1、AIAI 赋能空天地海一体化赋能空天地海一体化网络资源管理网络资源管理中国移动研究院 星地融合技术研究所2024 年 10 月中移智库摘要摘要空天地海一体化网络（SAGSIN）通过融合地面、空中、卫星和海洋通信系统，旨在实现全时全域全空通信和网络互联互通。然而，SAGSIN 在资源管理方面面临资源动态性、异构性和复杂性等挑战，如资源分配不均、跨域协同困难及环境适应性差。引入 AI 技术对 SAGSIN 资源管理具有重要意义。在 SAGSIN 资源管理中，AI 的应用主要体现在智能资源分配与调度、跨域协同优化以及环境感知与自适应调整三个方面。未来，AI 与 SAGSIN 的融合将朝着更高级的智能

2、决策系统和更广泛的跨域融合应用方向发展，服务于对地观测、智能交通、军事任务和应急通信等多个领域。一、一、空天地海一体化网络资源管理概述空天地海一体化网络资源管理概述空天地海一体化网络（Space-Air-Ground-Sea IntegratedNetwork,SAGSIN）是一种将地面、空中、卫星和海洋通信1中移智库系统进行有机融合的网络架构，涵盖卫星、无人机、地面基站和水下传感器等多种通信节点，旨在实现全时全域全空通信和网络互联互通1。SAGSIN 网络架构：网络架构：SAGSIN 由多个层次的网络节点组成，包括天基网络（卫星）、空基网络（无人机、飞机等）、地基网络（基站、数据中心等）和海

3、基网络（水下传感器、浮标等）。这些节点通过不同的通信技术相互连接，形成一个多层次、多域的综合网络2,6。2中移智库图1.SAGIN 架构图SAGSIN 资源类型：资源类型：SAGSIN 中的关键资源包括频谱资源、计算资源、存储资源和传输链路资源。频谱资源是通信的基础，计算资源用于处理和分析数据，存储资源用于数据存储和备份，传输链路资源则确保数据在不同节点之间的高效传输3。当前，SAGSIN 在资源管理方面面临诸多挑战，包括资3中移智库源动态性、异构性和复杂性等问题。这些挑战主要体现在资源分配不均、跨域协同困难以及环境适应性差等方面。例如，不同类型的网络节点（如卫星、无人机和地面基站）之间存在显

4、著的技术差异，导致资源分配和管理更加复杂3。首先是资源分配不均，不同类型的网络节点之间存在显著的技术差异，导致资源分配不均。其次是跨域协同困难，即不同域之间的协同工作复杂，需要高效的协调机制。最后是环境适应性差，复杂的环境条件（如天气变化地形障碍等）对资源管理提出了更高的要求3。二、二、AIAI技术在空天地海一体化网络资源管理中技术在空天地海一体化网络资源管理中的应用的应用引入人工智能（AI）技术对于 SAGSIN 资源管理具有重要应用价值2。首先，AI技术可以提升资源利用效率，通过智能算法优化资源分配策略，提高系统的整体性能4。其次，AI 技术能够增强网络的智能决策能力，通过深度学习4中移智

5、库和强化学习等方法，实现对复杂网络环境的快速响应和高效管理3,4。此外，AI 技术有助于促进跨域融合创新，通过整合不同网络节点的资源，实现更高效的协同工作3,5。（一）（一）智能资源分配与调度智能资源分配与调度SAGSIN 通过合理有效地引入 AI，以最大限度地利用现有资源，实现高效、大容量接入3。AI赋能的SAGSIN 架构将 AI 技术贯穿整个网络平面，实现一体化网络智能化和服务业务智能化3。在 SAGSIN 资源管理中，AI 技术通过多种方式优化频谱资源分配，以提高系统的自适应能力、鲁棒性和资源利用率1。将遗传算法用于优化资源分配，通过模拟自然选择和繁殖过程，找到最优的资源配置方案7。深

6、度强化学习（DRL）算法可通过定义优化问题（包括约束条件和目标函数），最大化系统的下行链路吞吐量，显著提升资源利用率和用户服务质量（QoS）4。生成式 AI可通过制定最优共享协议和动态分配方案来缓解频谱可用性不足的问题，从而最大限度地提高频谱在不同网络中的效用。例如，在5中移智库人口稠密的城区，多个运营商共享相同频谱带的情况下，生成式 AI 能够帮助实现更高效的频谱利用8。此外，DRL还可以用于异构频谱共享模型，通过评估大规模 MIMO 认知无线电网络的传输速率和干扰 QoS，实现高效的频谱共享9。SAGSIN 全域覆盖不仅提高了通信的连续性和可靠性，还 满足 了海 量通 信业 务的 需求10