研究背景与问题

在未来的6G移动通信系统中，智能机器类通信（MTC）的应用场景如工业自动化和车联网等将日益增多，这对通信系统中无线信道建模的精度、实时性与自适应能力提出了前所未有的挑战。传统的信道建模方法难以满足这些新兴应用场景的需求，因此，如何提高信道建模的精度和适应性成为了一个亟待解决的问题。

研究方法

针对上述问题，本研究提出了一种基于数字孪生信道（DTC）的建模方法。该方法通过以下三个使能技术来构建物理信道的高保真模型：多模态感知、环境知识和大模型。 1. **多模态感知**：通过集成多种传感器数据，如雷达、声纳和光学传感器等，实现对物理信道的多角度、多维度感知，从而提高信道建模的全面性和准确性。 2. **环境知识**：结合地理信息系统（GIS）和地理信息数据库，对通信环境进行详细的描述和建模，包括地形、建筑物分布等，以增强信道模型的适用性和实时性。 3. **大模型**：利用深度学习等人工智能技术，构建大规模的信道模型，实现信道参数的实时估计和动态更新，以满足MTC应用场景对信道建模的实时性和自适应能力。

核心结果

本研究通过实验验证了所提出的方法的有效性。实验结果表明，与传统的信道建模方法相比，基于数字孪生信道的建模方法在以下方面具有显著优势： 1. 提高了信道建模的精度，特别是在复杂多变的通信环境中。 2. 增强了信道模型的实时性和自适应能力，能够适应MTC应用场景的动态变化。 3. 降低了信道建模的计算复杂度，提高了通信系统的整体性能。

结论与意义

本研究提出的基于数字孪生信道的建模方法为6G移动通信系统中无线信道的精确建模提供了一种新的思路。该方法不仅提高了信道建模的精度和适应性，而且通过多模态感知和环境知识的结合，实现了对复杂通信环境的全面描述。此外，大模型的应用进一步提升了信道建模的实时性和动态更新能力。这些研究成果对于推动6G移动通信技术的发展具有重要的理论和实际意义。

文章来源：《中兴通讯技术》 网址: http://www.yxylcyj.cn/qikandaodu/2025/1029/335.html