1、2021 年年 9 月月 版权声明版权声明 Copyright Notification 未经书面许可 禁止打印、复制及通过任何媒体传播 2021 IMT-2030（6G）推进组版权所有 I 目 录 第一章第一章 背景背景.1 概述.1 部署场景.1 第二章第二章 性能指标性能指标.8 频谱效率.8 移动速度.9 能量效率.10 小区级最大并发数据流数.11 第三章第三章 新型应用新型应用.12 立体覆盖增强.12 高速以及超高速移动覆盖.21 空间精确定位与感知.24 第四章第四章 关键技术关键技术.32 信道建模.32 波束管理.35 发射端处理技术.43 第五章第五章 新技术新技术.49

2、 深度学习与人工智能.49 第六章第六章 天线结构与部署方式天线结构与部署方式.61 分布式超大规模天线.61 模块化天线.69 智能超表面.69 智能中继.79 终端新型天线结构.90 平面透射表面相控阵.92 稀疏阵列天线架构.98 第七章第七章 总结总结.104 参考文献参考文献.105 缩略语缩略语.108 主要贡献单位主要贡献单位.113 II 图目录 图 2-1 宏蜂窝覆盖的典型网络拓扑.3 图 2-2 居民楼和会议室的示意图.3 图 2-3 火车站和体育馆示意图.4 图 2-4 室外场景示意图.4 图 3-1 64 通道、192 天线振子的天线阵列结构示意图.12 图 3-2 基

3、站塔顶弱覆盖区示意图.14 图 3-3 系留无人机实现高空基站.15 图 3-4 28GHz 毫米波大规模阵列一条射频通道的架构.16 图 3-5 基于移相网络的混合子阵架构一般化模型.16 图 3-6 Nsub=2 时图 3-5 所示阵列在垂直面上扫描的方向图.17 图 3-7 图 3-5 所示阵列在垂直面上扫描时的垂直面方向图(a)N=192,Nsub=1;(b)N=192,Nsub=3.17 图 3-8(a)全数字架构;(b)基于移相网络的混合全连接架构;(c)基于开关网络的混合全连接架构.19 图 3-9 不同架构功耗随天线数目变化曲线.19 图 3-10 垂直方向不同子阵划分情况的功

4、耗和基于开关网络的混合全连接架构功耗的比较.20 图 3-11 (a)毫米波小型化天线；（b）天线性能.21 图 3-12 不同相邻小型化天线单元间距对阵列增益的影响.21 图 3-13 HST 场景基站部署示意图.22 图 3-14 城市峡谷 GNSS 定位场景.25 图 3-15 信号非视距传播对 GNSS 定位性能的影响.25 图 3-16 城市路口 GNSS 定位场景.26 图 3-17(a)传统多边定位模型，(b)超大规模天线定位模型.27 图 3-18 基于超大规模天线系统的航向/姿态测量.27 图 3-19 基于超大规模天线系统的三维定位.28 图 3-20 超大规模天线+GNS

5、S 系统位置服务覆盖.29 图 3-21 城市峡谷超大规模天线+GNSS 定位场景.30 图 3-22 城市路口超大规模天线+GNSS 定位场景.30 图 3-23 超大规模天线+GNSS 系统高精度三维定位.31 图 4-1 3GPP 大规模天线信道参数生成过程12.33 图 4-2 电磁波波前示意图.34 图 4-3 波束管理示意图.35 图 4-4 多用户场景下的波束管理.37 III 图 4-5 基于分级的波束扫描策略.37 图 4-6 站点 STA 波束训练与追踪场景（阴影部分表示波束 a1的半功率衰减波瓣）39 图 4-7 高速移动场景下的波束管理.40 图 4-8 移动场景下的用

6、户位置建模.40 图 4-9 太赫兹信号到达角测量场景.41 图 4-10 不同频率进行试验采集到的角度功率谱.42 图 4-11 基于压缩感知的波束训练方法.42 图 4-12 多用户全数字预编码系统模型图.44 图 4-13 基于透镜的超大规模天线阵列系统.48 图 5-2 信道训练的多层神经网络架构.51 图 5-3 不等间隔信道状态信息反馈的配置.52 图 5-4 神经网络用于 DMRS 估计的结构示意图.53 图 5-5 激活函数示意图.54 图 5-6 神经网络的训练效果.55 图 5-7 基于神经网络的 CSI 反馈示意图.57 图 5-8 不同基站天线数下单个样本的稀疏性.60