基于智能边缘计算的数据链：原理、架构与挑战

陈文韵，刘晨熙，彭木根

(北京邮电大学 网络与交换技术国家重点实验室，北京100871)

0 引言

为满足不同应用场景下的通信需求，业界已研制多种数据链[1]：一是面向控制与指挥分发业务的Link系列数据链；二是面向高速传输业务的通用数据链(CDL)；三是面向时间敏感业务的机动协同类数据链，如战术目标瞄准网络技术(TTNT)、机间数据链(IFDL)等。每类数据链包含多种型号，在传输速率、距离、时延等方面具有不同特性。Link系列数据链包括Link-11、Link-16、Link-22等型号，工作在L、UHF、HF等频段，通信覆盖距离远，支持视距与非视距传输，且采用扩频、跳频、加密等多种抗干扰传输技术，具有抗干扰能力强的优势，但存在传输速率低(通常在kbit/s级)、接入时延高、难以机动接入等不足。CDL系列宽带数据链包括标准CDL、卫星CDL、多平台CDL等型号，工作在X、Cu等频段，下行数据链路传输速率高，最高可达274 Mbit/s，但通信距离较为有限、下行链路无抗干扰能力，且部分型号仅支持点对点传输。面向机动协同的TTNT数据链主要优势在于接入灵活性高，支持高动态场景下的机动协同，但因工作在L/S频段，传输距离与传输速率有限。

不同数据链工作频段、波形、通信协议的差异性显著，面向特定应用高度定制化的特征明显，形成了当前烟囱式发展局面。随着应用场景不断拓展，数据链面临着广域覆盖、高速高可靠低时延传输、全域多维态势感知、海量信息融合决策等多维度性能要求[2]。为了满足上述未来复杂应用场景下的差异化业务需求，多种异构数据链共存将是突破传统单一数据链技术功能与性能受限的必然趋势。

面对多种数据链传输方式，如何智能选择并配置最佳数据链技术，来适配不同业务场景、传输环境下的通信需求，是多数据链共存面临的关键问题。不同于地面蜂窝无线通信系统，数据链技术通过终端直连实现通信，无基础设施支持，因此目前数据链管理仍以云端指挥中心的预先规划与远程集中控制为主。然而，终端通常距离指挥中心较远、通信环境差异性大且复杂多变，还面临难以预知的干扰威胁，因而依赖于云端指挥中心的传统集中式管控方式使数据链不仅时延高、接入效率低，还存在动态业务需求适变性差，复杂干扰环境下传输性能不佳等缺陷。

智能边缘计算技术[3]具备解决上述缺陷的潜力，通过在数据链终端部署存储和计算能力，使终端在本地自主实现多种数据链的智能选择与配置[4]，从而支撑灵活、动态的通信业务，无需将本地状态信息与业务需求通过大时延回传链路反馈至指挥中心云端并由云端作集中决策[5]，是提升数据链复杂应用场景下通信适变性、连通性与时效性的有效解决方案。

为此，本文提出基于智能边缘计算的数据链，研究了其体系架构和核心原理，明确了其在传输机制、资源管理、接入方法等方面的关键技术，并对数据链的未来发展机遇与挑战进行探讨。

1 基于智能边缘计算的数据链体系架构

为了适配差异化的业务需求，终端需从多种数据链中智能选择传输方式，以适应业务场景与通信环境的动态变化，表1列举了典型数据链型号的关键技术与性能参数。在基于智能边缘计算的数据链体系架构中，终端本地部署存储与计算功能，形成智能数据链管控引擎，如图1所示。

表1 典型数据链关键技术及参数

图1 基于智能边缘计算的数据链体系架构Fig.1 System architecture of intelligent edge computing enabled data link

智能数据链管控引擎负责调度多种数据链资源并配置传输方案，包括数据链选择、数据链配置、数据链重构等功能。通过将底层数据链集合抽象为时域、频域、空域等多维资源集，并收集业务场景(控制指挥、高速传输、时敏业务等)、通信环境(空-空、空-海等)与传输状态(通信距离、移动速度)等上层需求信息，智能数据链管控引擎将底层资源集与上层需求进行适配，并进行终端本地的数据链智能调度与配置，包括主用链与备用链的型号选择、数据链重构决策、链路配置参数与切换触发机制等。

智能数据链管控引擎可提供以下两方面优势：一是针对分布式终端的互联互通需求，通过选择合理数据链传输机制，提高终端间传输链路的可用性，使不同区域、不同通信距离及移动速度的终端之间能够基于通信环境与自身需求自适应建链，保障连通性；二是通过智能数据链管控引擎对终端传输状态与环境信息的本地处理及多数据链资源动态管理，增强复杂场景下的传输性能，无需依赖云端指挥中心高时延的回传控制，克服传统集中式静态管理在适变性、时效性方面的不足。

为了实现上述优势，需从传输机制、资源管理、接入方法三方面为基于智能边缘计算的数据链提供关键技术支撑。

首先，在传输机制方面，如何选择并配置最佳数据链传输模式适配业务场景、通信环境与传输状态，是实现智能数据链的基础与首要难题。考虑到通信双方距离较远，难以获得实时且完美的信道反馈信息，因此数据链选择缺乏丰富的先验知识，仅能依赖本地有限信息进行自优化选择；此外，传输链路受距离、速度、角度等因素影响处于非平稳变化中，适变传输机制的设计不仅需考虑性能适配问题，还应避免反复跳变造成可用性下降。

其次，在资源管理方面，如何智能高效地利用数据链多维资源，增强未知干扰环境下的通信性能，是保障复杂环境下链路连通性与可用性的关键。传统以时频域为主的盲抗干扰措施以牺牲数据链传输效率为代价提高可靠性，但新兴干扰样式向智能化、多维化发展，面向盲抗干扰的资源管理方式使数据链连通性、可用性面临严峻威胁。未来复杂应用场景要求数据链兼容高速率、高可靠性等多维性能，数据链时、频、空等多维资源需智能调度，以提升恶劣环境下的传输能力，智能抵御复杂未知的干扰威胁。

最后，在接入方法方面，如何实现最佳数据链的快速机动可靠接入，是提升智能数据链时效性的必然要求。通信环境与业务需求随终端高速移动瞬息万变，传统以时分多址(TDMA)为主的固定接入方式在机动性支持、入网时延与开销方面均存在极大缺陷，而随机接入方式在可靠性方面存在不足，因此，智能数据链接入方法需在可靠性保障的前提下支撑终端对最佳数据链的快速机动接入。

为此，本文提出了基于智能边缘计算的多数据链适变传输、面向复杂环境的数据链资源管理、低时延高可靠机动接入三项关键技术。

2 关键技术

2.1 基于智能边缘计算的多数据链适变传输技术

基于智能边缘计算的多数据链适变传输技术如图2所示。该技术利用终端本地的智能数据链管控引擎，实现数据链传输与业务场景、通信环境、传输状态的动态适配。为此，多数据链适变传输技术通过数据链资源映射、数据链粗选以及数据链细选3个步骤为数据链适配选择提供支撑，同时设置链路自适应传输、备用链切换传输和多数据链协同传输3种模式，应对复杂应用场景下因信道环境非理想且动态变化带来的传输性能下降及反复重选跳变导致的链路中断问题。

图2 基于智能边缘计算的多数据链适变传输Fig.2 Intelligent edge computing enabled multi-data link adaptive transmission

在资源映射阶段，智能数据链管控引擎为数据链集合构建抽象化的多维资源集，将多种数据链抽象表征为时频域资源集、信息域资源集(可用波形)、空域资源集(可用天线发射方式)以及功率域资源集(可选发射功率)等。在数据链粗选阶段，智能管控引擎基于数据链特征，对数据链业务属性进行标记，以在典型业务场景下优先选择。如大容量数据链面向侦察业务场景，高可靠数据链面向指挥控制业务场景，低时延高机动数据链面向时敏业务场景。

基于粗选结果，智能管控引擎结合通信环境(空-空、空-海等)与传输状态(传输距离、移动速度等)构建综合的多维性能优化模型以进一步得到细选结果下的可用数据链集合。

基于数据链细选结果，在电磁环境较为理想的应用场景下，选择最佳数据链即可达到预期性能。然而，复杂应用场景下实际信道状态可能非理想且处于动态变化，导致所选数据链实际性能较理想性能有差距，且不同数据链性能损失程度不均，难以对所有数据链实际性能进行量化预估，增加了最佳数据链的选择难度。

为了解决上述问题，缓解因信道状态动态变化带来的性能损失与反复重选跳变导致的链路中断，引入链路自适应传输、备用链切换传输和多数据链协同传输3种模式来提升多数据链适变传输的可用性。3种模式的切换方式如图2所示，当所选数据链性能下降，将优先选择不跳链的链路自适应传输模式，该模式基于性能下降结果调整链路级配置参数，并将调整后传输性能与预期传输指标进行比较。当链路最低速率无法满足预期传输要求，将切换至备用链传输模式，同样地，当备用链性能下降，将优先在备用链上启用链路自适应传输。当链路自适应传输模式与备用链切换模式均无法满足预期传输要求时，启用多数据链协同传输机制，通过多链并行传输实现性能提升。

2.2 面向复杂环境的数据链资源管理方法

面向复杂环境的数据链资源管理方法，旨在当现有数据链集合无法满足终端在复杂环境下的业务需求时，通过将多种数据链资源智能重构，提升复杂环境下的传输性能。传统数据链的抗干扰传输手段集中在时频域的盲抗干扰，采用跳频跳时、扩频等技术[6]，但抗干扰能力的提升以传输效率低下为代价。

随着智能干扰机的发展，跳频图案一旦被跟踪破解，数据链可靠性将面临致命打击。尽管业界已提出多种新兴抗干扰技术，包括时频域、空域、功率域、码域、变换域以及多维度联合的抗干扰措施，但复杂环境对数据链终端的干扰效果受终端移动性、干扰方位与距离等因素影响处于动态变化中，全维度综合的抗干扰手段虽然带来了高增益抗干扰性能，但某种程度上也造成了网络资源浪费，影响信息传输效率。因此，当基于盲抗干扰的资源管理方式在复杂环境下面临性能瓶颈，智能数据链管控引擎需将时频域、空域、功率域等多维传输资源整合重构，智能抵御干扰威胁，实现抗干扰性能与传输性能、功率效率等方面的折衷。

该技术框架如图3所示，包括历史配置库、配置决策模块、可重构数据链模块与性能评估模块。由于复杂环境下未知电磁信号混叠，实际场景中通常难以实时、准确地获取并分离出干扰特征，因而历史配置库主要存储并更新历史复杂电磁环境下不同配置方案对应的传输性能结果，如多维传输资源在不同配置模式下的中断概率、链路持续时间、平均传输速率等。该库的初始化搭建可基于已有干扰样式构建复杂仿真场景，并在不同干扰仿真环境下对不同传输配置方式的理想性能、平均性能、最差性能进行多方面测量评估。

配置决策模块通过对历史配置库模块的动态学习与积累，将性能评估模块输出的当前未知电磁环境下恶化传输性能与历史传输性能特征进行匹配，提供对当前未知电磁环境的数据链重构传输决策方案，包括频段、波形、功率、抗干扰措施等。可重构数据链模块主要涉及数据链传输配置重构，包括资源分配与可编程波形的生成等。性能评估模块对重构后数据链的链路性能进行测量评估，并将评估结果反馈给历史配置库模块，以提升后续决策的效率与准确性。

图3 面向复杂环境的数据链资源管理方法Fig.3 Data link resource management methods for complex radio environments

2.3 低时延高可靠机动接入技术

终端移动性与机动性不断增强，为支撑智能数据链高效传输，需快速可靠的灵活接入。传统数据链采用固定分配的接入技术(如TDMA)[6]，终端仅能在预先分配好的资源中传输，不仅不支持机动接入，且时延高、难以满足复杂业务场景下的数据快速交付要求；采用自组网技术的新型数据链虽然提升了终端入网机动能力，但新节点入网需通过接收邻居节点周期性的入网报文、发送入网请求、完成身份验证与密钥获取、等待入网回复等一系列入网授权流程后才可开始数据传输，接入时延仍然较高。

现有随机接入方法虽在接入时延与机动性方面均有优势，但其在信道负载较高时难以保证关键信息的可靠传输，因而也难以用于数据链技术。因此，如何在可靠性保障的前提下实现数据链快速机动接入是智能数据链接入方法面临的主要挑战。

基于5G网络超可靠低延迟通信(URLLC)[7]免授权接入的技术优势，结合基于统计优先级的多址接入(Statistical Priority-based Multiple Access，SPMA) 协议[8]，可实现数据链接入方法在可靠性、时延与机动性方面的兼容。利用SPMA协议在机动性与可靠性保障方面的优势，能够克服传统基于固定分配接入机动性不足的问题；同时利用5G URLLC场景免授权接入机制在低时延方面的优势，能够降低数据链接入授权中多次握手带来的时延，减少入网开销。

在免授权接入模式下，终端可在业务数据到达时直接在预留的共享传输资源上传输，无需发起节点认证请求，从而保证突发业务数据的快速交付。考虑到不同终端的业务时敏性有差异，多个终端同时通过免授权接入方式在预留信道上传输时，可能会因信道冲突造成高时敏业务的终端无法接入的问题。

为此，借鉴SPMA协议思想，基于时间敏感程度预先为不同业务划分优先级，当终端发起免授权接入时，需判断当前业务优先级，结合信道负载感知信息自适应决定当前立即接入还是退避等待，以保证在预留传输资源有限的条件下优先保障高优先级终端的快速接入。此外，在同一数据链接入终端数量较少、预留的传输资源较为空闲的情况下，已接入终端可占用多个传输资源来传输多个业务数据包或多个数据包副本，充分利用数据链资源提升机动业务场景下的传输效率与可靠性。

3 挑战与机遇

3.1 数据链性能分析理论

当前数据链性能分析理论主要关注链路级抗干扰性能，围绕具体干扰样式对其误码率或同步时间等指标展开建模，但复杂环境下干扰样式混叠，传统基于单一干扰样式的单一性能指标分析难以表征数据链在实际应用场景下的综合抗干扰能力，亟需建立面向多种干扰混叠场景的综合抗干扰分析模型。

面向广域高动态复杂场景的数据链传输性能分析理论尚不明确。数据链终端通常处于高速移动状态，时空尺度大、信道特性差异明显且呈现非平稳特征，传统基于广义平稳信道特征假设的地面网络性能分析方法无法适用。已有一些研究针对高动态场景下非平稳信道特性展开研究[9]，但这些信道特性对数据链传输容量、时延、最大通信范围等性能的影响及规律尚不明确，因此，亟需展开广域高动态复杂场景下的数据链性能分析研究。

3.2 大容量远距离传输

随着跨域通信需求不断升级与传输数据量不断增加，吉比特级大容量远距离传输将是未来数据链技术的必然要求。尽管蜂窝无线通信网络在提升容量方面已有较多成熟技术，但由于数据链应用场景特殊性，现有技术难以直接迁移应用。

从增加频谱带宽的角度讲，毫米波、太赫兹等高频段技术极具优势，但高频段电磁波大气吸收损耗效应明显[10]，如何使数据链在透云、雾、雨的传输环境下，同时保证吞吐量与链路范围是数据链应用场景下大容量远距离传输面临的首要难题。

从提升频谱效率角度讲，B5G/6G提出了超大规模MIMO、轨道角动量、高阶调制等先进技术，但数据链终端载荷与信号处理能力有限，需克服天线阵列载荷、波束跟踪与对准、多数据流高速并行处理及高阶解调门限的信号功率等一系列问题。

3.3 高速高机动通信增强

随着高速高机动平台向信息化、智能化发展，面向高速高机动通信增强的数据链技术面临诸多严峻挑战：

首先是速度快、机动性强、建链难，高速高机动场景下信道环境变化剧烈，多普勒频移、多普勒变化率以及多普勒二阶变化率均更为明显，信号捕获建链与稳定传输难。此外，超高速移动状态下与空气的强冲击摩擦将形成局部等离子鞘套，对信号衰落影响剧烈[11]，如何克服超高速移动对传输链路带来的影响，提升高机动高速移动场景下的传输性能是超高速高机动终端通信面临的首要难题。

其次是工作环境电磁攻击强烈。由于终端业务场景特殊性，其面临的恶意电磁干扰将会更强烈，因而对数据链技术提出了更强抗干扰、抗截获与抗毁伤能力要求。

最后是距离远、航时长。为了保证全时段回传通信不间断，终端所搭载的回传数据链需具备与卫星及其他中继平台的实时高动态组网能力，不仅需建立超视距超远距链路，还需具备超低时延的越区切换能力。

3.4 大规模快速异步接入

随着数据链应用场景由点对点、点对多点传输扩展至协同组网传输，当前基于固定分配的多址接入方式在接入效率、灵活性、网络连接数、资源利用率等方面均存在较大缺陷，难以满足未来协同组网传输的大规模接入要求。

因卫星系统固有的脆弱性，传统基于卫星系统的授时业务极易失效，导致入网终端时钟不一致；加之终端分布较为分散、传播时延不确定、信道环境差异性大，接入同一数据链的终端难以保证严格的时隙同步。传统同步方案通常需引入额外信令开销作信道反馈，然而考虑到广域高动态场景下信道不稳定、传播时延高且异步节点多，这一方案已不再适用。因此，异步接入才是更为实际高效的选择，亟需提出面向大规模终端的快速异步接入机制。

3.5 安全性

海量异构终端的随遇连接不仅增加了数据链被攻击的风险，也对可信终端的身份认证、接入控制提出了更高的要求，如何设计完善且精简的身份认证增强协议，以保证数据链终端快速入网同时，避免恶意身份伪造、可信用户接入受阻等攻击，是支撑终端大规模接入的重要前提。

多链协同网络管理与运行依赖于自主感知与信息协同，如何保证感知信息的真实性、提升共享信息的抗篡改与抗伪造性，对减少安全风险或失误至关重要。

最后，如何建立数据链内生、终端内生的安全感知能力与应变能力，构建主动、智能的安全保护机制，是确保数据链技术能够顺利发展与应用的关键性挑战。

4 结论

本文针对传统集中式数据链管控方式效率低、适变性差、时效性不足等问题，提出了基于智能边缘计算的数据链，阐述了其体系架构和核心原理，研究了关键赋能技术，探讨了数据链技术在理论分析、大容量远距传输、高速高机动通信增强、大规模快速异步接入以及安全性等方面的挑战，希望为后续研究提供参考，并推动数据链技术的进一步发展。