新的太赫茲頻段是第六代（6G）通信的關鍵組成部分。由于太赫茲頻段的超寬帶寬，可以實現許多高級應用，例如具有短距離、高吞吐量和低延遲數據流的虛擬現實。全面了解太赫茲傳播信道是開發相應太赫茲無線系統必不可少的第一步。6G太赫茲信道模型應該是動態的、空間一致的，并揭示物理環境和信道特征之間的對應關系?，F有的太赫茲信道測量發展狀況如何？未來有哪些研究方向、挑戰和措施？隆德大學Marie Sk?odowska-Curie研究員Xuesong Cai（從事毫米波和太赫茲信道及相關應用的研究），北京大學博雅特聘教授、IEEE Fellow程翔（研究興趣包括信道建模、無線通信和數據分析），以及隆德大學的正教授Fredrik Tufvesson（也是IEEE Fellow）撰文進行了介紹和分析，主要內容如下。

1、現有的太赫茲信道測量

總體上看來，太赫茲信道測量在現有文獻中仍然很少見。大多數現有研究工作中使用的信道測量儀都是基于VNA和上/下轉換器。由于電纜連接和電纜中的高功率損耗，測量距離通常不大，例如僅10m。在一些研究工作中也使用了時域信道測量儀，其中測量距離可以更大，例如100m。對于單輸入單輸出配置，研究的信道特性通常包括路徑損耗、延遲擴展和功率延遲分布。為了捕捉空間太赫茲信道特征，幾乎所有相關研究工作都使用了機械旋轉高增益喇叭天線的方案?？梢赃M一步研究MPC、延遲擴展、角度擴展、集群等。然而，由于高增益太赫茲天線的波束寬度較窄且需要許多旋轉步長，從而即使在低速時也難以測量具有發射、接收或散射體移動的動態太赫茲信道。因此，幾乎所有現有的太赫茲信道測量都是以靜態方式完成的。例如，即使對于車到車通信的太赫茲信道，測量實際上是在一個有靜態汽車的房間內進行的。此外，還有一些研究太赫茲波段的衍射、穿透、散射和反射的工作，采用理論模型，例如散射的定向散射模型，用測量數據進行了分析。準確理解這些基本機制對于模擬工具和對測量觀測結果的解釋都很重要。

測量表明，在大多數情況下，THz頻段的路徑損耗指數接近2，尤其是在視距場景中。路徑損耗截距，即1m處的路徑損耗，隨著頻率的增加而迅速增加。由于墻壁、汽車等造成的阻塞損耗可能會大到幾十dB，這意味著可能會發生嚴重的陰影衰落。此外，由于太赫茲的波長非常短，微小的移動可以將MPCs的建設性添加更改為破壞性添加，導致深度衰落。散射取決于表面和撞擊角度，并且可以用定向散射模型很好地表征。散射功率相對于反射功率隨頻率和表面粗糙度的增加而增加，反射系數隨著入射角的增加而線性增加。像干的墻這樣的光滑表面可以建模為簡單的反射表面，尤其是當入射角很大時。至于衍射，測量表明它可以很好地用衍射的均勻幾何理論建模。由于嚴重的路徑損耗和阻塞損耗，MPC和集群的數量通常并不多。還觀察到簇散布很小。然而，由于不同角度的散射體，復合角度擴展可能很大。盡管有證據表明太赫茲信道可能很稀疏，但這可能是由于通道測量儀的低動態范圍。在大型天線陣列下。即在信道測量中應用大的有效區域，可能會發現更多的路徑。這些路徑可以在與超大規模MIMO（UM-MIMO）的太赫茲信道中被利用。太赫茲信道的稀疏性不應該過早地被肯定。

2、未來研究方向

①新型通道測量儀

中長距離太赫茲應用需要具有更長測量距離和更大動態范圍的通道測量儀?？赡艿慕鉀Q方案是利用先進的太赫茲設備，例如行波管作為功率放大器，提供高達40 dBm的輸出功率，并為時域信道測量器設計具有高序列增益的適當信號。此外，切換天線陣列或實時波束旋轉，例如調整具有可重構智能表面的喇叭天線的波束，對于建立具有空間一致性的動態太赫茲信道模型至關重要。此外，迄今為止，尚未在測量中應用大規模陣列，這阻礙了對幾個重要的太赫茲信道特性的理解，包括球面波傳播、陣列中的信道演化以及信道與物理散射體之間的對應關系。從這個角度來看，具有時域信道測量的大型開關天線陣列將是用于通感一體化應用的太赫茲信道測量儀的最優選設計。此外，對太赫茲波段各種材料的電磁參數了解甚少，阻礙了基于仿真的信道建模的應用。需要解決這個問題。

②低復雜度HRPE算法

超寬帶寬和大規模天線陣列可以為區分MPC帶來顯著優勢。然而，由于更多的參數域和更大的測量數據，HRPE算法的復雜性可能會大幅地增加。例如，對于動態雙向超寬帶UM-MIMO THz信道測量，要為一個MPC估計的信道參數包括延遲、多普勒頻率、方位角/離場/離場仰角、方位角/到達/離場仰角、球面到達/離開距離和極化幅度，即總共16個參數。此外，窄帶和平面波假設不再有效，這使得難以將參數解耦以將問題分解為多個一維估計問題。因此，低復雜度的新型HRPE算法是必不可少的。一種有前途的解決方法是利用跨UM-MIMO陣列的MPC的延遲軌跡來實現快速初始化和有效的干擾消除，從而可以在信道參數估計中顯著減少搜索空間。

③空間一致的太赫茲信道模型

適用于6G中的通信、感知和定位的太赫茲信道模型應該很好地描述幾何結構以解決物理環境和太赫茲信道之間的對應關系，描述空間一致性以呈現平滑的信道變化，并描述MPC、集群和物理散射體的生死行為（the birth-death behavior），以跟蹤和識別環境中的對象。然而，現有的太赫茲信道模型遠遠不能滿足要求。除了缺乏太赫茲信道測量儀來測量這些特性外，還需要一個新的太赫茲信道建模框架。簡單地說，最有希望的一種方法是對物理散射體的演化行為進行建模，并為散射體生成的MPC添加統計屬性。

④人工智能輔助太赫茲信道探測

人工智能（AI）尤其是機器學習技術，可以應用于許多方面，例如使用深度神經網絡進行傳播場景識別和信道預測，以及使用生成對抗網絡進行信道再現。除此之外，我們設想了一種新的有前途的太赫茲信道人工智能輔助的探測。也就是說，空間太赫茲信道可以從環境的照片或光學掃描中推斷出來，因為它們固有地包含環境中物理散射體的信息。挑戰在于訓練 AI 模型將照片或掃描映射到真實的太赫茲信道，這不僅需要先進的太赫茲信道測量儀，還需要照片系統或光學系統來獲得大量適當的測量數據。

編輯：黃飛

?