面向空天地一体化网络的电磁态势感知与建模技术综述

《National Science Review》：Electromagnetic Situation Awareness and Modeling for Space-Air-Ground Integrated Networks

本文针对空天地一体化网络(SAGIN)中复杂电磁环境(CEME)的动态管理难题，系统综述了电磁态势感知与建模的最新进展。研究人员聚焦频谱态势感知技术，结合人工智能(AI)、数字孪生和多智能体建模(ABM)等方法，构建了多维度电磁环境模型，分析了空间、空中、地面不同场景下的衰减与干扰特性。该研究为6G时代频谱资源优化和抗干扰通信提供了理论支撑，对提升异构网络性能具有重要意义。

　　

随着第二代至第六代(6G)无线通信技术的迅猛发展，全球通信系统逐步形成高度异构的空天地一体化网络(SAGIN)架构，对频谱资源的需求持续增长。这一演进促使复杂电磁环境(CEME)的形成，其在空间分布、频谱占用、时间变化和电磁强度四个维度上表现出无形性、多样性、对抗性、动态性和相对性等特征。传统建模方法难以准确捕捉动态多维交互，导致在管理空天地一体化网络中面临前所未有的挑战。

为应对这一难题，研究人员首次系统性地综述了电磁态势感知与建模技术在认知无线电、集成感知与通信等领域的应用。通过频谱态势感知技术获取实时频谱数据，结合数字孪生、多智能体建模和态势认知建模等方法，构建了多维度电磁环境模型。研究还针对SAGIN中空间、空中、地面不同场景，建立了考虑衰减、噪声和干扰等因素的电磁环境模型，为优化无线通信系统性能提供了新思路。

在技术方法上，该研究主要采用四大关键技术：一是基于生成式人工智能(GAI)的频谱预测技术，利用Transformer和扩散模型等工具提升预测精度；二是数字孪生建模方法，通过高保真虚拟映射实现电磁环境的实时仿真；三是多智能体建模(ABM)技术，模拟单个节点行为并优化网络资源分配；四是多维度特征提取与语义分析，构建电磁行为知识图谱实现态势认知。

频谱态势感知方面，研究团队系统梳理了信号检测与识别技术的演进。从传统的能量检测(ED)、循环平稳特征检测(CFD)到协同频谱感知(CSS)，再到基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的智能检测方法，显著提升了信号检测的准确性和适应性。特别值得关注的是，研究引入了频谱语义分析新范式，通过理解信号中嵌入的语义信息，实现了从简单特征分类到意图理解的跨越。

电磁环境建模方法研究显示，数字孪生建模虽能实现电磁信号的实时跟踪，但在无人机集群等场景下面临同步延迟的挑战。多智能体建模(ABM)则擅长模拟时间、频率、空间和码域的多维交互，但存在计算复杂度高的问题。态势认知建模通过多维度特征融合构建电磁行为知识图谱，为宏观频谱调控提供支持。这三种方法的集成创新，形成了优势互补的建模框架。

在场景分析部分，研究人员建立了空间、空中、地面三类典型场景的电磁环境模型。空间建模重点关注卫星快速运动带来的干扰特性，空中建模强调天气因素对信号衰减的影响，地面建模则侧重多径效应和阴影衰落。通过对比集成与分布式SAGIN架构，研究发现需要在全局优化与本地适应性之间寻求平衡，这对提升网络在复杂电磁环境下的韧性至关重要。

研究结论表明，基于频谱态势感知的电磁环境建模为SAGIN资源管理提供了有效解决方案。数字孪生、多智能体建模和态势认知的有机结合，显著提升了网络的智能化水平和资源利用效率。针对未来发展，研究提出了高频段通信、人工智能技术深化、跨域异构网络集成等方向，特别强调了隐蔽通信在安全保障中的重要性。

该研究的创新性在于首次系统构建了SAGIN电磁环境建模的理论框架，为空天地一体化网络在6G时代的发展提供了重要技术支撑。研究成果对实现高效、安全、可靠的全球无线通信具有重大意义，为未来通信系统的智能化演进指明了方向。