面向空天地一体化网络的数字孪生技术架构及应用.pdf

2024年1月第1期95移动通信Communications,024,48(1):95-102.LI Yuan,FEI Zesong,CHAO Ziyun,et al.Digital Twin Technology Architecture and Application for Space-Air-Ground NetworksJ.Mobile引用格式：李媛,费泽松,显子云,等.面向空天地一体化网络的数字李生技术架构及应用.移动通信，2 0 2 4,48(1):9 5-10 2.文献标志码：A文章编号：10 0 6-10 10(2 0 2 4)0 1-0 0 9 5-0 8号：TN927.23OSID:扫描二维码与作者交流总第52 1期第48 卷面向空天地一体化网络H生技术架构及应用李媛，费泽松，晃子云，黄靖轩，李斌，郑重（1.北京理工大学信息与电子学院，北京10 0 0 8 1；2.南京信息工程大学计算机学院，江苏南京2 10 0 44）【摘要】详细探讨了数字李生技术在空天地一体化通信中的具体架构，以及网络优化方面的应用。将数字李生分为虚拟空天地一体化网络和智能决策层。虚拟网络是对物理空天地通信网的精准映射，支持实时监控和测试验证功能。在智能决策层，通过环境感知与业务预测实现网络优化。最后，验证了面向空天地一体化的数字李生技术在动态通信网络优化中的巨大潜力，为网络优化的未来发展提供了创新思路。【关键词】数字李生技术；空天地一体化网络；环境感知；业务预测；网络优化doi:10.3969/j.issn.1006-1010.20231229-0001中图分类Digital Twin Technology Architecture and Application for Space-Air-Ground NetworksLI Yuan,FEI Zesong,CHAO Ziyun,HUANG Jingxuan,LI Bin,ZHENG Zhong(1.School of Information and Electronics,Beijing Institute of Technology,Beijing 100081,China;2.School of Computer Science,Nanjing University of Information Science and Technology,Nanjing 210044,China)AbstractThis paper thoroughly explores the specific architecture of digital twin technology in integrated space-air-groundcommunication,along with its applications in network optimization.The digital twin is divided into a virtual integratedspace-air-ground network and an intelligent decision-making layer.The virtual network serves as an accurate mapping ofthe physical space-air-ground communication network,supporting real-time monitoring and test verification functions.Inthe intelligent decision-making layer,network optimization is achieved through environmental awareness and businessforecasting.Finally,the paper validates the immense potential of digital twin technology oriented towards integratedspace-air-ground networks in dynamic communication network optimization,providing innovative insights for the futuredevelopment of network optimization.Keywordsdigital twin;integrated space-air-ground network;environmental awareness;business forecasting;network optimization0引言随着通信技术的快速发展，2 0 2 0 年2 月，国际电信联盟启动了第六代移动通信技术（6 G，t h e 6 t h G e n e r a t io nMobileNetworks）的研究计划。相比于第五代移动通信技术（5G，t h e 5t h G e n e r a t i o n M o b i le Ne t w o r k s）的7 0%收稿日期：2 0 2 3-12-14*基金项目：国家重点研发计划“环境和资源动态适配的智能空口编译码和波形技术研究与验证”（2 0 2 2 YFB2902003）；江苏省前沿引领技术基础研究专项“新型泛在智能物联网理论与应用基础研究”（BK20212001）*通信作者陆地覆盖率，6 G要求陆地覆盖率提升至9 9%以上，包括农村和偏远地区。2 0 2 1年3月，国际电信联盟提出在全球范围内构建立体覆盖2 、泛在连接3 的通信网。在这一背景下，空天地一体化网络作为6 G关键技术之一，通过集成地面、空中等多层次通信系统并统一网络协议，旨在打破地理和技术的界限，实现全球范围的高效、无缝的通信连接。6 G时代的空天地一体化网络不仅仅是地面基站、卫星、无人机等不同平台的简单组合，而是由地基网络、天基网络和空基网络深度融合、协同工作，如图1所示。通过多域网络的深度融合，空天地一体化网络可以有效地综合利用各种无线资源，实施网络控制和信息处理，以应对网络服务的多样化需求，实现“网络一2024年1月第1期96移动通信总第52 1期专题“面向6 G的星地融合网络技术第48 卷体化、功能服务化、应用定制化”的目标3。这对于实现全球覆盖、支撑超高速率和超低延迟通信提供了切实可行的解决方案。更为重要的是，空天地一体化网络在应对紧急情况、支持物联网的大规模部署以及推动智慧城市的发展等方面，都显示出不可替代的作用。在过去十几年中，越来越多的国家和地区开始重视空天地融合网络4-5，积极探索空天地一体化网络的技术发展和应用领域。然而，建立空天地一体化网络需要保障多层次的通信业务在任何位置与任意时刻的通信需求，需要具备数据动态转发能力与持续传输能力。此外，空天地一体化的全域系统中，网络更加异构，资源更加异质，服务更加异需。因此，空天地一体化网络的相关研究仍然存在诸多挑战，包括多源数据管理难度大、系统建设周期长、策略验证成本高、网络优化效果差等问题。这些挑战不仅影响了网络的效率和可靠性，也限制了其在广泛场景下的应用能力。在此背景下，数字李生技术为解决上述难题提供了新的思路和可能性。数字李生技术的核心在于创建一个精确的、动态的虚拟数字李生网络，李生体能够实时反映相应物理网络系统的状态和性能16 。该技术的优势在于能够进行高效的数据融合分析、实时的状态监控和低成本的推演验证，从而显著提高决策的效率和准确性。在各个领域，包括制造业、医疗保健和城市规划等，数字李生已被广泛应用，并显示出其强大的潜力。文献7 中，作者面向智能制造工厂提出了一种基于数字李生的大数据虚实融合参考框架。以工业互联网为载体，将虚拟空间与物理空间深度协调融合，有效推动了智能工厂的发展。在文献8 中，作者提出了一种基于迁移学习的多源数据融合的数字李生建模方法，有效地利用和结合实验数据和仿真数据，实时监测大尺寸或复杂曲面的结构强度。文献9 中，基于数字李生的智慧城市可以有效融合不同来源的多领域城市数据，帮助补充智慧城市的新信息。虚拟数字城市可验证各个功能单元的真实性、完整性、可追溯性和数据所有权，确保数据来源真实可靠。在文献10 中，作者提出了一种基于联合神经网络的疾病诊断算法。该算法可以很好地应用于数字李生医疗系统，提高疾病诊断的准确性和速度。数字李生能够描述李生对象当前的运行状态、诊断过去发生的问题、预测未来的变化趋势 ，这为空天地一体化网络的网络优化提供了支持。数字李生技术不仅可以监控卫星、无人机等设备的生命周期，还可以基于历史信息和通信知识感知系统状态、无线环境并预测设备行为，从而优化物理空天地网络中的通信策略。综上所述，为了解决空天地一体化网络的多源数据管理难度大、建设周期长、成本高等挑战，本文提出构建面向空天地一体化多域异构网络的数字李生。首先，基于双向动态交互采集物理世界的大量多源异构数据，分析并建立空天地一体化虚拟网络。该虚拟网络不仅包括地面基站、卫星和其他通信设备，还涵盖了网络操作的各个方面，支持测试验证功能。然后，联合态势信息感知、预测等功能，对通信网络的组网策略进行推演分析和优化。1天基网络高轨卫星天基控制接入网天基路由天基接入网核心网低轨卫星空间交换机二二二二二1空基网络空基控制接入网边缘服务无口人机空基路由空基中心数据接入网核心网无人机自空间交换机网络组网二二二I地基网络地面信物联网关站天地网关地基移动接入网蜂窝接8地基固定地基控制中心入网地面交换机接入网核心网图1面向6 C的空天地一体化网络2024年1月第1期97移动通信总第52 1期李媛，费泽松，晃子云，等：面向空天地一体化网络的数字李生技术架构及应用第48 卷空天地一体化的数字李生技术架构空天地一体化网络的数字李生技术架构如图2 所示数字李生技术架构包括两部分，虚拟空天地一体化网络和智能决策层。物理空天地一体化网络和虚拟空天地一体化网络经过虚实交互进行参数上传与策略下发。虚拟网络输人载体与设备状态、链路与电磁环境状态、网络与无线资源状态数据发送至智能决策层，智能决策层根据不同的策略优化功能进行推演分析得到优化结果，再在虚拟网络中测试验证结果的有效性。1.1虚拟空天地一体化网络虚拟空天地一体化网络的准确李生可以帮助实时监测和分析设备的运行状态、预测设备的性能和故障，以及优化设备的运行策略，对基于数字李生的空天地一体化通信网络研究具有重要的基础意义。因此，所构建的天地一体化数字李生网络的完整度、准确度和成熟度，极大影响着后续智能决策层中策略优化的性能。为了实现基于空天地一体化数字李生的优化策略，需要从数字李生的构建出发，明确空天地一体化网络中需要李生的对象。通过实现设备级、链路级和网络级李生来实现多维多域的天地一体化通信网络虚拟构建，为基于数字李生的天地一体化通信网络优化奠定基础。（1）设备级李生天地一体化网络的数字李生系统对通信网络设备进行了李生。设备级李生包括载体运行参数李生、通信设备李生以及无线资源李生。载体运行参数的李生是指对卫星、无人机等通信载体的高度、位置、姿态、轨道、速度等参数进行李生。通信设备的李生是指针对真实网络设备建立虚拟仿真节点。虚拟仿真节点主要由空基、天基、地基设备的李生体构成，每个通信设备的李生包括硬件李生和软件李生。硬件李生是指对通信部分的基带处理单元、射频处理单元进行李生，包括物理层协议李生、MAC层协议李生、编解码功能模块李生、调制解调功能模块李生、功率控制功能模块李生等。软件李生是指对系统软件和接口协议进行李生。无线资源的李生是指对时、频、空以及功率域无线通信资源的李生，例如带宽、调制编码方案、同步信号时频配置方式、波束赋形码本等。（2）链路级李生天地一体化网络的数字李生系统对通信网络的链路进行了李生。该部分被划分为信道李生和电磁环境李生。信道李生是指基于大、小尺度参数的分布情况，针对网络传输过程的信道冲激响应或信道频率响应进行李生。电磁环境李生针对不同的链路类型（如空天链路、天地链路、空地链路）、敌方干扰情况、天气环境、视距/非视距、移动性等多种通信电磁环境进行李生。（3）网络级李生天地一体化网络的数字李生还需要对通信网络的拓扑、路由等进行李生。需要李生的拓扑结构主要分为同构网络拓扑和异构网络拓扑。同构拓扑的李生对象主要有地面网络拓扑、空中网络拓扑、星间网络拓扑。异构拓扑的李生对象是综合指丢包率、业务完成策略网络优化，网络数据数据业务量、紧急性的变化智能决策层标验证比例、吞吐量.推演维护，网络安全.分析链路质量（障碍物遮挡、电磁干扰）3.反馈决策效果，2.测试选代优化一1.获取数据判断是否重新推演虚拟空天地一体化网络载体运行参数高度、位置、姿态、轨道、速度等参数设备级李生通信设备李射频收发单元、系统设备底层系统、数据格攻放单元、中继转发单模块软件式、设备状态监控等元、同步单元载荷参数、通信基带物理层协议、MAC层协接口NBAP信令、RLC协议、设备参数议、编解码、调制解模块协议RDCP协议、SDAP协议等调、功率控制生硬件李生软件李生无线资源李生带宽码长、码率调制种类同步信息符号数空-地链路空空链路天空链路天-天链路链路级李生链路李信道质量传输速率信干噪比高动态性对信道质量的天-地链路生体链路通断情况传输时延误码率影响链路特征、电磁环境特征外界干扰路径损耗阴影衰落特征电磁环境物理吞吐量李生体环境网络级李生天气环境时延多普勒频移波达角网络参数、网络性能特征网络网络网络拥塞 丢包吐路由网络李生体拓扑协议路由状况率量成本图2天地一体化网络的数字李生系统架构2024年1月第1期98移动通信总第52 1期专题“面向6 G的星地融合网络技术第48 卷指多种网络拓扑融合技术，网络路由具体是指空天地一体化网络的传输路径规划。在所构建的网络拓扑中，需要准确映射不同路由上的路径、节点数、路由协议、传输质量（吞吐量、丢包率、误码率、误块率等）和路由成本等。1.2智能决策层智能决策层能够针对特定场景下，给定空间范围内通信节点部署、通信进程与趋势进行推演分析，进而实现网络优化、维护和安全等。如图2 所示，智能决策层包括数据分析，策略推演和综合指标验证三个模块。下一节中，以网络优化为例，具体阐述了智能决策层的作用。2数字李生技术在空天地一体化网络中的应用基于上一节的数字李生网络架构，本节展示了其在空天地一体化网络优化中的应用。面向空天地网络，无线通信传播环境感知和设备行为、业务预测将提升数字李生的丰富性与可扩展性，进而提高空天地一体化网络的自适应、自优化和自演进能力。在数字李生智能决策层的网络优化模块中，空天地一体化组网通信策略的优化流程如图3所示，智能决策层的数据分析子模块被划分为了环境感知、业务预测两部分。首先，基于虚拟网络获取的信道数据，李生体结合数据分析子模块的环境感知提取信道特征，对物理通信链路及电磁环境进行高精度感知。然后，基于设备的历史流量数据，李生体利用数据分析子模块的业务预测部分预测未来时刻的业务流量与通信资源需求。最后，针对特定应用场景的目标策略，使用策略推演模块进行推演分析。组网策略给出了两个例子，链路切换和资源调度。推演分析完成后在虚拟网络测试验证和送代优化。将最终的优化策略通过虚实交互下发给物理体，从而实现空天地一体化组网策略优化。2.1环境感知无线通信的服务质量容易受到电磁传播环境变化的影响，且不同场景之间的特征参量、链路级评估模型和物理层算法存在明显差异。为满足底层系统调度的实时动态感知与闭环反馈，需要对通信场景进行分类识别。因此，环境感知的核心功能是场景识别。场景识别算法有助于实时调整信道模型和传输模式等关键通信策略，进而提高通信的有效性和可靠性，以达到通信系统的关键指标要求。因此，对通信场景识别技术的研究具有重要的理论意义与应用价值。如图4所示，环境感知部分基于机器学习算法，先依据信道特征和环境类别标签构建环境数据库，再进行智能化的电磁环境感知。本模块的环境类别标签包括链路类型（卫星对地面、卫星对高空、卫星对卫星、高空对地面、地面对地面、高空对高空）、天气状况（有降雨、无降雨）、噪声干扰（低噪声干扰、高噪声干扰）、相对移动性（静止、低速、高速）以及可视距类型（视距条件、非视距条件）等。物理网络数字李生卫星1虚拟网络卫星智能决策层一网络优化一数据分析11信道历史无人机C无人机Ci数据数据！无人机A一无人机AI环境感知业务预测无人机B虚实无人机B地面中继交互地面中继指标验证策略链路切换推演资源调度地面基站优化结果下发地面基站图3空天地一体化组网通信策略的优化流程环境数据库构建环境感知样本信道环境标签链路类型数据测试信道天气状况环境识别特征提取数据场景和特征的噪声干扰类型相关性分析相对移动性特征提取特征标签可视距类型识别结果图4基于随机森林的环境感知流程2024年1月第1期99移动通信总第52 1期李媛，费泽松，晃子云，等：面向空天地一体化网络的数字李生技术架构及应用第48 卷首先，构建环境数据库。提取信道特征，本模块采用的信道数据特征有路径损耗、莱斯K因子、时延扩展、多普勒频移。分别分析四种信道特征和五种环境类型的相关性，结果如图5所示。相关系数越接近1，表明环境类型与信道特征相关性越强。再选取与每种环境类型相关性较强的特征来训练环境识别数据库。本文采用随机森林算法构建环境识别数据库，并通过大量信道数据样本对模型迭代训练以优化识别性能。随机森林算法被广泛应用于大规模数据集和高维数据的识别分类问题12-14,该算法先在原始数据集中随机抽样，构成多个不同的样本数据集，再根据这些数据集构建多个不同的决策树模型，最后根据这些决策树模型的投票情况来获取最终结果。随后利用构建的环境数据库来进行环境感知。先提取测试信道数据的四种信道特征，然后在数据库中匹配每种环境对应的具体类型，并输出结果。莱斯K因子10.80.60.40.2多普勒频移路径损耗时延扩展链路类型天气状况+一噪声情况一相对移动性一+-可视距类型图5信道特征和环境类型的相关性分析环境感知中的各类环境综合识别结果如表1所示。电磁环境识别的准确率较高，单个场景类型综合识别准确率达到9 0%以上。相对移动性的识别准确率最高，因为移动性和易于计算的多普勒频移强相关。经测试，对于给定场景，五种环境类型的整体识别正确率为8 2.3%，说明环境感知模块具备较好的环境识别能力2.2业务预测在空天地一体化网络中，通信设备行为复杂抽象，使得业务流量预测困难。面向复杂、异构的空天地一体化网络通信设备，数字李生网络的业务预测部分提取历史动态业务流量数据的特征，联合机器学习算法实现通信设备业务智能预测，具体步骤如图6 所示：卷积卷积层历史数据SIFT技术低维特征神经池化层网络全连接层高维特征未来时刻特征增强：数据LSTM关键特征特征条件变分自编码器预测网络筛选特征降维：堆叠自编码器图6业务预测具体步骤首先，基于数字李生网络中虚拟网络给定的通信设备及其历史流量数据，通过尺度不变特征变换（SIFT,Scale InvariantFeatureTransform）技术15 进行初步特征提取。再将提取的低维特征输人至卷积神经网络中。卷积神经网络16 通过卷积层、池化层、全连接层组合构成，可识别出时效性、重要性等抽象程度较高的高维特征，完成特征提取任务。最后，再对高维特征进行特征筛选得到关键特征。具体筛选过程为通过条件变分自编码器17 进行特征增强，通过堆叠自编码器18 进行特征降维，以加快特征预测部分网络运行速度。最后将降维后的特征输人至长短期记忆（LSTM，Lo n g Sh o r t T e r mMemory）预测网络19 ，进行设备流量参数预测，得到不同尺度下未来时刻的设备流量参数。本模块针对通信设备的传输数据量需求、业务重要表1各类环境识别准确率链路类型天对地天对空天对天空对空空对地地对地综合识别准确率100%98%99%92%94%90%96%天气状况有降雨无降雨综合识别准确率97%95%96%噪声状况低噪声干扰高噪声干扰综合识别准确率90%97%94%相对移动性静止低速高速综合识别准确率100%100%98%99%可视距类型视距类型非视距类型综合识别准确率98%94%96%移动通信1002024年1月第1期总第52 1期专题面向6 G的星地融合网络技术第48 卷性进行了预测。传输数据量需求是指通信设备在单位时间的流量需求大小，单位为Mbps，其预测结果如图7 所示。业务重要性是指当前通信设备需传递的信息的重要程度，越接近1，表明业务重要性等级越高，其预测结果如图8 所示。从第51秒开始，每一秒均基于当前时刻前50秒的数据进行预测。黑色线为实际值，红色线为基于历史数据的预测值。在第51秒至40 0 秒内，两条线高度重叠，且预测结果与实际结果量化误差均小于5%，说明预测准确性较高。0.80.70.60.50.440.30.20.1一传输数据量需求真实值米一传输数据量需求预测值0100200300400时间/s图7传输数据量需求预测结果0.80.60.40.2一业务重要性真实值米一业务重要性预测值00100200300400时间/s图8业务重要性预测结果2.3策略推演李生网络可推演网络状态变化趋势，模拟验证策略实施结果，最后下发优化策略到物理网络，实现低本高效的网络优化。下面给出了两个具体的例子。（1）天地路由切换策略假设在对抗环境下，无人机A需要将探测业务传输至地面基站。而无人机B携带信号屏蔽器，持续发出干扰信号，并不断靠近地面基站，将对无人机A持续产生干扰。无人机A到地面基站通信链路受到干扰，链路质量下降。在不切换链路的情况下，随着干扰强度的增加，SNR逐渐下降，导致误码率增加，吞吐量下降。但若给定传输条件（误码率低于1%，吞吐量高于5Mbps），则可在直接链路中断前，由环境感知部分预先感知到无人机B干扰。在虚拟网络中推演分析，数字李生网络获知无人机A周围的地面中继，选择一个满足传输时延、切换时延、切换丢包率、切换信令开销满足业务要求的地面中继，且无人机A通过该地面中继与地面基站的链路空闲，则无人机A的传输数据传可由地面中继回传至地面基站，绕过受干扰的直接链路，从而提高SNR，降低误码率。该场景初始参数设置如表2 所示。随干扰强度增强，直接链路的误码率和吞吐量的变化情况如图9 中正方形的蓝色线和红色线所示。基于环境感知和推演分析功能，在误码率高于1%前，进行链路切换。链路切换后的误码率和吞吐量的变化情况如图9 中圆形的蓝色线和红色线所示。显然，在干扰影响无人机A与地面基站通信前，数字李生技术帮助空天地一体化网络切换了误码率更低、吞吐量更稳定的中继链路，避免了传输中断和数据丢失问题表2天地路由切换场景初始参数直接链路（无人机A到无人机A到地面地面中继到地面参数地面基站）中继基站初始信噪比20 dB10 dB10 dB调制方案QPSKQPSKQPSK编码方案1/2码率卷积码1/2码率卷积码1/2码率卷积码链路带宽5MHz5MHz5MHz误码率和吞吐量随干扰强度的变化0.085.150.064.9(sdqw)创善0.04一不切换链路的误码率基于数字李生网络切换链路的误码率不切换链路的吞吐量4.8基于数字李生网络切换链路的吞吐量0.024.704.6101214161820干扰强度(dBm)图9天地路由切换策略优化结果2024年1月第1期101移动涵信总第52 1期李媛，费泽松，晃子云，等：面向空天地一体化网络的数字李生技术架构及应用第48 卷（2）资源调度策略假设在对抗环境中，多个无人机向卫星传输数据。而卫星移动速度快，支持传输的时间很短，带宽资源也十分有限。传统方案基于导频反馈获得的历史时刻链路质量和数据需求调度资源，存在资源调度过时的问题。而数字李生网络能够通过业务预测部分获取未来时刻无人机的传输数据量需求，及时调度时频资源对无线通信进行优化。该场景初始参数设置如表3所示，结果如图10 所示。基于数字李生网络的业务预测和推演分析功能，数字李生网络实时资源调度，卫星总接收速率有所提升，三个无人机的总业务完成比例的性能增益随时间愈发明显。相比于传统资源调度策略，基于数字李生技术的资源调度策略将总接收速率提高了2 3.32%。在给定的时间范围内，传统资源调度策略完成了8 7.38%的传输业务，基于数字李生技术的资源调度策略完成了9 9.2 1%的传输业务。表3天地路由切换场景初始参数参数值无人机数量3卫星接收总带宽60MHz卫星天线总增益20 dB时间范围120顿3结束语本文探讨数字李生技术在空天地一体化通信网络中的应用。数字李生技术可以实时监测设备的运行状态、预测设备的性能，并优化设备的运行策略，具有重要的应用价值。在空天地一体化网络的数字李生技术的架构中，重点考虑了虚拟网络与实际网络的准确对应关系，并利用智能决策层对特定场景下的通信节点部署与通信进程进行预测和优化。这一架构思路为未来空天地一体化通信网络的研究和应用提供了新的方向。在空天地一体化网络的数字李生技术应用中，探讨了智能决策层中的数据分析和策略推演等多个子模块。通过环境感知技术，可以实时获取通信环境的动态变化，为通信策略的制定提供重要依据；通过业务预测技术，可以预测未来通信业务的发展趋势和变化规律，为通信网络的优化提供指导；通过策略推演技术，可以针对特定场景下的通信节点部署与通信进程进行推演分析，为通信策略的制定提供支持。然而，当前空天地一体化通信网络的数字李生仍然面临一系列挑战。1）异构网络融合：面对多维多域的通信网络，如何融合异构网络，实现网络间的高效协同工作依旧是函需解决的技术问题；2）动态环境建模：空天地一体化通信网络处于复杂多变的电磁环境中，建立一个能够实时更新收集、处理和分析多源异构数据，准确地反映通信环境的动态变化的数字李生系统是一项技术难题；3）策略优化迁移：如何提升空天地一体化网络策略优化过程的可迁移性也是一个值得思考的问题未来，将进一步深人探索更加准确、高效的监测、预测和优化方法，为构建更加智能、高效的空天地一体化通信网络奠定基础。140一基于过时信息的资源调度（%120一基于数字李生网络的动态资源调度0.81000.680600.4400.220基于过时信息的资源调度8基于数字李生网络的动态资源调度000510152005101520时间(帧)时间(帧)（a）卫星总接收速率（b）传输业务完成比例图10资源调度策略优化结果2024年1月第1期移动通信1022024年1月第1期作者简介总第52 1期专题1面向6 G的星地融合网络技术第48 卷参考文献：1 Zhang S,Xiang C,Xu S.6G:Connecting everything by 1000times price reductionJj.IEEE Open Journal of VehicularTechnology,2020,1:107-115.2 Liu G,Huang Y,Li N,et al.Vision,requirements and networkarchitecture of 6G mobile network beyond 2030J.ChinaCommunications,2020,17(9):92-104.3 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，2 0 2 0,4(3)：3-19.4EuropeanUnion.SANSAEB/OLJ.2015.5 European Union.SaT5GEB/OL.2017.6Mihai S,Yaqoob M,Hung D V,et al.Digital twins:A surveyon enabling technologies,challenges,trends and futureprospectsJ.IEEE Communications Surveys&Tutorials,2022,24(4):2255-2291.7Wang P,Luo M.A digital twin-based big data virtual andreal fusion learning reference framework supported byindustrial internet towards smart manufacturingJ.Journal ofmanufacturing systems,2021,58:16-32.8 Wang B,Li Z,Xu Z,et al.Digital twin modeling for structuralstrength monitoring via transfer learning-based multi-sourcedata fusionJ.Mechanical Systems and Signal Processing,2023,200:110625.9Pervez Z,Khan Z,Ghafoor A,et al.SIGNED:Smart citydigital twin verifiable data frameworkJ.IEEE Access,2023,11:29430-29446.10 Yu Z,Wang K,Wan Z,et al.FMCPNN in Digital TwinsSmart HealthcareJ.IEEE Consumer Electronics Magazine,2023,12(4):66-73.11 3劲松.高档数控机床数字李生关键技术研究与应用D.中国科学院大学（中国科学院沈阳计算技术研究所），2 0 2 3.12 Xi E.Image classification and recognition based ondeep learning and random forest algorithmJ.WirelessCommunications and Mobile Computing,2022.13 Lau K,Salibian-Barrera M,Lampe L.Modulation recognitionin the 868 MHz band using classification trees and randomforestsJ.AEU-International Journal of Electronics andCommunications,2016,70(9):1321-1328.14 Hao C,Li Y.Simulation of English Speech RecognitionBased on Improved Extreme Random Forest ClassificationJ.Computational Intelligence and Neuroscience,2022.15 Hassner T,Filosof S,Mayzels V,et al.SIFTing throughscalesJJ.IEEE Transactions on Pattern Analysis and MachineIntelligence,2016,39(7):1431-1443.16 Yin Z,Kong D,Shao G,et al.A-optimal convolutional neuralnetworkJ.Neural Computing and Applications,2018,30:2295-2304.17 Cai B,Yang S,Gao L,et al.Hybrid VariationalAutoencoder for Time Series ForecastingJ.arXiv preprintarXiv:2303.07048,2023.18 Wang L,Zhang Z,Chen J.Short-term electricity priceforecasting with stacked denoising autoencodersJ.IEEETransactions on Power Systems,2016,32(4):2673-2681.19 Greff K,Srivastava R K,Koutnik J,et al.LSTM:A searchspace odysseyJ.IEEE transactions on neural networks andlearning systems,2016,28(10):2222-2232.李媛：北京理工大学信息与电子学院在读博士研究生，主要研究方向为5G/6G移动通信信道建模、空天地一体化网络。费泽松：博士，现任北京理工大学通信技术研究所教授，主要研究方向为5G/6G通信网络、通感一体化网络及空天地一体化网络，先后主持国家自然科学基金重点与面上项目、国家科技重大专项以及国家重点研发计划等十余项国家级项目，获得3项省部级自然科学奖，发表SCI检索论文百余篇。显子云：北京理工大学信息与电子学院在读硕士研究生，主要研究方向为智能通信、5G移动通信。黄靖轩：现任北京理工大学助理教授，博士毕业于北京理工大学，主要研究方向包括智能通信、通信感知融合、新型信道编码。李斌：现任南京信息工程大学副教授，博士毕业于北京理工大学，主要研究方向为智能通信与计算融合，发表学术论文40 余篇，研究成果获得江西省自然科学一等奖、中国通信学会自然科学一等奖。郑重：现任北京理工大学信息与电子学院特别研究员、博士生导师，主要研究方向为多天线通信技术、智能反射表面和随机矩阵理论。