6G流体天线系统：从组件级天线创新到网络级自适应设计范式

《IEEE Network》：Fluid Antenna System for Future Wireless Networks

　　# 关于本特刊第六代（6G）无线网络预计将支持太比特每秒的数据速率、超可靠和低延迟服务、大规模连接以及与人工智能（AI）的原生集成。实现这些目标不仅需要增加天线数量、射频链数量或基站数量。未来网络必须在物理接口层面变得更加自适应，以便频谱、覆盖、干扰、感知和能源资源能够根据用户、服务和环境的变化进行调整。流体天线系统（FAS）为此愿景提供了一条有前景的途径。通过允许天线的有效辐射位置、几何形状、形状、辐射方向图或电磁模式进行重新配置，FAS引入了超越传统固定位置天线系统的一类新的空间自由度（DoFs）。FAS启用的网络不再仅仅依赖于固定的阵列几何结构和信号处理，而是可以根据需要调整天线接口，以避开深衰落、重塑干扰、提高链路可靠性，并为接入、感知和资源管理创造新的机会。这使得FAS对于紧凑设备、密集部署、高移动性场景以及硬件成本、功耗和信道不确定性构成核心约束条件的异构6G基础设施特别具有吸引力。本期《IEEE Network》特刊聚焦于FAS对未来无线系统的网络级影响。尽管FAS的理论基础仍在不断演进，但实际部署引发了一组互补性问题：FAS应如何与现有的无线接入网、大规模多输入多输出（MIMO）、可重构智能表面（RIS）以及下一代多址技术集成？如何以可接受的时延和信令开销协调信道估计、端口选择、波束赋形和调度？可编程天线行为如何支持通感一体化（ISAC）、安全传输、能量传输以及AI原生网络控制？本期收录的文章从多个角度探讨了这些问题，涵盖基础理论、电磁架构、多小区协同、多址接入、多功联网、ISAC以及量子赋能学习等领域。# 本特刊收录论文录用论文按照从基础理论到网络集成和智能控制的递进顺序组织。在[A1]中，侯等人全面概述了FAS的基础知识、代表性实现方法和性能表现。在补充早期关于FAS原理、应用和研究方向的教程性工作基础上，[A1]对实现方式和性能驱动参数提供了更具技术性的论述。该文章解释了FAS如何将空间可重构性转化为分集增益和速率增益，以及端口数量、孔径大小和信道环境等系统参数如何影响中断概率和遍历速率。文章还指出了FAS实际部署面临的主要障碍，包括原型不成熟、某些硬件平台中重配置速度慢、不完美的信道状态信息（CSI）、性能饱和以及实时端口优化日益增长的复杂性。在[A2]中，肖等人提出了电磁柔性天线（EMFA）作为6G网络的统一抽象。EMFA不再将辐射方向图、极化、阻抗、几何形状和孔径使用视为固定的硬件属性，而是将其视为网络可控制的资源。所提出的三层架构通过轻量级接口连接可重构硬件、电磁描述符提取和网络控制器。这一贡献将FAS讨论从单纯的位置灵活性推进到更一般的愿景，即在密集近场环境中实现电磁模式的创建、重塑和重新分配。在[A3]中，李等人研究了协作多小区FAS。该文章强调了端口重配置如何将小区间干扰从缓慢变化的干扰因素转变为高度动态且耦合的网络过程。联合端口选择、波束赋形和功率控制成为高维混合离散-连续优化问题，而完整的全局CSI反馈可能消耗过多资源。为了解决这些问题，作者提出了一种AI原生的分布式模型驱动多智能体强化学习架构。通过使用可学习的世界模型预测未来网络状态，基站可以从被动响应式的"先收集再发送"协议转向预测性的"先预测再行动"操作模式。在[A4]中，刘等人研究了FAS与速率分割多址（RSMA）的集成。该文章表明FAS和RSMA相互增强：FAS增强弱有效链路并改善RSMA可利用的信道条件，而RSMA则将FAS产生的空间分集转化为在不完美的CSI条件下的灵活干扰管理手段。通过分类学、应用分析和案例研究，该文章将FAS-RSMA定位为密集、过载、高移动性和卫星辅助6G网络的有力候选方案。在[A5]中，赵等人提出了一种以自由度驱动的FAS视角，展示了天线位置如何不仅支持可靠性、高吞吐传输和多址连接，还支持ISAC、无线信息电力同时传输（SWIPT）、安全隐蔽传输以及AI驱动的配置。他们提出的流体天线启用的正交指数调制框架说明了空间自由度如何被架构化以实现高速率和鲁棒的ISAC。文章明确指出，FAS的长期价值不仅在于分集增强，还在于通过共享空间资源来协调多种网络功能。在[A6]中，马等人通过面向多用户ISAC的超流体天线进一步发展了多功能方向。通过将FAS可重构性与可编程超表面概念和逆散射原理相结合，他们的超流体天线框架旨在支持挑战性的多用户场景中的通信和环境感知。所提出的架构使用电子可控天线元件、逆散射重建和随机化优化来实现动态天线元件选择。这项工作突出了FAS启发的设计在弥合天线可重构性、微波成像和基于流体天线多址（FAMA）的通信之间的潜力。在[A7]中，Recy等人探索了面向FAS启用超可靠低延迟通信的量子图学习。随着端口数量、用户数量和环境交互的增加，实时FAS优化对经典顺序搜索和迭代优化流程可能变得困难。通过将端口、用户、基站和信道交互表示为图结构并嵌入量子增强学习模型中，量子图学习为实现下一代FAS网络的结构感知和高度并行优化提供了一条可能的途径。# 交叉领域方向在这些贡献中，涌现出几个跨领域的研究挑战。第一，信道获取和预测仍然是基础性问题。FAS产生了许多候选天线状态，但探测每一个端口或电磁模式可能会使导频、反馈和处理预算不堪重负。第二，可扩展的优化至关重要，因为FAS将离散的端口或模式选择与连续的波束赋形、功率控制、调度和多目标服务需求耦合在一起。第三，在大规模部署之前，必须解决硬件可行性、校准、切换延迟、互耦、插入损耗和鲁棒性等问题。第四，FAS必须在协议层之间进行集成，涵盖从物理层重配置到媒体访问控制调度、无线资源控制、移动性管理、隐私保护协作以及标准化。第五，AI可能是不可或缺的，但它必须具备物理一致性、可解释性、数据高效性，并且在动态网络条件下保持可靠。尽管各篇文章的侧重点不同，但它们通过一条共同的线索联系在一起，这与本期特刊的范围密切相关：FAS将天线接口转变为可编程的网络资源。只有在原则性的信道建模、低开销获取、可扩展状态选择和跨层控制的支撑下，由此产生的灵活性才真正发挥作用。从这个意义上说，本文收录的贡献将FAS定位为不仅仅是天线创新，而是未来无线系统的网络级设计范式。# 结论总的来说，本期特刊的文章表明FAS正在从组件级天线概念向网络级平台演进。其价值不仅限于将天线放置在空间中的更优位置，而在于将天线接口变为未来无线网络的自适应资源。通过结合电磁灵活性、智能控制、多址接入、ISAC和可扩展优化，FAS可以帮助6G网络变得更加自适应、高效和弹性。我们希望本期特刊能为致力于将FAS从新兴理论和原型转化为实用无线网络架构的研究人员、实践者和行业利益相关者提供一份及时的参考资料。# 附录：相关文章[A1] T. Hou等，"An overview of fluid antenna systems: Fundamentals, performance analysis and challenges"（流体天线系统概述：基础、性能分析与挑战），IEEE Netw.，第40卷，第5期，第16–22页，2026年9月/10月，doi: 10.1109/MNET.2026.3685340。[A2] S. Xiao等，"Electromagnetically flexible antennas for 6G: Architecture, applications, and electromagnetic mode optimization"（面向6G的电磁柔性天线：架构、应用与电磁模式优化），IEEE Netw.，第40卷，第5期，第23–31页，2026年9月/10月，doi: 10.1109/MNET.2026.3686423。[A3] G. Li, C. Wang和H. Zhang，"Cooperative multi-cell fluid antenna systems"（协作多小区流体天线系统），IEEE Netw.，第40卷，第5期，第32–39页，2026年9月/10月，doi: 10.1109/MNET.2026.3686182。[A4] J. Liu等，"Fluid antennas meet rate-splitting multiple access: A new path forward for 6G networks"（流体天线与速率分割多址的结合：6G网络的新路径），IEEE Netw.，第40卷，第5期，第40–48页，2026年9月/10月，doi: 10.1109/MNET.2026.3685501。[A5] Y. Zhao等，"Fluid antenna systems: A DoF-driven paradigm for future multifunctional networks"（流体天线系统：面向未来多功联网的自由度驱动范式），IEEE Netw.，第40卷，第5期，第49–57页，2026年9月/10月，doi: 10.1109/MNET.2026.3685817。[A6] D. Ma等，"Meta-fluid antennas-aided ISAC: A new paradigm for future multi-user wireless networks"（超流体天线辅助的通感一体化：面向未来多用户无线网络的新范式），IEEE Netw.，第40卷，第5期，第58–66页，2026年9月/10月，doi: 10.1109/MNET.2026.3684938。[A7] O. Recy等，"Quantum graph learning for fluid antenna systems: Enabling hyper-reliable low-latency communication"（面向流体天线系统的量子图学习：实现超可靠低延迟通信），IEEE Netw.，第40卷，第5期，第67–74页，2026年9月/10月，doi: 10.1109/MNET.2026.3685451。