摘 要：通過整合全球網(wǎng)絡資源和普適智能，６Ｇ 無線網(wǎng)絡有望為用戶提供泛在的個性化服務。在６Ｇ 網(wǎng)絡環(huán)境下，深入探討如何借助網(wǎng)絡場景知識、充分利用普適智能和全域網(wǎng)絡資源，以實現(xiàn)真正的按需服務調配是必要的。旨在探討６Ｇ 無線網(wǎng)絡場景知識的相關研究。介紹了５Ｇ 限制以及６Ｇ 發(fā)展現(xiàn)狀和特點；對６Ｇ 應用場景、典型應用和性能指標進行了綜述，并闡述了６Ｇ 場景嵌入知識的應用；討論了場景識別使能技術以及面臨的挑戰(zhàn)和未來研究方向。

關鍵詞：６Ｇ；場景知識；按需服務

中圖分類號：ＴＮ９１９． １ 文獻標志碼：Ａ 開放科學（資源服務）標識碼（ＯＳＩＤ）：

文章編號：１００３－３１１４（２０２４）０３－０４８４－１２

０ 引言

近年來，移動通信技術取得了巨大進步，無線網(wǎng)絡作為其中的重要組成部分已成為現(xiàn)代社會不可或缺的一部分。５Ｇ 網(wǎng)絡以增強型移動寬帶（ｅｎｈａｎｃｅｄＭｏｂｉｌｅ Ｂｒｏａｄｂａｎｄ，ｅＭＢＢ）、超可靠低延遲通信（ＵｌｔｒａＲｅｌｉａｂｌｅ ＬｏｗＬａｔｅｎｃｙ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，ＵＲＬＬＣ）和大規(guī)模機器類型通信（ｍａｓｓｉｖｅ Ｍａｃｈｉｎｅ Ｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，ｍＭＴＣ）三大場景為核心，為用戶提供相應服務［１］。隨著５Ｇ 網(wǎng)絡的推廣和社會的不斷發(fā)展，網(wǎng)絡用戶對網(wǎng)絡性能和應用需求的期望也在不斷增加。然而，５Ｇ 網(wǎng)絡仍然存在一些限制和挑戰(zhàn)，例如帶寬瓶頸、高頻段傳輸衰減和網(wǎng)絡覆蓋不足等問題，限制了其在滿足日益復雜和多樣化的應用需求上的表現(xiàn)［２］。

為了克服這些挑戰(zhàn)并滿足未來網(wǎng)絡的需求，學術界和產(chǎn)業(yè)界開始研究和開發(fā)下一代移動通信技術，即６Ｇ 網(wǎng)絡，以期滿足未來網(wǎng)絡的需求。６Ｇ 網(wǎng)絡被視為具備更高速率、更低延遲、更大容量和更好可靠性的網(wǎng)絡［３］。然而，僅僅提高技術指標并不能適應未來的應用場景。不同的用戶處于不同的場景，對網(wǎng)絡的需求各不相同。因此，需對用戶－資源匹配進行更細粒度的剖析分解，從而實現(xiàn)６Ｇ 網(wǎng)絡中真正的按需服務。因此，６Ｇ 網(wǎng)絡中場景知識的研究顯得十分重要。

場景知識是指在特定環(huán)境下對場景因素（包括所處環(huán)境、資源等）、用戶需求（包括用戶主觀需求以及客觀需求）和網(wǎng)絡狀態(tài)等信息的理解和感知。它可以幫助網(wǎng)絡自動感知和適應不同的應用場景，從而實現(xiàn)更智能、高效和個性化的通信服務。進一步，網(wǎng)絡借助已有的場景知識，可以更準確、迅速地提供服務，實現(xiàn)高效按需。２０２３ 年６ 月，國際電信聯(lián)盟（ＩＴＵ）無線電通信部門對６Ｇ 場景進行了明確劃分，分為六大典型場景：沉浸式通信、超大規(guī)模連接、極高可靠低時延、人工智能（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ，ＡＩ）與通信的融合、感知與通信的融合、泛在連接［４］。在６Ｇ 網(wǎng)絡中，場景知識的綜合利用將成為實現(xiàn)６Ｇ 網(wǎng)絡性能提升和應用創(chuàng)新的關鍵。因此，對于６Ｇ 無線網(wǎng)絡中關于場景知識的研究成為當今學術界研究的熱點之一。

本文對６Ｇ 無線網(wǎng)絡中的場景知識進行了系統(tǒng)綜述。首先，介紹了５Ｇ 網(wǎng)絡的局限性以及６Ｇ 網(wǎng)絡的發(fā)展現(xiàn)狀和特征；其次，綜述了６Ｇ 網(wǎng)絡的應用場景、典型應用和性能指標，并結合現(xiàn)有工作分析了６Ｇ 網(wǎng)絡中的場景嵌入知識的應用；最后，討論了場景識別的技術手段以及存在的挑戰(zhàn)和未來的研究方向。通過對６Ｇ 無線網(wǎng)絡中的場景知識的研究，對其在未來網(wǎng)絡中的重要作用和潛在應用進行了全面系統(tǒng)地分析，旨在深入探討其在未來的研究和應用中的價值。能夠促進相關領域的研究和技術創(chuàng)新，推動６Ｇ 網(wǎng)絡的快速發(fā)展和廣泛應用，為未來的研究和應用提供有價值的指導和展望。

１ ６Ｇ 網(wǎng)絡背景

１． １ ５Ｇ 的限制和挑戰(zhàn)

５Ｇ 網(wǎng)絡作為當前移動通信技術的最新標準，雖然在許多方面取得了顯著的進展，但仍面臨一系列挑戰(zhàn)和限制。

５Ｇ 網(wǎng)絡面臨的挑戰(zhàn)之一是帶寬限制［５］。盡管５Ｇ 標準已經(jīng)在數(shù)據(jù)傳輸速率方面取得了顯著提升，但由于用戶對高清、高幀率視頻以及增強現(xiàn)實（Ａｕｇｍｅｎｔｅｄ Ｒｅａｌｉｔｙ，ＡＲ）應用日益增長的需求，網(wǎng)絡帶寬需求也在迅速增加。在高密度設備連接和大規(guī)模數(shù)據(jù)傳輸?shù)膱鼍跋?，網(wǎng)絡容易陷入擁塞，不僅影響用戶體驗，也降低了數(shù)據(jù)傳輸?shù)目煽啃裕郏担?。Ｆｅｒｒａ?等［６］指出５Ｇ 網(wǎng)絡仍然面臨大規(guī)模連接和高密度設備挑戰(zhàn)，這限制了其在物聯(lián)網(wǎng)（Ｉｎｔｅｒｎｅｔ ｏｆＴｈｉｎｇｓ，ＩｏＴ）和智能城市等場景的發(fā)展。在這些場景中，設備密集性導致的網(wǎng)絡擁塞和頻譜競爭給５Ｇ網(wǎng)絡的可靠性和性能帶來了挑戰(zhàn)。

在５Ｇ 網(wǎng)絡中，低延遲是實現(xiàn)實時互動和關鍵應用的關鍵因素。５Ｇ 網(wǎng)絡的延遲雖然已經(jīng)相對較低，但在對延遲要求極為敏感的領域，如自動駕駛和工業(yè)自動化，仍然存在挑戰(zhàn)［７］。Ｊｉａｎｇ 等［３］的研究聚焦于５Ｇ 工業(yè)ＩｏＴ 中的ＵＲＬＬＣ 技術，強調了在工業(yè)自動化等領域實現(xiàn)低時延通信的關鍵性。由于網(wǎng)絡架構和信號傳播等方面的限制，５Ｇ 在某些場景下無法滿足超低時延通信的要求，限制了其在關鍵應用領域的應用。Ｚｕｏ 等［８］通過研究５Ｇ 中超可靠低時延通信的波形設計和速率控制，深入探討了５Ｇ 中低時延通信的關鍵技術。Ｔｒｅｖｌａｋｉｓ 等［９］的綜述涵蓋了５Ｇ 中的ＵＲＬＬＣ 技術，全面分析了當前５Ｇ 網(wǎng)絡中的限制和挑戰(zhàn)。

此外，５Ｇ 的可靠性和覆蓋范圍也存在一定制約，限制了５Ｇ 在關鍵領域的應用，如醫(yī)療衛(wèi)生和緊急救援等關于５Ｇ 覆蓋范圍，限制因素之一是高頻段的使用［１０］。盡管毫米波頻段可以提供更大的帶寬和更高的數(shù)據(jù)傳輸速率，但其信號傳播距離相對較短，容易受到障礙物的影響，從而限制了覆蓋范圍。城市和農村地區(qū)之間的鴻溝也是一個重要問題，５Ｇ 網(wǎng)絡在城市中可能更容易實現(xiàn)高密度覆蓋，而在農村地區(qū)可能面臨部署成本高、基礎設施不足等問題［１０］。

這些研究共同揭示了５Ｇ 網(wǎng)絡在帶寬、時延、密度等方面的限制和挑戰(zhàn)，在面對這些限制和挑戰(zhàn)時，學術界和產(chǎn)業(yè)界開始關注下一代通信技術，即６Ｇ通信技術的發(fā)展，以期望進一步推動通信技術的創(chuàng)新，滿足未來社會對更高性能通信的需求。

１． ２ ６Ｇ 的產(chǎn)生發(fā)展以及未來發(fā)展?jié)摿?/p>

為了應對５Ｇ 的限制和挑戰(zhàn)，６Ｇ 不僅是追求網(wǎng)絡性能的提升，更著眼于新技術范式的探索，如超高頻、量子通信、智能邊緣計算、全息無線電技術等。這些新技術的引入將極大拓展通信技術的邊界，可滿足未來數(shù)字社會和智能應用需求。Ｄｅ Ａｌｗｉｓ 等［１１］詳細探討了量子通信在６Ｇ 中的機會和挑戰(zhàn)，強調了其在解決當前加密方法局限性方面的潛在作用。Ｊｉａｎｇ 等［１２］在研究中提到了６Ｇ 網(wǎng)絡在智能交通、虛擬現(xiàn)實（Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ，ＶＲ）和工業(yè)自動化等領域的發(fā)展?jié)摿?。Ｍａ?等［１３］介紹了６Ｇ 網(wǎng)絡的愿景、要求、架構和關鍵技術，為６Ｇ 的發(fā)展提供了全面的視角。Ｚｈｏｕ 等［１４］探討了ＡＩ 驅動的智能網(wǎng)絡在６Ｇ 通信中的應用，強調了其在網(wǎng)絡優(yōu)化和管理方面的潛在貢獻。

相較于５Ｇ 網(wǎng)絡，６Ｇ 網(wǎng)絡預計在多個方面實現(xiàn)顯著的技術升級：① 展現(xiàn)出更高的頻譜利用效率、能量效率和成本效率，同時實現(xiàn)卓越的數(shù)據(jù)速率（達到Ｔｂｉｔ／ ｓ 級別）；網(wǎng)絡延遲方面將降低至現(xiàn)有水平的１／１０；而連接密度將顯著提升至現(xiàn)有水平的１００ 倍。② 具備更為先進的全自動化智能，實現(xiàn)亞厘米級的定位精度和亞毫秒級的時間同步，為通信體驗提供更為卓越的性能。③ 提供全球覆蓋，增強頻譜／能源／ 成本效率，更好的智能水平和安全性等［１５－１６］。

為了滿足這些性能，６Ｇ 網(wǎng)絡將依賴于新的使能技術，即空中接口和傳輸技術，以及新的網(wǎng)絡架構，如波形設計、多址、信道編碼方案、多天線技術、網(wǎng)絡切片、無蜂窩架構和云／ 霧／ 邊緣計算［１７］。６Ｇ 的未來發(fā)展將有４ 個新的范式的轉變（如圖１ 所示）：① 為滿足全球覆蓋要求，６Ｇ 將不局限于地面通信網(wǎng)絡，需要與衛(wèi)星、無人機等非地面通信網(wǎng)絡相輔相成，從而實現(xiàn)“空－天－地－海”一體化通信網(wǎng)絡。② 將充分開發(fā)所有頻譜，進一步提高數(shù)據(jù)速率和連接密度，包括６ ＧＨｚ 以下、毫米波（ｍｍＷａｖｅ）、太赫茲（ＴＨｚ）和光學頻段。③ 面對高度異構的網(wǎng)絡、多樣化的通信場景、眾多的天線數(shù)量、寬廣的帶寬以及由新業(yè)務需求產(chǎn)生的大數(shù)據(jù)集，６Ｇ 網(wǎng)絡將充分利用ＡＩ 和大數(shù)據(jù)技術，以實現(xiàn)一系列全新的智能應用。④ 在推進６Ｇ 網(wǎng)絡發(fā)展的過程中，亦須加強網(wǎng)絡安全措施，保證強大的安全性。

未來，６Ｇ 有望在智能交通、ＶＲ、工業(yè)自動化等領域取得顯著突破，６Ｇ 的技術特征將為這些領域的創(chuàng)新提供支持，推動社會數(shù)字化轉型邁向更高水平［１８］。

１． ３ ６Ｇ 網(wǎng)絡特征

圖２ 顯示了６Ｇ 無線網(wǎng)絡特征，其中給出了性能指標、應用場景、支持技術、新范式轉換和行業(yè)垂直領域［１９］。

為滿足未來通信需求，６Ｇ 設計追求更高帶寬、更低延遲、更高可靠性、更大容量，超越５Ｇ 限制，推動通信技術向更高層次發(fā)展［２０］。

① ６Ｇ 網(wǎng)絡將提供更高的帶寬，以滿足不斷增長的數(shù)據(jù)需求。研究者們在探索超高頻的運用，以實現(xiàn)更大范圍內的數(shù)據(jù)傳輸和更快的速率，為用戶提供更快捷、高效的通信服務。

② 更低的延遲將成為實現(xiàn)實時互動和關鍵應用的關鍵因素。量子通信等新技術的引入有望在降低通信延遲的同時提高通信的安全性，為延遲敏感型應用提供更強有力的支持。

③ ６Ｇ 網(wǎng)絡還將追求更高的可靠性，以確保在關鍵時刻網(wǎng)絡連接的穩(wěn)定性。這對于自動駕駛、遠程醫(yī)療等關鍵領域的應用至關重要。

④ ６Ｇ 將具備更大的容量，以支持更多設備的連接，實現(xiàn)大規(guī)模的ＩｏＴ 應用。

６Ｇ 的網(wǎng)絡特征設計不僅是對５Ｇ 性能的提升，更是對全新通信范式的探索。超越５Ｇ 的性能限制，６Ｇ 網(wǎng)絡的設計旨在推動通信技術向更高層次發(fā)展，為未來數(shù)字社會和智能應用提供堅實基礎。

２ ６Ｇ 場景

在信息通信技術高速發(fā)展的今天，６Ｇ 網(wǎng)絡作為未來通信網(wǎng)絡的新興代表，正受到全球矚目。６Ｇ 不僅是５Ｇ 技術的升級，更預示著一個新的通信時代的來臨。它將為人類社會帶來更廣泛的連接性、更高的數(shù)據(jù)傳輸速度和更低的延遲，從而開啟一個智能化、數(shù)字化轉型的新篇章。６Ｇ 場景的探索不僅關乎技術的進步，更關系到未來社會的運作方式和人類生活的多個方面。６Ｇ 的應用前景無限廣闊，其影響力深遠且全面。

２． １ ６Ｇ 應用場景

隨著信息技術的迅猛發(fā)展，６Ｇ 網(wǎng)絡預計將于２０３０ 年投入使用，其將突破５Ｇ 網(wǎng)絡的限制，為各種新興應用提供支持。根據(jù)ＩＴＵ 和移動通信國際標準化組織（ＩＭＴ）的規(guī)劃［２１］，６Ｇ 網(wǎng)絡的應用場景可分為六大類。其中，超大規(guī)模連接、超高可靠低時延通信和泛在連接是對５Ｇ 原有三大應用場景的增強和擴展：在６Ｇ 中得到了進一步增強和擴展，但其核心理念與５Ｇ 相延續(xù)。例如，超大規(guī)模連接繼續(xù)推動著ＩｏＴ 的發(fā)展，而超高可靠低時延通信依然是實時控制系統(tǒng)的關鍵，泛在連接則保證了無論在何處都能實現(xiàn)高效、穩(wěn)定的網(wǎng)絡連接。

而沉浸式通信、通信ＡＩ 一體化和通信感知一體化則是６Ｇ 針對未來移動通信可能面臨的新需求和挑戰(zhàn)，提出的特有的全新應用場景。

（１）沉浸式通信

沉浸式通信在６Ｇ 網(wǎng)絡中扮演著重要角色，通過高級擴展現(xiàn)實（Ｅｘｔｅｎｄｅｄ Ｒｅａｌｉｔｙ，ＸＲ）技術和全息通信，提供前所未有的真實交流體驗。這一場景重視時間同步，支持視頻、音頻及環(huán)境數(shù)據(jù)的混合流量傳輸以及獨立的語音支持，使遠程交流更加生動和互動。沉浸式通信的應用前景廣泛，從遠程教育到虛擬會議，再到在線娛樂和遠程醫(yī)療，乃至復雜的遠程操作和控制系統(tǒng)，都將從中受益。

（２）通信ＡＩ 一體化

通信ＡＩ 一體化場景標志著ＡＩ 技術與通信技術的深度融合。ＡＩ 在此場景中發(fā)揮多重作用，包括網(wǎng)絡自我優(yōu)化、服務個性化、安全增強、數(shù)據(jù)分析和管理、邊緣計算等。ＡＩ 的融入不僅使６Ｇ 網(wǎng)絡更加智能化和高效，還大幅提升了用戶體驗。從ＡＩ 驅動的個人助手到智能家居設備，通信ＡＩ 一體化將推動智能設備的發(fā)展，使其無縫連接至６Ｇ 網(wǎng)絡。

（３）通信感知一體化

通信感知一體化是６Ｇ 網(wǎng)絡中另一項創(chuàng)新，代表了通信技術與感知能力的深度融合，開啟了通信網(wǎng)絡功能的新境界。在這一場景下，網(wǎng)絡不僅能夠傳輸數(shù)據(jù)，還能夠感知環(huán)境，實現(xiàn)數(shù)據(jù)的收集和智能處理，實現(xiàn)了通信技術與環(huán)境感知能力的結合。此場景涵蓋環(huán)境感知、活動檢測與運動跟蹤、ＡＲ 和ＶＲ、高精度定位等多個方面。在智慧城市、智能交通和遠程醫(yī)療等領域尤為重要。這一場景的實現(xiàn)，將提升６Ｇ 網(wǎng)絡的功能性，促進新技術和新應用的發(fā)展。

（４）超大規(guī)模連接

標志著通信技術的新紀元，６Ｇ 將支持前所未有數(shù)量級的設備連接，推動ＩｏＴ 的全面發(fā)展。

（５）超高可靠低時延通信

針對對延遲和可靠性要求極高的應用，如工業(yè)自動化和遠程醫(yī)療，６Ｇ 將提供毫秒級甚至更低延遲的通信服務。

（６）泛在連接

６Ｇ 旨在實現(xiàn)全球范圍內高效、穩(wěn)定的網(wǎng)絡連接，無論地理位置如何，確保網(wǎng)絡服務的質量和可靠性。

綜上所述，６Ｇ 六大應用場景的形成，不僅標志著技術的進步，也預示著信息社會向更加智能化、互聯(lián)化發(fā)展的趨勢。這些應用場景展示了未來通信技術的廣泛可能性，預示著信息社會的深刻變革和技術革新。６Ｇ 網(wǎng)絡的出現(xiàn)將是通信歷史上的一個重要里程碑，標志著向更加智能化、互聯(lián)化的新時代的過渡。

２． ２ ６Ｇ 典型應用

６Ｇ 網(wǎng)絡作為未來通信技術的重要代表，將廣泛應用于各個領域，徹底改變行業(yè)格局并支撐新技術和新應用的發(fā)展。６Ｇ 的典型應用不僅包括傳感和學習，還涉及元宇宙、太空通信、深海旅游等前沿領域［２２］。此外，智能城市、智能家居、智能汽車、智能制造和工業(yè)ＩｏＴ 也將在６Ｇ 的助力下迎來新的發(fā)展機遇。

２． ２． １ 全息通信和ＸＲ 應用

６Ｇ 網(wǎng)絡的高帶寬和低延遲使實時全息通為可能，這將徹底改變人們的通信方式，提供更加沉浸式和真實的交流體驗，并為用戶提供前所未有的溝通和娛樂體驗。

全息通信［２３］是一種利用光場重建技術創(chuàng)建三維圖像的通信方式。在６Ｇ 網(wǎng)絡下，全息通信的潛力將被進一步挖掘。得益于６Ｇ 的高帶寬和極低延遲，全息圖像可以實時傳輸，提供更加生動、逼真的交流體驗。這意味著在遠程會議、遠程教育、娛樂甚至醫(yī)療領域，人們可以通過全息技術與他人或物體進行更加自然、互動的溝通。例如，在遠程醫(yī)療中，醫(yī)生可以通過全息圖像來觀察和指導手術，使遠程手術更加精確和可行。

ＸＲ 應用包括ＶＲ、ＡＲ 和混合現(xiàn)實（ＭｉｘｅｄＲｅａｌｉｔｙ，ＭＲ），是另一大受益于６Ｇ 的領域。６Ｇ 網(wǎng)絡將為ＸＲ 應用提供所需的高速數(shù)據(jù)傳輸和低延遲，使這些技術可以更加流暢和真實地與用戶的物理環(huán)境融合，為教育、培訓、游戲和零售等多個行業(yè)創(chuàng)造沉浸式體驗。

總的來說，全息通信和ＸＲ 應用在６Ｇ 時代將大幅提升用戶體驗，開啟遠程互動和沉浸式體驗的新時代，同時在眾多行業(yè)中創(chuàng)造新的應用可能性和商業(yè)價值。

２． ２． ２ 智慧城市的構建

在６Ｇ 時代，智慧城市的構建將經(jīng)歷革命性變化。６Ｇ 的超高帶寬和極低延遲特性將使城市基礎設施實時數(shù)據(jù)交換成為現(xiàn)實，從而提高城市管理的效率和響應速度。大規(guī)模ＩｏＴ 的推動將使城市中的每一件物品都能夠互聯(lián)互通，收集的大量數(shù)據(jù)有助于優(yōu)化城市運營和提高居民生活質量。此外，智慧城市在能源管理、水資源管理和公共交通系統(tǒng)優(yōu)化等領域的發(fā)展也將得到加速，為實現(xiàn)可持續(xù)發(fā)展目標貢獻力量［２４］。

此外，預計６Ｇ 網(wǎng)絡將在遠程醫(yī)療的進步中發(fā)揮關鍵作用，特別是驅動方法的集成將為智能醫(yī)療應用帶來新的機遇。６Ｇ 網(wǎng)絡實現(xiàn)的ｍＭＴＣ 也將支持工業(yè)智能ＩｏＴ、智能建筑、物流以及空氣和水質監(jiān)測等應用，為各行各業(yè)的轉型升級提供動力［２５］。

綜上所述，６Ｇ 網(wǎng)絡的典型應用不僅展示了未來通信技術的廣闊應用前景，也預示著信息社會的深刻變革和技術革新。６Ｇ 網(wǎng)絡的出現(xiàn)將是通信歷史上的重要里程碑，標志著向更加智能化、互聯(lián)化新時代的過渡。

２． ３ ６Ｇ 性能指標

在當今迅速發(fā)展的通信領域中，６Ｇ 網(wǎng)絡不僅承載著現(xiàn)有需求的滿足，更在為未來潛在新應用的需求做準備。因此，６Ｇ 網(wǎng)絡的性能指標成為衡量其是否能夠滿足這些應用需求的關鍵［２６］。相比于５Ｇ 網(wǎng)絡，６Ｇ 定義了１５ 個能力指標，分為兩大類：一是針對ＩＭＴ-２０２０（５Ｇ）功能的增強，二是支持ＩＭＴ-２０３０（６Ｇ）擴展使用場景的新功能。每個功能在不同的使用場景中展現(xiàn)出獨特的相關性和適用性。

針對ＩＭＴ-２０２０ 增強的功能包括峰值速率、用戶體驗速率、頻譜效率、區(qū)域流量密度、連接數(shù)密度、移動性、時延、可靠性和安全、定位能力和能效等１０ 個指標。這些指標的提升，反映了６Ｇ 在繼承５Ｇ 基礎上的技術優(yōu)化和性能提升，如表１ 所示。

６Ｇ 所引入的支持ＩＭＴ２０３０ 擴展使用場景的新功能，包括覆蓋指標、感知相關指標、ＡＩ 相關指標、可持續(xù)性性能指標、互操作性性能指標、定位精度等［４］。這些新增指標代表了６Ｇ 網(wǎng)絡為適應未來通信需求而做的全面準備和技術革新。

① 覆蓋。在全球化和多樣化的通信需求背景下，有效覆蓋成為關鍵指標。這不僅涵蓋城市區(qū)域，還包括偏遠和農村地區(qū)的覆蓋，確保用戶無論身處何地都能獲得穩(wěn)定可靠的通信服務。

② 感知。ＩｏＴ 和智慧城市的發(fā)展，使感知能力變得至關重要。感知能力包括距離、速度、角度估計以及目標檢測和成像等功能，對提升網(wǎng)絡的智能化和自動化水平發(fā)揮著關鍵作用。

③ ＡＩ。ＡＩ 技術與通信網(wǎng)絡的融合，是６Ｇ 網(wǎng)絡發(fā)展的顯著趨勢。通過整合ＡＩ 應用，如分布式數(shù)據(jù)處理和學習，６Ｇ 網(wǎng)絡將大幅提升其智能性和效率。

④ 可持續(xù)性。在全球范圍增強的環(huán)保意識下，可持續(xù)性成為衡量網(wǎng)絡和設備性能的重要指標。這涉及減少溫室氣體排放和其他環(huán)境影響，如提高能源效率和優(yōu)化資源使用。

⑤ 互操作性。為實現(xiàn)更廣泛的網(wǎng)絡兼容性和靈活性，互操作性的重要性日益增加。這保證了不同系統(tǒng)和設備之間的有效協(xié)同工作，提高了網(wǎng)絡的整體功能性和適應性。

⑥ 定位精度。隨著自動駕駛、高級導航系統(tǒng)等新興應用的興起，精確的定位成為必要條件。６Ｇ 網(wǎng)絡提出的１ ～１０ ｃｍ 的定位精度目標，將大幅提升用戶體驗和應用效率。

綜上所述，６Ｇ 網(wǎng)絡的這些新增性能指標從技術提升到環(huán)境責任，從智能化到全球互聯(lián)，全面反映了６Ｇ 網(wǎng)絡為滿足未來通信需求所做的準備［２７］，標志著一個更高效、智能和可持續(xù)的通信時代的來臨。

３ ６Ｇ 場景嵌入知識應用

３． １ 場景知識構建使能技術

在通信網(wǎng)絡中，存在大量具有高密度信息的數(shù)據(jù)，這些數(shù)據(jù)涵蓋了網(wǎng)絡主體、用戶、無線通信、傳輸策略和智能服務等不同領域［２８］，積極整合和利用這些多來源的數(shù)據(jù)并挖掘其有價值的信息，對未來通信技術的發(fā)展和應用創(chuàng)新具有重要的促進作用。通過嵌入知識體系的方法，６Ｇ 網(wǎng)絡可以更好地適應各種不同類型的場景，并提供更高效、個性化的網(wǎng)絡服務。圖３ 展示了使用自頂向下和自底向上相結合的方法構建６Ｇ 網(wǎng)絡領域知識圖譜的流程。

３． １． １ 構建思想

知識圖譜的構建思想可以分為自頂向下、自底向上和二者混合的方法［２９］。自頂向下的方法是從上層的概念或實體開始，逐步拆分、分解并細化成更具體的子概念或子實體，以建立起層次結構的知識體系。這種方法將整個知識圖譜的構建過程分解為一系列的層級關系，使得知識的組織更加清晰和易于管理［３０］。自頂向下的方法是從總體抽象概念開始，逐漸細化和拆分，構建更具體的子概念或實體的知識圖譜。此方法重視數(shù)據(jù)結構的完整和規(guī)范。然而，自頂向下更加依賴于專家經(jīng)驗，并且可能會忽視實際應用中的具體情況和需求，對于復雜的網(wǎng)絡領域和多變的場景，實際使用可能不夠靈活。二者混合的方法可以根據(jù)具體的構建需求和實際情況靈活調整，結合自頂向下和自底向上的優(yōu)點更好地適應不同的構建場景和需求。

３． １． ２ 本體構建

兩種經(jīng)典的本體構建方法有骨架法和７ 步法。骨架法于１９９５ 年提出，大致包括以下４ 個步驟：領域分析、構建本體、審核修訂和文檔記錄。構建本體階段包括本體捕獲、本體編碼表示和集成現(xiàn)有本體等子步驟。７ 步法由Ｎｏｙ 等［３１］提出，包括確定領域和范圍、收集領域知識、建立概念層次結構、建立屬性和關系、建立實例、驗證和評估、維護和演化。骨架法在構建本體時存在語義表達能力不足、知識遺漏、缺乏靈活性、維護復雜性和缺乏推理能力等缺陷。７ 步法提供了本體構建的具體流程，但在本體的進一步擴展和維護方面可能面臨挑戰(zhàn)。隨著知識的增加和變化，可能需要對本體進行修改和更新。隨著技術的發(fā)展，一些研究者結合新興技術提出了半自動或全自動的本體構建方法，如在７ 步法的基礎上提出了一種融合多層次數(shù)據(jù)的多輪循環(huán)方法，通過多輪循環(huán)來完善知識結構，并構建了知識圖譜。該方法在智能問答任務上展現(xiàn)出優(yōu)異的性能。

３． １． ３ 知識抽取

知識抽取中的命名實體識別是指從文本中識別出具有特定意義的實體及屬性。目前，實體識別方法可以分為基于規(guī)則的方法、基于統(tǒng)計學習的方法和基于深度學習（Ｄｅｅｐ Ｌｅａｒｎｉｎｇ，ＤＬ）的方法。前兩種方法都有較好的可解釋性但十分依賴標注數(shù)據(jù)、難以泛化。基于ＤＬ 的方法能夠學習更加復雜和抽象的特征表示但對于模型的調參和優(yōu)化要求較高。目前，廣泛使用的模型之一是條件隨機場（Ｃｏｎｄｉｔｉｏｎａｌ Ｒａｎｄｏｍ Ｆｉｅｌｄｓ，ＣＲＦ）模型［３２］。但由于ＣＲＦ模型過于依賴手工選擇和構建特征，實際應用中難以有效發(fā)揮其功能。因此，將ＣＲＦ 模型與ＤＬ 模型結合使用，可以為序列預測標簽添加更多約束，以保證結果的有效性和可靠性，是目前主流的方法。例如，Ｈｕａｎｇ 等［３３］提出了ＣＲＦ 與雙向長短期記憶（Ｂｉｄｉｒｅｃｔｉｏｎａｌ Ｌｏｎｇ ＳｈｏｒｔＴｅｒｍ Ｍｅｍｏｒｙ，ＢｉＬＳＴＭ）網(wǎng)絡結合的ＢｉＬＳＴＭＣＲＦ 模型，其通過ＢｉＬＳＴＭ 網(wǎng)絡捕獲序列的上下文語義，ＣＲＦ 處理序列的標簽信息，取得了較高精度。

３． １． ４ 知識存儲

在知識存儲領域，實體與對應的關系型數(shù)據(jù)儲存在專門的文檔中，方便模型的繼續(xù)演進和數(shù)據(jù)開放。在存儲形式上，關系型數(shù)據(jù)一般存儲在列表中，并通過目標索引來連接不同的列表，這使得面對大批量數(shù)據(jù)處理時效率較低。為了應對這個問題，出現(xiàn)了多種非關系型數(shù)據(jù)庫，用于存儲圖結構數(shù)據(jù)，如Ｎｅｏ４ｊ、ＪａｎｕｓＧｒａｐｈ、ＴｉｇｅｒＧｒａｐｈ 和Ｇｉｒａｐｈ 等［３４］。

３． １． ５ 知識構建

如圖４ 所示，趙茁喬等［３５］提出了一種支持知識圖譜的６Ｇ 網(wǎng)絡場景認知架構。

這個架構由數(shù)據(jù)面和應用面兩部分組成。在數(shù)據(jù)面部分，通過場景本體定義、知識數(shù)據(jù)抽取和數(shù)據(jù)存儲等過程，構建一個覆蓋廣泛場景且規(guī)模較大的６Ｇ 網(wǎng)絡場景知識圖譜。在應用面部分，利用數(shù)據(jù)面提供的知識圖譜數(shù)據(jù)，對輸入的不完整場景信息進行匹配、識別和推理，以實現(xiàn)對場景的完整認知。在該架構中，當有新場景數(shù)據(jù)到來時或經(jīng)過驗證認定為正確的場景認知數(shù)據(jù)時，對數(shù)據(jù)面的相關數(shù)據(jù)進行更新，不斷迭代，以構建完善的數(shù)據(jù)面。

３． ２ 應用中的知識驅動按需服務

為支持各種場景下的按需服務，以推動相關知識的應用，現(xiàn)有工作建立了一套完善的６Ｇ 知識體系，目標是提供高度個性化的服務，使按需服務更加準確、高效、并降低能耗。在這一理論框架下，通過６Ｇ 知識體系實現(xiàn)了知識驅動的按需服務的程序化應用。這意味著能夠根據(jù)用戶不同的服務需求，借助相應的數(shù)據(jù)模式和實體屬性進行知識分析、生成、推理、推薦等操作。

３． ２． １ 文本生成的６Ｇ 熱點推薦

為了實現(xiàn)知識與按需服務的融合，構建６Ｇ 知識庫，其中包含豐富的語料數(shù)據(jù)。通過對其中的文本進行訓練，能夠執(zhí)行多個與６Ｇ 領域相關的任務，例如場景識別、技術關聯(lián)和關鍵績效指標（Ｋｅｙ Ｐｅｒ-ｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒ，ＫＰＩ）聚類等。以基于文本生成的６Ｇ 熱點推薦為例，利用ＤＬ、神經(jīng)網(wǎng)絡等工具，來實現(xiàn)面向６Ｇ 按需服務的知識應用。一般的文本生成方法有兩種：一種是基于語言模型［３６－３８］，另一種是基于ＤＬ［３９－４１］，而６Ｇ 知識體系則將兩種有機結合，并運用６Ｇ 的文獻對６ＧＢＥＲＴ 模型進行了訓練?；谡Z言模型的技術具備理解和維持上下文一致性的能力，因此可以生成更加連貫且多樣化的文字。同時，這些技術適用于各種文本生成任務，在對話系統(tǒng)方面，斟酌到自然語言序列和上下文的關系，為了實現(xiàn)自動的生成文本序列，可以通過訓練長短期記憶（Ｌｏｎｇ ＳｈｏｒｔＴｅｒｍ Ｍｅｍｏｒｙ，ＬＳＴＭ）模型［４２］來實現(xiàn)。該方法可保證生成的文本流暢連貫的同時增加文本的多樣性。另外，基于ＤＬ 的方法還能夠整合多模態(tài)數(shù)據(jù)用于文本生成，從而使得生成的文本更加富有表現(xiàn)力。因為具有長期記憶的特性，這種方法特別適合需要考慮文本上下文信息的應用場景。此外，基于ＤＬ 的方法還可以針對具體的任務，對模型進行建模與優(yōu)化。

語言模型與ＤＬ 是６Ｇ 知識系統(tǒng)中知識提取與生成的兩部分。二者均可用于６Ｇ 知識的產(chǎn)生，但產(chǎn)生的結果與使用情況卻有所不同。以語言模型為基礎的知識產(chǎn)生方式，側重于創(chuàng)造出多樣化、有創(chuàng)意的知識，具有廣度優(yōu)勢。這種方法能夠生成各種可能性的知識，幫助發(fā)掘新穎的概念和想法。而基于ＤＬ 的方法在知識生成方面，更加注重生成針對性和精準性的知識，具有精度優(yōu)勢。它可以根據(jù)特定任務進行模型設計和訓練，因此能夠生成更具專業(yè)性和準確性的知識。從知識的運用上看，建議基于語言模型，對其做一些細微的調整，以適應更大范圍的交互式應用。這種方法具有較強的語義理解和生成能力，可以與用戶進行更自然、智能的交互。而基于ＤＬ 的方法則廣泛應用于檢測和分析類的知識應用。這種方法能夠處理大規(guī)模數(shù)據(jù)集，從中提取有用的特征和模式，并應用于實際的問題解決?？傊?，兩種方法在產(chǎn)生知識的有效性和實用性上是有區(qū)別的，需要根據(jù)具體的需求和場景選擇合適的方法。

模型在６Ｇ 領域相關信息的生成方面表現(xiàn)良好，包括６Ｇ 場景、技術和屬性及其特征，并能夠生成與輸入文本一致且相關的熱點推薦。引入更多ＡＩ 可提高文本生成的流暢性和正確性，進一步提升按需知識服務的能力。從定性的角度來看，基于６Ｇ熱點推薦的知識運用，將３ 種“即需”的概念進行融合，使推薦結果呈現(xiàn)“關聯(lián)”“模糊”兩種特征，包括“場景”“技術”“特征”“屬性”。此外，還能對各種新業(yè)務、新需求進行自動錄入，并且具有良好的可擴展性。

３． ２． ２ 知識驅動的６Ｇ 網(wǎng)絡配置及運維

在未來的６Ｇ 網(wǎng)絡中，知識應用將在網(wǎng)絡配置、運行和維護中扮演重要角色。通過智能化的網(wǎng)絡管理，能夠提升服務質量、降低故障風險，并推動可持續(xù)發(fā)展。有效地應用知識可以使６Ｇ 網(wǎng)絡更好地滿足不斷增長的通信需求，提升用戶體驗［４３］。對網(wǎng)絡進行智能管理，可以有效改善服務狀況，減少故障的發(fā)生概率，通過對知識的有效利用，６Ｇ 網(wǎng)絡能夠更好地適應日益增長的通信要求，提高使用者的體驗感。接下來，將從以下幾個方面進行詳細說明。

① ６Ｇ 移動通信將面臨通信技術、頻段、設備種類等更加復雜異構的場景，實現(xiàn)將網(wǎng)絡配置進行智能化成為未來的重要發(fā)展趨勢。在對知識有效利用的基礎上，能夠更智能地適應不同的環(huán)境與要求，提高網(wǎng)絡性能。比如，該系統(tǒng)能夠對所使用的數(shù)據(jù)流量，使用者的定位，以及使用者的要求進行實時分析，對網(wǎng)絡資源進行合理的配置、提高網(wǎng)絡的連通性，進而提升業(yè)務質量。

② ６Ｇ 網(wǎng)絡可能會涉及大規(guī)模的連接，需要高效的運行和管理。智慧網(wǎng)絡運行及管理是一個關鍵領域，需要進行知識應用的探索。在此基礎上，結合網(wǎng)絡狀態(tài)、設備健康狀態(tài)、業(yè)務負載等因素的綜合分析，對網(wǎng)絡中可能發(fā)生的故障進行預測，以減少網(wǎng)絡損失，提升網(wǎng)絡的可靠性與穩(wěn)定性。

③ 在６Ｇ 網(wǎng)絡中，錯誤會越來越復雜，這就要求對錯誤進行自動化檢測。利用知識有助于構建智能化的故障診斷系統(tǒng)，比如，通過對設備工作過程中的歷史數(shù)據(jù)以及設備的工作方式等進行分析，能夠迅速發(fā)現(xiàn)異常狀況，精確定位故障位置，進而采取相應的對策，減少檢修周期。

④ 在６Ｇ 中，資源的按需分配是一項重要的挑戰(zhàn)。而基于知識的運用在一定程度上可以解決此類問題。

⑤ 在６Ｇ 網(wǎng)絡的設計和運營過程中，對可持續(xù)性和環(huán)境友好性的考慮愈發(fā)關鍵。通過對６Ｇ 網(wǎng)絡知識的合理應用，可以更好地預測網(wǎng)絡能耗、環(huán)境影響等。在此基礎上，系統(tǒng)可以設計節(jié)能策略、優(yōu)化設備布局，從而減少對環(huán)境的負面影響?？沙掷m(xù)發(fā)展與環(huán)保問題是６Ｇ 移動通信系統(tǒng)建設與運行中亟待解決的重要問題。正確運用６Ｇ 網(wǎng)絡的相關知識，可以更精確地預測網(wǎng)絡能耗和環(huán)境影響，進而可進行節(jié)能策略的制定和設備布置的優(yōu)化，以降低對環(huán)境的不利影響。

４ ６Ｇ 使能技術

根據(jù)目前的研究進展和６Ｇ 應用場景的要求，關鍵使能技術包括新型頻譜接入技術，如太赫茲通信，高效無線接入技術；如可重構智能表面（ＲｅｆｌｅｃｔｉｖｅＩｎｔｅｌｌｉｇｅｎｔ Ｓｕｒｆａｃｅ，ＲＩＳ），網(wǎng)絡智慧使能技術；如集成感知與通信，安全可持續(xù)技術；如量子通信技術［４４－４５］，如圖５ 所示。這些技術將共同努力，進一步提高未來６Ｇ 網(wǎng)絡的技術能力，為用戶提供更多樣化的應用和更好的服務體驗。

４． １ 太赫茲通信

太赫茲波屬于頻率０． １ ～ １０ ＴＨｚ 的電磁波，具備支持超高通信速率的潛力，并被認為是現(xiàn)有空口傳輸解決方案的有效補充。其主要應用領域包括全息通信、中短距離無線接入、超高速率傳輸需求的數(shù)據(jù)回傳／ 前傳場景以及新型通信場景中的微尺寸通信。此外，利用太赫茲通信的超大帶寬和在穿透非金屬或非極化材料方面的低損耗能力，還可實現(xiàn)高精度定位、高分辨率傳感和成像［４４］。

太赫茲通信的高頻特性使其在高分辨率成像方面表現(xiàn)出色，能夠精準感知６Ｇ 通信場景，并通過穿透力強的特點在非導電物質中實現(xiàn)通信。其高帶寬屬性支持大量數(shù)據(jù)傳輸，也為知識驅動系統(tǒng)提供更多信息。太赫茲通信的實時數(shù)據(jù)獲取、多模態(tài)信息整合和適應復雜環(huán)境的能力，促進了場景認知和知識驅動的發(fā)展，為系統(tǒng)提供了強大的感知、通信和信息處理能力。

４． ２ ＲＩＳ

傳統(tǒng)的網(wǎng)絡設計和技術發(fā)展關注于更好地適應無線傳輸信道的限制。然而，隨著未來通信需求的不斷擴大和網(wǎng)絡復雜性的不斷增加，網(wǎng)絡建設的增加已成為未來通信的關鍵［４６］。ＲＩＳ 以“可重構／ 可編程無線傳輸信道”為核心，具有低成本、低能耗、高可靠性、大容量等固有特點，為未來網(wǎng)絡開辟了新的發(fā)展方向［４７］。ＲＩＳ 一般是利用人造電磁表面實現(xiàn)對電磁波傳輸?shù)母深A，如理想吸收、比反射等。與傳統(tǒng)的固定函數(shù)元曲面相比，ＲＩＳ 可以實現(xiàn)電磁特性的實時編程［４８］。在實際應用中，根據(jù)各元件的特性施加控制信號，實現(xiàn)各元件電磁特性的動態(tài)變化，進而控制電磁波的幅度、相位、極化和頻率。

ＲＩＳ 技術與場景認知和知識驅動密切關聯(lián)，通過在通信環(huán)境中部署大量可調節(jié)的元素，ＲＩＳ 可以實時調整電磁波的相位和幅度。這種能力為場景認知提供了更高級別的靈活性，使系統(tǒng)能夠適應不同的信道條件和用戶需求。此外，ＲＩＳ 與知識驅動系統(tǒng)相結合，可以實現(xiàn)更智能的通信網(wǎng)絡。通過實時感知通信環(huán)境的變化，并結合大規(guī)模數(shù)據(jù)的分析，ＲＩＳ 有助于優(yōu)化信道狀態(tài)、波束成形等參數(shù)，從而推動系統(tǒng)向更智能、適應性更強的方向發(fā)展。綜合而言，ＲＩＳ 技術通過增強場景感知的靈活性和為知識驅動系統(tǒng)提供更多調整空間，為通信系統(tǒng)的智能化和自適應性提供了有力的支持。

４． ３ 超大規(guī)模ＭＩＭＯ

對于６Ｇ 的未來發(fā)展，提高頻譜效率仍將是一個重要的性能指標。更高的工作頻帶也為超大規(guī)模ＭＩＭＯ 的部署提供了便利條件。通過部署超大規(guī)模天線陣列，應用新材料，引入新工具，可以實現(xiàn)更高的頻譜效率、更廣泛和更靈活的網(wǎng)絡覆蓋、更高的定位精度和能源效率。隨著天線陣列規(guī)模的擴大，設備的功耗、尺寸和質量也在增加，這給網(wǎng)絡運營商的部署和應用帶來了巨大的挑戰(zhàn)。隨著天線和芯片集成度的不斷提高，以及新材料和新工藝的出現(xiàn)，天線陣列的規(guī)?？梢栽诳煽氐某叽纭①|量和功耗下增加。在６Ｇ 時代，超大規(guī)模ＭＩＭＯ 的發(fā)展趨勢包括更大的陣列、更小的尺寸、更高的集成度，以及支持超高頻和多頻段的能力。

超大規(guī)模ＭＩＭＯ 技術在場景認知和知識驅動方面具有顯著促進作用。其利用大量天線進行空間信號處理，提供了更豐富的空域信息，使系統(tǒng)能夠更準確地感知通信場景中的信道狀態(tài)和用戶位置。同時，通過波束成形技術，超大規(guī)模ＭＩＭＯ 實現(xiàn)了定向傳輸，有助于系統(tǒng)適應不同場景的需求。在知識驅動方面，超大規(guī)模ＭＩＭＯ 生成的大規(guī)模通信數(shù)據(jù)為優(yōu)化算法提供了豐富的數(shù)據(jù)支持，可以與機器學習技術結合，實現(xiàn)智能的決策優(yōu)化，包括自適應信道估計、干擾抑制等。綜合而言，超大規(guī)模ＭＩＭＯ 通過高維信息獲取、大規(guī)模數(shù)據(jù)支持和智能優(yōu)化決策等方面，為場景認知和知識驅動的發(fā)展提供了強有力的技術基礎。

４． ４ 集成感知與通信

在智能ＩｏＴ 時代，數(shù)字化轉型不斷推進，推動了互動沉浸體驗、無人工廠機器協(xié)作、實時感知醫(yī)療和先進自動駕駛等服務的大規(guī)模應用。這些服務要求通信網(wǎng)絡支持毫米級感知精度。射頻感知通過射頻信號獲取環(huán)境信息，可實現(xiàn)定位、運動檢測和成像等功能。未來通信系統(tǒng)將整合更高頻率、更大帶寬和更大天線口徑，將射頻感知融入通信系統(tǒng)，拓展智能數(shù)字世界［４５］。集成感知和通信通過單一系統(tǒng)實現(xiàn)射頻感知和無線通信，相互受益，提高定位、成像、環(huán)境重建等服務質量。未來研究方向包括強化定位、高分辨率成像、同時定位和地圖構建以及手勢活動識別。這一概念將通過ＡＩ 進一步融入人們的生活。

通過將感知元素與通信系統(tǒng)融合，集成感知與通信技術能夠實現(xiàn)對環(huán)境的實時、全面感知，包括物體位置、運動狀態(tài)等。這樣的集成感知不僅提供了對６Ｇ 通信場景更準確的理解，還為知識驅動系統(tǒng)提供了大量實時數(shù)據(jù)。這些數(shù)據(jù)可以用于機器學習和數(shù)據(jù)挖掘，支持知識驅動的算法優(yōu)化，包括智能的決策制定、網(wǎng)絡優(yōu)化以及資源調配等。

５ 挑戰(zhàn)和未來研究方向

５． １ 場景需求細粒度模型訓練

對于知識模型的構建，面臨的挑戰(zhàn)和研究方向主要有：

① 數(shù)據(jù)的多樣性和規(guī)模。在知識嵌入中，需要使用大量的多模態(tài)數(shù)據(jù)，包括文本、表格，甚至圖像、視頻等，這些數(shù)據(jù)可能來自不同的源頭和領域。如何有效地收集、分類和管理這些多樣性和大規(guī)模的數(shù)據(jù)，并按照場景需求對不同粒度的模型進行知識嵌入是一個關鍵問題。

② 數(shù)據(jù)的標注和語義表示也是一個挑戰(zhàn)［４９］，知識嵌入需要將數(shù)據(jù)映射到語義空間，但對于復雜的場景需求，如細粒度分類、個性化推薦等，僅僅依靠傳統(tǒng)的標注方法可能無法滿足要求。因此，需要研究開發(fā)更有效的標注方法和語義表示模型，以提高模型的準確性和泛化能力。

③ 如何利用數(shù)據(jù)的動態(tài)性和實時性也是模型更新急需解決的問題。６Ｇ 網(wǎng)絡中，場景需求可能隨時變化，需要實時更新模型并進行推斷。同時，處理用戶多變的需求也需要調度不同粒度的模型。因此，如何設計高效的模型更新和推斷算法，并在實時性和準確性之間找到平衡，是一個重要的研究方向。

④ 將知識嵌入與增強學習相結合以滿足更智能、個性化的場景需求，探索使用無監(jiān)督學習和自監(jiān)督學習的方法以減少對標注數(shù)據(jù)的依賴并提高模型的泛化能力等，也是未來研究的重點方向。

５． ２ 數(shù)據(jù)獲取

知識圖譜的數(shù)據(jù)來源包括結構化數(shù)據(jù)、半結構化數(shù)據(jù)和非結構化數(shù)據(jù)，來源可以是各種公開數(shù)據(jù)集、網(wǎng)頁、文本、專業(yè)數(shù)據(jù)庫等。在構建用于指定場景或特殊任務的知識圖譜時，數(shù)據(jù)源的質量至關重要，優(yōu)質的數(shù)據(jù)源可以提供準確、全面和可信賴的信息，有助于構建更精準和可靠的知識圖譜。３ＧＰＰ技術規(guī)范工作組推出的Ｒｅｌｅａｓｅ １８［５０］中的標準文檔，可作為６Ｇ 無線網(wǎng)絡場景知識圖譜的數(shù)據(jù)來源，同時Ｒｅｌｅａｓｅ １８ 迭代前的許多版本的文檔也具有參考價值。Ｒｅｌｅａｓｅ １８ 定義了５Ｇ 或Ｂ５Ｇ 網(wǎng)絡中幾個具有參考意義的業(yè)務服務場景，其中包括具體場景的服務案例、工作流程和支撐場景的指標的類型與參數(shù)等，并且涵蓋了多方面的技術細節(jié)，包括網(wǎng)絡架構、協(xié)議規(guī)范、頻譜利用等。將這些細節(jié)作為知識圖譜的數(shù)據(jù)來源，可以使知識圖譜更具深度和全面性。Ｒｅｌｅａｓｅ １８ 中包含兩種數(shù)據(jù)：非結構化的文本數(shù)據(jù)，用于描述應用發(fā)生所處的場景并介紹為目標用戶給予什么樣的服務支持；結構化的數(shù)值型表格數(shù)據(jù)，包含網(wǎng)絡ＫＰＩ 指標和場景特征信息，如時延、通信速率、數(shù)據(jù)量、可靠性和用戶數(shù)量等。

６ 結束語

對６Ｇ 無線網(wǎng)絡場景知識的進行了相關研究與分析，介紹了５Ｇ 限制和挑戰(zhàn)，以及６Ｇ 發(fā)展現(xiàn)狀和特點；在應用場景方面，探討了６Ｇ 網(wǎng)絡的多樣化應用場景，并分析了其典型應用和性能指標；在此基礎上，結合現(xiàn)有工作闡述了場景嵌入知識的相關技術和應用；討論了使能技術以及６Ｇ 網(wǎng)絡面臨的挑戰(zhàn)和未來研究方向。本文的研究表明，６Ｇ 無線網(wǎng)絡場景知識的深入研究對于６Ｇ 網(wǎng)絡的快速發(fā)展和廣泛應用具有重要的意義。未來的研究方向包括場景數(shù)據(jù)采集、相應ＤＬ 算法、場景嵌入技術等。通過不斷探索和創(chuàng)新，６Ｇ 網(wǎng)絡將會在未來取得更加廣泛的應用和發(fā)展。

參考文獻

［１］ ＮＡＶＡＲＲＯＯＲＴＩＺ Ｊ，ＲＯＭＥＲＯＤＩＡＺ Ｐ，ＳＥＮＤＲＡ Ｓ，

ｅｔ ａｌ． Ａ Ｓｕｒｖｅｙ ｏｎ ５Ｇ Ｕｓａｇｅ Ｓｃｅｎａｒｉｏｓ ａｎｄ Ｔｒａｆｆｉｃ Ｍｏｄｅｌｓ

［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２０，２２

（２）：９０５－９２９．

［２］ 郎平，田大新． 面向６Ｇ 的車聯(lián)網(wǎng)關鍵技術［Ｊ］． 中興通

訊技術，２０２１，２７（２）：１３－１６．

［３］ ＪＩＡＮＧ Ｗ，ＨＡＮ Ｂ，ＨＡＢＩＢＩ Ｍ Ａ，ｅｔ ａｌ． Ｔｈｅ Ｒｏａｄ Ｔｏｗａｒｄｓ

６Ｇ：Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｓｕｒｖｅｙ［Ｊ］． ＩＥＥＥ Ｏｐｅｎ Ｊｏｕｒｎａｌ ｏｆ

ｔｈｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｏｃｉｅｔｙ，２０２１，２：３３４－３６６．

［４］ ＩＴＵＲＷＰ５Ｄ． Ｆｕｔｕｒｅ Ｔｅｃｈｎｏｌｏｇｙ Ｔｒｅｎｄｓ ｏｆ Ｔｅｒｒｅｓｔｒｉａｌ

Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍｓ Ｔｏｗａｒｄｓ

２０３０ ａｎｄ Ｂｅｙｏｎｄ［Ｓ］． Ｇｅｎｅｖａ：ＩＴＵ，２０２２．

［５］ ＷＡＮＧ Ｃ Ｘ，ＹＯＵ Ｘ Ｈ，ＧＡＯ Ｘ Ｑ，ｅｔ ａｌ． Ｏｎ ｔｈｅ Ｒｏａｄ ｔｏ

６Ｇ：Ｖｉｓｉｏｎｓ，Ｒｅｑｕｉｒｅｍｅｎｔｓ，Ｋｅｙ Ｔｅｃｈｎｏｌｏｇｉｅｓ，ａｎｄ Ｔｅｓｔｂ

ｅｄｓ ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，

２０２３，２５（２）：９０５－９７４．

［６］ ＦＥＲＲＡＧ Ｍ，ＦＲＩＨＡ Ｏ，ＫＡＮＴＡＲＣＩ Ｂ，ｅｔ ａｌ． Ｅｄｇｅ

Ｌｅａｒｎｉｎｇ ｆｏｒ ６Ｇｅｎａｂｌｅｄ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ：Ａ Ｃｏｍｐｒｅ

ｈｅｎｓｉｖｅ Ｓｕｒｖｅｙ ｏｆ Ｖｕｌｎｅｒａｂｉｌｉｔｉｅｓ，Ｄａｔａｓｅｔｓ，ａｎｄ Ｄｅｆｅｎｓｅｓ

［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２３，２５

（４）：２６５４－２７１３．

［７］ ＳＥＲＧＨＩＯＵ Ｄ，ＫＨＡＬＩＬＹ Ｍ，ＢＲＯＷＮ Ｔ，ｅｔ ａｌ． Ｔｅｒａｈｅｒｔｚ

Ｃｈａｎｎｅｌ Ｐｒｏｐａｇａｔｉｏｎ Ｐｈｅｎｏｍｅｎａ，Ｍｅａｓｕｒｅｍｅｎｔ Ｔｅｃｈｎｉｑｕｅｓ

ａｎｄ Ｍｏｄｅｌｉｎｇ ｆｏｒ ６Ｇ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ａｐｐｌｉｃａ

ｔｉｏｎｓ：Ａ Ｓｕｒｖｅｙ，Ｏｐｅｎ Ｃｈａｌｌｅｎｇｅｓ ａｎｄ Ｆｕｔｕｒｅ Ｒｅｓｅａｒｃｈ Ｄｉ

ｒｅｃｔｉｏｎｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，

２０２２，２４（４）：１９５７－１９９６．

［８］ ＺＵＯ Ｙ Ｐ，ＧＵＯ Ｊ Ｊ，ＧＡＯ Ｎ，ｅｔ ａｌ． Ａ Ｓｕｒｖｅｙ ｏｆ Ｂｌｏｃｋｃｈａｉｎ

ａｎｄ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ｆｏｒ ６Ｇ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２３，２５

（４）：２４９４－２５２８．

［９］ ＴＲＥＶＬＡＫＩＳ Ｓ Ｅ，ＢＯＵＬＯＧＥＯＲＧＯＳ Ａ Ａ Ａ，ＰＬＩＡＴＳＩＯＳ Ｄ，

ｅｔ ａｌ． Ｌｏｃａｌｉｚａｔｉｏｎ ａｓ ａ Ｋｅｙ Ｅｎａｂｌｅｒ ｏｆ ６Ｇ Ｗｉｒｅｌｅｓｓ Ｓｙｓ

ｔｅｍｓ：Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｓｕｒｖｅｙ ａｎｄ ａｎ Ｏｕｔｌｏｏｋ［Ｊ］． ＩＥＥＥ

Ｏｐｅｎ Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｏｃｉｅｔｙ，２０２３，４：

２７３３－２８０１．

［１０］ＳＵＮ Ｙ Ｙ，ＬＩＵ Ｊ Ｊ，ＷＡＮＧ Ｊ Ｄ，ｅｔ ａｌ． Ｗｈｅｎ Ｍａｃｈｉｎｅ

Ｌｅａｒｎｉｎｇ Ｍｅｅｔｓ Ｐｒｉｖａｃｙ ｉｎ ６Ｇ：Ａ Ｓｕｒｖｅｙ［Ｊ］． ＩＥＥＥ Ｃｏｍ

ｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２０，２２（４）：２６９４－２７２４．

［１１］ＤＥ ＡＬＷＩＳ Ｃ，ＫＡＬＬＡ Ａ，ＰＨＡＭ Ｑ Ｖ，ｅｔ ａｌ． Ｓｕｒｖｅｙ ｏｎ ６Ｇ

Ｆｒｏｎｔｉｅｒｓ：Ｔｒｅｎｄｓ，Ａｐｐｌｉｃａｔｉｏｎｓ，Ｒｅｑｕｉｒｅｍｅｎｔｓ，Ｔｅｃｈｎｏｌｏｇｉｅｓ

ａｎｄ Ｆｕｔｕｒｅ Ｒｅｓｅａｒｃｈ ［Ｊ］． ＩＥＥＥ Ｏｐｅｎ Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｏｃｉｅｔｙ，２０２１，２：８３６－８８６．

［１２］ＪＩＡＮＧ Ｗ，ＺＨＯＵ Ｑ Ｈ，ＨＥ Ｊ Ｇ，ｅｔ ａｌ． Ｔｅｒａｈｅｒｔｚ Ｃｏｍｍｕｎｉ

ｃａｔｉｏｎｓ ａｎｄ Ｓｅｎｓｉｎｇ ｆｏｒ ６Ｇ ａｎｄ Ｂｅｙｏｎｄ：Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ

Ｒｅｖｉｅｗ［ＯＢ／ ＯＬ］． （２０２３ － ０７ － １９）［２０２４ － ０１ － ２５］．

ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ／ ａｂｓ／２３０７． １０３２１．

［１３］ＭＡＯ Ｂ Ｍ，ＬＩＵ Ｊ Ｊ，ＷＵ Ｙ Ｙ，ｅｔ ａｌ． Ｓｅｃｕｒｉｔｙ ａｎｄ Ｐｒｉｖａｃｙ

ｏｎ ６Ｇ Ｎｅｔｗｏｒｋ Ｅｄｇｅ：Ａ Ｓｕｒｖｅｙ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ

Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２３，２５（２）：１０９５－１１２７．

［１４］ＺＨＯＵ Ｄ，ＳＨＥＮＧ Ｍ，ＬＩ Ｊ Ｄ，ｅｔ ａｌ． Ａｅｒｏｓｐａｃｅ Ｉｎｔｅｇｒａｔｅｄ

Ｎｅｔｗｏｒｋｓ Ｉｎｎｏｖａｔｉｏｎ ｆｏｒ Ｅｍｐｏｗｅｒｉｎｇ ６Ｇ：Ａ Ｓｕｒｖｅｙ ａｎｄ

Ｆｕｔｕｒｅ Ｃｈａｌｌｅｎｇｅｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆

Ｔｕｔｏｒｉａｌｓ，２０２３，２５（２）：９７５－１０１９．

［１５］ＫＨＡＮ Ｌ Ｕ，ＹＡＱＯＯＢ Ｉ，ＩＭＲＡＮ Ｍ，ｅｔ． ａｌ． ６Ｇ Ｗｉｒｅｌｅｓｓ

Ｓｙｓｔｅｍｓ：Ａ Ｖｉｓｉｏｎ，Ａｒｃｈｉｔｅｃｔｕｒａｌ Ｅｌｅｍｅｎｔｓ，ａｎｄ Ｆｕｔｕｒｅ Ｄｉ

ｒｅｃｔｉｏｎｓ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，２０２０，８：１４７０２９－１４７０４４．

［１６］ＫＵＲＵＶＡＴＴＩ Ｎ Ｐ，ＨＡＢＩＢＩ Ｍ Ａ，ＰＡＲＴＡＮＩ Ｓ，ｅｔ ａｌ． Ｅｍ

ｐｏｗｅｒｉｎｇ ６Ｇ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ｄｉｇｉｔａｌ Ｔｗｉｎ

Ｔｅｃｈｎｏｌｏｇｙ：Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｓｕｒｖｅｙ［Ｊ］． ＩＥＥＥ Ａｃｃｅｓｓ，

２０２２，１０：１１２１５８－１１２１８６．

［１７］ＹＯＵ Ｘ Ｈ，ＷＡＮＧ Ｃ Ｘ，ＨＵＡＮＧ Ｊ，ｅｔ ａｌ． Ｔｏｗａｒｄｓ ６Ｇ

Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｎｅｔｗｏｒｋｓ：Ｖｉｓｉｏｎ，Ｅｎａｂｌｉｎｇ Ｔｅｃｈ

ｎｏｌｏｇｉｅｓ，ａｎｄ Ｎｅｗ Ｐａｒａｄｉｇｍ Ｓｈｉｆｔｓ ［Ｊ］． Ｓｃｉｅｎｃｅ Ｃｈｉｎａ

Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ，２０２１，６４：１１０３０１．

［１８］ＮＧＵＹＥＮ Ｖ Ｌ，ＬＩＮ Ｐ Ｃ，ＣＨＥＮＧ Ｂ Ｃ，ｅｔ ａｌ． Ｓｅｃｕｒｉｔｙ ａｎｄ

Ｐｒｉｖａｃｙ ｆｏｒ ６Ｇ：Ａ Ｓｕｒｖｅｙ ｏｎ Ｐｒｏｓｐｅｃｔｉｖｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ ａｎｄ

Ｃｈａｌｌｅｎｇｅｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，

２０２１，２３（４）：２３８４－２４２８．

［１９］ＩＴＵＲ． Ｏｖｅｒｖｉｅｗ Ｔｉｍｅｌｉｎｅ ｆｏｒ ＩＭＴ Ｔｏｗａｒｄｓ ｔｈｅ Ｙｅａｒ ２０３０

ａｎｄ Ｂｅｙｏｎｄ［Ｓ］． Ｇｅｎｅｖａ：ＩＴＵ，２０２２．

［２０］ＭＡＨＭＯＯＤ Ｎ Ｈ，ＢＥＲＡＲＤＩＮＥＬＬＩ Ｇ，ＫＨＡＴＩＢ Ｅ Ｊ，ｅｔ ａｌ．

Ａ Ｆｕｎｃｔｉｏｎａｌ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ ６Ｇ Ｓｐｅｃｉａｌｐｕｒｐｏｓｅ Ｉｎｄｕｓｔｒｉａｌ

ＩｏＴ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｄｕｓｔｒｉａｌ Ｉｎｆｏｒ

ｍａｔｉｃｓ，２０２２，１９（３）：２５３０－２５４０．

［２１］ＨＵ Ｈ Ｌ，ＣＨＥＮ Ｘ Ｆ，ＪＩＡＮＧ Ｔ． Ｇｕｅｓｔ Ｅｄｉｔｏｒｉａｌ：Ｂｒａｉｎ

ｃｏｍｐｕｔｅｒｉｎｔｅｒｆａｃｅ Ｉｎｓｐｉｒｅｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ［Ｊ］． Ｃｈｉｎａ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，２０２２，１９（２）：３－５．

［２２］ＣＨＵＫＨＮＯ Ｏ，ＧＡＬＩＮＩＮＡ Ｏ，ＡＮＤＲＥＥＶ Ｓ，ｅｔ ａｌ． Ｉｎｔｅｒ

ｐｌａｙ ｏｆ Ｕｓｅｒ Ｂｅｈａｖｉｏｒ，Ｃｏｍｍｕｎｉｃａｔｉｏｎ，ａｎｄ Ｃｏｍｐｕｔｉｎｇ ｉｎ

Ｉｍｍｅｒｓｉｖｅ Ｒｅａｌｉｔｙ ６Ｇ Ａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａ

ｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０２２，６０（１２）：２８－３４．

［２３］ＦＡＲＯＯＱ Ｍ Ｓ，ＮＡＤＩＲ Ｒ Ｍ，ＲＵＳＴＡＭ Ｆ，ｅｔ ａｌ． Ｎｅｓｔｅｄ

Ｂｅｅ Ｈｉｖｅ：Ａ Ｃｏｎｃｅｐｔｕａｌ Ｍｕｌｔｉｌａｙｅｒ Ａｒｃｈｉｔｅｃｔｕｒｅ ｆｏｒ ６Ｇ ｉｎ

Ｆｕｔｕｒｉｓｔｉｃ Ｓｕｓｔａｉｎａｂｌｅ Ｓｍａｒｔ Ｃｉｔｉｅｓ［Ｊ］． Ｓｅｎｓｏｒｓ，２０２２，２２

（１６）：５９５０．

［２４］ＬＥＴＡＩＥＦ Ｋ Ｂ，ＣＨＥＮ Ｗ，ＳＨＩ Ｙ Ｍ，ｅｔ ａｌ． Ｔｈｅ Ｒｏａｄｍａｐ

ｔｏ ６Ｇ：ＡＩｅｍｐｏｗｅｒｅｄ Ｗｉｒｅｌｅｓｓ Ｎｅｔｗｏｒｋｓ［Ｊ］． ＩＥＥＥ Ｃｏｍ

ｍｕｎｉｃａｔｉｏｎｓ Ｍａｇａｚｉｎｅ，２０１９，５７（８）：８４－９０．

［２５］ＨＯＮＧ Ｅ Ｋ，ＬＥＥ Ｉ，ＳＨＩＭ Ｂ，ｅｔ ａｌ． ６Ｇ Ｒ＆Ｄ Ｖｉｓｉｏｎ：Ｒｅ

ｑｕｉｒｅｍｅｎｔｓ ａｎｄ Ｃａｎｄｉｄａｔｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ ａｎｄ Ｎｅｔｗｏｒｋｓ，２０２２，２４（２）：２３２－２４５．

［２６］ＳＨＥＮＧ Ｍ，ＺＨＯＵ Ｄ，ＢＡＩ Ｗ Ｇ，ｅｔ ａｌ． Ｃｏｖｅｒａｇｅ Ｅｎｈａｎｃｅ

ｍｅｎｔ ｆｏｒ ６Ｇ ＳａｔｅｌｌｉｔｅＴｅｒｒｅｓｔｒｉａｌ Ｉｎｔｅｇｒａｔｅｄ Ｎｅｔｗｏｒｋｓ：Ｐｅｒ

ｆｏｒｍａｎｃｅ Ｍｅｔｒｉｃｓ，Ｃｏｎｓｔｅｌｌａｔｉｏｎ Ｃｏｎｆｉｇｕｒａｔｉｏｎ ａｎｄ Ｒｅｓｏｕｒｃｅ

Ａｌｌｏｃａｔｉｏｎ［Ｊ］． Ｓｃｉｅｎｃｅ Ｃｈｉｎａ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ，２０２３，

６６：１３０３０３．

［２７］ＩＴＵＲ． Ｆｒａｍｅｗｏｒｋ ａｎｄ Ｏｖｅｒａｌｌ Ｏｂｊｅｃｔｉｖｅｓ ｏｆ ｔｈｅ Ｆｕｔｕｒｅ

Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ＩＭＴ ｆｏｒ ２０３０ ａｎｄ ｂｅｙｏｎｄ［Ｓ］． Ｇｅｎｅｖａ：

ＩＴＵ，２０２３．

［２８］ＸＵ Ｗ Ｊ，ＸＵ Ｙ，ＬＥＥ Ｃ Ｈ，ｅｔ ａｌ． ＤａｔａＣｏｇｎｉｔｉｏｎＥｍｐｏｗｅｒｅｄ

Ｉｎｔｅｌｌｉｇｅｎｔ Ｗｉｒｅｌｅｓｓ Ｎｅｔｗｏｒｋｓ：Ｄａｔａ，Ｕｔｉｌｉｔｉｅｓ，Ｃｏｇｎｉｔｉｏｎ

Ｂｒａｉｎ，ａｎｄ Ａｒｃｈｉｔｅｃｔｕｒｅ［Ｊ］． ＩＥＥＥ Ｗｉｒｅｌｅｓｓ Ｃｏｍｍｕｎｉｃａ

ｔｉｏｎｓ，２０１８，２５（１）：５６－６３．

［２９］黃恒琪，于娟，廖曉，等． 知識圖譜研究綜述［Ｊ］． 計算

機系統(tǒng)應用，２０１９，２８（６）：１－１２．

［３０］徐增林，盛泳潘，賀麗榮，等． 知識圖譜技術綜述［Ｊ］．

電子科技大學學報，２０１６，４５（４）：５８９－６０６．

［３１］ＮＯＹ Ｎ Ｆ，ＭＣＧＵＩＮＮＥＳＳ Ｄ Ｌ． Ｏｎｔｏｌｏｇｙ Ｄｅｖｅｌｏｐｍｅｎｔ

１０１：Ａ Ｇｕｉｄｅ ｔｏ Ｃｒｅａｔｉｎｇ Ｙｏｕｒ Ｆｉｒｓｔ Ｏｎｔｏｌｏｇｙ ［ＥＢ／ ＯＬ］．

（２０２１－１２－３１）［２０２４－０１－２５］． ｈｔｔｐｓ：∥ａｐｉ． ｓｅｍａｎｔｉｃ

ｓｃｈｏｌａｒ． ｏｒｇ／ ＣｏｒｐｕｓＩＤ：５００１０６．

［３２］ＹＵ Ｆ，ＸＵＡＮ Ｈ Ｗ，ＺＨＥＮＧ Ｄ Ｑ． Ｋｅｙｐｈｒａｓｅ Ｅｘｔｒａｃｔｉｏｎ

Ｂａｓｅｄ ｏｎ ａ Ｃｏｍｂｉｎａｔｉｏｎｏｆ ＣＲＦ Ｍｏｄｅｌ ｗｉｔｈ Ｄｏｃｕｍｅｎｔ

Ｓｔｒｕｃｔｕｒｅ［Ｃ］∥ ２０１２ Ｅｉｇｈｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ

Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｓｅｃｕｒｉｔｙ． Ｇｕａｎｇｚｈｏｕ：ＩＥＥＥ，

２０１８：４０６－４１０．

［３３］ＨＵＡＮＧ Ｚ Ｈ，ＸＵ Ｗ，ＹＵ Ｋ． Ｂｉｄｉｒｅｃｔｉｏｎａｌ ＬＳＴＭＣＲＦ

Ｍｏｄｅｌｓ ｆｏｒ Ｓｅｑｕｅｎｃｅ Ｔａｇｇｉｎｇ［ＥＢ／ ＯＬ］． （２０１５－０８－０９）

［２０２４－０１－２５］ｈｔｔｐｓ：∥ａｒｘｉｖ． ｏｒｇ／ ａｂｓ／１５０８． ０１９９１．

［３４］ＬＯＰＥＳ Ａ，ＲＯＤＲＩＧＵＥＳ Ｄ，ＳＡＲＡＩＶＡ Ｊ，ｅｔ ａｌ． Ｓｃａｌａｂｉｌｉｔｙ

ａｎｄ Ｐｅｒｆｏｒｍａｎｃｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｇｒａｐｈ Ｄａｔａｂａｓｅ Ｓｙｓｔｅｍｓ：

Ａ Ｃｏｍｐａｒａｔｉｖｅ Ｓｔｕｄｙ ｏｆ Ｎｅｏ４ｊ，ＪａｎｕｓＧｒａｐｈ，Ｍｅｍｇｒａｐｈ，

ＮｅｂｕｌａＧｒａｐｈ，ａｎｄ ＴｉｇｅｒＧｒａｐｈ［Ｃ］∥２０２３ Ｓｅｃｏｎｄ Ｉｎｔｅｒ

ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｓｍａｒｔ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｆｏｒ Ｓｍａｒｔ

Ｎａｔｉｏｎ （ＳｍａｒｔＴｅｃｈＣｏｎ）． Ｓｉｎｇａｐｏｒｅ：ＩＥＥＥ，２０２３：５３７－５４２．

［３５］趙茁喬，承楠，陳稢，等． 基于知識圖譜的６Ｇ 網(wǎng)絡場景認

知研究［Ｊ］． 智能科學與技術學報，２０２３，５（４）：４９４－５０４．

［３６］ＹＡＮＧ Ｓ，ＬＩＵ Ｙ，ＦＥＮＧ Ｄ Ｗ，ｅｔ ａｌ． Ｔｅｘｔ Ｇｅｎｅｒａｔｉｏｎ ｆｒｏｍ

Ｄａｔａ ｗｉｔｈ Ｄｙｎａｍｉｃ Ｐｌａｎｎｉｎｇ ［Ｊ］． ＩＥＥＥ／ ＡＣＭ Ｔｒａｎｓａｃ

ｔｉｏｎｓｏｎ Ａｕｄｉｏ，Ｓｐｅｅｃｈ，ａｎｄ Ｌａｎｇｕａｇｅ Ｐｒｏｃｅｓｓｉｎｇ，２０２２，

３０：２６－３４．

［３７］ＴＲＩＳＥＤＹＡ Ｂ Ｄ，ＱＩ Ｊ Ｚ，ＷＡＮＧ Ｗ，ｅｔ ａｌ． ＧＣＰ：Ｇｒａｐｈ

Ｅｎｃｏｄｅｒ ｗｉｔｈ Ｃｏｎｔｅｎｔｐｌａｎｎｉｎｇ ｆｏｒ Ｓｅｎｔｅｎｃｅ Ｇｅｎｅｒａｔｉｏｎ

ｆｒｏｍ Ｋｎｏｗｌｅｄｇｅ Ｂａｓｅｓ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ

Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０２２，４４ （１１ ）：

７５２１－７５３３．

［３８］楊秀璋，彭國軍，李子川，等． 基于Ｂｅｒｔ 和ＢｉＬＳＴＭＣＲＦ

的ＡＰＴ 攻擊實體識別及對齊研究［Ｊ］． 通信學報，

２０２２，４３（６）：５８－７０．

［３９］ＴＡＮＧ Ｍ Ｙ，ＧＡＯ Ｈ Ｃ，ＺＨＡＮＧ Ｙ，ｅｔ ａｌ． Ｒｅｓｅａｒｃｈｏｎ Ｄｅｅｐ

Ｌｅａｒｎｉｎｇ Ｔｅｃｈｎｉｑｕｅｓ ｉｎ Ｂｒｅａｋｉｎｇ Ｔｅｘｔｂａｓｅｄ Ｃａｐｔｃｈａｓ ａｎｄ

Ｄｅｓｉｇｎｉｎｇ Ｉｍａｇｅｂａｓｅｄ Ｃａｐｔｃｈａ［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ

Ｉｎｆｏｒｍａｔｉｏｎ Ｆｏｒｅｎｓｉｃｓ ａｎｄ Ｓｅｃｕｒｉｔｙ，２０１８，１３ （１０ ）：

２５２２－２５３７．

［４０］ＳＴＥＯＢＥＬＴ Ｈ，ＫＩＮＬＥＹ Ｊ，ＫＲＵＥＧＥＲ Ｒ，ｅｔ ａｌ． ＧｅｎＮＩ：

ＨｕｍａｎＡＩ Ｃｏｌｌａｂｏｒａｔｉｏｎ ｆｏｒ Ｄａｔａｂａｃｋｅｄ Ｔｅｘｔ Ｇｅｎｅｒａｔｉｏｎ

［Ｊ］． ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｖｉｓｕａｌｉｚａｔｉｏｎ ａｎｄ Ｃｏｍｐｕｔｅｒ

Ｇｒａｐｈｉｃｓ，２０２２，２８（１）：１１０６－１１１６．

［４１］ＩＱＢＡＬ Ｔ，ＱＵＲＥＳＨＩ Ｓ． Ｔｈｅ Ｓｕｒｖｅｙ：Ｔｅｘｔ Ｇｅｎｅｒａｔｉｏｎ

Ｍｏｄｅｌｓ ｉｎ Ｄｅｅｐ Ｌｅａｒｎｉｎｇ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｋｉｎｇ Ｓａｕｄ Ｕｎｉ

ｖｅｒｓｉｔｙＣｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ，２０２２，３４（６）：

２５１５－２５２８．

［４２］ＨＯＣＨＲＥＩＴＥＲ Ｓ，ＳＣＨＭＩＤＨＵＢＥＲ Ｊ． Ｌｏｎｇ ＳｈｏｒｔＴｅｒｍ

Ｍｅｍｏｒｙ［Ｊ］． Ｎｅｕｒａｌ Ｃｏｍｐｕｔａｔｉｏｎ，１９９７，９（８）：１７３５－１７８０．

［４３］ＭＥＩ Ｊ，ＷＡＮＧ Ｘ Ｂ，ＺＨＥＮＧ Ｋ． Ａｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｅｌｆｓｕｓ

ｔａｉｎｅｄ ＲＡＮ Ｓｌｉｃｉｎｇ Ｆｒａｍｅｗｏｒｋ ｆｏｒ Ｄｉｖｅｒｓｅ Ｓｅｒｖｉｃｅ Ｐｒｏｖｉ

ｓｉｏｎｉｎｇ ｉｎ ５Ｇｂｅｙｏｎｄ ａｎｄ ６Ｇ Ｎｅｔｗｏｒｋｓ ［Ｊ］． Ｉｎｔｅｌｌｉｇｅｎｔ

ａｎｄ Ｃｏｎｖｅｒｇｅｄ Ｎｅｔｗｏｒｋｓ，２０２０，１（３）：２８１－２９４．

［４４］ＮＧＵＹＥＮ Ｄ Ｃ，ＤＩＮＧ Ｍ，ＰＡＴＨＩＲＡＮＡ Ｐ Ｎ，ｅｔ ａｌ． ６Ｇ Ｉｎ

ｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ：Ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｓｕｒｖｅｙ［Ｊ］． ＩＥＥＥ Ｉｎ

ｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ Ｊｏｕｒｎａｌ，２０２２，９（１）：３５９－３８３．

［４５］ＬＵ Ｘ Ｚ，ＸＩＡＯ Ｌ，ＬＩ Ｐ Ｍ，ｅｔ ａｌ． Ｒｅｉｎｆｏｒｃｅｍｅｎｔ Ｌｅａｒｎｉｎｇ

ｂａｓｅｄ Ｐｈｙｓｉｃａｌ Ｃｒｏｓｓｌａｙｅｒ Ｓｅｃｕｒｉｔｙ ａｎｄ Ｐｒｉｖａｃｙ ｉｎ ６Ｇ

［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆ Ｔｕｔｏｒｉａｌｓ，２０２３，２５

（１）：４２５－４６６．

［４６］ＤＡＯ Ｎ Ｎ，ＰＨＡＭ Ｑ Ｖ，ＴＵ Ｎ Ｈ，ｅｔ ａｌ． Ｓｕｒｖｅｙ ｏｎ Ａｅｒｉａｌ

Ｒａｄｉｏ Ａｃｃｅｓｓ Ｎｅｔｗｏｒｋｓ：Ｔｏｗａｒｄ ａ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ６Ｇ Ａｃ

ｃｅｓｓ Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆

Ｔｕｔｏｒｉａｌｓ，２０２１，２３（２）：１１９３－１２２５．

［４７］ＣＨＥＮ Ｒ，ＬＩＵ Ｍ Ｊ，ＨＵＩ Ｙ Ｌ，ｅｔ ａｌ． Ｒｅｃｏｎｆｉｇｕｒａｂｌｅ Ｉｎｔｅｌｌｉ

ｇｅｎｔ Ｓｕｒｆａｃｅｓ ｆｏｒ ６Ｇ ＩｏＴ Ｗｉｒｅｌｅｓｓ Ｐｏｓｉｔｉｏｎｉｎｇ：Ａ Ｃｏｎｔｅｍ

ｐｏｒａｒｙ Ｓｕｒｖｅｙ［Ｊ］． ＩＥＥＥ Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ，２０２２，９（２３）：

２３５７０－２３５８２．

［４８］ＣＨＡＦＩＩ Ｍ，ＢＡＲＩＡＨ Ｌ，ＭＵＨＡＩＤＡＴ Ｓ． Ｔｗｅｌｖｅ Ｓｃｉｅｎｔｉｆｉｃ

Ｃｈａｌｌｅｎｇｅｓ ｆｏｒ ６Ｇ：Ｒｅｔｈｉｎｋｉｎｇ ｔｈｅ Ｆｏｕｎｄａｔｉｏｎｓ ｏｆ Ｃｏｍｍｕ

ｎｉｃａｔｉｏｎｓ Ｔｈｅｏｒｙ ［Ｊ］． ＩＥＥＥ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｕｒｖｅｙｓ ＆

Ｔｕｔｏｒｉａｌｓ，２０２３，２５（２）：８６８－９０４．

［４９］楊建功． 基于深度學習的實體關系抽取方法研究［Ｄ］．

石家莊：河北科技大學，２０２３．

［５０］龍彪，張鈺瀅． ５ＧＡｄｖａｎｃｅｄ Ｒ１８ 系統(tǒng)架構課題進展及

標準化［Ｊ］． 廣東通信技術，２０２２，４２（４）：２－６．