6G 測試說明中心

3GPP 透過跨不同工作組的協調技術報告 (TR)，定義了整合感測與通訊 (ISAC)，這些報告涵蓋服務要求、無線電方面和通道建模。以下 TR 共同定義了 ISAC 要求和正在進行的標準化工作：

核心服務需求報告 (SA1)

• 3GPP TR 22.837 – Release 19 下 ISAC 的可行性研究：這是由 3GPP SA1 開發的基礎報告。它定義了 ISAC 的使用案例，例如物件偵測、運動監測和環境感測，並為 5G-Advanced 和預 6G 系統制定了服務級別要求。  
• 3GPP TS 22.137 – Release 19 下 5G 系統的服務要求：本技術規範透過將可行性發現轉化為規範性服務要求，對 TR 22.837 進行了補充。它定義了關鍵效能指標 (KPI)，例如感測準確度、偵測延遲和空間解析度。

無線電和通道建模報告 (RAN1/RAN2)

• 3GPP TR 38.857 – ISAC 通道模型增強研究：本報告由 RAN1 開發，擴展了 TR 38.901 的隨機通道模型，以支援 ISAC 模式（基地台單站、基地台-使用者設備雙站、使用者設備-使用者設備雙站等），適用於 0.5–52.6 GHz 頻率，並可擴展至 100 GHz。

參考資料：
整合感測與通訊 (ISAC)；使用案例與部署情境

ISAC 通道建模 – ETSI 觀點

測試 6G NTN 體驗品質 (QoE) 涉及結合訊號模擬、網路模擬和通道建模，以驗證衛星和地面鏈路如何影響終端使用者性能。Keysight 透過其 NTN 和 5G NR / 6G 測試解決方案，提供整合式方法來實現此目標。以下是使用 Keysight 工具的測試工作流程概覽： 

• 訊號產生：使用 MXG 或 VSG 產生 NR-NTN 或 6G 候選波形，以用於上行/下行參考訊號。 
• 通道模擬：透過 PROPSIM 或預標準化 FR3 模擬模型，施加延遲、都卜勒效應、軌道動態和干擾。
• 網路整合：使用 UeSIM 或 UXM 作為 RAN 模擬器，以模擬使用者平面和控制平面流量。
• QoE 量測：記錄與衛星移動或通道損害相關聯的應用層級指標，包括傳輸量、延遲、抖動和 MOS。
• AI 回饋最佳化：採用 Keysight PathWave Analytics 自動調整鏈路和服務參數，以最大化 QoE。

探索 6G 模擬與仿真解決方案。

非地面網路 (NTN) 與地面網路的整合帶來了獨特的挑戰，例如巨大的傳播延遲、衛星運動引起的都卜勒頻移、間歇性的鏈路可用性、NTN-TN 相互干擾，以及與地面系統顯著不同的氣候損害。 確保跨不同平台（LEO、GEO、HAPS、UAV）的無縫切換、跨層資源分配和互通性，更增加了複雜性。

Keysight 的 SystemVue RF Digital Twin 建模工具提供端對端 NTN 系統（包括衛星有效載荷、閘道和用戶設備）在真實傳播條件下的高保真鏈路級建模和模擬，有助於克服這些障礙。它結合了相位雜訊、RF 非線性及 I/Q 不平衡等關鍵損害，同時支援相控陣列天線建模、3D 軌跡可視化，以及使用 DPD 進行非線性 PA 分析。這可讓工程師準確地預測效能、驗證波束管理策略，並在硬體部署前評估連線的穩健性，最終加速可靠的 NTN-6G 系統設計，並確保全球連線的可擴充性。

進一步瞭解 Keysight 的 5G / 6G系統設計解決方案。

以下是 AI 可用於開發 NTN RAN 的一些使用案例：

通道預測與建模：由於衛星移動、都卜勒效應和長傳播延遲，NTN 通道具有高度動態性。AI/ML（例如深度學習、RNN、Transformer）可以學習通道動態並預測通道狀態資訊 (CSI)，從而提高鏈路可靠性並減少開銷。 

波束成形與切換最佳化：AI 可最佳化 LEO 衛星或 HAPS 的自適應波束導向，最大限度地減少使用者在波束之間移動時的中斷。ML 演算法可預測移動模式，並自動化衛星之間或地面與非地面蜂巢式網路之間的無縫切換。 

資源與頻譜管理：NTN RAN 必須處理碎片化頻譜和多個無線電存取技術 (RAT) 之間的頻譜共享。AI 可用於在 FR1/FR2/FR3 + NTN 頻段之間動態分配資源，確保在需求波動時的公平性和服務品質 (QoS)。 

能源和功率效率：衛星和無人機的功率預算有限。AI 可以最佳化功率控制、排程和負載平衡，以最大限度地延長壽命和提高效率。 

安全性和異常偵測: NTN 鏈路更容易受到干擾/欺騙。 AI 驅動的異常偵測可以即時識別異常訊號模式或網路實體攻擊。 

整合感測與通訊 (ISAC)：AI 協助 NTN 節點使用相同的波形進行通訊和感測，實現對使用者、物體或威脅的追蹤，同時保持連線能力。

AI 預計會整合到 6G 無線網路的各種元件中，例如 6G 發射器和接收器的實體層。這將使設備能夠獨立做出決策、有效管理資源，並根據動態條件進行調整，而無需完全依賴集中式系統。因此，測試整合 AI 技術的無線元件與測試傳統元件有根本的不同。

傳統的測試策略僅針對一組規格驗證無線裝置的效能，這將不足夠。支援 AI 的裝置旨在適應不可預測的真實世界情況，並在訊號強度、干擾水準和使用者密度波動的動態環境中運作。因此，AI 演算法需要經過訓練，以在廣泛的條件下最佳化效能，從而確保可靠性。測試必須包含與訓練集顯著不同的情境，以評估在不斷變化和不可預測的真實世界環境中的效能。

進一步瞭解人工智慧與 6G 的整合

通道模擬可讓您設計和測試 6G 數學模型，並評估通訊系統中發射器和接收器的效能。在 6G 頻率範圍三 (FR3) 測試中，您需要使用半決定性和確定性的通道模型進行相位和時間相干的多通道模擬。6G FR3 信道建模的關鍵效能指標包括

• 波束權重估計和指向指標
• 波束形狀和增益
• 旁瓣位準

穩健的通道模擬解決方案可讓您建立多樣化的傳播環境，並模擬相位雜訊和干擾等硬體缺陷。

下載 6G FR3 通道模擬應用說明

為 6G 使用較高的頻譜涉及到克服這些頻段的無線電頻率傳播挑戰。此外，5G 通訊協定堆疊將需要修改，以支援 6G 應用所需的更大頻寬和更高載波頻率，而這些尚未在現實世界中測試或部署。不過，您可以透過模擬真實世界的使用者設備 (UE) 來設計和驗證早期的 6G 網路。

閱讀更多有關 6G 前網路測試的資訊

有三種基本方法可達到 6G 的高資料吞吐量。第一種方法是使用高階調變方案，以增加每個符號傳輸的位元數。第二種方法使用更多的頻譜頻寬，並使用更高的符號速率來增加資料吞吐量。第三種方法是使用多天線技術 (例如多輸入/多輸出 (MIMO))，傳輸多個獨立的資料串流。MIMO 利用無線電頻道的複雜性，同時傳送和接收多個獨立的資料串流，以產生更高的資料吞吐量。

深入測試 6G 資料吞吐量

對 6G 的 sub-THz 寬頻訊號進行特性分析，需要結合使用高效能設備和軟體。您需要一個超高速任意波形產生器 (AWG)、一個頻率上變頻器和一個作為本機振盪器的訊號產生器。此測試設定可協助您產生、量測和描述 H 波段候選波形。

檢視 6G 訊號特性分析用例

典型的 6G 測試平台必須支援多種頻段、頻寬和波形類型，以滿足各種研究需求。工程師需要使用能夠產生寬頻帶和極端頻寬調變中頻 (IF) 訊號的任意波形產生器 (AWG)。

精巧型 D 頻段（110 至 170 GHz）或 G 頻段（140 至 220 GHz）升頻器接著可將寬頻 IF 轉換為所需的次太赫茲頻段。接收器測試需要將訊號降頻轉換為 IF。您將需要降頻器來完成此任務。您還需要示波器或多通道 Keysight AXIe 串流數位轉換器來數位化訊號。

探索 6G sub-THz 測試平台

Keysight 與 16 家合作夥伴攜手合作，於 2023 年 1 月推出 6G-SANDBOX，為 6G 實驗建立泛歐洲測試平台。該專案結合數位與實體節點，提供完全可配置、可管理與可控制的端對端網路，以驗證 6G 的新技術與研究進展。6G-SANDBOX 可讓整個歐盟 (EU) 的實體測試有潛力的 6G 啟動元件，包括網路自動化、網路安全、數位孪生、人工智慧 (AI) 以及簡化能源消耗的技術。該小組已擴大至包括亞洲的研究實體。

更多關於 6G-SANDBOX 的資訊