2025年智能低空通感网络白皮书_36页_11mb

智能低空通感网络发展概述与关键技术创新

1. 引言

• 背景: 低空经济上升为国家战略，无人机物流、城市空中交通、应急救援等场景快速发展。
• 挑战: 传统非智能通感网络难以满足复杂场景对网络稳定性和智能性的需求。
• 解决方案: 通过AI技术与低空通感网络融合，构建智能化网络系统。

2. 发展概况

智能低空通感网络融合了5G-A、通感一体、AI、多源感知等多种技术，涵盖空天地一体化通信、运行保障、运行管控核心功能。

2.1 核心技术

• 5G-A: 基于大带宽、低时延、高可靠特性，支持低空网络覆盖。
• 通感融合: 实现边通信边感知，为UAV提供精准位置与路径优化。
• AI技术: 从感知、决策到控制环节深度赋能，提高实时性与网络动态规划能力。
• 多源感知: 融合雷达、光电、遥侦和北斗等多种异构传感器，提升目标探测能力。

3. 应用场景

展示智能低空通感网络在多元化场景下的实用价值。

3.1 智慧城市

• 针对城市密集区域行驶路径优化与阻塞规避。
• 成功案例：昆山-上海通勤航线、济宁智慧物流系统。

3.2 应急保障

• 提供灾害应急响应、医疗运输、人工影响天气等保障。
• 成功案例：济南8分钟医疗运输、梅州洪水作业。

3.3 空域管理

• 打破传统监管瓶颈，实现实时航迹跟踪和违规行为闭环管理。
• 技术实现：通信网、感知网与算力网“三层一体”。

3.4 生态巡查

• 在农业、水利场景实现精准识别与响应。
• 成功案例：湖北植保无人机、绍兴水库巡查系统。

4. 关键技术

4.1 智能杂波抑制技术

• 发展AI驱动的抑制算法，如深度神经网络增强STAP算法（GLSRNet+LSGAN），提升复杂环境适应性。
• 解决传统算法受空间误差限制等痛点，增强抗杂波性能。

4.2 AI目标识别技术

• 精准识别UAV目标，区分飞鸟与无人机，利用RCS和微多普勒特征。
• 采用LSTM/GRU/TransformerAI网络模型，实现航迹跟踪与动态识别。

4.3 多站组网检测跟踪

• 引入MLP模型融合多站数据进行目标定位预测。
• 提升9.5%覆盖率，平均误差降低23.4%。

4.4 多源感知融合技术架构

• 构建5G-A+频谱侦测+光电+雷达+Remote ID多源融合系统。
• 边缘计算+云端协同处理，实现“感知-决策-执行”闭环。
• 引入雷视联动、动态融合算法、增强型大阵列天线技术（ELAA），提升全天候感知能力。

5. 总结与展望

• 面临挑战：算法适配、多源数据协同、算力能源矛盾。
• 发展方向：强化“传统算法+AI”的混合架构，深化与5G-A/6G融合，拓展至气象探测、集群协同导航等新场景。

中国电信将紧携智能低空通感网络建设推动行业发展，构建开放、创新、互利共赢的生态系统。