5G/6G网络中多媒体物联网的架构挑战与解决方案研究

《IEEE Transactions on Broadcasting》：Architectural Challenges and Solutions in Multimedia IoT Over 5G Networks

本文针对多媒体物联网(M-IoT)在5G/6G网络中的部署挑战，系统分析了带宽管理、可靠性、互操作性等关键问题，提出了多层架构解决方案，并通过定性定量评估发现非公网(NPN)在任务关键型应用、5G多播/广播服务(5MBS)在大规模内容分发场景中的显著优势，为未来M-IoT系统设计提供了重要参考。

　　

随着智能设备的爆炸式增长和多媒体服务的深度融合，多媒体物联网(M-IoT)正成为推动数字化转型的重要力量。从4K超高清视频流、虚拟现实(VR)/增强现实(AR)沉浸式体验到远程医疗、工业自动化等关键任务应用，这些服务对通信网络提出了前所未有的要求：需要极高的带宽来传输海量数据，极低的延迟来保证实时交互，以及卓越的可靠性来确保服务不中断。然而，传统的网络架构在面对这些挑战时显得力不从心。无线网络固有的频谱资源稀缺、信道条件多变、覆盖范围有限等特性，使得带宽分配、延迟管理和质量保障变得异常复杂，远不如有线基础设施那样可以静态配置。尽管5G及其演进技术（如5G-Advanced）带来了网络切片、非公网(NPN)、边缘计算和多播广播服务(5MBS)等新特性，为解决这些问题提供了潜力，但现有研究往往孤立地探讨这些技术，缺乏一个统一的架构视角，也缺少在不同多媒体工作负载下对各种部署策略的系统性比较分析。正是在这样的背景下，本研究应运而生，旨在填补这一空白。

为了系统解决M-IoT的部署难题，研究人员开展了一项综合性研究。他们首先对M-IoT领域的关键挑战进行了系统的梳理和分类，特别强调了无线环境与有线环境相比所带来的额外复杂性。在此基础上，论文提出了一个统一的五层架构模型，该模型清晰地定义了从数据感知、边缘处理、网络传输到云分析和应用交付的完整功能链条，并将每一层的功能需求与5G/6G、人工智能/机器学习(AI/ML)、边缘计算等使能技术精确映射。最后，研究团队对主流的网络部署策略——包括公共5G网络、网络切片、非公网(NPN)和5MBS——进行了深入的定性和定量比较分析，评估了它们在典型M-IoT应用场景（如直播活动、工业生产、沉浸式XR、智慧城市）下的性能表现、优势和局限性。这项研究发表在《IEEE Transactions on Broadcasting》上，为M-IoT的系统设计提供了坚实的理论框架和决策依据。

本研究主要运用了几项关键技术方法：一是系统性的文献回顾与挑战分类法，构建了M-IoT领域的知识体系；二是提出了一个包含传感层、边缘层、网络层、云层和应用层的多层参考架构模型；三是采用了基于物理资源块(PRB)分配和调制编码方案(MCS)的性能建模方法，对不同的5G网络部署方案（公共网络、网络切片、NPN、5MBS）在典型城市宏蜂窝(UMa)场景下的吞吐量和可扩展性进行了定量比较；四是结合了定性分析，评估各方案在确定性延迟、安全性、成本效益等方面的特性。分析中设定了高清(HD)和4K超高清(UHD)视频流作为代表性的多媒体业务流量模型。

状态-of-the-art回顾

文章回顾了支持M-IoT的现有架构、网络技术和边缘智能方案。早期的云中心架构在处理原始音视频流时遭遇了回程链路饱和和高延迟的瓶颈，促使研究转向边缘增强架构。5G Release 18增强了网络切片、5MBS和对NPN的支持，为差异化服务质量(QoS)和可扩展的一对多内容分发提供了机制。人工智能和机器学习技术在多媒体交付中扮演着越来越重要的角色，例如自适应比特率流媒体、智能带宽分配、预测性缓存和神经压缩模型，实现了从静态优化到上下文感知控制的转变。此外，研究还涵盖了特定领域的应用，如专注于声音的物联网(IoS, IoMusT, IoAuT)、视频物联网(IoVT)以及需要多模态输入和紧密同步的沉浸式媒体环境。现有工作的一个普遍局限是缺乏一个集传感、网络和媒体供应层于一体的统一架构框架。

一般挑战

部署M-IoT应用需要克服多个相互关联的技术和运营挑战。有效的带宽管理对于4K视频流、VR和AR等带宽密集型服务至关重要。异构设备间的互操作性要求标准化协议和通用接口。强大的数据安全性和隐私保护措施，如端到端加密和安全认证，是保护敏感多媒体内容的关键。在交互式VR和AR环境中，保持高质量体验(QoE)需要最小化延迟和优化数据处理。内容适配和可扩展性确保根据设备能力和网络条件进行最优内容交付。实时处理和延迟挑战对于远程手术等安全关键型应用至关重要，这使得边缘计算技术不可或缺。对于电池供电的设备，能效至关重要，需要优化的硬件架构和节能协议。

系统架构

论文提出了一个增强的多层架构，包含五个主要层级。传感层由捕获原始数据的设备组成，可进行轻量级压缩或事件驱动捕获以减少数据传输。边缘层提供靠近传感层的本地化计算资源，处理实时分析（如转码、对象检测）和协议转换，以降低延迟并减轻云负载。网络层通过不同的部署模型（如公共网络、NPN）和架构（如O-RAN）互联设备、边缘和云，并利用网络切片和5MBS等功能来满足高吞吐量、低延迟和可扩展性需求。云层管理大规模数据处理、存储和非实时分析，采用基于微服务的架构和容器编排（如Kubernetes）实现独立扩展。应用层直接与最终用户交互，通过自适应流协议（如MPEG-DASH）和个性化机制交付丰富的多媒体体验。该架构通过各层协同（如传感层压缩、网络切片、自适应流）来优化端到端结果。

架构解决方案的定性研究

研究定性分析了四种网络层部署方案。公共网络提供广泛的覆盖范围和成本效益，适用于带宽和延迟要求适中的场景，但其共享特性导致性能波动，难以保证确定性性能。公共网络切片通过在共享基础设施上创建隔离的逻辑分区，为M-IoT应用提供定制化的高性能保障，但其资源分配需要与其他服务平衡，存在资源竞争问题。非公网(NPN)，特别是独立部署模式，提供专用的频谱和基础设施，实现了最高的配置灵活性、确定性性能和安全性，非常适用于工业自动化、关键任务通信和本地化高清视频分析等场景，但成本较高且支持的用户数较少。5G多播/广播服务(5MBS)在向大量用户同时分发相同内容（如直播活动）时能显著优化频谱使用，但其性能受限于小区内最差的信道条件，并且与自适应单播流和边缘缓存交付的集成仍需深入探索。

定量比较

定量分析比较了公共5G网络（含切片与不含切片）、5MBS和NPN在平均每用户设备(UE)最大数据速率方面的性能。分析基于城市宏蜂窝(UMa)场景，采用全缓冲流量模型，评估了在支持高清(HD)和4K视频流目标数据速率下，随着UE密度增加的性能变化。结果表明，5MBS展现出卓越的可扩展性，即使在高达800 UE/km²的密度下，也能为大量用户提供稳定的每用户数据速率。而公共网络和网络切片方案在UE密度超过约150-200 UE/km²时性能显著下降。NPN的性能与其可用带宽直接相关，带宽越大，支持的聚合数据速率和每用户数据速率越高。特别值得注意的是，使用5 MHz带宽的5MBS在服务超过50个用户时，可以达到与使用50 MHz带宽的传统单播5G网络相媲美的性能，显示出其在密集、同质流量场景下极高的频谱效率。

开放挑战与未来研究方向

尽管前景广阔，但充分实现M-IoT潜力仍面临挑战。高效的频谱管理和动态容量分配是持续的需求。边缘计算、AI分析和数字孪生(DT)等先进技术的集成带来了互操作性、安全性和可扩展性方面的复杂性。6G网络的发展将带来增强的带宽和连接能力，支持全息通信、扩展现实(XR)等更复杂的应用，但也需要在网络设计、安全和能效方面应对新挑战。从监管和运营角度看，协调不同地区的标准和政策至关重要。未来的研究应侧重于开发通用标准和协作框架，以支持不同网络架构和新兴技术的无缝集成。

结论

本文系统分析了在下一代移动网络上部署M-IoT应用相关的关键挑战和解决方案。研究指出，处理复杂的多媒体数据和多样化的设备能力需要有效的带宽管理、互操作性、安全与隐私、高质量体验、低延迟和能效。应对这些需求有赖于自适应流媒体、智能拥塞控制、标准化协议、强大的安全框架、边缘计算解决方案和优化的硬件架构。通过战略性利用人工智能(AI)、机器学习(ML)、利益相关者合作和标准化，将显著提升M-IoT系统的效能。研究对多种网络架构（如5G公共网络、网络切片、NPN和5MBS）进行了详细的比较评估，发现NPN在任务关键型应用中特别有效，而5MBS在大规模多媒体内容分发场景中优势明显。论文还讨论了开放的研究挑战，并强调了6G等下一代网络通过增强容量、超低延迟和AI驱动的自主管理来实现革命性多媒体物联网体验的潜力。