《人工智能与天空地一体化网络的相互作用研究综述》61页长综述

空天地一体化网络（SAGINs）通过将空间和空中网络与地面无线系统相结合，成为新兴第六代（6G）无线网络的关键赋能者。其显著优势包括将高速宽带覆盖扩展至偏远与难以抵达区域。然而，受限于功率与存储资源等约束条件，SAGINs需通过智能配置与管理以满足预期需求。与此同时，人工智能（AI）是6G的另一核心赋能技术。得益于AI技术与硬件能力的近期进展，AI已被用于应对当前及未来无线网络的紧迫挑战。通过引入AI并优化决策与预测流程，SAGINs可有效适应环境变化，从而提升多维度性能指标。本研究旨在通过全面综述AI赋能的SAGINs前沿成果，深入探究AI与SAGINs的协同作用。具体而言，本文系统阐述了AI在SAGINs中的潜在应用场景，同时涵盖AI部署的开放性问题，并详述SAGINs对AI发展的贡献。最后，指出现有研究的局限性，并展望未来潜在研究方向。

近年来，第六代（6G）无线网络引发了学术界与产业界的广泛关注。6G系统将通过无缝连接人、物、数据、应用、智慧城市与交通系统，推动下一代垂直服务发展，助力构建智能化全联接社会。凭借其增强能力，6G将支持海量设备接入与海量数据管理，优先提供提升用户体验的服务，并满足物联网（IoT）、增强现实（AR）、虚拟现实（VR）、全息通信、沉浸式媒体流及智慧社会等新兴应用需求。预计6G网络将具备泛在连接、低时延、高容量与高可靠性，以满足新增服务与应用的多维度服务质量（QoS）需求。现有地面无线网络受限于覆盖范围与容量，难以为灾区、山区及海洋等复杂场景提供普适性可靠且经济高效的无线服务。

空天地一体化网络（SAGINs）将在满足6G系统无缝连接需求中发挥日益重要的作用。SAGINs由三大网络层级构成：通信卫星构成空间子网；浮空器、飞艇、高空平台（HAPs）与无人机（UAVs）等航空通信设备构成空中子网；地面通信网络构成地面子网。SAGINs的核心优势在于其可扩展地面网络覆盖范围，缓解设备激增引发的网络拥塞。随着自主飞行编队、货运无人机与飞行汽车等新兴技术的普及，这一能力至关重要。

图1展示了SAGINs各要素在地球与大气层中的分布概况。地面子网主要由基站（BSs）构成，覆盖范围限于邻近用户。因此，远离基站或地面网络基础设施薄弱区域的用户可能面临性能下降或服务中断。卫星通信系统作为增强地面网络的重要选项，已成为实现全球互联与弥合数字鸿沟的关键要素。新一代SAGINs（尤其是含UAV的架构）预计将依托卫星网络支撑地面与空中通信。部署于300至1500公里轨道的低地球轨道（LEO）卫星星座，作为实现全球通信与覆盖愿景的核心要素，正引领卫星与SAGIN架构的融合进程。地球静止轨道（GEO）与中地球轨道（MEO）卫星分别运行于35786公里及7000至25000公里轨道高度。

图 1.SAGIN 的各个组成部分（卫星、HAP、无人机和地面网络）为城市、偏远、农村和孤立地区的用户提供服务。

近年来，卫星技术取得显著进展，以SpaceX、OneWeb和亚马逊等私营企业为主导的卫星星座设计、运营与研究成为焦点。尽管下一代卫星网络标准化工作持续推进，但资源管理、网络控制、网络安全、频谱管理与能耗等基础性挑战依然存在。这些挑战主要源于卫星的独特属性，如快速轨道运动、覆盖范围动态变化及拓扑结构演进。为满足卫星网络动态无线环境下的适应性需求，亟需开发具备快速即时调整能力的敏捷方法。

除空间子网外，空中子网主要由高空平台（HAPS）与无人机（UAV）构成。HAPS通常部署于平流层（距地20-50公里的无云大气层），其设计特征涵盖操作性（载人/无人）、稳定性（静力/动力）、移动性（自由飞行/受控）、自主性（自主/系留）及能源类型（动力/非动力）等维度。相较于传统固定基站，HAPS的高空部署优势在于可为偏远地区用户提供稳定接入，并降低传输能耗。此外，HAPS可提供移动边缘计算（MEC）服务以快速处理计算任务，有效应对物联网普及带来的流量激增，同时充当地面网络与卫星间的中继节点。凭借灵活部署、成本效益、易维护与广覆盖等特性，HAPS有望提升系统吞吐量，增强空天地一体化网络（SAGINs）的可扩展性。

无人机可在不同高度运行，具备固定翼或多旋翼等多样化构型，支持远程操控或自主飞行，能源系统可采用电池或燃油驱动。搭载轻型基站设备的无人机可作为空中基站，为地面网络故障区域或复杂地形用户提供服务，并可扩展至高密度城区与热点区域等需高容量与优质服务的场景。此类方案能有效应对突发流量高峰与紧急事件。另一方面，无人机亦可作为空中用户接入地面或空间子网，执行包裹投递、搜救任务、巡检监控与事件直播等多样化任务。两种应用场景下，无人机需解决服务质量优化、能耗降低、网络连接保障与干扰抑制等挑战，以实现与SAGIN系统的高效整合。例如，无人机需在系统约束条件下优化飞行轨迹以满足性能要求，但其有限的续航能力与载荷容量仍制约着所支持通信系统的覆盖范围。尽管如此，快速部署与高机动性优势使其成为SAGIN架构不可或缺的组成部分。

通过SAGINs，6G系统可在偏远地区与密集城区维持可靠、无中断与低时延通信。这些多样化应用凸显了智能算法与先进编排技术在任务分配、移动性管理与无线资源管理（RRM）中的必要性。优化工作需平衡能效、覆盖范围与用户满意度等多重目标。此外，SAGIN环境的动态特性与用户需求波动要求系统具备高度适应性与智能性。传统优化技术与启发式算法因灵活性与适应性受限，难以满足上述需求。

人工智能（AI）作为模拟人类行为的算法集合，凭借海量数据与高性能计算系统，在决策与优化领域日益普及，并成为6G网络的关键支柱。不同于被动式传统方法，AI技术使无线网络具备自主学习与自适应能力，可分析非线性网络行为并自动优化配置。近期，AI算法已广泛应用于SAGINs的各类场景，通过高效资源管理、智能任务分配与自主决策，有效克服传统优化方法在动态异构分布式环境中的局限性。

现有AI算法中，强化学习（RL）在SAGINs多维度优化方面成效显著。基于RL的算法通过辨识网络参数与环境信号间的复杂依赖关系，为动态SAGIN环境提供最优自适应解决方案，主要应用于轨迹规划与资源分配等编排控制优化。机器学习（ML）、深度学习（DL）与神经网络（NNs）的进展则有效解决大规模SAGINs的可扩展性问题，推动适应性、高效性与智能性兼备的SAGINs发展。联邦学习（FL）通过整合SAGIN各层级参与学习过程，进一步提升了系统的可扩展性与适应性。

尽管AI驱动SAGINs的范式占据主流，但反向影响的可能性仍需深入探究。AI算法固然对SAGINs至关重要，但SAGINs亦能反哺AI发展：其提供的高质量多样化数据可提升模型精度，边缘计算能力可加速AI训练。鉴于AI在SAGINs中的重要性日益凸显，亟需对相关前沿研究进行全面综述。本文旨在填补这一空白，系统阐述AI在未来SAGINs中的作用与应用，总结各网络层级的关键挑战，强调AI与SAGIN的协同效应，并展望未来研究方向。需说明的是，尽管认可AI在地面网络中的重要性，本文聚焦SAGINs的非地面部分，因已有大量文献详述地面网络的AI应用。

人工智能与卫星通信

卫星通信在提升用户体验方面具有诸多优势，如覆盖范围广、传输质量好、通信容量大、组网方便快捷、全球通信无缝衔接等。另一方面，部署和维护卫星基础设施的财务影响要求开发强大的资源管理和分时系统。一些文献旨在针对卫星网络的局限性提出解决方案。最近，人们开始考虑使用人工智能工具来处理卫星网络产生的海量数据，并提供高效的解决方案，以实现卫星在 SAGIN 架构中的快速集成。在本节中，我们将对使用人工智能工具应对挑战和优化卫星通信的主要论文进行调查。也就是说，将重点放在人工智能算法上，以应对跳束、抗干扰、流量预测、信道建模、异常检测、干扰管理、电离层闪烁、能源管理和资源管理等挑战。

图：人工智能解决了卫星通信中的挑战

人工智能与高空平台通信

技术创新推动了高空平台系统的发展，其目的是提高宽带通信的可及性。HAPS 在平流层运行，可覆盖大片区域或补充现有的宽带服务。除数据收集外，HAPs 系统还为协作计算和分布式 ML 提供了令人兴奋的可能性。它们相互连接的性质和高海拔为分散式智能提供了一个独特的平台，处理能力和学习算法可以分布在整个网络中，以实时分析数据并促进协作决策。然而，HAPs 通信所面临的挑战，如部署和星座管理、移动性和能源限制、资源分配和安全考虑，仍然是充分挖掘 HAPs 潜力的主要障碍。在本节中，我们将对利用人工智能有效解决 HAPs 辅助网络部署挑战的现有论文进行调查。这包括 HAP 的部署和拓扑管理、资源管理、缓存和计算卸载。

图：人工智能解决了HAPs通信中的挑战

人工智能与无人机通信

无人机被认为是 SAGIN 架构的重要组成部分，其特点是灵活性更高、成本更低、功能更强。研究界对考虑利用无人机向位于偏远地区的边缘用户传输信息，从而扩大地面网络覆盖范围的兴趣日益浓厚。另一方面，要将无人机有效集成到 SAGIN 架构中，需要解决几个难题，如无人机定位和部署、轨迹优化、信道估计、自主导航、调度和资源管理以及干扰管理。最近，人工智能工具被认为能提供高效的解决方案，使无人机快速集成到 SAGIN 架构中。

图：人工智能在无人飞行器通信方面遇到的挑战

人工智能优化天空地一体化网络

SAGINs 由卫星、HAP、无人机和地面网络组成，是全球最复杂的网络架构之一。这些组件相互协作，在新的 6G 范式框架内提供增强的、适应性强的端到端用户服务。尽管与传统地面网络相比，SAGIN 的设计旨在实现所有区域在任何时候的不间断覆盖，同时促进更大范围内的高速率和可靠传输，但除非进行优化，否则性能下降是不可避免的。虽然 SAGIN 架构的每个组件都有可能单独优化其性能，但单独优化是不够的。要充分发挥 SAGIN 的潜力，必须对这些层进行联合优化。整合这些组件需要仔细考虑各种因素，如协调和拓扑管理、调度和协作资源管理、路由和灵活的移动性管理以及缓存和计算卸载。虽然许多异构复杂网络也会面临这些挑战，但 SAGINs 的动态性和不可预测性，以及在不同环境中运行的各种组件，大大增加了这些挑战的复杂性，因此有必要使用人工智能技术来应对这些挑战。

利用 SAGINs 实现人工智能：应用与技术

SAGIN 的发展与人工智能有着内在的联系。虽然人工智能算法对于解决 SAGIN 部署和功能方面的当前局限性至关重要，但有效管理这些复杂网络还有赖于智能协调和优化工具。相反，SAGIN 为人工智能的发展提供了一个独特的平台。它们的分布式架构有利于边缘计算和数据聚合能力，促进更广泛的设备连接和更丰富的数据收集。这反过来又促进了前沿数据分析和人工智能的发展，进一步增强了 SAGINs 的能力，提高了其性能和适应性。本节将阐明人工智能与 SAGINs 之间的协同作用，同时主要关注 SAGINs 如何加快高效人工智能算法的开发。具体而言，我们将重点关注 FL 应用以及 SAGINs 在允许更多设备为 FL 做出贡献方面的优势。此外，还强调了优化人工智能系统的一些无线技术，即模拟空中计算和针对人工智能优化的数字 RRM。最后，重点介绍了 SAGIN 支持的主要人工智能新应用，如自动驾驶汽车和车载网络、物联网、VR/AR、数字孪生和语义通信。