[论文解读] Climate Change Sensing through Terahertz Communications: A Disruptive Application of 6G Networks

Lasantha Thakshila Wedage, Bernard Butler+3 more|arXiv (Cornell University)|Oct 6, 2021

Millimeter-Wave Propagation and Modeling被引用 8

一句话总结

本文提出利用6G太赫兹（THz）通信网络实现同时的超宽带连接与气候影响气体的大气传感。通过利用机器学习分析太赫兹信号路径损耗和功率谱密度，作者展示了无需额外传感基础设施即可推断气体浓度（尤其是CO₂、CH₄和N₂O）的可行性概念验证，从而实现通过现有电信网络进行大规模、低成本的气候监测。

ABSTRACT

Climate change resulting from the misuse and over-exploitation of natural resources has affected and continues to impact the planet's ecosystem. This pressing issue is leading to the development of novel technologies to sense and measure damaging gas emissions. In parallel, the accelerating evolution of wireless communication networks is resulting in wider deployment of mobile telecommunication infrastructure. With 5G technologies already being commercially deployed, the research community is starting research into new technologies for 6G. One of the visions for 6G is the use of the terahertz (THz) spectrum. In this paper, we propose and explore the use of THz spectrum simultaneously for ultrabroadband communication and atmospheric sensing by leveraging the absorption of THz signals. Through the use of machine learning, we present preliminary results on how we can analyze signal path loss and power spectral density to infer the concentration of different climate-impacting gases. Our vision is to demonstrate how 6G infrastructure can provide sensor data for climate change sensing, in addition to its primary purpose of wireless communication.

研究动机与目标

• 为应对对CO₂、CH₄和N₂O等气候影响性大气气体进行可扩展、低成本监测的紧迫需求。
• 克服传统传感器网络的局限性，包括高部署成本、维护负担和材料资源需求。
• 探索6G太赫兹基础设施在通信与环境传感双重用途方面的潜力，利用太赫兹频段中的分子吸收特性。
• 开发基于机器学习的框架，从太赫兹信号特征（如路径损耗和功率谱密度）推断气体浓度。
• 为未来6G网络中集成气候传感奠定基础，将电信基础设施转变为分布式环境传感平台。

提出的方法

• 利用0.3–10 THz频段，该频段对温室气体具有强烈的分子吸收特性，从而在正常通信操作期间实现被动的大气传感。
• 利用超大规模MIMO（UM-MIMO）基站和智能反射面（IRS）创建密集、空间分布的太赫兹信号覆盖网，实现精细的环境覆盖。
• 将多个太赫兹频率下的信号路径损耗和功率谱密度（PSD）作为气体浓度的代理指标，利用目标气体的已知吸收线。
• 应用机器学习模型，将信号衰减的变化与特定气体类型及浓度相关联，实现分类与量化。
• 研究主通信波束旁瓣在传感中的应用，减少频率切换需求，实现在不干扰主通信功能的前提下同时进行通信与传感。
• 探索在宽太赫兹带宽上应用chirp扩展谱技术，以在宽频率范围内同时探测多种气体种类，提升检测能力。

实验结果

研究问题

• RQ1 能否将用于6G通信的太赫兹信号重新用于感知CO₂、CH₄和N₂O等与气候相关的气体在大气中的浓度？
• RQ2 在真实、多变的环境条件下，机器学习在多大程度上能准确地从太赫兹信号路径损耗和功率谱密度推断气体浓度？
• RQ3 如何优化6G基础设施（尤其是UM-MIMO和IRS）以同时提供高容量通信与精细、空间分布的大气传感？
• RQ4 当水汽（H₂O）吸收占主导地位时，特别是在H₂O浓度超过1%的情况下，检测痕量气体面临哪些技术挑战？
• RQ5 能否通过通信波束的旁瓣有效实现传感，以避免对主通信功能的干扰并降低硬件复杂度？

主要发现

• 初步仿真结果证实，机器学习可成功从太赫兹信号路径损耗和功率谱密度中推断出关键温室气体（CO₂、CH₄、N₂O）的存在及其浓度。
• 高浓度水汽（H₂O）的存在构成重大挑战，因其强吸收特性可能掩盖其他气体的信号，尤其在浓度超过1%时更为显著。
• 利用太赫兹波束旁瓣进行传感可实现在不需专用频率切换或额外硬件的前提下，同时进行通信与环境监测。
• 在宽太赫兹带宽上应用chirp扩展谱技术，可实现对多种气体种类在宽频率范围内的探测，显著提升传感框架的通用性。
• 超大规模MIMO与智能反射面（IRS）的集成可创建空间密集、分布式的太赫兹信号覆盖网，适用于精细的大气传感。
• 机器学习可用于从多个信号路径中三角定位气体源，并优化传感工作周期，从而在保持检测精度的同时降低能耗。