5G+工业互联网的关键技术与发展趋势

邓爱林，冯 钢，刘梦婕

(电子科技大学 通信抗干扰技术国家级重点实验室，成都 611731)

0 引 言

5G作为新一代移动通信技术，除了满足传统消费者市场的大带宽需求以外，同时也满足各种工业场景的移动通信需求，并具备更高的安全性和可靠性[1]。4G促进了移动互联网的繁荣，而5G将是驱动工业互联网蓬勃发展的关键技术之一，“5G+工业互联网”融合发展已经成为产业界共识[2-4]。我国高度重视5G与工业互联网的融合发展，近年来制定了多项政策推进“5G+工业互联网”应用示范落地[5]。工业和信息化部在2020年3月发布《关于推动工业互联网加快发展的通知》，提出加快推动5G与工业互联网融合发展[6]。2020年5G+工业互联网快速发展，煤矿、钢铁、港口、制造等超过20个行业已经部署5G示范应用，在我国已有超过5 000个商用创新项目正在实施落地。

5G+工业互联网应用场景不同于传统的消费者业务场景，工业应用需要可保障的用户速率、超低时延和极高可靠性等性能指标，要求工业互联网从“尽力而为”转变为“确定性”的体验保障。5G具备高速率、低时延高可靠、低功耗大连接、高精度定位等性能特征，可以促进工业互联网的发展，但是5G与工业互联网的融合仍存在巨大的技术挑战，还需要突破很多关键技术瓶颈。

此前，已有较多关于eMBB(enhanced mobile broadband)、URLLC(ultra-reliable and low latency communications)和mMTC(massive machinetype communication)等5G技术的介绍性研究报告，或者是解读3GPP(3rd generation partnership project)协议特性的文献，但缺少系统性总结5G+工业互联网关键技术以及思考未来发展趋势的文献。例如，文献[7-8]分别从低时延高可靠和蜂窝定位角度解析3GPP协议特性；文献[9]梳理了5G在工业互联网应用的挑战和解决方案，但其重点关注的是边缘计算、安全和人工智能等，未涉及关键的空口技术的分析。因此，本文对5G+工业互联网的关键技术进行系统性的梳理、全面性的总结以及整体性的论述。

1 5G+工业互联网应用场景与需求

1.1 应用场景

工业制造数字化、智能化需要先进的信息与通信技术(information and communications technology，ICT)。多样化的需求和动态不确定的环境，是当前制造行业面临的重要挑战，面向不同消费群体的细分市场和激烈的市场竞争，柔性制造变得越来越重要。柔性制造需要生产线布局的灵活调整，但传统的通信线缆阻碍了生产线的调整，因此，需要用无线技术替代有线连接。当前工业制造领域使用的无线通信协议众多、各有不足且相对封闭，工业设备互联互通难，亟需能够满足工业场景的新一代无线技术。5G具备更低的时延、更高的速率、更好的业务体验，是工业领域新一代无线网络的最佳选择。5G支撑智能制造和工业控制的应用场景可以涵盖原料的采购和搬运，产品的生产和质检，设备的维护和监控等多个环节[10-11]。5G+工业互联网的主要应用场景如表1所示。

表1 5G+工业互联网应用场景Tab.1 5G+ industrial Internet application scenarios

1.2 技术要求

1)交互类业务对上行带宽的要求。工业互联网对网络带宽的要求主要是上行。机器视觉对上行带宽的要求根据图像的像素、帧率等有所不同。对单点上行速率要求，普通电器制造行业要求较低，一般小于20 Mbps；3C电子制造行业一般为30～100 Mbps；而在飞机等精密制造行业，要求超高清图片且不能压缩，要求可达到600 Mbps。远程操控和高清监控是港口、钢铁和煤矿行业的典型自动化场景需求，这些场景中对单点视频上传的诉求一般是2～20 Mbps，多点视频并发时上行容量的需求可达300 Mbps～1 Gbps。

2)控制类业务对低时延高可靠的要求。3GPP定义URLLC控制面时延小于10ms，环回时延小于1ms，32B包可靠度达99.999%[12-14]。但在实际应用中，不同业务的要求不尽相同。根据行业项目交付经验，机械远程控制场景一般要求为20～50 ms@99.99%(@99.99%表示可靠性达到99.99%)；AGV远控场景一般要求时延为50～100 ms，多AGV协同场景要求小于20 ms，并且支持移动时仍能满足上述要求；PLC无线化场景对时延可靠性要求更高，PLC北向(PLC到上位机)要求20 ms@99.99%，PLC东西向(PLC到PLC)要求4～20 ms@99.999%，PLC南向(PLC到伺服和I/O)要求1～4 ms@99.999%。

3)人员定位和资产定位的要求。基于行业定位场景的分析，主要应用场景为面向人员的定位和面向资产的定位。面向人员的定位，主要应用场景包括员工轨迹分析、电子围栏、紧急救助、访客管理等，精度要求小于1 m，电池续航要求一般30～60天。面向资产的定位，主要应用场景包括资产盘点、生产资源调度、车辆管理等，定位精度一般要求1～3 m，但对电池使用年限要求高，一般1～3年。对于AGV引导等应用场景定位精度为厘米级，当前5G无法支持。

4)网络隔离和对接工业以太的要求。与公众移动蜂窝网络不同，5G+工业互联网向某些特定企业用户和工业应用提供服务，其主要业务要求为：①出于性能、安全和隐私方面诉求，与公众网络隔离，防止公众网络故障的影响；②支持网络切片，使企业方便地获得定制化且具有隔离性的服务；③能够提供L3层VPN(virtual private network)服务，以及L2层LAN(local area network)服务；④为工业协议在标准以太网上提供足够的确定性和可靠性。

2 5G+工业互联网的现有技术综述

结合5G+工业互联网的应用场景，本节总结上行超宽带、低时延高可靠、低功耗高精度定位、低功耗大连接和行业组网架构这五大方向上的关键技术的发展状况、相关的研究方法和研究思路。

2.1 上行超宽带技术

针对工业互联网场景对上行带宽高达1 Gbps的需求，3GPP协议中对多种上行增强技术进行了定义和增强，可分为空、时、频3个维度。在空间维度，主要技术为多天线空分复用，5G引用了大规模多入多出(Massive MIMO)技术；在时间维度，可以通过调整上下行时隙配比来提升上行容量，5G采用了灵活的上下行时隙配比；在频率维度，5G引入了多种多频段协同技术，可利用多个频段的协同组网来增强Sub-6 GHz和毫米波频段的上行覆盖。

1)Massive MIMO多天线空分复用。Massive MIMO是5G中提高系统容量和频谱利用率的关键技术[15]，可实现多个用户在上下行数据传输时，利用空分复用技术使用相同的OFDM(orthogonal frequency division multiplexing)时频资源，同时传输多流数据，提升系统的上下行容量和频谱效率。

2)动态时分复用和大上行时隙配比。目前5G主流时隙配比为8∶2和7∶3等，可以通过改变时隙配比将更多的资源分配给上行，采用时隙配比为DSUUU的帧结构，上行单用户峰值速率和小区容量可提升2～3倍。另外，动态时分复用技术是5G的一个重要的研究方向[16-17]，在提升网络整体性能的同时, 也带来了小区间的交叉时隙干扰问题，可通过干扰检测、动态帧结构调整、干扰规避和干扰消除等技术方案降低交叉时隙干扰影响[18-19]。

3)上下行解耦和超级上行技术。上下行解耦是在一个蜂窝小区中有一个下行载波和2个上行载波，新增的一个上行载波部署在频点较低的频段上(通常为Sub-3G频段)，改善了远点覆盖。超级上行通过上下行通道的时分双工与频分双工协同，高频低频互补，时域频域聚合，实现了5G全时隙上行，有效提高了网络的上行能力。

2.2 低时延高可靠技术

工业互联网场景对时延可靠性的要求是端到端的，决定URLLC时延的因素有：终端能力、空口关键技术、基站设备、传输网络和应用层处理时延等，其中空口时延占比高、抖动大，因此降低空口时延是URLLC的关键举措。URLLC空口技术从理论上可以总结为：在低时延和高可靠的约束下，如何最大化系统效率。URLLC空口分为4个主要的关键技术研究方向，即低时延技术、高可靠技术、URLLC与eMBB复用技术和降资源开销技术，具体文献参见表2。

表2 URLLC关键技术和研究内容Tab.2 URLLC key technologies and research

1)低时延关键技术。传统eMBB的空口时延，上下行单次回环约9.5个时隙，无法满足空口环回时延小于1 ms的要求[26]。为了满足低时延的需求，协议为NR定义不同的子载波间隔( sub carrier space,SCS)，SCS越大，时隙长度越短，意味着调度单元越短，时延越小。同时，协议还引入了快速上行接入(UL grant free)技术，无需基站许可的传输方式，从而缩短了上行的信令时延。

2)高可靠关键技术。高可靠性定义为在一定时延要求下正确传输数据包的概率，提高可靠性的技术包括单链路可靠性提升和多链路分集技术。传统CQI表对应的误块率目标值为10%，无法达到URLLC的可靠性要求，采用频谱效率较低的MCS可实现高可靠传输。为了应对单链路支持高可靠的挑战，5G支持建立多链路分集传输[22-23]。HARQ是一种时间分集，适用于时延要求明显超过HARQ重传时间的业务。在时延要求更严格的场景，需要频率分集和空间分集，包括多天线单流分集、多TRP空间分集以及PDCP复制频率分集进行可靠性增强。

3)URLLC与eMBB复用关键技术。当URLLC业务和eMBB业务混合时，URLLC业务的QoS是必须要保证的，因此命题就转化为在保证URLLC业务质量的前提下，使eMBB容量最大化。这个技术最大的挑战是实际建模和求解困难，目前最简单的方法是抢占，思想是将传输队列分为几个优先级，在具有更高优先级的队列为空之前，其他队列不能被服务。

4)降资源开销关键技术。对URLLC业务概率时延约束进行建模，以最小化占用资源为目标，求解URLLC业务所需的资源消耗下界，就可获得满足低时延高可靠业务传输的链路及其所对应的调制编码格式。文献[25-26]基于随机网络演算分析，给出推导了满足URLLC业务概率时延约束的资源预留比例的下界。

2.3 低功耗高精度定位技术

蜂窝网络可同时提供高性能通信和高精度定位功能，在工业互联网场景下优势明显。从5G定位原理的角度，定位技术可分为3种类型：几何定位、指纹定位和邻近关系定位。不同蜂窝定位技术如表3所示。相对4G定位，5G定位存在2个天然优势：①5G支持大带宽，时域时间分辨率更高，相对4G具备5～20倍的定位精度优势；②5G原生支持Massive MIMO技术，使得AOA测量更加精确，进一步提升了5G定位能力。

表3 蜂窝定位技术对比Tab.3 Comparison of cellular positioning technologies

2.4 低功耗大连接技术

5G+工业互联网的大连接技术，采用低速率和中高速率IoT技术协同发展的方式，低速率业务由NB-IoT承载，中高速率业务由5G NR RedCap承载。NB-IoT具备超强覆盖、超低功耗、超低成本、超大连接四大关键技术。RedCap设备相对于Rel-15 NR设备，主要功能差异包括：降低带宽、减少最大MIMO层数、降低最大下行调制阶数等，有助于降低基带复杂度；减少接收天线数量，FDD半双工操作，有助于降低天线和RF成本。

2.5 垂直行业5G组网技术

5G持续加强在工业互联网的能力已向垂直行业扩展，当前的主要组网技术包括非公共网络(non-public network，NPN)、5G+时间敏感网络(time sensitive networking，TSN)、5G局域网(5G LAN)。NPN是基于3GPP 5G系统架构的专用网络，它将5G扩展到传统的公共移动网络之外，意味着工厂内的设备信息、控制面信令流量、用户面数据流量等都不会出园区，可满足工业领域严苛的数据安全、低时延和高可靠需求；TSN可以满足工业制造应用的高可靠、低时延需求，5G系统与TSN网络集成，基于5G URLLC的低时延高可靠能力，可通过5G NR无线替代工厂内的有线网络，让工业生产更加柔性化；5G LAN支持在一组接入终端间构建二层转发网络，实现终端组内数据交换和用户面路径选择。

3 5G+工业互联网的技术发展

5G+工业互联网的技术发展趋势体现在以下5个方面。

3.1 通过分布式Massive MIMO技术实现泛在的一致性体验

工业生产要求在覆盖区域内提供泛在的一致性体验，即在网络覆盖区域内的任何位置，都需要满足工业生产所需的网络速率和时延要求，否则将会影响生产效率。这种“全区域泛在一致性体验”要求明显高于“尽力而为的体验”要求。

传统的有线网络采用点对点直接连接，缺乏灵活性，但可以确保资源，且不受周边环境的影响。无线蜂窝网络的本质是干扰受限的软容量系统，系统的容量和信噪比成正比。单个无线蜂窝小区的覆盖面积和容量有限，因此，大型工厂车间无法由单小区完全覆盖。运营商通常采用小区分裂的方式组网，从而满足行业生产区域内的覆盖和容量需求。由于无线多小区组网中存在小区交叠和小区边缘区域，该区域信噪比极低，难以保证网络覆盖区域内的任何位置都具备确定性体验能力。

多天线技术作为提高频谱效率和传输可靠性的有效手段，已经应用于多种无线通信系统。由于工业互联网多属于室内场景，难以部署宏站场景下的AAU(active antenna unit)天线，因此需要分布式Massive MIMO技术，将多个4T4R射频单元组成一个Massive MIMO小区。分布式Massive MIMO方案原理如图1所示，其中BBU负责集中信号处理，RHUB负责前传数据接口汇聚，pRRU为分布式的射频单元。分布式Massive MIMO技术将传统的集中部署方式拓展至分布式部署，在多个分布式节点之间引入智能协作，实现资源的联合调度和数据的联合发送，从而突破了传统蜂窝系统中由频率资源静态支配所带来的局限。分布式超大规模MIMO技术一方面将干扰转化为增益，有效解决小区间的干扰问题，为用户带来无边界性能体验；另一方面通过MU-MIMO技术实现波束空分复用，显著提升小区容量。

图1 分布式Massive MIMO方案原理Fig.1 Principle of distributed massive MIMO solution

随着基带处理能力的提升和小区频谱效率要求的进一步提高，通信网络需要大规模的分布式天线系统，也称为超大口径天线阵(extremely large aperture array, ELAA)[27]。分布式的超大规模MIMO将更大区域的天线联合处理，可以有效降低小区间干扰水平，提升区域频谱效率；同时，ELAA带来了天线口径的显著提升，改变了整个信道的等效模型，传统远场平面波模型不再与真实性能匹配，取而代之的是近场球面波模型，随之而来的还有天线间自由度的提升和小区容量的增长；天线数量的显著增长还会带来信道硬化特征，为信道估计和预测带来了便利，这可以降低系统导频开销，进一步提升匹配效率。在分布式超大规模MIMO系统中，不同天线间信道功率差问题、基带稀疏信号处理、低复杂度MU-MIMO配对是需要重点关注的问题。

分布式超大规模MIMO为需要上下行大容量、稳定数据速率的制造行业提供了有效的解决方案。在未来，尤其是更高频段、密集部署场景中，超大规模MIMO将呈现出极大应用潜力。

3.2 使用室内毫米波技术满足极限大上行容量需求

工业场景对上行大容量存在明确的需求，例如高精度工业相机单张照片要求高达4 000万像素。同一区域往往有多个相机同时工作，每千平方米网络上行容量的要求达3Gbps以上，从而形成局部上行容量热点区域。为了支撑制造场景下热点区域的超大上行需求，引入更多频谱资源是最有效的方案。当前5G主要使用Sub6 GHz频谱，典型场景下单个运营商可使用频谱为100～200 MHz。毫米波频段可以提供更多频谱资源，当前已分配的26 GHz、28 GHz、39 GHz可以提供超过10 GHz总带宽，未来45 GHz、47 GHz、68 GHz和E-Band将提供更多可用的带宽资源。

与室外场景相比，毫米波更适用于室内场景。室内的多隔断特征，结合毫米波频点的穿损大特征，可以天然形成多个隔离区域，这样就可以通过小区分裂提升频率复用度。毫米波在室内场景的传播特性不同于室外，由于存在反射和波导现象，在室内传播的路损更小[28]，从而提供更好的覆盖能力。

虽然毫米波的带宽优势有满足大上行容量的潜力，但在实际系统中真正发挥出优势，室内毫米波系统还需要解决以下几个关键问题：①相噪问题，高频相噪将限制毫米波高阶QAM(quadrature amplitude modulation)的应用，从而制约了高频系统的容量上限；②全信道信息获取问题，HBF(hybrid beamforming)架构是当前主流的高频架构，获取所有天线阵子的全信道信息是提升模拟权值性能的关键；③波束开销问题，高频一般会采用模拟窄波束提升覆盖，如何控制波束开销是高频系统的关键问题；④校正问题，为了获取高频的窄波束增益，需要对通道时延进行精确校准才能保证模拟波束的方向性。

3.3 通过信道预测和应用层联合设计实现URLLC增强

无线网络空口不受控因素多，人员、设备的移动或遮挡会影响无线信号强度，系统内邻区用户、系统外干扰会影响无线信号质量，从而导致无线空口的时延波动和数据包丢失。无线通信系统一般通过数据包重传和资源冗余来提升业务可靠性，但是数据包重传会增加时延，资源冗余会导致资源的成倍消耗。因此，如何兼顾时延、可靠性和频谱效率是URLLC最大的技术挑战。当前针对URLLC已有较多的技术研究，但是大多数是通过调度算法和MCS选择算法优化来提升URLLC的资源效率，无法从根本上突破低时延高可靠的瓶颈。

现有方案通过尽力而为的方式补偿信号波动，缺少对无线环境变化的主动预测。利用机器学习时序预测或深度神经网络算法，结合用户的历史数据，可以对无线信号的波动进行预测，以更快和更可靠地响应信道的变化。在未来，通过多维度融合感知、视觉等非无线的环境信息作为输入，可在不牺牲频谱效率的情况下有效解决信号遮挡问题。

从系统角度分析，真正影响应用层业务可靠性的是应用层的连续错包或丢包(即工业以太网协议中的Watchdog机制)，空口在一定时间内的丢包和重传在应用层是不感知的。当前的URLLC业务对5G空口时延可靠性要求太高，而忽略了应用层的容错机制，影响了URLLC的频谱效率。通过5G空口和应用层的联合设计，优化应用层机制后，空口侧存在放宽严格时延和可靠性要求的可能性。其中一种方案是改变时延可靠性的算法目标，传统方案是5G空口恒定保持99.999%的可靠性，而基于应用层联合设计，可以将目标调整为保障应用层不连续丢包。

从理论角度出发，URLLC进一步向1 ms和99.9999%的目标演进，已经接近或超过了无线空口的理论上限。传统的香农容量适用于无限长度的编码块长，但是对于IoT网络使用有限长度、甚至非常短的编码块长，香农容量则不够准确。Polyanskiy提出短/有限块长编码，可以弥补香农理论的缺陷，更适合URLLC业务[29-31]。

3.4 通过NLOS定位增强实现5G复杂环境亚米级定位

5G具备大带宽优势，更适合基于时间测量的几何定位算法，准确地测量信号到达时间(TOA)是定位精度的关键。视距(LOS)场景有利于TOA测量精度，但在实际的制造工厂环境中，存在大量的信号遮挡和金属物体多径反射，无法获取理想的LOS场景。针对工厂复杂环境下的5G定位，需要研究NLOS定位误差消除算法、高精度指纹定位和图像融合定位等技术。

消除NLOS定位误差的方法主要有最优化方法、信道分类和虚拟锚节点。最优化方法在定位几何方程组无法求解的情况下，将定位问题转换为最优化问题，通过求解最优解获得终端的估计位置[32]。信道分类方法先判断信道是否为直视路径，若为直视路径，则选用此信道的测距值，否则排除该测距值再进行定位。主要的信道分类方法包括利用几何知识、参数化信道和基于机器学习的方法[33]。为了实现在只存在少量直视基站的情况下进行定位，文献[34]提出了虚拟锚节点的概念，虚拟锚节点是真实基站通过墙面的镜面反射，利用反射路径的信息进行定位解算。

高精度指纹定位的主要研究方向包括稀疏指纹库增强、抗不确定环境鲁棒算法、图像融合定位等。NLOS指纹定位与AI算法的结合是当前研究热点，基于深度神经网络可以提高NLOS场景下首径估计的精度，也可以基于AI提取更适合定位的无线信道特征作为指纹定位的输入。

虽然5G定位在3GPP标准和技术研究上持续演进，并已经取得明显的精度提升，但在实际的复杂环境中达到预期效果，5G定位还需要解决2个关键问题。①指纹库构建问题，指纹定位依赖指纹特征采集和指纹库构建，实际项目中往往需要投入大量人力，并且指纹库不能自适应环境变化，需要研究自动指纹库构建方案；②多种测量值的融合问题，当前一般对TOA和信号场强等多种测量值独立计算，没有充分利用测量值的互信息。

3.5 通过高可用网络技术提升5G+工业互联网的极致可靠性

5G+工业互联网中，将有大规模的物联网设备接入5G通信网络。5G通信网络要极高可靠性地满足设备性能和无线性能的要求，不满足要求可能造成业务中断，影响效率，严重者甚至导致生产事故。

通过设备级冗余和备份(比如资源池)来提升各环节的可用度，可以提升网络的可用度。例如提升无线接入网RAN环节的可用度，可以采用BBU内的电源板备份、主控板备份、基带板备份的方式。在对网络E2E可用度有极高要求的场景，也可以通过核心网、传输、无线的双网全冗余超高可靠性配置，比如无线侧的AB双网异频冗余，在同一覆盖区域部署2张可用网络(如2.6G和4.9G双网)，分别对应部署2套BBU和2套射频，其中一张网络故障，则用户可以切换接入另一张可用网络，从而避免较长时间的业务中断。

设备和网络的冗余和备份，影响设备组网复杂度的同时，还会造成整体投资成本的增加。为了在控制投资成本的同时提供较高的网络可用度，可以采用覆盖冗余的方案。通过在相同覆盖区域内增加一定的基站部署密度，确保相邻基站间覆盖有较大范围的重叠，同时采用SFN、分布式Massive MIMO等方案，减少相邻基站之间的同频干扰。当其中一个基站发生异常导致业务中断时，可以由周边正常运行的基站提供覆盖和服务。从而在控制成本的前提下提升网络可用度，达到成本和网络可用度之间的一种平衡关系。

典型场景下企业园区内部署无线设备和数据面下沉设备，并通过传输网连接到公网核心网。传输网的可靠性非常重要，要求在传输光缆等硬件故障场景下不影响本地网络业务，满足公网核心网传输故障时本地数据业务应急接入能力。

4 结束语

5G+工业互联网已经得到全球学术界和产业界的充分重视，本文总结了5G+工业互联网的应用场景和相关的性能要求，归纳了5G+工业互联网领域的五大关键技术的现有发展状况。基于现有的发展状况，本文全面阐述了5G+工业互联网潜在的技术挑战和难点，并提出对5G+工业互联网的未来发展方向的思考。