面向6G物联网的上中频段近场无线信息与功率同传（SWIPT）技术：机遇、挑战与巨型多输入多输出（gMIMO）系统设计

《IEEE Wireless Communications》：Near-Field SWIPT With gMIMO in the Upper Mid-Band: Opportunities, Challenges, and the Way Forward

本文针对6G网络中海量物联网设备能源供给与高容量通信的平衡难题，提出将巨型多输入多输出（gMIMO）技术与上中频段（7-24 GHz）近场无线信息与功率同传（SWIPT）相结合的新范式。研究通过理论分析与智能工厂案例验证，表明近场波束聚焦（beamfocusing）可同时提升频谱效率（SE）与能量采集（EH）效率，为能源自治的万物互联（IoE）部署提供关键技术支撑。

　　

随着5G技术迈向6G时代，万物互联（Internet of Everything, IoE）的愿景正逐步成为现实。数以万亿计的传感器、无人机、机器人和智能设备将构成一个无缝连接的智能世界，但这也带来了两大核心挑战：如何为海量低功耗设备持续供能？如何在密集场景下实现高容量通信？传统电池供电方式难以支撑长期自治运行，而现有无线通信技术在高密度连接和能量传输效率间存在固有矛盾。这一矛盾在智能工厂、智慧城市等典型应用场景中尤为突出——例如工厂环境中大量传感器需同时完成数据回传与能量补给，传统远场通信的波束成形（beamforming）技术因无法区分角度相同但距离不同的用户，导致能量泄漏和干扰问题。

为解决上述问题，本文探索了将巨型多输入多输出（gigantic Multiple-Input Multiple-Output, gMIMO）系统与上中频段（7-24 GHz）近场无线信息与功率同传（Simultaneous Wireless Information and Power Transfer, SWIPT）技术融合的新路径。gMIMO通过部署数百至数千天线单元，在上中频段可实现物理尺寸与性能的平衡：相较于毫米波频段，上中频段具有更优的传播特性；相较于sub-6 GHz频段，其可用带宽更大且能容纳更多天线。更关键的是，当通信距离小于弗劳恩霍夫距离（Fraunhofer distance）时，电磁波以球面波形式传播，使基站能够通过波束聚焦（beamfocusing）将能量精准聚焦于三维空间中的特定位置，实现“通信即充电”的新型网络范式。

为验证技术可行性，研究团队构建了智能工厂案例模型（图1）：天花板上部署gMIMO均匀平面阵列，同时服务信息解码（Information Decoding, ID）用户（如机械臂）和能量采集（Energy Harvesting, EH）用户（分布式传感器）。仿真结果表明，在相同物理孔径下，上中频段gMIMO系统（如15 GHz频段配合40×10天线阵列）相较于毫米波频段（30 GHz）能提升约3倍的能量采集效率（图2）。这是因为更高频率允许在固定面积内集成更多天线，产生更窄的波束和更高的阵列增益，使ID用户以更低功耗满足频谱效率（Spectral Efficiency, SE）需求，从而释放更多功率用于EH用户供能。

近场波束聚焦的另一优势体现在空间复用能力上。如图3所示，当用户位于相同角度但不同距离时，远场波束成形会导致强干扰，而近场系统可形成椭球状聚焦区域，使ID用户与EH用户实现空间分离。在完美信道状态信息（Channel State Information, CSI）假设下，近场信道模型使平均采集功率提升约25%，且随着ID用户数量增加，该优势进一步扩大。

关键技术方法

研究通过参数化信道估计（如最大似然估计器）降低导频开销，利用球面波前特性将信道参数建模为距离与角度的函数；采用零迫预编码（zero-forcing precoding）与注水功率分配（water-filling power allocation）策略平衡ID用户SE与EH用户供能需求；通过稀疏阵列（sparse arrays）与模块化阵列（modular arrays）设计降低硬件成本，其中模块化阵列将天线分组部署以支持分布式处理。

IV. 机遇

A. 上中频段巨型MIMO

通过对比不同频段与天线配置（表1），发现上中频段gMIMO在ID用户数增加时仍保持较高能量传输效率。当ID用户从10个增至40个时，15 GHz系统（80×20天线）的EH用户平均采集功率仅下降18%，而3.5 GHz系统（16×4天线）下降达52%。这表明上中频段能更好适应高密度连接场景。

B. SWIPT的波束聚焦与大规模复用

近场波束聚焦使系统在保证ID用户4 bit/s/Hz最低SE需求的同时，将多余功率精准导向EH用户。在纯视距（Line-of-Sight, LOS）场景下，多天线ID用户配合近场信道可实现高阶空间复用，使系统总SE提升至远场场景（秩1信道限制）的3倍以上（图5）。

V. 挑战

A. 近场巨型MIMO信道估计

球面波前传播导致信道稀疏性从角度域转向极坐标域（polar domain），需同时估计距离与角度参数。阵列非平稳性（spatial non-stationarity）使不同天线区域观察到不同散射体，传统基于空间平稳假设的估计算法性能受限。

B. SWIPT预编码与功率分配设计

多天线用户场景需重新设计功率分配策略。研究提出基于强化学习（Reinforcement Learning, RL）的动态功率分割比调整机制，例如根据智能工厂用户活动模式预测数据流量，实时优化功率分割比与预编码矩阵。

C. 硬件成本

gMIMO系统需平衡全数字波束成形性能与混合架构成本。用户侧多天线设计与多整流天线（rectennas）集成会增加硬件复杂度，而新型材料与多模态能量采集技术尚处于实验室阶段。

VI. 使能解决方案与未来研究方向

A. 近场感知低导频信道估计器设计

如图4所示，最大似然（Maximum Likelihood, ML）估计器虽比最小二乘（Least-Squares, LS）估计器提升约15%的采集功率，但其三维网格搜索计算复杂度随分辨率立方增长。未来需开发兼顾精度与复杂度的参数化估计器。

B. 信息与专用能量符号的联合预编码

研究发现当ID用户天线数增加时，能量预编码矩阵的可行解空间维度收缩（图5下部）。这表明需开发自适应天线激活机制，在低SE需求场景关闭部分天线以优化能效。

C. 稀疏阵列与模块化阵列设计

稀疏阵列通过非均匀天线布局扩大孔径，提升分辨率的同时降低硬件密度。模块化阵列支持分布式处理，例如工厂柱体上的子阵列可独立优化本地SWIPT预编码。

结论与展望

近场SWIPT与gMIMO的融合为6G网络提供了同时提升能量效率与频谱效率的新路径。通过波束聚焦与大规模空间复用，系统可在智能工厂、智慧农业等场景实现精准能量传输与高容量通信。未来研究需聚焦移动场景适配、分布式处理架构优化、多模态能量采集技术集成等方向，通过实验平台验证推动技术落地。该技术有望成为支撑电池无关的万物互联生态的核心使能器，为可持续发展无线通信网络奠定基础。