.1，我們來解釋近場傳播的球面波前特性有助于提高定位精度的原因：（1）遠場信號的平面波前建模導致不同接收天線元件獲得的到達角（AOA）是相同的，所以遠場的平面波前建模只能估計到達角。如果要估計發射端的位置，需要再采用時鐘同步去估計到達時間或者采用多個已知位置的接收天線去估計多個到達角。（2）然而，基于球面波前建模的近場信號的振幅項和相位項包含了精確的發射端到

198、每個接收天線的距離。這使得我們可以直接獲得發射端的位置信息，從而提高定位精度。另外，近場信號的電磁物理效應也使得感知發射天線的姿態成為可能。具體地，發射天線的姿態和其物理形狀有關，對于基本的線形天線，其姿態由三維空間朝向表征。不同的空間朝向會導致源電流分布的不同，從而導致激發的電場不同。所以近場電磁信號和發射天線的姿態具有一一對應的映射關系，這使得我們可以估計發射天線的姿態。72圖 6.2 近場定位與姿態感知系統圖在文獻190中，對于無噪聲情況，作者提出了相位模糊距離和間距約束距離去精確地劃分發射端的位置區間，對于每個位置區間，作者提供了可行的解耦合方案并給出了非線性電磁方程組的解。其次，對于

199、帶噪的情況，聯合定位和姿態估計需要應用信號估計理論進行。文獻191指出了采用電磁近場模型，在毫米波頻段或者亞太赫茲頻段且觀測表面的尺寸在實際考慮的米級時，位置的估計精度可以達到毫米級。在192中，作者開發了聯合定位和姿態估計器的 Ziv-Zakai 下界。相比于局部緊的 Cramr-Rao 下界，Ziv-Zakai 下界在低信噪比區域也能提供準確的性能預測。通過 Ziv-Zakai 下界，作者表明姿態的估計可以達到 0.1 級（估計誤差范圍為0.1）。值得注意的是，源定位主要估計用戶的兩個位置參數：信源相對于基站的角度和距離。在遠場場景中，源定位通常是一個聯合估計問題：通過到達角（Angle

200、of Arrival，AOA）獲得角度估計；通過到達時間（Time of Arrival，TOA）獲得距離估計。然而，上述聯合估計需要精確的同步和/或多個接入點參與，并且與直接定位相比，通常定位性能為次優。當無線定位從遠場轉移到近場時，接收信號具有球面波前而非平面波，因此可以利用近場球面波特性增強無線定位，實現直接定位193。具體來說，可以根據球面波前的到達曲率（Curvatureof Arrival，COA）直接計算用戶的位置，實現單陣列同時確定距離和方向，而不是像遠場中分別使用平面波獲得 DOA 估計以及從寬帶信號的相位獲得 TOA 估計，在提升定位估計精度的同時顯著降低實現復雜度194。

201、6.1.2基于基于 RIS 的近場定位技術的近場定位技術基于大規模 MIMO 技術的近場通信和定位，需要大量的天線單元和射頻通道，其中包括移相器、混頻器、ADC 等，其硬件成本較高。相比之下，基于 RIS 的近場定位可以充分利用其靈活的波束切換和信道重構能力，實現可靠的通信和感知性能。RIS 陣列中大量的周期排布單元可以獲取豐富的飛行時間(ToF)和空間譜信息，從而有望對信源位置進行精確的6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇73估計。當信源入射到 RIS 陣面時，其到達不同單元的相位延遲是信源與超表面中心間距離 d和方位(,)的函數，這意味著通過空間譜分類或最大似

202、然估計的方法可以對信源進行有效的定位195196。圖 6.3 基于 RIS 與非均勻時間調制的二維 DOA 估計示意圖197信源空間定位參數估計的基本理論和基本算法已經比較成熟，但由于很多算法需要多維空域搜索，或者需要進行高復雜度運算，這樣對硬件提出的要求限制了在實際中的應用，因此還有很多問題亟待解決。為此，可基于降秩或降維思想的參數估計方法198，將多維的譜峰搜索類算法轉化為若干次一維搜索，并實現自動匹配的角度和距離參數估計。此外，基于 RIS 的目標定位可以顯著降低硬件復雜度，將傳統需要多個射頻通道的 DOA 估計減少為一個?？梢酝ㄟ^空時編碼策略將空間相位信息保存在頻譜中，如圖 6.3 所

203、示，其利用非均勻時間調制，實現了全雙工的多目標定位和自適應波束調控；也可通過輻射多個隨機波束，將空間譜信息蘊含在多個時隙的接收信號里。在大規模 RIS 輔助太赫茲定位系統中，用戶常常位于 RIS 的近場區域，近場球面波傳輸特性會使不同 RIS 反射元的接收信號具有不同的到達角（Angle of Arrival,AoA）從而使系統的信道建模與參數估計更加困難。因此，在近場條件下繼續使用遠場方法進行信道參數估計與定位，其性能將會大打折扣。目前，已有工作提出了 RIS 輔助多用戶太赫茲系統的近場聯合信道估計與定位（nearfield joint channel estimation and loca

204、lization,NF-JCEL）方法199。如圖 6.4 所示，該工作在近場球面波傳輸模型的基礎上完成了信道建模，以用戶到 RIS 中心反射元的到達角、距離以及級聯信道增益為估計對象，并根據幾何關系估計用戶位置。研究者在對距離進行二階菲涅爾近似的基礎上，先設計 RIS 相移訓練集合進行信道增秩，以避免 LS 估計可能引起的噪聲放大；再根據近場毫米波信道特性設計下采樣 Toeplitz 協方差矩陣解耦距離和角度，并分74別估計用戶的水平和垂直到達角。最后，研究者利用一維搜索估計用戶距離，并根據幾何關系利用各載波的估計信道參數完成用戶位置估計。圖 6.4 RIS 輔助太赫茲多用戶近場定位系統模型

205、如圖 6.5 仿真結果顯示，由于提出的近場定位方法充分利用了近場環境下信號對 RIS 各反射元不同的到達角信息，其位置估計誤差在近場條件下明顯低于基于遠場的傳統方法。隨著反射元數目增大，近場定位算法可利用的到達角信息增加，定位誤差進一步降低。因此，在近場場景下可以考慮使用尺寸更大、反射元數目更多的大規模 RIS 有效提高角度分辨力。圖 6.5 定位均方誤差隨 RIS 反射元數目變化關系6.1.3基于可控波束偏移的近場定位技術基于可控波束偏移的近場定位技術寬帶大規模 MIMO 系統使用移相器結構對 OFDM 信號進行波束賦形時會發生波束偏移效應，其中，遠場波束偏移效應使得不同頻率的子載波波束的角

206、度方向指向發生了偏移200201，而近場波束偏移效應使得不同頻率的子載波波束的聚焦位置發生了偏移。圖 6.6展示了近場波束偏移的一個示例，其中一共啟用 M+1 個子載波，隨著子載波頻率的增加，6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇75不同子載波的波束賦形將聚焦在不同的位置，并且可以連接形成一條曲線軌跡。軌跡的起點由第 0 個子載波確定，而軌跡的終點由第 M 個子載波確定。圖 6.6 中，子載波最低頻率為f0=30GHz，其近場波束賦形聚焦在(10m,60)處，最高頻率為 36GHz，其近場波束賦形偏移至(22.99m,46.19)處。由此可見，近場波束偏移現象在寬帶

207、系統中是不可忽視的。圖 6.6 近場波束偏移軌跡示意圖圖 6.7 近場可控波束偏移軌跡示意圖如圖 6.7 所示，考慮在基站鏈路中為每個移相器級聯一個真時延線，通過精心設置移相器和真時延線的取值，可以反向控制近場波束偏移軌跡的起點和終點，使其有利于基站系統實現低導頻開銷的用戶快速定位。具體地，圖 6.7 展示了若干近場可控波束偏移軌跡的示例，其中設置了 2048 個子載波。軌跡 T1 和 T2 是兩條徑向的直線，如果已經獲得用戶或目標的角度，那么使用類似 T1 和 T2 這樣的徑向軌跡就可以快速感知用戶或目標的距離。軌跡 T3橫跨了整個角度和距離近場感知范圍，可以提供全域的感知。軌跡 T4 在角

208、度上呈現對稱趨勢，這種對稱性更有利于獲得用戶或者目標的角度。軌跡 T5 和 T6 在一個較小的區域內偏移，這有利于波束在一個已知的狹窄區域內掃描，比如公交車站等202。76為實現近場用戶快速定位，基站使用所述的基于真時延線輔助的近場可控波束偏移的波束賦形方案進行感知導頻信號傳輸，提出一種低復雜度的近場用戶快速定位方法，包含第一角度感知階段和第二距離感知階段。第一角度感知階段擬使用一次波掃、發射一次導頻獲取所有近場用戶的角度估計。首先通過調整移相器的取值使得子載波f0聚焦在起始點(rmid1,start)上，通過調整真時延線的取值使得子載波fM聚焦在終止點(rmid2,end)上，其中rmid1

209、和rmid2是介于rmin和rmax之間的兩個適當值，rmin和rmax分別為基站所需要的近場感知范圍的最小距離和最大距離，start和end分別是基站所需要的近場感知范圍的最大角度和最小角度。然后基站使用近場可控波束偏移策略發射一次導頻信號，所有 M+1 個子載波的波束聚焦角度逐漸從start偏移至end，覆蓋整個感知的角度空間，波束聚焦距離逐漸從rmid1偏移至rmid2，子載波近場波束偏移軌跡類似于圖 6.7 中的軌跡 T4。所有近場通信用戶接收到所有的子載波，并分別將最大功率子載波的頻率反饋給基站，基站利用這些最大功率子載波的頻率和近場可控波束偏移角度公式即可計算出各個用戶的角度。在得

210、到角度感知結果后，進入第二距離感知階段。假設在角度?上存在近場用戶，在距離感知的第 q 次波掃中感知該用戶的距離。首先通過調整移相器的取值使得子載波f0聚焦在起始點(rmin,?unear)上，通過調整真時延線的取值使得子載波fM聚焦在終止點(rmax,?unear)上。然后基站使用近場可控波束偏移策略發射一次導頻信號，所有 M+1 個子載波的波束聚焦角度始終為角度?unear，而波掃聚焦距離逐漸從rmin偏移至rmax，子載波近場波束偏移軌跡類似于圖 6.7 中的軌跡 T1。該近場用戶接收到 M+1 個子載波，并將最大功率子載波的頻率反饋給基站，基站借助最大功率子載波的頻率以及近場可控波束偏

211、移距離公式計算出近場用戶的距離估計結果，從而實現近場定位。所提出的基于可控波束偏移的近場定位方法巧妙地利用了波束偏移的頻域波掃代替了傳統的時域波掃，大大降低了傳統近場定位算法的時間開銷。6.2近場與通感一體化近場與通感一體化6.2.1從遠場感知到近場感知從遠場感知到近場感知感知目標相對于感知節點的角度、距離和速度是無線感知中的三個重要指標。在傳統的遠場感知中，這三個指標的感知性能分別取決于天線陣列的規模、感知信號的帶寬以及感知時長。然而，當感知目標位于近場時，信號的球面波傳播對這三個指標的感知帶來了革新性的改變，具體如下：空間域聯合角度和距離感知空間域聯合角度和距離感知：在遠場感知系統中，角度

212、和距離感知通常需要在空間域和頻域進行處理。這就意味著遠場感知系統通常要求較大的帶寬或者多個感知節點的協同支持，以實現對目標的精確定位。然而，在近場感知系統中，利用大孔徑天線陣列能夠同時6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇77捕獲角度和距離信息，這使得精準的目標定位僅需通過空間域信號處理技術即可完成203，不再需要大帶寬或多個感知節點的支持，大大降低了系統的成本和復雜度。另外，近場感知場景下的性能邊界呈現出與傳統均勻平面波模型不同的變化趨勢。文獻204中推導了近場感知的接收信噪比閉式表達式，不同于遠場感知中的線性變化，近場場景下的信噪比隨天線陣元數量呈現非線性變化，

213、并最終趨于收斂。文獻205中考慮超大規模 MIMO 雷達與相控陣雷達，分別推導了近場場景下單站與雙站感知系統角度以及距離參數的克拉美羅界的閉式表達式。圖 6.8 超大規模 MIMO 雙站近場感知系統具體地，建立圖 6.8 所示超大規模近場感知系統，由M發送天線N接收天線組成，收發天線陣元間距分別為Rd與Td，R是發送端與接收端的距離?？紤]單目標場景，目標與發送、接收端天線陣列中心位置的角度、距離分別記為),(,rl。為降低待估計參數數量，在R已知的情況下，將接收端參數表示為發射端參數為2222(,)2cos,sin(,)arcsin.2cosl rRrRrrrRrRr(6.1)通過構建如下 F

214、isher 信息矩陣：02,HNwwFzz(6.2)其中w是接收端匹配濾波的輸出信號，z是待估計的參數向量，0N為噪聲功率，則對應的角度與距離克拉美羅界可以表示為11,1F以及12,2F。結果表明，隨著天線陣元數量的增大，78近場感知場景下角度以及距離的克拉美羅界均呈現非線性下降的趨勢，并最終趨向于一個定值205。2233cos23cossin1lim,28coscos1lim,28TTTDrTrDrdCRBLrdCRBLr(6.3)其中是接收端信噪比，Td是發射天線陣列的陣元間距，為信號波長。此外，傳統遠場角度估計的克拉美羅下界可以表示為206。2222213,22(1)cosTCLd M

215、M(6.4)圖6.9展示了單站MIMO雷達與相控陣雷達近場感知的角度參數克拉美羅界與天線陣元數的變化關系。由此可見，隨著天線陣元數量的不斷增大，基于遠場假設的克拉美羅下界將產生較大的誤差。此外由于相控陣雷達存在波束賦形增益，因而超大規模相控陣雷達將獲得更優的參數估計性能。圖 6.10 展示了雙站場景下，超大規模 MIMO 雷達近場感知的距離克拉美羅界與天線陣元數的關系，并與二維近場 MUSIC 算法、近場 Capon 算法進行比較。圖 6.9 單站近場感知的角度克拉美羅界6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇79圖 6.10 雙站近場感知的距離克拉美羅界多維度速度感

216、知多維度速度感知207：如圖 6.11 所示，在遠場感知系統中，天線陣列中的所有天線幾乎以相同的角度“觀察”感知目標，這導致感知信號中的多普勒頻移僅由目標速度在角度方向上的投影造成，被稱為徑向速度。因此，遠場感知系統只能獲取單一維度的速度信息，無法全面捕獲感知目標的完整運動狀態。然而，在近場感知中，不同的天線從不同角度“觀察”感知目標，這使得能夠捕獲目標速度在不同角度上的投影分量，如圖 6.12 所示。因此，近場感知能夠同時感知目標的徑向速度和橫向速度，獲得完整的運動狀態信息。這種完整的運動狀態信息使得能夠精準預測下一時刻的目標位置成為可能。在通信系統中，這一方法可用于提前設計下一通信周期的波

217、束賦形，大幅減少信道估計和波束訓練的需求。圖 6.11 遠場速度感知80圖 6.12 近場速度感知6.2.2近場通信感知一體化近場通信感知一體化通信感知一體化（ISAC）代表了感知技術和無線通信交叉領域的變革。ISAC 的核心是通過促進雷達和通信之間的頻譜和硬件共享，從而優化資源分配并且在感知和通信之間創造和諧的協同作用。由于超大規模陣列技術及超高頻段通信技術，無線通信和感知有望在近場區域工作，從傳統的遠場信道建模轉向近場信道建模208209。該區域需要考慮以球形波而不是平面波為特征，這種新的信道特性將重塑近場通信和感知。在通信方面，與遠場波束賦形將波束能量指向特定方向不同，基于球面波的近場波

218、束賦形實現了波束聚焦的新功能，將波束能量集中在特定位置。這不僅提高了目標用戶處接收到的信號功率，而且消除了對非目標用戶的干擾。其次，在遠場中，無法區分處于相同或相似角度的用戶，用戶之間的干擾不可避免；而在近場中，BS 可以聚焦在不同的距離，從而降低的用戶間的干擾。這有效地提高了信道的自由度，并進一步提高系統容量。而在感知方面，利用近場球面波估算目標角度和距離，可有效減少對分布式陣列及其同步的需求。同時，增大的陣列孔徑在角域和距離域都提供了更細粒度的空間分辨率。此外，利用近場波束聚焦效應可以提高回波信號的感知信噪比，從而實現更精確的估計。而對于其他近場感知應用，如人類活動識別，球面波在距離域提供

219、了額外的特征，因此有助于提高識別精度。我們將從感知輔助近場通信、通信輔助近場感知和近場聯合通信與感知三個角度介紹近場 ISAC 帶來的新機遇和挑戰210。感知輔助近場通信波束訓練是獲取信道狀態信息以建立初始高信噪比鏈路的有效方法，但在近場中，波束訓練在角度域和距離域兩個維度進行，大大增大了訓練開銷。為了降低這種高開銷，環境感知邊緣信息有望減少近場波束訓練空間205。如圖 6.13 所示，在用戶密集區域部署多個傳感器，傳感器的位置信息作為先驗知識，以輔助近場波束訓練。在近場波束訓練開始時，用戶周圍的傳感器感知用戶的大概位置，然后，BS 在小空間內進行低成本的波束訓練以獲得最佳波束聚焦點。尤其在高

220、移動性的場景中，充分感知邊緣信息以輔助近場波束追蹤，可有6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇81效降低通信開銷，提升通信可靠性。在此基礎上，感知還可以輔助無線資源的有效分配，在感知車輛的運動狀態、行駛環境和幾何關系的基礎上設計資源分配，同時考慮通感性能，從而以幾乎無切換的方式提供無縫的高質量服務206。近場感知輔助的波束跟蹤相比遠場更具挑戰性，主要是由于超大規模陣列上更迅速的相位變化。由于近場波束特有的極窄波束寬度和對波束不對準的敏感性，噪聲對近場波束跟蹤影響遠大于遠場情形，因此亟須為近場環境設計高效魯棒的傳感器輔助波束跟蹤系統來解決這一挑戰。圖 6.13 通信輔

221、助近場感知和感與輔助近場通信示意圖通信輔助近場感知通信功能可用于輔助近場感知以提高傳感范圍、分辨率、精度和可靠性。近場感知通常依賴于大規模陣列和目標之間的視距信道，然而，由于隨機障礙物的存在，視距信道并不總是存在。利用無線網絡架構進行信息融合是實現近場網絡化感知有前景的技術212。如圖6.13 所示，主服務 BS 無法直接感知位于其視距信道之外的目標，可將感知任務委托給其他與近場目標可建立視距信道的代理 BS。與遠場下需要額外觀測點不同，通過利用近場球面波傳播，代理 BS 可有效地估計目標距離和角度。然后，代理 BS 將其估計信息共享給服務BS，服務 BS 根據相對位置估計目標位置。此外，在近

222、場感知系統中，由集中單元收集感知結果對單個感知數據進行融合，可實現比單節點感知更好的感知性能。6G 通信架構有望提供可重構的框架，以支持多單元的大量的感知數據傳輸到具有強大計算能力的融合中心的需求。82為了進一步提高感知性能，利用廣泛部署的 BS 實現混合場網絡化傳感，使 BS 能夠相互共享獲得的參數估計，共同估計目標的位置和速度。但如何綜合考慮感知信噪比、超大規模陣列天線數量、代理 BS 空間相關性等多種因素，有效融合所有信息，實現準確高分辨率定位是一個重要的設計問題。近場聯合通信與感知對于近場 ISAC，一種設計方法是在共享系統架構和硬件平臺中共同優化通信與感知性能。因此，在權衡通信與感知

223、性能時，必須考慮幾種新的近場效應。對于一個近場無線系統，配備超大規模陣列的 ISAC 同時為多個通信用戶提供服務，并在其近場區域感知周圍目標。對于聯合通信與感知，需要設計有效的波束賦形來補償高頻波段嚴重的路徑損耗。具體而言，為了提高近場通信性能，應利用近場波束聚焦效應將通信波束調到固定位置。另一方面，近場雷達感知的波束控制通常取決于其探測目標，對于目標參數例如角度、距離進行估計，感知波束應在角域和距離域中動態掃描感興趣的區域。為了平衡通信與感知性能，一種簡單而有效的方法是采用基于陣列劃分的多波束設計，將整個陣列劃分為多個子陣列，每個子陣列負責控制一個子波束。然而，這種方法減少了每個子陣列分配的

224、天線數量，通信用戶和感知目標可位于子陣列的遠場，從而減少波束聚焦效應。因此，有必要合理確定用于通信與感知業務的子陣列數量，并優化這些子陣列的天線分配，以達到通信與感知性能的平衡。近場假設的球面波信道模型可以提升定位和感知的測量精度。在遠場場景中，經典的定位技術包括基于信號強度 RSS（Received Signal Strength）的定位方案、基于到達時間的定位估計（ToA 和 TDoA）、基于角度估計的定位估計?；谛盘枏姸群偷竭_時間的定位估計對信號收發波束沒有限制，因此也不能發揮近場環境下超大規模 MIMO 的硬件優勢?；诮嵌裙烙嫷亩ㄎ桓兄夹g更適合于近場假設的球面波信道模型。根據近場

225、球面波信道模型，感知物體的反射電磁波或者定位目標的定位信號到達天線陣列的各個天線的角度是不同的，基于球面波模型引入的天線間相位非線性特征來獲得定位感知結果。近場區域內的定位感知對信號帶寬的要求降低。文獻213214分別驗證了近場場景下感知和定位技術的可行性，并且驗證了不同信號帶寬對近場感知定位精度的弱相關特性。文獻213中還進一步驗證了增加天線規模對感知精度的提升的影響。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇83圖 6.14 近場感知驗證環境，感知精度與信號帶寬的變化趨勢2136.3近場與無線傳能近場與無線傳能無線能量傳輸（WPT)技術能夠以無線的方式為用電設備充電

226、，在 6G 與物聯網時代具有重要的應用前景?，F有無線能量傳輸技術在遠場場景具有較低的能量傳輸效率，而在 6G近場場景，各類傳能波束能夠將射頻信號的能量傳送到能量接收器周圍，從而大幅提高能量傳輸效率215。與此同時，對波束能量分布調控還能夠有效地降低電磁波在空間傳播過程中對非充電目標區域造成的電磁污染，為未來無線能量傳輸技術開辟了更廣闊的發展前景。6.3.1電磁輻射式電磁輻射式 WPT隨著 5G/6G 信息時代的快速發展，越來越多的無線智能設備（例如手機、筆記本電腦和智能傳感器等）為人們的生活帶來便利，這些設備廣泛分布于不同的場景中，因此其能源供應充滿挑戰。無線能量傳輸（Wireless Pow

227、er Transfer,WPT）技術為這些移動設備的充電問題提供了新的解決思路，可以在保證高效持續運作的同時避免錯綜復雜的電子線路，在安全性、靈活性方面優勢明顯，是未來社會不可或缺的技術?，F有近場 WPT 形式主要采用電磁感應、電磁諧振、電磁輻射等形式216，其中的電磁輻射式 WPT 因可對電磁波進行靈活調控，通過波束賦形的能力針對不同功能進行不同波束設計，因而在眾多近場 WPT 方式中體現出傳輸距離遠、作用目標多、適用場景豐富等優勢。在 WPT 系統中，電磁輻射式系統的接收端可設計為更小的體積，從而在萬物互聯的未來世界中充分集成于不同的設備與場景中。同時，由于電磁波可同時作為信息和能量的載體

228、，因此 WPT 技術還可與移動通信結合，從而形成攜能通信（Simultaneous Wireless Information and Power Transmission,SWIPT）系統，并大大提高電磁波的利用率217。(1)發射端設計電磁輻射式 WPT 的作用距離一般可達到米級，其中的微波功率傳輸（Microwave PowerTransfer,MPT）可不受天氣情況影響，做到全天候工作。系統的發射端可采用天線及其陣列，如拋物面天線、微帶陣列天線等218，從而通過高增益、低剖面等優勢提升系統性能。電84磁超表面作為電磁超材料的二維平面結構，由亞波長尺寸的單元構成，展示出自然界物質所不具備的

229、電磁特性，從而實現對電磁波幅度、相位、極化等不同維度的靈活調控207，可采用反射型、透射型、全息型等多種方式實現。通過在超表面單元上加載二極管等可調器件，可通過對可調器件狀態的調整實現對超表面單元功能的重構，形成數字編碼的可重構超表面，進而根據具體場景的需求實現實時調控。針對 WPT 場景中對大功率量級的需求，還可在超表面單元上加載放大器，實現不同功率量級的應用。如圖 6.15 展示了采用可編程超表面實現自適應智能近場充電系統的示意圖220。圖 6.15 基于可編程超表面的自適應的智能近場充電系統220（2）傳輸波束設計為了在近場范圍內針對特定位置的目標進行作用，可利用波束賦形技術將電磁能量調

230、控至所需的目標區域。與定向高增益波束這種遠場波束相比，聚焦波束可以將能量匯聚到焦斑范圍內，這將顯著提高能量的接收效率，并減小接收端所需的口徑。若需要同時作用于多個目標，則可進行多焦點設計，并通過算法優化來提升波束性能221。此外，可采用無衍射波束在抑制能量發散的基礎上獲取比聚焦波束更大的作用范圍與更豐富的波束軌跡。如圖6.16 所示，由于貝塞爾波束同時具有無衍射特性與自重構特性，因此可在波束傳播路徑上同時為多個目標進行充電，從而將多目標 WPT 由二維作用擴充至三維222。無衍射波束中還有具有自彎曲特性的 Airy 波束、Pearcy 波束等特殊波束，在貝塞爾波束的基礎上進一步具有自彎曲等特性

231、，體現出避開障礙物實現 WPT 的能力223。圖 6.16 基于準貝塞爾波束實現多目標 WPT 系統的示意圖224（3）接收端設計WPT 系統的接收端與發射端類似，也需要采用天線及其陣列，或利用接收超表面來實現將傳輸而來的電磁能量進行接收225。除了在發射端設置專門的能量發射裝置外，還可6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇85對自然環境中的能量進行無線能量收集（Wireless Energy Harvesting，WEH）。隨著萬物互聯等概念的不斷推進落實226，智慧城市的建設讓環境中的電磁能量越來越多，WEH 技術因可避免傳感器等用電設備的電池更換而受到廣泛關注

232、。在接收裝置將電磁能量接收后，還需要經過整流電路將其轉為直流能量，并進行收集或為用電器供電。整個系統的框圖如圖6.17 所示?？紤]到自然環境中還存在太陽能、風能、熱能等大量自然能源，將電磁能量與其他形式能量進行混合能量收集也將為 WEH 提供更多可能。圖 6.17 無線能量收集系統框圖為了獲取更豐富的電磁能量，接收天線應盡可能做到多頻段或者寬頻帶工作，并可對不同極化的電磁波進行接收或轉化。若利用電磁超表面的亞波長單元，可進一步拓展對來波入射角的穩定性與極化不敏感性，從而對不同頻率、極化、方向的電磁能量進行全面收集227。對應的后端整流電路也需要進行多頻段的設計，并應具備在大的功率范圍下高效的能

233、量轉換效率228229。將接收超表面與整流電路進行結合設計，可進一步形成整流超表面，如圖6.18 所示的整流超表面實現了小型化、雙頻帶、寬入射角、極化不敏感以及高的整流效率，在去除復雜電路設計的基礎上展現出高性能230。圖 6.18 整流超表面結構示意圖（4）功能拓展攜能通信電磁波除了攜帶能量外，還可加載信息，將上述兩種功能進行結合可形成攜能通信(SWIPT)系統，這對于未來萬物互聯的場景意義非凡。在 SWIPT 應用中，需要能量與信息傳輸各自實現自身的功能，同時做到二者之間不相互干擾，這對系統框架、收發端都具有高86要求。為此，已存在同時無線信息和功率傳輸系統、無線供電通信系統、無線供電反向

234、散射通信系統229等形式，通過時間、空間、頻率、極化等不同維度對電磁能量進行分解，分別實現傳能與通信功能。如圖 6.19 分別為基于頻率分集231與極化分集232的 SWIPT 系統，通過對不同功能電磁能量配比的調控、不同電磁波束的應用、全息超表面與功率放大超表面的設計，可權衡傳能與傳信息間的能量分配，使系統整體性能最優。圖 6.19 基于（a）頻率分集、（b）極化分集的攜能通信系統6.3.2近遠場近遠場 SWIPT除了信息載體之外，無線信號還可以進行能量傳遞。傳統的無線功率傳輸（WPT）使用微波信號傳輸能量，可以為低功耗設備提供能量。在移動邊緣計算、快速數據聚合、移動人群感知和 ISAC 等

235、各種環境中，WPT 已廣泛用于為設備供電，作為充電電纜的替代品。作為一項極具潛力的技術，近場同步無線信息和電力傳輸（SWIPT）可以同時無線傳輸數據和電力。其中，信息和電力接收可以通過時間切換或功率分配的方式進行233。通過整合信息和能量的傳輸，消除了對單獨電源或有線連接的需要，可以提高設備的靈活性、移動性和便利性。因此，SWIPT 有潛力徹底改變各種行業和應用。雖然大多數現有工作都考慮了近場或遠場通信，但很可能會出現近場和遠場混合通信，系統中同時存在近場和遠場用戶234。這意味著在典型的通信場景中，用戶可能位于距離BS 的近場和遠場區域，從而導致更復雜的干擾問題。具體來說，文獻234中揭示了

236、一個有趣的觀察結果，即由于能量擴散效應，當基于離散傅立葉變換（DFT）的遠場波束的空間角在遠場用戶角附近時，近場用戶可能會受到來自遠場波束的強烈干擾。另一方面，這樣的功率泄漏也可以用于使近場用戶受益，從而導致混合場的 SWIPT 的新應用場景。文獻233中，考慮了一種新的實用場景，稱為混合近場和遠場 SWIPT，其中能量收集（EH）和信息解碼（ID）接收器分別位于超大規模陣列 BS 的近場和遠場區域。具體來說，該研究制定了一個優化問題，在 ID 總和速率和 BS 發射功率的約束下，通過聯合設計 BS 波束調度和功率分配來最大化所有 EH 接收器處收獲的加權總功率。為了解決這個非凸優化問題，研究

237、提出了一種有效的算法，利用二元變量消除和逐次凸逼近方法來獲得次優解。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇87在太赫茲通信或 RIS 通信中的 SWIPT 技術中，特別是對于超大陣列天線的多基站/多RIS 環境條件下，信道模型和波束分裂的特點將出現混合近/遠場的情況。該場景下，除了設計功率分配之外，仍需對波束進行聯合調度235。在太赫茲通信或 RIS 通信中的 SWIPT技術，絕大部分研究集中于基站或 RIS 的波束設計以滿足系統所要求的性能。隨著超大陣列天線的應用，太赫茲信道模型和波束分裂特性將發生改變，導致傳統的波束設計/傳輸方案不再實用。因此在混合近/遠場模型

238、下，需要從收發機結構/RIS 結構、功率分配方式和能量/信息傳輸協議設計入手，設計低功耗、高性能的 SWIPT 系統。圖 6.20 近場 SWIPT6.3.3全息全息 SWIPT隨著超材料的發展，具有與亞波長間距天線單元的全息超表面可以實現接近連續的天線孔徑，從而具有強大的電磁操控能力236。設想一個 SWIPT 系統，充分利用電磁信道的傳播特性，對能量用戶實現最大的能量聚集，對信息用戶實現最大的干擾消除，從而無限逼近SWIPT 的性能極限，這就是全息 SWIPT 的概念237。對于純近場通信場景，信息用戶仍處于一個相對遠離發射機的位置，其到基站的距離通常被認為遠大于天線陣列的孔徑?；诜颇鶢?/p>

239、近似，近場信道模型通常利用一階或二階的泰勒級數展開2211/2/8()xxxx O來進行簡化238。但對于 SWIPT，能量用戶有很大概率位于非?？拷l射機的區域，基于泰勒級數展開的近場信道的誤差會降低SWIPT 的性能。因此，需要采用更加精確的電磁信道模型239：02(,)33.4()HHHZ ep333G r sIppIppIppppp iii1其中rs、分別是發射區域和接收區域內點的位置坐標，prs。后兩項對應于倏逝波，只在超材料表面進行傳播，在幾個波長的距離外便可以忽略。前一項對應于輻射場，我們所熟知的菲涅爾區便是基于菲涅爾近似，在第一項中進一步劃分出。88圖 6.21 全息 WPT2

240、37文獻237中考慮了一個長 1.5m 寬 0.5m 的全息超表面，單能量用戶位于連續超表面的中軸線上。從圖 6.21 中可以看出，能量用戶在電磁信道模型下可以收割到更多的能量。隨著離發射機的距離增加，菲涅爾近似下的近場信道模型誤差逐漸減小，從而獲得和電磁信道一樣的 WPT 性能。圖 6.23 多用戶全息 SWIPT237對于多用戶 SWIPT 場景，需要對收發機全息超表面上的電流進行精心的設計來實現全息SWIPT，包括電流的振幅、相位和極化方向。從而讓攜帶著不同用戶信息的電磁波在能量用戶處盡可能聚集，在信息用戶處盡可能正交，以滿足通信和 WPT 間的權衡。文獻237中考慮了一個全息 SWIP

241、T 系統，其中發射機和多個信息用戶、能量用戶都配備了全息超表面。具體來說，設計了一個優化問題，在滿足能量用戶能量收割需求的前提下，最大化信息用戶的和速率。為了解決這個非凸優化問題，基于塊坐標下降和連續凸逼近提出了全息波束賦形方案。6.4近場物理層安全近場物理層安全6.4.1近場物理層安全傳輸設計近場物理層安全傳輸設計在無線信道中，由于無線信道的廣播特性，無線信號暴露于自由空間，容易被惡意竊聽者（Eavesdropper,Eve）竊聽。為解決這一問題，研究人員提出了物理層安全（Physical LayerSecurity,PLS）概念。PLS 能夠利用無線信道的物理特性（如干擾、衰落、噪聲、定向

242、性和6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇89差異性）來增強通信安全，從而避免了復雜的秘鑰生成和管理，彌補了密碼學的不足。在物理層增加和利用合法信道、竊聽信道的差異性，為了滿足 6G 網絡及以上急劇增長的數據速率需求，如毫米波（mmWave）、太赫茲（THz）和超大規模多輸入多輸出（UM-MIMO）等新興技術的研究絡繹不絕，然而這些技術都依賴于大規模天線和更高的頻率，大規模天線陣列的部署及極小波長的使用卻顯著延長了瑞利距離，從而使近場范圍大大增加，因此無線通信在近場區域的研究迫在眉睫。瑞利距離作為區分遠場和近場傳輸的關鍵指標，通常超過瑞利距離的傳輸假設為傳統的遠場平

243、面波。當傳輸發生在瑞利距離內時，傳統遠場平面波的假設不再適用，它將引入近場效應，促使傳輸模型轉向更合理的球形波表示。傳統的無線信道即遠場場景中通常使用為平面波信道模型240，這限制了近場通信空間波束成形所帶來的安全增益。近場中，當竊聽者位于基站和合法用戶之間時，其信道與合法信道在角度上高度相關，難以區分。因此，近場安全通信主要依賴于合法用戶和竊聽者之間的距離差異。近場通信的電磁（Electromagnetic,EM）傳播由球面波信道模型描述241，與平面波模型不同，球面波傳播模型包含了接收器的方向和距離兩類信息，使得天線陣列的波束能夠聚焦于自由空間的特定點（即波束聚焦）。因此，近場通信可以利用

244、距離這一新維度，實現無線網絡更精確的信號增強和干擾管理。圖 6.21 近場物理層安全已有研究開始探索利用球面波信道模型中的距離維度來增強通信安全242，但針對MIMO 網絡的保密波束聚焦方案研究仍不足。此外，近場 MIMO 通信中常用的大規模天線陣列和全數字波束形成結構造成了巨大的硬件成本，因此開發成本效益高的 MIMO 網絡保密波束聚焦方案成為當下的研究重點。在此背景下，可使用一種新的近場安全傳輸框架，針對存在潛在的竊聽者的情況下，通過基站向用戶安全地傳輸機密信息。當竊聽者位于用戶和基站之間時，可采用一種特殊的基于混合波束成形架構的安全波束聚焦技術，從而有效減少射頻鏈路的開銷。已有研究表明，

245、即使竊聽用戶比合法用戶更接近基站，近場通信也能進一步提高安全通信速率243。在近場 PLS 通信中，其安全通信性能主要取決于竊聽用戶與合法用戶之間的距離，而不是竊聽用戶與基站之間的距離。906.4.2RIS 輔助近場物理層安全傳輸設計輔助近場物理層安全傳輸設計由于反射級聯信道雙重衰落以及高頻段高路徑損耗的特性，傳統智能超表面（RIS）輔助無線通信的性能增益受限?？紤]到 RIS 陣列增益正比于反射單元個數的平方，增加 RIS單元個數可以有效地彌補級聯信道的衰落，因而傳統 RIS 將向超大規模 RIS（ExtremelyLarge-Scale RIS,XL-RIS）演進。XL-RIS 輔助通信系統

246、更容易形成近場通信，即當發射端到XL-RIS 或者 XL-RIS 到接收端的距離小于瑞利距離，XL-RIS 輔助的無線通信系統成為近場通信系統245。在遠場隱蔽通信系統中，當監聽者與合法接收端位于同一角度且距離發射端更近時，系統無法獲得正的隱蔽通信速率。近場通信系統具有角度和距離的自由度，其中距離自由度可以使得隱蔽通信系統在上述場景中依然可以獲得正的隱蔽速率。文獻246研究了 XL-RIS 輔助的近場隱蔽通信系統，通過優化基站的混合預編碼和 XL-RIS 的反射系數矩陣，提升近場通信系統的隱蔽通信速率。該研究發現一種介于波束成形與波束聚焦之間的波束繞射狀態，其產生原因是由于級聯信道具有公共的信

247、道部分，導致 XL-RIS 輔助近場中的級聯信道不再漸進正交。圖 6.22 中展示了波束繞射的歸一化熱力圖，XL-RIS 位于坐標（0，0）處，可以發現波束先繞過監聽者 Willie，然后匯聚到合法接收端 Bob 處。波束繞射現象可以拓展到XL-RIS 輔助的多用戶系統、NOMA 系統以及增強近場物理層安全等。圖 6.22 近場波束饒射6.5基于近場的基于近場的 OAM無線通信技術通過電磁波的頻率、幅度、相位、極化等維度來承載信息，但線動量及其組合應用受限于現有維度，難以實現大幅度的效率提升。軌道角動量（Orbital AngularMomentum,OAM）作為面向下一代移動通信的新型技術，

248、具有不同于電磁波輻射線性動量的性質，被期望用于擴展通信維度，該新維度可以用來傳輸數據或作為新的自由度調控波束，增加傳輸容量，提升系統性能。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇916.5.1軌道角動量與渦旋波軌道角動量與渦旋波OAM 是隸屬于角動量的電磁波固有物理量，攜帶 OAM 的電磁波可被稱為渦旋電磁波（簡稱渦旋波）247。與常規平面波相比，渦旋波具有螺旋狀分布的相位波前，并可通過螺旋相位體現的周期性進行本征模式（或稱為模態）的區分。理論上，渦旋波所攜帶的 OAM有無窮多種相互正交的模態，其可作為獨立于時間、頻率、極化等自由度的全新物理維度。因此在頻譜資源日益匱

249、乏且通信速率接近香農定理極限的情況下，在無線通信、成像與探測等方面表現出重要的研究和應用價值。OAM 對相同方向上的空間資源進行區分，提供波數新維度，無需多徑即可實現 LOS信道下的高自由度空間復用傳輸，解決高頻 LOS 信道下單用戶復用層數受限問題。OAM 通過擴展新維度大大提高信道容量，并獲得頻譜效率的大幅提高,其模態正交性可用于干擾消除，如小區間干擾、上下行干擾、全雙工自干擾等，并可以用于增強通信安全性，避免竊聽。OAM 技術在未來無線通信中有更加廣闊的應用前景。OAM 的特性適用于微波無線回傳鏈路，實現更高效和更高速的無線自回傳，有效降低光纖建設成本和鋪設難度，提高網絡部署的靈活度。O

250、AM 具有高頻譜效率，實現高速數據交互，可以支持數字孿生體域和智能交互等 6G 新場景。此外，OAM 可以用于點對點高速通信及短距離單用戶超高速率數據傳輸等。在近場傳輸中采用 OAM 技術可以充分利用 LOS 信道的高自由度，減輕多徑造成的OAM 模態串擾。OAM 的應用更適合高頻通信，由于此時近場傳輸發生的概率明顯提升，如何與高頻架構進行結合是未來 OAM 技術的一個發展趨勢。渦旋波的產生與調控、接收與檢測是其實際應用的基礎。為了實現渦旋波螺旋相位對應的 ejl（其中 j 為虛數單位，l 為渦旋波模態值，為空間方位角）相位因子，需利用產生裝置形成均勻圓形陣列（Uniform Circular

251、 Array,UCA）或對 UCA 進行合理優化后的模型，現有方法可采用螺旋相位板、天線陣列、單個天線、電磁超表面等形式實現上述目標。而在接收端，可通過與發射端對應的接收裝置進行波束接收，若需對波束模態進行檢測，則可利用渦旋波的空間方位角域與 OAM 模態域之間形成的傅里葉變換關系，基于傅里葉變換原理和采樣定理，對渦旋波的 OAM 模態譜進行分析。6.5.2渦旋波的近場調控渦旋波的近場調控傳播環境通常不可控，障礙物帶來的反射、散射和折射等會對 LOS 信道帶來影響，破壞模態正交性。近場傳輸中多徑效應明顯降低，更好地保證 OAM 模態間的正交性，并減輕波束擴散，實現從 SU 到 MU 的擴展，支

252、持多用戶同時傳輸。傳統的渦旋波束具有明顯的發散特性，因此遠距離應用往往受限，同時在近場區域內對渦旋波進行調制則更易利用其優勢，針對渦旋波的近場波束調控也成為 OAM 研究和應用的關鍵技術。具體地，可利用無衍射波束在波束傳輸時體現的抑制衍射特性，將其與渦旋波進92行結合，從而實現在一定傳播距離內具有無衍射特性的渦旋波。由于無衍射波束與渦旋波的調制都頗為復雜，因此往往需要天線陣列或超表面這樣具有眾多單元的陣列形式產生裝置來實現。典型的無衍射波束包括貝塞爾波束(Bessel Beam)、艾里波束(Airy Beam)、馬丟波束(Mathieu Beam)等，其中高階貝塞爾波束自身即具有渦旋特性，而其

253、他無衍射波束往往也可通過將波束與螺旋相位結合形成無衍射的渦旋波。圖 6.23 展示了用透射型電磁超表面，通過幅度與相位同時調控，產生準無衍射 Bessel 渦旋波束的調控設計248?？梢钥吹綄o衍射波束與傳統的 OAM 波束相結合，在近場區可以有效抑制發散，從而更好地實現應用。圖 6.23（a）常規 OAM 波束與（b）無衍射 Bessel 渦旋波束電場對比圖2486.5.3渦旋波的接收與渦旋波的接收與 OAM 檢測檢測渦旋波的有效接收與 OAM 檢測是理論和應用研究的重要課題，典型的 OAM 接收方法是通過口徑采樣進行接收，根據采樣口徑的大小，又分為完整口徑采樣和部分口徑采樣，如圖 6.24

254、 所示。完整口徑采樣接收法可以有效保證不同 OAM 模態之間的正交性，而部分口徑所能夠接收的 OAM 模態之間需要相差一定的倍數。此外，還可基于采樣矩陣的分析，在極小采樣接收口徑條件下實現對 OAM 的接收解調250。該方法把渦旋波 OAM 模態的接收抽象為矩陣方程求解問題，從而可以將有關的矩陣方程求解方法（如奇異值分解，最小二乘法），或一些信號處理的方法引用，大大拓展了 OAM 接收問題的研究思路和實現手段。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇93圖 6.24（a）完整口徑采樣接收方法與（b）部分口徑采樣接收方法示意圖2496.6基于基于 AI 的近場通信的近場

255、通信6.6.1基于近場通信的語義通信架構基于近場通信的語義通信架構為了進一步提升無線通信的傳輸效率以及充分利用設備的計算能力，將原始的數據先進行特征提取，得到相關的語義信息，將輕量化的語義信息再通過近場通信傳輸的架構，可以實現信號的高效率傳輸。與傳統的通信不同點在于，基于近場通信的語義通信架構，需要將近場的信道考慮到聯合發射端語義提出和接收端語義恢復的 AI 聯合訓練中。圖 6.25 基于近場通信的語義通信架構6.6.2基于近場通信的聯邦學習架構基于近場通信的聯邦學習架構考慮一個基于無線通信網絡的聯邦學習系統，為了保護用戶數據的隱私，每個用戶設備將通過無線信道傳輸計算得到的局部聯邦學習模型，保

256、留本地的隱私數據，基站將收集到的局部聯邦學習模型進行聚合?？紤]到用戶和基站間的信道為近場信道，因此需要重新推導基于近場信道的聯邦學習系統收斂模型，從而建立基于近場通信的聯邦學習系統的能量和時延模型，通過聯合優化通信和學習的參數來獲得最優的資源分配。94圖 6.26 基于近場通信的聯邦學習架構6.6.3基于基于 AI 的近場寬帶波束賦形的近場寬帶波束賦形第六代移動通信(6G)系統具有超大規模天線陣列和超高頻率的重要發展趨勢，更有可能在近場區域工作。在大帶寬通信中，傳統基于移相器的模擬波束賦形方法會出現波束分裂/失焦現象，導致波束賦形增益降低。為了增強近場波束聚焦和減輕寬帶波束分裂，可以在發送端設

257、計基于時延器的混合波束成形架構，時延器能針對不同頻率分量信號施加不同的相移，進而實現寬帶大規模天線通信系統的波束聚焦。針對基于時延器的混合波束設計，傳統方法采用全數字近似優化來聯合求解數字波束賦形矩陣、模擬波束賦形矩陣和時延器矩陣：比如使用加權最小均方誤差（WMMSE）方法求解最優的全數字波束賦形器，再使用塊坐標下降方法使得基于時延遲器的混合波束賦形逼近全數字波束賦形器。然而，基于全數字近似優化方法的近場寬帶波束賦形設計存在計算復雜度大、易受信道環境變化影響等問題。為此，可以考慮如圖 6.27（左）圖所示的近場寬帶智能波束賦形。比如，深度強化學習（DeepReinforcement Learn

258、ing，DRL）算法能夠實時與環境交互獲得信道容量信息作為獎勵用于更新網絡，可以解決傳統優化方法的問題。如圖 6.27(右)所示，DRL 方法能夠大幅節省優化迭代時間且能夠達到 WMMSE 優化方法 90%的性能251。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇95圖 6.27 近場寬帶智能波束賦形的場景圖（左）與性能對比圖（右）6.7近場與片上無線通信近場與片上無線通信6.7.1基于片上天線的片上無線通信基于片上天線的片上無線通信隨著移動通信領域的不斷發展，通信系統對小型化的需求變得愈發迫切。片上天線是指集成在芯片內部的天線結構，具有小型化、低成本、與電路協同設計、高

259、集成度以及適應大規模批量生產等特點，是在芯片中替代有線信號互聯的可行選擇。針對未來 6G 通信系統所采用的太赫茲頻段（100 GHz 到 10 THz），天線的物理尺寸大大縮小，這為利用片上天線實現與芯片的高頻互聯，達到完全集成的片上無線通信系統提供了可行性，相較于傳統的通信系統不僅顯著提高了數據傳輸速率，同時大大提高了系統的集成度，因此片上天線技術是6G 通信領域中非常具有吸引力的研究方向。片上通信通常采用如圖 6.28 所示的系統架構252。在發射端，調制信號經過功率放大器（PA）放大后由片上天線發射出去。接收端的片上天線將接收下來的信號傳遞給低噪聲放大器（LNA）進行低噪聲放大，提高整個

260、接收機的靈敏度，后續經濾波、變頻、放大后解調出基帶信號。片上通信系統的收發機之間的距離小，所需的輸出功率低。最常用于片內通信的片上天線是單極子天線和偶極子天線。圖 6.28 常用的片上通信系統框圖252文獻253中，研究人員基于硅光子學技術，提出兩種平面片上天線拓撲如圖 6.29所示，用于片內射頻傳輸和片上網絡（Network-on-Chip，NOC）通信。此外，通過抑制電磁輻射，用于封裝的開放式微帶線巴倫的電磁帶隙（Electromagnetic Band Gap，EBG）結構可以提高96片間無線鏈路的整體性能254。已有研究將基片集成波導和超材料技術相結合，提出了一種用于片內無線通信的太赫

261、茲平面片上天線，其尺寸小且工作在單個的薄基板層中，大大降低了天線基板所引入的損耗255。圖 6.29 片內天線排布253圖 6.30 垂直單極子天線橫截面257現有可用于無線通信系統的片上天線中，絕大多數都是基于硅工藝256。在標準硅基工藝中，硅襯底具有較高的相對介電常數和較大的襯底厚度，導致天線輻射損耗顯著增加。為解決上述問題，研究人員提出了幾種提高片上天線輻射效率的方法。例如，利用垂直單極子天線代替水平放置天線的新型互聯裝置，如圖 6.30 所示，將其用在 225 GHz 片上無線通信中，避免了當輻射方向與芯片平面正交時，芯片平面的透射率低和硅襯底抗輻射能力低的問題257。也有研究者提出基

262、于 GaN 工藝，在 SiC 襯底上制造太赫茲片上天線，如圖 6.31所示，可與 GaN MMIC 芯片實現片上全集成，進一步提高天線的輻射效率和增益258。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇97圖 6.31 基于 GaN 工藝的片上天線258片上天線可以作為植入式設備應用于醫療和商業等多個領域。例如，用于醫學治療和診斷的植入天線可以監測各種生理參數，還可以與多種傳感器一起，作為生物遙測系統的一部分植入人體來建立無線通訊等。利用片上天線技術的無線傳輸系統有望為 6G 時代無線通信的演進提供更多可能性。6.7.2基于三維堆疊芯片的片上無線通信基于三維堆疊芯片的片上

263、無線通信集成電路的發展推動了系統級芯片的出現，可以在同一塊芯片上實現更多的功能。然而，SOC 的設計和制造仍然面臨一些挑戰，比如復雜功能的芯片會使尺寸變大、現有的工藝技術難以整合異構功能模塊等。為了應對這些挑戰，同時適應 6G 通信的需求，研究人員提出了三維堆疊芯片技術，可以將不同的芯片堆疊在一起形成三維結構，進一步提高系統的集成度。然而，三維堆疊技術需要解決堆疊芯片間的互聯問題，互聯問題同時又對整個系統的性能至關重要259。目前應用于三維堆疊芯片的互聯技術可以分為有線和無線兩大類，有線互聯技術包括多芯片封裝技術（multi-chip package,MCP）和硅通孔技術（through si

264、licon via,TSV）260。多芯片封裝技術是指幾個芯片垂直堆疊，每個芯片的信號和電源 pad 通過幾根焊線連接到印刷電路板(Printed Circuit Board,PCB)上，相互通信。硅通孔技術是利用垂直硅通孔完成芯片間互聯的方法。上述兩種通信方式雖然可以解決堆疊芯片間互聯和封裝的問題，但同時也存在一些弊端，例如，MCP 技術存在焊線太長和諧振頻率不同的缺點，TSV 技術存在開發成本高和成品率低的問題，同時這兩種技術都需要引入額外的靜電保護器件。應用于三維堆疊芯片的無線互聯技術使得芯片之間的通信不再需要導線和硅通孔，能夠有效克服上述問題，是今后芯片設計技術和系統集成技術的重要發展

265、方向。在三維堆疊芯片中片對片無線互聯技術主要包括利用耦合的無線互聯技術，以及 6.7.1 節中提到的片上天線互聯技術。利用耦合的無線互聯技術：利用耦合的無線互聯技術：在堆疊芯片的片對片近場通信中，耦合互聯技術多用于 6G通信的中低頻頻段，主要通過電容耦合或電感耦合的方式實現。電容耦合互聯需要使電容結構的兩個極板盡可能靠近，這要求芯片與芯片必須面對面堆疊，所以電容耦合互聯不僅受到通訊片數的限制（僅適用于 2 片芯片），還受到通訊距離的限制。此外，電容互聯面積較大，容易受到其他通道的干擾。相比之下，電感耦合比電容耦合有著更多優勢。電感耦合互聯不98僅是一種高效率、低成本的芯片互聯方式，還能降低功耗

266、和電路復雜的寄生效應。圖 6.32(a)展示了傳統的用于無線片對片通信的電感線圈陣列結構261。圖 6.32(b)在相鄰線圈之間插入屏蔽結構可以減少串擾，此外，為了解決串擾問題和減小芯片面積，研究人員進一步提出了之字形結構，如圖 6.32(c)。(a)(b)(c)圖 6.32 用于無線片對片通信的(a)傳統電感線圈耦合陣列(b)插入屏蔽結構(c)之字形結構利用片上天線的無線互聯技術利用片上天線的無線互聯技術：在堆疊芯片的片對片近場通信中，片上天線技術多用于6G 通信的中高頻頻段。雖然三維集成電路有很高的集成密度，但內部和外部鏈路限制了三維集成電路之間通信的靈活性。片上天線之間的無線數據通信可以

267、減輕有線通信所面臨的高延遲、靈活性低和擴展性差等問題，也可以解決通過耦合進行無線通信傳輸時信號頻率較低的問題。無線互聯系統由集成了片上天線的發射器和接收器組成，最常用于三維堆疊芯片的片對片通信的片上天線是單極子和偶極子天線，此外還有之字形天線、線性天線、彎曲天線和玻璃通孔天線262等。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇99圖 6.33 三維封裝系統（SiP）中利用玻璃通孔（TGV）集成天線的面內/面外/片內/片間無線通信示意圖隨著 6G 無線通信的發展，電路集成度要求變高，為使單位面積上的晶體管數量成倍地增長，研究人員提出了三維堆疊芯片技術來滿足當前需求。傳統的

268、有線互聯如線連接和硅過孔在集成和封裝方面面臨許多挑戰，如功耗增加、大時延、高串擾以及與多個平面內和平面外導體布線相關的復雜制造工藝。與有線方式相比，無線互聯可以減少信號延遲，增加通信距離，并且減小芯片體積。利用電感/電容耦合和片上天線的無線互聯技術是為片上通信和芯片互聯提供了解決方案。6.8近場與物體材質感知近場與物體材質感知材質感知技術在智能制造、環境監測等領域正發揮著越來越重要的作用。傳統的材質感知技術主要依賴于視覺圖像分析，在弱光照、視距遮擋、惡劣天氣等場景下存在諸多限制。近期研究表明，基站大規模 MIMO 陣列利用 OFDM 通信信號有潛力實現對近場物體的電磁系數估計，進而實現基于近場

269、的物體材質感知263。近場材質感知問題屬于電磁逆散射問題的一種，因此首先需要建立電磁逆散射模型。圖 6.34 感知場景示意圖100如圖 6.34 所示，考慮由一個多天線發射機、一個目標、和一個多天線接收器組成的系統模型。對于圖 6.34 所示的系統，利用李普曼施溫格方程建立正向散射信道模型。由于OFDM 信號包含了很多不同頻率的子載波信號，所以需要建立每個頻率下的正向信道。由于事實上物體只占據了感知域中的小部分區域，因此可以結合壓縮感知的方法進行對要被感知的電磁系數向量 s 的估計。具體可以使用混合范數最小化的優化方法進行求解。因為介電常數對比度和電導率對比度具有相同的支持集，基于廣義多測量向

270、量(GMMV)的一個模型，關鍵是利用聯合稀疏性結構來提高感知能力。假設已知物體是由幾種可能的材料中的一種構成的，這些材料的介電常數和電導率是事先精確測量過的。需要注意的是，只有介電常數或電導率有明顯差異的材料才能加以區分。材料識別方法包括兩個步驟:首先是聚類，然后是分類。為了確定目標的材質，我們首先需要區分 D 被空氣占據的部分和被目標占據的部分。為了實現這一點，我們利用 K-means 聚類算法將 D 中的采樣點分為兩類。K-means 是一種無監督算法，對不同形狀和大小的聚類具有較強的泛化能力，無論目標是什么都能保證收斂。由于相對介電常數和電導率具有不同的量綱，因此我們在 K-means

271、聚類算法中采用無量綱且尺度不變的 Mahalanobis 距離。集群的數量預先確定為 2，分別代表空氣和目標?？諝獾膱F簇質心，代表空氣的平均介電常數和電導率值，預計將接近(1,0)點。另一方面，代表其平均介電常數和電導率的目標簇質心預計將明顯遠離(1,0)點。聚類完成后，下一步是確定目標的材料類別。這是通過計算目標材料的簇質心與每種可能材料的介電常數和電導率的真值之間的馬氏距離來完成的。然后將目標分類到具有最短馬氏距離的材料類別中，這表明目標的測量電磁屬性與材料的已知屬性之間最接近匹配。6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇1017.總結與展望總結與展望綜上，近場傳

272、播特性的研究獲得了廣泛關注，并已經在該領域取得了顯著的進展。本文作為業界首個全面系統性的白皮書，對近場技術在應用場景、基礎理論、信道測量與建模、傳輸技術及其與其他技術的融合等多個方面的研究成果進行了綜合梳理。這些成果的整理旨在為近場技術研究的未來發展提供堅實的理論基礎和實用的指導方針。盡管如此，近場技術的研究及其在工程實踐中的應用仍面臨著許多挑戰。具體而言，這些挑戰包括但不限于以下幾點：首先，近場理論研究尚需進一步深入，以形成更為完善的理論體系。其次，關于近場信道的測量數據目前尚不充分，且信道建模的方法論仍需進一步完善。盡管近場傳輸技術研究已取得一定進展，但許多假設仍然較為簡單和理想化，迫切需

273、要對更復雜和實際的場景進行深入研究，并提出相應的問題解決方案。此外，近場技術與其他技術的融合提供了一個全新的研究范式，如何充分挖掘并利用近場傳播特性，仍需進一步的研究。最后，標準化是實現近場技術工程應用的關鍵，目前 3GPP 已經啟動了近場信道模型的標準化研究項目，這是近場技術標準化的良好開端。我們在進行學術性研究的同時，還需積極推進工程化和標準化技術研究，以促進近場技術在未來 6G 網絡中的有效落地。展望未來，近場技術被寄予厚望，有可能為未來無線通信系統提供新的物理空間維度。它被視為實現未來 6G 網絡更高數據速率、高精度感知需求以及物聯網無線傳能需求的關鍵使能技術之一，有望成為未來 6G

274、潛在無線空口關鍵技術之一。因此，我們期望在未來能夠看到更多關于近場技術的研究成果，并期待這一技術在未來的無線網絡中發揮更大的作用。102參考文獻參考文獻1ITU-R WP 5D,Framework and overall objectives of the future development of IMT for 2030and beyond,Sept.26,2023.2崔鐵軍,金石,章嘉懿,趙亞軍,袁弋非,孫歡等，智能超表面技術研究報告R，IMT-2030（6G）推進組,2021.3RIS TECH Alliance,Reconfigurable Intelligent Surface W

275、hite Paper(2023),March 2023,Hangzhou,China,(doi:10.12142/RISTA.202302002).Available:http:/ 典型場景和關鍵能力白皮書，2022 年 7 月.5L.Zhu,W.Ma,and R.Zhang,“Movable antennas for wireless communication:opportunitiesand challenges,”IEEE Communications Magazine,DOI:10.1109/MCOM.001.2300212,earlyaccess,2023.6章嘉懿,向際鷹,艾渤,

276、菅夢楠,趙亞軍.6G 多天線與智能超表面，電子工業出版社，2023.7Z.Zhou,X.Gao,J.Fang,and Z.Chen,“Spherical wave channel and analysis for large lineararray in LoS conditions,”in Proc.IEEE Globecom Workshops2015,pp.16.8R.Liu,H.Lin,H.Lee,F.Chaves,H.Lim and J.Skld,Beginning of the Journey Toward 6G:Vision and Framework,in IEEE Commu

277、nications Magazine,vol.61,no.10,pp.8-9,October2023.9R.Liu,R.Yu-Ngok Li,M.Di Renzo,and L.Hanzo,“A Vision and An Evolutionary Frameworkfor 6G:Scenarios,Capabilities and Enablers,”arXiv e-prints,p.arXiv:2305.13887,May 2023.10 R.Liu et al.,6G Enabled Advanced Transportation Systems,in IEEE Transactions

278、onIntelligent Transportation Systems,early access.11 H.Zhang,N.Shlezinger,F.Guidi,D.Dardari and Y.C.Eldar,6G Wireless Communications:From Far-Field Beam Steering to Near-Field Beam Focusing,in IEEE CommunicationsMagazine,vol.61,no.4,pp.72-77,April 2023,doi:10.1109/MCOM.001.2200259.12 中華人民共和國無線電頻率劃分規

279、定,中華人民共和國工業和信息化部令第 62 號，2023 年 5 月.https:/ WRC-23 Booklet:Agenda and Relevant Resolutions,ITU,https:/www.itu.int/wrc-23/zh-hant/booklet-wrc-23/,Dec.2023.14 3GPP.RP-234018,Channel Modelling Enhancements for 7-24 GHz.3GPP TSG RAN Meeting#102,Edinburgh,UK,11th-15th December,2023.15 Next G Alliance Repo

280、rt:6G Technologies,https:/www.nextgalliance.org/wp-content/uploads/dlm_uploads/2022/07/TWG-report-6G-technologies.pdf,Jun.2022.16 M.Jian and R.Liu,Baseband Signal Processing for Terahertz:Waveform Design,Modulationand Coding,2021 International Wireless Communications and Mobile Computing(IWCMC),Harb

281、in City,China,2021,pp.1710-1715.17 H.ZHANG,N.SHLEZINGER,F.GUIDI,et al.Beam Focusing for Near-Field Multiuser MIMOCommunicationsJ/OL.IEEE Transactions on Wireless Communications,2022,21(9):7476-7490.DOI:10.1109/TWC.2022.3158894.6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇10318 R.Liu,Q.Wu,M.Di Renzo and Y.Yuan,A

282、 Path to Smart Radio Environments:An IndustrialViewpoint on Reconfigurable Intelligent Surfaces,in IEEE Wireless Communications,vol.29,no.1,pp.202-208,February 2022.19 R.Liu,J.Dou,P.Li,J.Wu and Y.Cui,Simulation and Field Trial Results of ReconfigurableIntelligent Surfaces in 5G Networks,in IEEE Acce

283、ss,vol.10,pp.122786-122795,2022.20 Z.Tang,Y.Chen,Y.Wang,T.Mao,Q.Wu,M.Di Renzo,and L.Hanzo,“Near-Field SparseChannel Estimation for Extremely Large-Scale RIS-Aided Wireless Communications,”inProceedings of IEEE Globecom Workshops,Kuala Lumpur,Malaysia,2023.21 S.Lv,Y.Liu,X.Xu,A.Nallanathan,and A.L.Swi

284、ndlehurst,“RIS-aided near-field MIMOcommunications:Codebook and beam training design,”arXiv preprint arXiv:2310.00294,2023.22 Z.Wang,X.Mu,and Y.Liu,“Near-field integrated sensing and communications,”IEEECommun.Lett.,vol.27,no.8,pp.20482052,Aug.2023.23 Y.PAN,C.PAN,S.JIN,et al.RIS-Aided Near-Field Loc

285、alization and Channel Estimation for theTerahertz SystemJ/OL.IEEE Journal of Selected Topics in Signal Processing,2023:1-14.DOI:10.1109/JSTSP.2023.3285431.24 H.Lu,Y.Zeng,C.You,et al.“A tutorial on near-field XL-MIMO communications towards 6G,”arXiv preprint arXiv:2310.11044,2023.25 X.Li,H.Lu,Y.Zeng,

286、S.Jin,and R.Zhang,“Near-field modeling and performance analysis ofmodular extremely large-scale array communications,”IEEE Commun.Lett.,vol.26,no.7,pp.15291533,Jul.2022.26 R3 X.Li,H.Lu,Y.Zeng,S.Jin,and R.Zhang,“Modular extremely large-scale arraycommunication:Near-field modelling and performance ana

287、lysis,”China Commun.,vol.20,no.4,pp.132152,Apr.2023.27 H.Wang and Y.Zeng,Can Sparse Arrays Outperform Collocated Arrays for Future WirelessCommunications?IEEE GLOBECOM Workshops,Kuala Lumpur,Malaysia,2023.28 L.Zhu,W.Ma,and R.Zhang,“Movable antennas for wireless communication:opportunities and challe

288、nges,”IEEE Communications Magazine,DOI:10.1109/MCOM.001.2300212,early access,2023.29 L.Zhu,W.Ma,and R.Zhang,“Modeling and performance analysis for movable antennaenabled wireless communications,”IEEE Transactions on Wireless Communications,DOI:10.1109/TWC.2023.3330887,early access,2023.30 W.Mei,X.We

289、i,B.Ning,Z.Chen,and R.Zhang,“Movable antenna position optimization:Agraph-based approach,”arXiv preprint arXiv:2403.16886,2024.31 W.Ma,L.Zhu,and R.Zhang,“MIMO capacity characterization for movable antennasystems,”IEEE Transactions on Wireless Communications,DOI:10.1109/TWC.2023.3307696,early access,

290、2023.32 L.Zhu,W.Ma,B.Ning,and R.Zhang,“Movable-antenna enhanced multiusercommunication via antenna position optimization,”IEEE Transactions on WirelessCommunications,DOI:10.1109/TWC.2023.3338626,early access,2023.33 X.Shao,Q.Jiang,and R.Zhang,“6D movable antenna based on user distribution:Modelingan

291、d optimization,”arXiv preprint arXiv:2403.08123,2024.10434 L.Zhu,W.Ma,and R.Zhang,“Movable-antenna array enhanced beamforming:Achievingfull array gain with null steering,”IEEE Communications Letters,vol.27,no.12,pp.33403344,Dec.2023.35 W.Ma,L.Zhu,and R.Zhang,“Multi-beam forming with movable-antenna

292、array,”IEEECommunications Letters,vol.28,no.3,pp.697701,Mar.2024.36 zf.1:R.Liu et al.,Integrated sensing and communication based outdoor multi-targetdetection,tracking,and localization in practical 5G Networks,in Intelligent and ConvergedNetworks,vol.4,no.3,pp.261-272,September 2023.37 T.Mao,J.Chen,

293、Q.Wang,C.Han,Z.Wang,and G.K.Karagiannidis,“Waveform Design forJoint Sensing and Communications in Millimeter-Wave and Low Terahertz Bands,”IEEETrans.Commun.,vol.70,no.10,pp.7023-7039,Oct.2022.38 F.Zhang,T.Mao,R.Liu,Z.Han,S.Chen,and Z.Wang,“Cross-domain waveform design for6G integrated sensing and co

294、mmunication,”arXiv preprint arXiv:2311.04483,2024.39 Z.Wang,X.Mu,and Y.Liu,“Near-field integrated sensing and communications,”IEEECommun.Lett.,vol.27,no.8,pp.20482052,Aug.2023.40 A.Sakhnini,S.De Bast,M.Guenach,A.Bourdoux,H.Sahli,and S.Pollin,“Near-fieldcoherent radar sensing using a massive MIMO com

295、munication testbed,”IEEE Trans.WirelessCommun.,vol.21,no.8,pp.62566270,Aug.2022.41 R.Liu,C.Zhang and J.Song,Line of Sight Component Identification and Positioning inSingle Frequency Networks Under Multipath Propagation,in IEEE Transactions onBroadcasting,vol.65,no.2,pp.220-233,June 2019.42 Zhang Yue

296、xia,Liu Chong.“5G ultra-dense network fingerprint positioning method based onmatrix completion,”China Communication，2023，20(3),pp.105-118.43 M.Lipka,S.Brckner,E.Sippel,and M.Vossiek,“On the Needlessness of Signal Bandwidthfor Precise Holographic Wireless Localization,”in 2020 17th European Radar Con

297、ference(EuRAD),2021,pp.202205.44 H.Chen,M.F.Keskin,A.Sakhnini,N.Decarli,S.Pollin,D.Dardari,and H.Wymeersch,“6Glocalization and sensing in the near field:Fundamentals,opportunities,and challenges,”arXiv preprint arXiv:2308.15799,2023.45 Zou Deyue;Meng Weixiao;Han Shuai;He,Kai;Zhang Zhongzhao.“TOWARD

298、UBIQUITOUSLBS:MULTI-RADIO LOCALIZATION AND SEAMLESS POSITIONING,”IEEE WIRELESSCOMMUNICATIONS,2016,23(6),pp.107-113.46 Zou,Deyue;Meng,Weixiao;Han,Shuai.“Euclidean distance based handoff algorithm forfingerprint positioning of WLAN system,”IEEE Wireless Communications and NetworkingConference(WCNC),20

299、13,pp.1564-1568.47 Zou,Deyue;He,Liansheng.“Fusion Handover Algorithm Based on Accuracy Estimation,”2022 2nd International Conference on Frontiers of Electronics,Information andComputation Technologies(ICFEICT 2022),2022,pp.282-286.48 Zou,Deyue;Meng,Weixiao;Han,Shuai.“An accuracy estimation algorithm

300、 for fingerprintpositioning system,”2014 4th International Conference on Instrumentation andMeasurement,Computer,Communication and Control(IMCCC 2014),2014,pp.573-577.49 Chen,Liang;Wen,Pei;Zou,Deyue;Li,Feng;He,Liansheng.“An Innovative Accuracy6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇105Estimation Algorithm

301、of Fingerprint Positioning,”2022 International WirelessCommunications and Mobile Computing(IWCMC 2022),2022,pp.201-204.50 He,Liansheng;Zou,Deyue.“Fusion Localization Based on Accuracy Estimation,”2022 5thInternational Conference on Advanced Electronic Materials,Computers and SoftwareEngineering(AEMC

302、SE 2022),2022,pp.12-18.51 Yuexia Zhang,Ying Zhou,Siyu Zhang,Guan Gui,Bamidele Adebisi,Haris Gacanin and HikmetSari.“An Efficient Caching and Offloading Resource Allocation Strategy in Vehicular SocialNetworks，”in IEEE Transactions on Vehicular Technology，2023，earlyaccess.52Yunong Yang,Yuexia Zhang a

303、nd Zhihai Zhuo.“Adaptive Time Slot Resource Allocation inSWIPT IoT Networks，”in Computer Modeling in Engineering&Sciences，2023,vol.136,no.3,pp:2787-2813.53 Z.Zhang,Y.Liu,Z.Wang,X.Mu,and J.Chen,“Physical layer security in near-fieldcommunications,”arXiv preprint arXiv:2302.04189,2023.54 Sindgi A,Maha

304、devaswamy U B.Wavelet-Powered mm-Wave OFDM for Efficient WirelessNetwork-on-ChipCommunicationC/2023InternationalConferenceonNetwork,Multimedia and Information Technology(NMITCON).Bengaluru:IEEE,2023:1-8.55 Medina R,Kein J,Qureshi Y,et al.Full System Exploration of On-Chip WirelessCommunicationonMany

305、-CoreArchitecturesC/2022IEEE13thLatinAmericaSymposium on Circuits and System(LASCAS).Puerto Varas:IEEE,2022:1-4.56 Kim H,Bowrothu R,Yoon Y.Tri-axis Polarized Loop Antenna for mmWave WirelessInter/intraChipCommunicationsC/2020IEEE70thElectronicComponentsandTechnology Conference(ECTC).Orlando:IEEE,202

306、0:1875-1880.57 Petrov V,Moltchanov D,Komar M,et al.Terahertz Band Intra-Chip Communications:CanWireless Links Scale Modern x86 CPUs?J.IEEE Access,2017,5:6095-6109.58 A.Yaghjian,“An overview of near-field antenna measurements,”IEEE Trans.AntennasPropag.,vol.34,no.1,pp.3045,Jan.1986.59 K.T.Selvan and

307、R.Janaswamy,“Fraunhofer and Fresnel distances:Unified derivation foraperture antennas,”IEEE Antennas Propag.Mag.,vol.59,no.4,pp.1215,Aug.2017.60 M.Cui,Z.Wu,Y.Lu,X.Wei and L.Dai,Near-Field MIMO Communications for 6G:Fundamentals,Challenges,Potentials,and Future Directions,in IEEE CommunicationsMagazi

308、ne,vol.61,no.1,pp.40-46,January 2023,doi:10.1109/MCOM.004.2200136.61 Cui,Mingyao,et al.Near-field MIMO communications for 6G:Fundamentals,challenges,potentials,and future directions.IEEE Communications Magazine 61.1(2022):40-46.62 M.Cui and L.Dai,“Near-field wideband beamforming for extremely large

309、antenna array,”arXiv preprint arXiv:2109.10054,2023.10663 H.Lu and Y.Zeng,“How does performance scale with antenna number for extremelylarge-scale MIMO?in Proc.IEEE ICC,Jun.2021,pp.1-6.64 Lu,Haiquan,and Yong Zeng,“Communicating with extremely large-scale array/surface:Unifiedmodelingandperformancean

310、alysis,”IEEETransactionsonWirelessCommunications,vol.21,no.6,pp.40394053,2022.65 R.Li,S.Sun,and M.Tao,“Applicable regions of spherical and plane wave models forextremely large-scale array communications,”2023.66 J.-S.Jiang and M.Ingram,“Spherical-wave model for short-range MIMO,”IEEETransactions on

311、Communications,vol.53,no.9,pp.15341541,Sep.2005.67 F.Bohagen,P.Orten,and G.E.Oien,“On spherical vs.plane wave modeling ofline-of-sight MIMO channels,”IEEE Transactions on Communications,vol.57,no.3,pp.841849,Mar.2009.68 R.Li,S.Sun,and M.Tao,“Applicable regions of spherical and plane wave models fore

312、xtremely large-scale array communications,”accepted by China Communications,2023.Online.Available:https:/arxiv.org/pdf/2301.06036.pdf.69 P.Wang,Y.Li,X.Yuan,L.Song,and B.Vucetic,“Tens of gigabits wirelesscommunications over E-Band LoS MIMO channels with uniform linear antenna arrays,”IEEE Transaction

313、s on Wireless Communications,vol.13,no.7,pp.37913805,Jul.2014.70 S.Sun,et al.How to Differentiate between Near Field and Far Field:Revisiting theRayleigh Distance.arXiv preprint arXiv:2309.13238(2023).71 A.Chen,L.Chen,Y.Chen,C.You,G.Wei and F.R.Yu,Cramr-Rao Bounds of Near-FieldPositioning Based on E

314、lectromagnetic Propagation Model,in IEEE Transactions on VehicularTechnology,vol.72,no.11,pp.13808-13825,Nov.2023,doi:10.1109/TVT.2023.3284658.72 A.Chen,L.Chen,Y.Chen,N.Zhao,and C.You,“Near-field positioning and attitude sensingbased on electromagnetic propagation modeling,”ArXiv,vol.abs/2310.17327,

315、2023.Online.Available:http:/arxiv.org/abs/2310.17327.73 L.Wei et al.,Tri-Polarized Holographic MIMO Surfaces for Near-Field Communications:Channel Modeling and Precoding Design,in IEEE Transactions on Wireless Communications,doi:10.1109/TWC.2023.3266298.74 M.Cui,L.Dai,R.Schober,and L.Hanzo,“Near-fie

316、ld wideband beamforming for extremelylarge antenna array,”arXiv preprint arXiv:2109.10054,Sep.2021.75 Ramezani P,Kosasih A,Irshad A,et al,Exploiting the depth and angular domains for massivenear-field spatial multiplexingJ.IEEE BITS the Information Theory Magazine,2023.76 Z.Wu,M.Cui and L.Dai,Enabli

317、ng More Users to Benefit from Near-Field Communications:From Linear to Circular Array,in IEEE Transactions on Wireless Communications,doi:10.1109/TWC.2023.3310912.6G6G 近場通信技術白皮書近場通信技術白皮書/FuTURE 論壇10777 R.Ji et al.,Extra DoF of Near-Field Holographic MIMO Communications LeveragingEvanescent Waves,in

318、IEEE Wireless Communications Letters,vol.12,no.4,pp.580-584,April 2023,doi:10.1109/LWC.2023.3234003.78 C.Ouyang et al.,“Near-field communications:A degree-of-freedom perspective,”arXivpreprint arXiv:2308.00362,2023.79 Z.Xie et al.,“Performance analysis for near-field MIMO:Discrete and continuous ape

319、rtureantennas,”EarlyAccess,IEEEWirelessCommun.Lett.,2023,doi:10.1109/LWC.2023.3317492.80 S.Verdu,“Spectral efficiency in the wideband regime,”IEEE Trans.Inf.theory,vol.48,no.6,pp.13191343,Jun.2002,10.1109/TIT.2002.1003824.81 D.A.B.Miller,“Communicating with waves between volumes:Evaluating orthogona

320、lspatial channels and limits on coupling strengths,”Appl.Opt.,vol.39,no.11,pp.16811699,Apr.2000,doi:https:/doi.org/10.1364/AO.39.001681.82 Lu H,Zeng Y.Communicating with extremely large-scale array/surface:Unified modeling andperformance analysisJ.IEEE Transactions on Wireless Communications,2021,21

321、(6):4039-4053.83 DongZ,ZengY.Near-fieldspatialcorrelationforextremelylarge-scalearraycommunicationsJ.IEEE Communications Letters,2022,26(7):1534-1538.84 Lu H,Zeng Y,You C,et al.A tutorial on near-field XL-MIMO communications towards 6GJ.arXiv preprint arXiv:2310.11044,2023.85 Zheng B,Ma T,Yi X,et al

322、.Intelligent reflecting surface-aided transmit diversity andperformance analysisC/ICC 2023-IEEE International Conference on Communications.IEEE,2023:2822-2827.86 Zheng B,Zhang R.Simultaneous transmit diversity and passive beamforming withlarge-scale intelligent reflecting surfaceJ.IEEE Transactions

323、on Wireless Communications,2022,22(2):920-933.87 IEEE Recommended Practice for Radar Cross-Section Test Procedures:IEEE Std 1502-2020(Revision of IEEE Std 1502-2007):2020:1-78.88 J.Melin,“Measuring radar cross section at short distance”,IEEE Transactions on Antennas&Propagation,1987,35(8):991-6.89 盛

324、新慶,計算電磁學要論,北京:科學出版社,2004.90I.J.Lahaie,E.I.Lebaron,J.W.Burns.“Far field radar cross-section(RCS)predictions fromplanar near field measurements”,proceedings of the IEEE Antennas and PropagationSociety International Symposium 1992 Digest,F 18-25 June 1992.91 I.J.Lahaie,“Overview of an Image-Based Techn

325、ique for Predicting Far-Field Radar CrossSection from Near-Field Measurements”,IEEE Antennas Propagation Magazine,2003,45(6):159-69.92 I.J.Lahaie,S.A.Rice,“antenna-pattern correction for near-field-to-far field RCStransformation of 1D linear SAR measurements”,IEEE Antenn Propag M,2004,46(4):177-83.9

326、3 Zheng B,Ma T,Yi X,et al.Intelligent reflecting surface-aided transmit diversity andperformance analysisC/ICC 2023-IEEE International Conference on Communications.IEEE,1082023:2822-2827.94 Zheng B,Zhang R.Simultaneous transmit diversity and passive beamforming withlarge-scale intelligent reflecting

327、 surfaceJ.IEEE Transactions on Wireless Communications,2022,22(2):920-933.95 Wu Q,Zhang R.Intelligent reflecting surface enhanced wireless network via joint active andpassive beamformingJ.IEEE transactions on wireless communications,2019,18(11):5394-5409.96 C.Coleman,I.Lahaie,S.Rice,“Antenna pattern

328、 correction for the circular near field-to-farfield transformation(CNFFFT)”,proceedings of the Proc AMTA,F,2005.97 I.J.Lahaie,“An improved version of the circular near field-to-far field transformation(CNFFFT)”,Proceedings of the 27th Annual Meeting of the Antenna MeasurementTechniques Association(A

329、MTA05),Newport,RI,F,2005.98 S.A.Rice,I.J.Lahaie,“A partial rotation formulation of the circular near-field-to-far-fieldtransformation(CNFFFT)”,IEEE Antennas Propagation Magazine,2007,49(3):209-14.99 Wang H,Zeng Y.SNR scaling laws for radio sensing with extremely large-scaleMIMOC/2022 IEEE Internatio

330、nal Conference on Communications Workshops(ICCWorkshops).IEEE,2022:121-126.100H.Wang,Z.Xiao,and Y.Zeng.Cramer-Rao bounds for near-field sensing withextremely large-scale MIMOJ.arXiv preprint arXiv:2303.05736,2023.101R1 X.Gan,C.Huang,Z.Yang,C.Zhong and Z.Zhang,Near-Field Localization forHolographic R

331、IS Assisted mmWave Systems,in IEEE Communications Letters,vol.27,no.1,pp.140-144,Jan.2023,doi:10.1109/LCOMM.2022.3209570.102A.Pizzo,T.L.Marzetta,and L.Sanguinetti,“Spatially-stationary model for holographicMIMO small-scale fading,”IEEE J.Sel.Areas Commun.,vol.38,no.9,pp.19641979,Sep.2020.103A.Pizzo,

332、T.Marzetta,and L.Sanguinetti,“Holographic MIMO communications underspatially-stationary scattering,”in Proc.2020 54th Asilomar Conf.Signals,Sys.,Comp.,Nov.2020,pp.702706.104A.Pizzo,L.Sanguinetti,and T.L.Marzetta,“Fourier plane-wave series expansion forholographic MIMO communications,”IEEE Trans.Wire

333、less Commun.,pp.11,Sep.2022.105K.Zhi,C.Pan,H,Ren,et al.“Performance Analysis and Low-Complexity Design forXL-MIMO with Near-Field Spatial Non-Stationarities,”accepted by IEEE JSAC,arXiv preprintarXiv:2304.00172,2023.106T.Gong et al.,Holographic MIMO Communications:Theoretical Foundations,EnablingTechnologies,and Future Directions,in IEEE Communications Surveys&Tutorials,doi:10.1109/COMST.2023.3309