当你在户外用手机视频通话时，信号可能正绕过高楼、穿过树隙，甚至被行驶的车辆反射——这些复杂的电磁波传播过程，未来的6G网络需要实时“看”得明明白白。作为6G的核心支撑技术，数字孪生信道（DTC）要在数字世界中精准复现物理环境对信号的影响，从而支持网络优化和智能决策。但长期以来，环境信息冗余、传播关系模糊的问题，让DTC的构建像“给一本乱码书做翻译”，既慢又容易出错。

我国北京邮电大学联合中国移动研究院的最新研究，用“无线电环境知识（REK）”破解了这一难题：通过将环境对信号的影响转化为“可理解的语言”，AI仅需4毫秒就能完成路径损耗预测，误差低至0.3，为6G数字孪生信道的实时化、高效化迈出关键一步。

环境信息“太吵”：6G数字孪生信道的核心挑战
数字孪生信道的核心，是建立环境与信道状态的映射关系。但现实中的环境信息像“一锅大杂烩”——建筑的位置、大小、材质，树木的分布，甚至移动车辆的轨迹，都可能影响信号传播。传统方法直接将这些信息输入AI模型，不仅计算量大（冗余数据占比超80%），还因“抓不住重点”导致预测误差高（部分场景误差超0.5）。

用电磁波特性“划重点”：REK让环境信息“开口说话”
研究团队另辟蹊径：既然电磁波传播主要通过反射、衍射和遮挡三种方式与环境互动，不如直接从这些物理过程出发，量化环境对信号的具体贡献。

首先，他们用“随机几何”画了个“椭圆圈”——以基站（TX）和手机（RX）为焦点，构建一个椭球模型，只有位于椭球内的障碍物（如建筑、树木）才被认定为“有效散射体”。就像用筛子过滤冗余信息，实验显示，这种方法能将完全开放、即将遮挡、完全遮挡场景的冗余数据分别减少90%、87%和81%，相当于给AI模型“清理了内存”。

接着，团队为每个有效散射体“打分”：反射贡献用几何光学的反射定律计算（类似光的镜面反射），衍射贡献通过菲涅尔区理论判断障碍物对信号的阻挡程度（就像计算影子对光线的遮挡比例），遮挡贡献则量化障碍物完全阻断信号的比例。这些“分数”最终整合成一张“REK频谱”，清晰标注了环境对信号的具体影响——就像给环境配了一本“信号影响说明书”。

实验验证：误差降29%，速度快到“眨眼级”
为验证REK的有效性，团队用轻量级卷积神经网络（CNN）进行路径损耗预测。结果显示，相比直接使用原始位置数据（误差0.565）或传统环境特征（误差0.456），REK方法的预测误差仅0.3，提升了29%以上；更关键的是，测试时间从传统方法的0.17秒到0.22秒，缩短至4毫秒——相当于“眨一下眼”的时间就能完成一次高精度预测。

在模拟的北京某街道场景中，当手机从开阔区域（完全开放）移动到建筑密集区（完全遮挡），REK频谱能精准捕捉反射、衍射的复杂变化，预测曲线几乎与真实值重合；而传统方法在遮挡场景下误差明显，像“看地图时总错过转弯提示”。

未来：让6G更“聪明”，适应动态世界
这项研究为6G数字孪生信道提供了“可解释”的环境-信道映射方法，相当于给AI装了一个“环境翻译官”。论文作者表示，未来将进一步优化REK的在线更新机制，让系统能快速适应高铁、无人机等高速移动场景的环境变化；同时，计划纳入树木、金属车辆等更多类型障碍物，让“翻译官”更“博学”。

随着6G时代的临近，这种“能看懂环境”的数字孪生信道技术，或许将成为支撑万物互联、智能驾驶、高精度定位等场景的“幕后大脑”。

来源: 信息与电子工程前沿FITEE