空天地海一体化网络（SAGSIN）通过融合地面、空中、卫星和海洋通信系统，旨在实现全时全域全空通信和网络互联互通。然而，SAGSIN在资源管理方面面临资源动态性、异构性和复杂性等挑战，如资源分配不均、跨域协同困难及环境适应性差。引入AI技术对SAGSIN资源管理具有重要意义。在SAGSIN资源管理中，AI的应用主要体现在智能资源分配与调度、跨域协同优化以及环境感知与自适应调整三个方面。未来，AI与SAGSIN的融合将朝着更高级的智能决策系统和更广泛的跨域融合应用方向发展，服务于对地观测、智能交通、军事任务和应急通信等多个领域。
空天地海一体化网络资源管理概述
空天地海一体化网络（Space-Air-Ground-Sea Integrated Network, SAGSIN）是一种将地面、空中、卫星和海洋通信系统进行有机融合的网络架构，涵盖卫星、无人机、地面基站和水下传感器等多种通信节点，旨在实现全时全域全空通信和网络互联互通。
SAGSIN网络架构：SAGSIN由多个层次的网络节点组成，包括天基网络（卫星）、空基网络（无人机、飞机等）、地基网络（基站、数据中心等）和海基网络（水下传感器、浮标等）。这些节点通过不同的通信技术相互连接，形成一个多层次、多域的综合网络。
图1. SAGIN架构图
SAGSIN资源类型：SAGSIN中的关键资源包括频谱资源、计算资源、存储资源和传输链路资源。频谱资源是通信的基础，计算资源用于处理和分析数据，存储资源用于数据存储和备份，传输链路资源则确保数据在不同节点之间的高效传输。
当前，SAGSIN在资源管理方面面临诸多挑战，包括资源动态性、异构性和复杂性等问题。这些挑战主要体现在资源分配不均、跨域协同困难以及环境适应性差等方面。例如，不同类型的网络节点（如卫星、无人机和地面基站）之间存在显著的技术差异，导致资源分配和管理更加复杂[3]。首先是资源分配不均，不同类型的网络节点之间存在显著的技术差异，导致资源分配不均。其次是跨域协同困难，即不同域之间的协同工作复杂，需要高效的协调机制。最后是环境适应性差，复杂的环境条件（如天气变化、地形障碍等）对资源管理提出了更高的要求。
AI技术在空天地海一体化网络资源管理中的应用
引入人工智能（AI）技术对于SAGSIN资源管理具有重要应用价值。首先，AI技术可以提升资源利用效率，通过智能算法优化资源分配策略，提高系统的整体性能。其次，AI技术能够增强网络的智能决策能力，通过深度学习和强化学习等方法，实现对复杂网络环境的快速响应和高效管理。此外，AI技术有助于促进跨域融合创新，通过整合不同网络节点的资源，实现更高效的协同工作。
智能资源分配与调度
SAGSIN通过合理有效地引入AI，以最大限度地利用现有资源，实现高效、大容量接入。AI赋能的SAGSIN架构将AI技术贯穿整个网络平面，实现一体化网络智能化和服务业务智能化。
在SAGSIN资源管理中，AI技术通过多种方式优化频谱资源分配，以提高系统的自适应能力、鲁棒性和资源利用率。将遗传算法用于优化资源分配，通过模拟自然选择和繁殖过程，找到最优的资源配置方案。深度强化学习（DRL）算法可通过定义优化问题（包括约束条件和目标函数），最大化系统的下行链路吞吐量，显著提升资源利用率和用户服务质量（QoS）。生成式AI可通过制定最优共享协议和动态分配方案来缓解频谱可用性不足的问题，从而最大限度地提高频谱在不同网络中的效用。例如，在人口稠密的城区，多个运营商共享相同频谱带的情况下，生成式AI能够帮助实现更高效的频谱利用。此外，DRL还可以用于异构频谱共享模型，通过评估大规模MIMO认知无线电网络的传输速率和干扰QoS，实现高效的频谱共享。
SAGSIN全域覆盖不仅提高了通信的连续性和可靠性，还满足了海量通信业务的需求。在实际应用中，SAGSIN通过引入联邦学习框架，实现了分布式域间求解架构与集中式域内优化算法。基于此架构，利用DRL框架完成资源块内的功率资源分配优化，按用户需求合理分配通信资源，达到充分利用网络资源、均衡网络性能与能量消耗的目的。
跨域协同优化
SAGSIN资源管理中的跨域协同问题主要涉及如何在不同空间维度（如空中、地面、海上和天基）进行有效的资源协调和管理，以实现无缝的信息服务和通信。
AI赋能SAGSIN资源管理中的跨域协同是一个多学科交叉的领域，涉及无人系统技术、边缘计算、深度学习、网络架构等多个方面。通过这些技术的融合与创新，可实现更高效、更智能的网络资源管理和跨域协同。《智能无人集群系统跨域协同技术研究现状与展望》对智能无人集群系统在海空、空地以及海陆/海陆空等典型无人场景下的跨域协同技术进行了系统梳理和深入分析，厘清了我国在该领域的现状和需求，为未来的发展趋势提供了指导。随着空天地一体化信息网络的建设与发展，卫星与无人机作为天基边缘计算节点，辅助地面设备完成各项任务，成为6G网络中的重要应用场景。这些研究处于起步阶段，但已经展现出巨大的潜力。《基于深度强化学习的空天地一体化网络资源分配算法》构建了一体化AI赋能架构，提出了大规模混合多址接入及弹性资源适配策略，未来的研究方向包括网络架构立体化、网络协同传输、一体化网络资源管理、未来空天地接入技术以及网络协同计算等。
环境感知与自适应调整
SAGSIN拓扑变化大，信息交互频繁，需要通过数字智能化手段，建立自适应控制系统。AI技术在信息感知和自适应调整方面具有显著优势。在SAGIN网络环境中，AI技术可以被用于对无线信道、用户和网络动态状况进行全面感知，并根据不断变化的网络特征和用户业务需求配置网络资源，从而建立差异化的网络模型并优化网络性能。此外，AI增强学习算法也被应用于智能频谱弹性感知技术中，以提高频谱感知的效率和准确性。自适应AI系统能够实时反馈并动态学习，针对不断变化的环境做出响应，通过不断添加训练数据形成训练模型，并提供个性化功能定制。这种自适应能力使得AI赋能的空天地一体化网络，可以通过智能感知模块实时监测环境变化，灵活调整其行为和策略,以提升网络性能。
总之，AI赋能的SAGIN通过集成多种感知技术和自适应算法，能够实现对环境变化的快速响应和调整。这不仅提高了网络的灵活性和可靠性，还为未来6G网络的发展提供了重要的技术支持。
挑战与展望
在SAGSIN资源管理方面，AI面临多个技术难题。随着6G网络的发展，空天地海全场景一体覆盖将开启万物智联、数字孪生的信息技术新时代，这将对网络安全提出更高的要求。首先，空天地一体化网络内部自干扰和外部恶意干扰会阻挡和破坏通信链路，进而影响联合指挥与控制，数据隐私保护是一个重要问题，尤其是在涉及大量敏感数据传输和处理的情况下。其次，算法的可解释性也是一个挑战，因为复杂的AI模型往往难以理解和验证其决策过程。计算复杂度也是一个关键问题，现有资源管理算法通常需要多轮博弈才能收敛，难以满足快速收敛的需求。
此外，标准化进程对AI赋能SAGSIN至关重要，因为它可以确保不同系统和设备之间的兼容性和互操作性。当前，标准化工作仍在进行中，也已经取得了一些进展，例如在空天地一体化网络标准的制定方面，ITU-T已经构建了固移卫融合（FMSC）标准体系，发布了需求标准[Y.3200]和架构标准[Y.3201]，以满足空天地一体化网络多接入融合的需求。面向5G-A/6G的空天地一体化承载技术展望中，ITU-R已于2023年正式发布6G典型应用场景，并针对卫星通信的特殊场景在物理层、链路层、网络层实现体系化技术突破。此外，中国移动也在推进天地一体化标准发展进程，特别是在“手机直连卫星”场景下进行架构、空口、频率、多轨四大融合等核心关键技术攻关。
AI与SAGSIN融合发展的未来趋势包括更高级的智能决策系统和更广泛的跨域融合应用。例如，基于强化学习的空天地一体化网络设计与优化框架可以进行高效快速的网络设计和分析。未来空天地海一体化网络将深度融合各层异构网络，并结合AI、大数据、先进制造等技术，朝着智能化、融合化、安全化和可持续化方向发展。
[参考文献]
[1] 沈学民,承楠,周海波,等.空天地一体化网络技术：探索与展望[J].物联网学报,2020,4(03):3-19.
[2] 刘雅琼,吕哲,赵亚飞,等.AI技术在卫星通信/互联网领域的应用综述[J].电信科学,2023,39(02):10-24.
[3] 王雪,孟姝宇,钱志鸿.面向6G全域融合的智能接入关键技术综述[J].电子与信息学报,2024,46(05):1613-1631.
[4] 刘雪芳,毛伟灏,杨清海.基于深度强化学习的空天地一体化网络资源分配算法[J].电子与信息学报,2024,46(07):2831-2841.
[5]宫永康.空天地一体化网络资源智能管理机制[D].北京邮电大学,2023.DOI:10.26969/d.cnki.gbydu.2023.000283.
[6]邓平科,张同须,施南翔,等.星算网络——空天地一体化算力融合网络新发展[J].电信科学,2022,38(06):71-81.
[7] 谢兆贤,孔德泓,杨晴晴,等.全域可调节式非支配遗传算法在边缘计算的资源调度研究[J/OL].计算机应用与软件,1-10[2024-09-27].http://kns.cnki.net/kcms/detail/31.1260.TP.20240809.0943.004.html.
[8] 中国科学院知识服务平台. 新一代信息技术. 生成型人工智能如何影响网络规划、RAN配置和频谱管理. 2024.
[9] Nguyen D C, Cheng P, Ding M,et al. Enabling AI in Future Wireless Networks: A Data Life Cycle Perspective[J]. IEEE Communications Surveys & Tutorials, 2021(1).DOI:10.1109/COMST.2020.3024783.
[10] 康绍莉,缪德山,索士强,等.面向6G的空天地一体化系统设计和关键技术[J].信息通信技术与政策,2022,(09):18-26.
[11] 刁兆坤,杨丽,王振章.6G空天地一体化网络架构及其构建[J].通信世界,2024,(04):36-39.DOI:10.13571/j.cnki.cww.2024.04.011.
[12]徐艳丽,张倩倩,姜胜明,等.空天海一体化网络关键技术[J].移动通信,2022,46(10):53-58.
[13]江碧涛,温广辉,周佳玲,等.智能无人集群系统跨域协同技术研究现状与展望[J].中国工程科学, 2024(001):026.
[14] 徐晓斌,王琪,范存群,等.面向空天地一体化信息网络的边缘计算资源融合管理方法[J].计算机学报,2023,46(04):690-710.
[15] 张彤,任奕璟,闫实,等.人工智能驱动的6G网络：智慧内生[J].电信科学,2020,36(09):14-22.
[16] Xu T, Zhou T, Tian J ,et al.Intelligent Spectrum Sensing: When Reinforcement Learning Meets Automatic Repeat Sensing in 5G Communications[J].IEEE Wireless Communications, 2020, 27(1):46-53.DOI:10.1109/MWC.001.1900246.
[17] 王耀南,安果维,王传成,等.智能无人系统技术应用与发展趋势[J].中国舰船研究,2022,17(05):9-26.DOI:10.19693/j.issn.1673-3185.02705.
[18] 王鹏峥,李杨,张宁.环境感知信息辅助的认知雷达波形参数智能选择[J].信号处理,2021,37(02):186-198.DOI:10.16798/j.issn.1003-0530.2021.02.004.
[19] 紫光展锐中央研究院. 6G白皮书. 2020.
[20] 王海超,王金龙,丁国如,等.空天地一体化网络中智能协同抗干扰技术[J].指挥与控制学报,2020,6(03):185-191.
[21] 中国计算机学会. “卫星计算赋能天地一体化网络应用产业发展”技术论坛. 2023. https://www.ccf.org.cn/YOCSEF/xwdt/lt/2023-12-03/809744.shtml
[22] 张晓凯,郭道省,张邦宁.空天地一体化网络研究现状与新技术的应用展望[J].天地一体化信息网络,2021,2(04):19-26.
[23] 王刚，涂小勇. 星载核心网：实现空天地一体的天基网络的关键. 中兴通讯. 2024. https://www.zte.com.cn/china/about/magazine/zte-technologies/20230/5-cn/3/8.html
[24] 李佳琛，韩柳燕，李晗. 面向5G-A/6G的空天地一体化承载技术展望. 中兴通讯.2024. https://www.zte.com.cn/china/about/magazine/zte-technologies/20230/9-cn/2/3.html
[25] 朱文凤. 星地一体，未来可期！2024空间技术融合应用及产业发展论坛成功举办. 通信世界全媒体.2024. http://www.cww.net.cn/article?id=591302
[26] 徐晓帆,王妮炜,高璎园,等.陆海空天一体化信息网络发展研究[J].中国工程科学,2021,23(02):39-45.
[27] 陈娅婷.空天地一体化网络无线资源管理与传输协议优化研究[D].北京交通大学,2019.DOI:10.26944/d.cnki.gbfju.2019.000512.
[28] 易昕昕,张桂玉,桓一博.中国联通跨域跨网络的智能化协同方案应用研究[J].邮电设计技术,2021,(11):74-78.
[29]武燕燕,吴松.空天地海一体化网络边缘计算的资源管理研究[J].移动通信,2024,48(09):124-131.
审稿：邓伟 | 星地融合技术研究所
本文作者
