6G新型天线技术：可移动天线技术的理论与应用
发布时间：2025-05-30 12:11 浏览量：6
6G新型天线技术：可移动天线技术的理论与应用
赵丽，杨龙，吕璐，贾子一
（西安电子科技大学通信工程学院，陕西 西安 710071）
【摘 要】随着6G场景对通信速率要求呈指数级增长，传统固定位置天线方案在能耗与成本方面的问题逐渐暴露。可移动天线（MA, Movable Antenna）技术作为一种新型可重构天线技术，将天线位置纳入新维度空间自由度，突破传统固定位置天线局限，大幅提高系统通信性能。在此背景下，首先深入介绍了MA的基本理论，涵盖其组成原理、物理形状、信道特性多个方面，并分析探讨了MA在接收信号功率、干扰抑制、波束赋形以及空间复用方面的性能增益。随后详细讨论了MA与可重构智能智能超表面等6G前沿技术的融合应用，指出MA对于多项技术领域的应用价值。最后，全面分析了MA当前面临的技术挑战与可行的解决方案，并以此对其未来可能的研究方向进行了展望，为MA技术发展提供参考。
【关键词】6G；多天线；可移动天线；空间自由度
doi:10.3969/j.issn.1006-1010.20250224-0004
中图分类号：TN92 文献标志码：A
文章编号：1006-1010(2025)04-0013-07
引用格式：赵丽,杨龙,吕璐,等. 6G新型天线技术：可移动天线技术的理论与应用[J]. 移动通信, 2025,49(4): 13-19.
ZHAO Li, YANG Long, LV Lu, et al. 6G Novel Antenna Technique: The Theory and Application of Movable Antenna[J]. Mobile Communications, 2025,49(4): 13-19.
0 引言
随着无线通信领域迅猛发展，6G研发成为备受瞩目的焦点，有望构建一个超高速率、极致可靠、全域覆盖的智能通信系统，满足未来多样化的通信场景[1]。在5G研究进程中，由于高质量视频流等无线通信应用激增，为扩大通信系统容量、提升用户体验速率，多输入多输出技术（MIMO, Multipe Input Multiple Output）与大规模MIMO技术始终是其中关键技术[2-3]。MIMO/大规模MIMO技术凭借多天线技术产生的空间分集实现高速率数据传输，提高系统频谱效率。但由于传统天线结构存在着固有物理桎梏，MIMO系统受限于天线结构与高成本的射频链路（RF, Radio Frequency），持续增加天线数量使系统能耗、成本以及复杂度等方面都面临巨大的挑战，亟需探索一种新型方案突破上述瓶颈。为了减少射频链路数量，包括天线选择（AS, Antenna Selection）、可重构智能超表面（RIS, Reconfigurable Intelligent Surfaces）、全系可重构超表面（HRS, Holographic Reconfigurable Surface）等一系列新型天线技术备受关注[4-6]。其中AS技术中每个射频链都接有多根天线，通信时由天线集合中选择有利信道天线，从而提高MIMO系统容量。RIS与HRS等技术则提供了自适应的通信链路重构方案，满足复杂通信场景的差异化需求。但以上技术均可看为传统固定位置天线（FPA，Fixed-Position Antenna）结构，在实际部署后都无法更改，大量的天线部署使硬件成本激增，且电流密度等实际约束也无法理想化忽略。
在此背景下，可移动天线（MA, Movable Antenna）技术受到学者广泛关注并展现出巨大的潜力[7]。相比于传统固定位置的天线结构，MA能够通过改变发射/接收天线的形状、位置、极化等，在动态环境中灵活适配多径信道特征，使接收端的信噪比更高，从而提高通信系统可靠性。具体来说，MA这一思想为无线通信系统引入了一种新维度的空间自由度（DoF, Degrees of Freedom），使系统内的波束赋形更加精确，进一步提高系统频谱效率与能量效率。在现有研究中，MA技术已经被验证可以与RIS、非正交多址接入（NOMA, Non-Orthogonal Multiple Access）、移动边缘计算（MEC, Mobile Edge Computing）等多种前沿技术相结合，适用于各类6G核心场景，例如通信感知一体化（ISAC, Integrated Sensing and Communications）、物理层安全（PLS, Physical Layer Security）等。鉴于上述优势，MA技术有望为6G复杂无线通信场景的重要技术之一，值得详细讨论研究。本文拟对可移动天线技术进行详细的理论综述，首先从三个方面介绍MA的基本理论，包括原理、信道特性与MA带来的性能优势，结合6G研究热点总结MA技术辅助无线通信的典型应用案例，并在最后讨论该技术可能面临的技术困难与未来的研究方向。
1 MA基本理论
1.1 MA原理
MA是一种通过调整物理位置或方向来通信性能跃升的天线技术。目前，主流的MA结构包括流体天线（FAS, Fluid Antenna System）[8]和机械式移动天线。FAS结构是一种基于液体金属或电解质溶液的天线结构，通过改变液体或金属的形状或位置实现天线参数的动态调整，灵活性与可重构性较强，但受环境温度、外力震动等影响较大，天线稳定性较差。机械式移动天线通过机械装置调整天线位置，结构简单、稳定性与可靠性更高。虽然机械式移动天线响应速度略低于FAS，但随着毫米波技术发展，天线位置通常在极小的范围内移动，是一种实用性解决方案，后文二者均以MA指代。MA作为一种新型天线技术，每个天线单元模块通常都由控制单元、射频链路、天线原件、驱动结构四部分组成。具体来讲，控制单元通常由中央处理器（CPU, Central Processing Unit）担任，负责数字信号处理与控制驱动结构。天线原件通过射频链与CPU连接，实现信息发送/接收功能。驱动结构主要包括驱动电机与机械滑轨，其中驱动电机接收到来自CPU的信令后，控制天线原件在机械滑轨上调整位置，图1所示为典型二维空间移动的MA单元，相比FPA结构额外增加了二维平面自由度。在此基础上，天线原件可以安装在纵向机械轨道中上下移动，完成三维位置调整，以及基于三维扭转的六维位置调整方案，改善系统容量、频谱效率等各项性能指标[10]。1.2 MA物理形状
MA的物理形状决定着天线的电磁性能与实际部署应用。由于流体天线结构与机械式移动天线在物理实现方式上存在差异，形成的MA形状各不相同，不同的天线形状具有不同的辐射特性，并且适用于不用的应用场景。具体可分为以下几种类型：
（1）线性结构：线性MA常见于FAS，通常依靠液态金属纤维、导电流体或可拉伸金属杆等形势实现，具有极高的灵活性与轻便性。这种天线结构非常适合部署在便携式设备、可穿戴设备以及移动通信终端等，通过MA提高能量效率与通信质量，在物联网场景种具有广泛的应用前景。
（2）平面结构：平面MA整体具有平坦的几何形状，包括二维平面机械式移动天线和像素化可重构天线等典型结构，具有大面积覆盖的能力。平面结构的MA通常适用于大面积覆盖的场景，可部署在建筑墙壁或设备表面，在智慧交通、智能建筑以及大规模MIMO系统中具有突出优势，能够提供更高效的信号覆盖和波束赋形能力。
（3）多维结构：在上述基础上进一步拓展天线移动维度，即可实现多维结构的MA。如三维液态金属FAS通过多层结构设计，提高天线的体积效率和覆盖能力。对于高密度通信环境中，部署这种多维结构MA能够有效提高频谱利用率。
1.3 MA信道特性
1.4 MA性能增益
（1）信号接收功率提升：在复杂多变的无线环境中，收发信道间由于存在各类散射体而产生多径效应，因此，在收发机位置移动时信道增益也会随之改变。传统FPA难以灵活应对信道衰落，在信道处于深度衰落时通信质量较差。而MA可以通过对天线位置进行优化，将天线调整至具有高增益位置，进而提高接收端信号强度，减轻信号衰落问题[12]。图3对比了不同发射功率下MA与传统固定位置天线方案的用户可达速率，可以看到在相同发射功率下，相比AS与FPA方案，MA能够达到更高的用户可达速率，即MA方案的能量利用效率更高。在工业物联网等场景中，大量机械设备终端的位置相对固定，相比增加天线数量，可以通过在设备上部署MA，即使用更少的天线保证通信信号功率，降低了硬件成本。（2）干扰抑制能力增强：随着无线通信系统接入用户数量不断增加，可能同时在给定带宽内传输/接收信号，用户间干扰问题十分严重。文献[7]研究了MA技术应用于单输入单输出系统的干扰抑制能力，在系统中存在一个干扰源时，通过优化调整天线位置，可使接收信干噪比逼近无干扰源时信噪比。这表明MA技术可以有效抑制同频干扰，优化信号传输，保证通信质量，为应对通信干扰问题提供了一种新思路。
（3）波束赋形灵活性提高：传统FPA在实际部署后结构通常无法更改，MIMO系统波束赋形仅能调整每根天线上信号的相位与幅值。MA则可在传统FPA的基础上，额外提供多维DoF，联合优化天线位置与波束赋形矢量，实现更灵活的波束赋形。尤其对于多波束场景中，MA可以通过天线位置移动增强所需导向矢量之间的相关性、减小干扰源与其导向矢量之间的相关性，从而减小阵列损失[13]。图4给出了MA与传统固定位置天线方案用户可达速率与天线归一化发射区域大小的关系，可以看到随着发射区域面积增加，MA方案性能逐渐提高达到平稳，而AS与FPA方案保持不变，体现出天线位置移动DoF带来的系统增益，即波束赋形更加准确，用户可达速率更高。2 MA辅助通信
在现有研究中，MA技术凭借其独特的优势已广泛赋能于多项技术领域，展现出强大的创新潜力与应用价值，如图5所示，本节讨论了几个典型MA在无线通信中的应用场景。
2.1 可重构智能超表面
RIS是近年来广受关注的物理层技术之一，能够通过低成本的无源反射元件对信号进行重定向调控，有效地增强信号强度与覆盖范围。然而RIS系统受级联信道的双重衰落问题，有用信号的接收功率受限。MA与RIS能够实现双向协同增益。一方面，MA创造新维度的优化空间，弥补RIS固定位置的局限性[14]；另一方面，将RIS作为人工随机散射体补充多径数量，为MA系统创造良好的散射条件，二者有机结合提升用户通信性能[15]。2.2 移动边缘计算
MEC是无线通信中一种常见的低时延处理方案，主要将计算资源与流行内容配置在更靠近用户的边缘服务器上，网络内的接入设备将计算任务卸载到附近的服务器中，从而降低用户能耗与任务处理时延。然而随着接入用户数量增加，系统内用户间干扰逐渐增大，任务处理时延显著增加。MA能够辅助MEC资源调度与负载均衡。具体通过抑制用户间干扰，稳定移动用户与边缘服务器之间的连接，确保数据卸载的高时效性和稳定性[16]。2.3 非正交多址接入
自5G发展以来，NOMA技术在提高频谱效率方面展现出优秀的能力，该技术以相同的时频资源上为多个用户提供服务，通过额外的功率域或码域资源区分多用户信息。值得注意的是，NOMA系统中接收端需要使用串行干扰消除（SIC, Successive Interference Cancellation）技术解码信号，提取有用信息，但当系统内接入用户的信道条件区分度低时，这种解码过程将变得非常复杂，严重影响系统效率。MA技术能够提高NOMA用户的空间分离度，通过天线移动优化信号传播路径，降低同频用户干扰，保障用户的可靠解码，进一步提升NOMA系统资源利用率[17]。2.4 通信感知一体化
ISAC作为6G关键技术之一，以相同的硬件设备与频带资源同时实现通信和感知功能，提高系统资源利用效率，减少设备维护成本。然而，由于通信与感知信号间存在相互干扰，且二者功能相互关联，因此FPA-ISAC系统中的资源利用度较低，系统稳定性和可靠性难以保证。MA可增强空间分集增益，降低ISAC双功能间干扰，通过天线位置移动达到更精确的波束赋形，优化ISAC信号传播，实现更高质量的通信与更高精度的感知，提高ISAC系统整体性能[18]。2.5 物理层安全
PLS作为保障信息安全的一个重要技术方向，从物理层面利用信道特性保障通信安全，防止信息被窃听泄露。目前PLS研究主要基于FPA，空间自由度有限，波束赋形对安全性增益不足，对于使用人工噪声提高通信安全性的系统，合法用户的干扰消除处理也较为困难。MA能够避免人工噪声、增强收发端信道随机性。在不添加人工噪声的前提下，MA可以仅通过天线移动创造丰富的自然干扰环境，同时增强合法链路灵活性，使窃听难度变大，为合法用户带来安全增益，在安全要求高的场景中应用价值极大[19]3 MA挑战与展望
MA作为一种新型天线技术，现有理论研究已证明其优势突出，潜力巨大，与6G关键前沿技术融合能够有力推动无线通信领域发展。但MA当前的研究正处于起步阶段，仍然面临许多挑战，但伴随挑战的即是新机遇。本节首先讨论了MA主要面临的挑战与可能的解决方案，接着分析了一些未来可能得研究方向。
3.1 挑战及解决方案
（1）信道估计问题：MA的性能增益主要来自于空间域，其中精确地估计信道状态信息（CSI, Channel State Information）至关重要。传统FPA在仅需在某一固定位置获取CSI，而MA需要覆盖移动空间内所有位置的CSI，导致信道估计非常困难。在移动范围较小时可以通过遍历每个位置来获取完整CSI，但随着移动范围增大，这种直接遍历法的导频开销、估计时延以及机械功耗都令人望而却步。一种可能的方法是是利用MA信道的空间相关性，可采用压缩感知技术，从少量估计数据中恢复出完整CSI，减少估计开销[20]。此外，可通过深度学习技术对大量信道数据学习，动态调整压缩比优化反馈效率，实现不同天线位置的CSI的动态反馈，其中利用了分段处理和全卷积网络等方式降低计算复杂度[21]（2）信道建模问题：MA现有的信道模型建模方式主要是基于场响应的建模与基于空间相关性的建模，前者主要针对有限散射体环境，后者则应用于丰富散射环境，即在实际使用时根据环境信道特性，选择信道表征更优秀的模型。然而上述模型往往对实际应用场景的适配性仍需改进，例如在分析接收端信号增益分布时，可以采用块矫正模型平衡信道特征表征精度与模型复杂性[15]。此外，随着MA技术发展，天线的可重构形式更加丰富，这些复杂的移动交互会影响性能评估准确性。因此信道模型构建应体现出天线可重构性对信道特性的影响，例如在构建模型时考虑天线灵活性、机械噪声等对信道特性的影响，使分析优化更具可靠性。（3）波束赋形及位置优化问题：基于上述信道估计与信道建模问题，系统获取的CSI皆为非完美CSI，特别是在复杂环境中，MA位置与信道响应呈非线性关系。而波束赋形与MA位置优化高度依赖准确的CSI，非完美CSI会导致优化结果误差较大，系统性能严重受限。因此，可以根据实际场景采用统计模型，将误差对系统影响进行量化分析，设计具有鲁棒性或自适应的优化算法[22]。另一方面，对于非完美CSI条件下求解难度较高的问题，可运用深度强化学习等方法处理复杂问题，提高在线决策速度。如多智能体深度确定性策略梯度算法（MADDPG, Multi-Agent Deep Deterministic Policy Gradient），首先根据非完美CSI数据离线训练波束成形与MA位置优化智能体，实际应用时即可快速输出稳健的决策结果，接着通过不断学习动态更新策略，优化算法决策能力，保障通信性能[23]。（4）实际部署问题：MA适用于移动通信、物联网等动态环境与低功耗环境，实际部署灵活性高。但由于MA技术需要机械控制器或驱动器实现天线的动态调整，硬件复杂度与能耗存在一定劣势，对高密度、高精度的通信环境适用性较差。与主流天线技术相比，RIS与HRS的部署相对简单，可直接附着于建筑物外墙、室内天花板等表面，信号覆盖面积更广泛，信号增强能力更优；但二者的硬件成本与复杂度更高，RIS需要大量的无源反射元件和控制电路，HRS则需要大量密集排布超材料辐射单元与调谐器件。因此，在实际通信环境中，天线技术的选择部署应综合考虑用户密度、硬件成本等多方因素，折衷选择适配的天线技术。对于MA无法良好覆盖的通信场景，可以与RIS、HRS等技术有机结合，充分发挥各自优势，平衡性能需求与成本限制，满足复杂多变的通信场景。
（5）网络拓展问题：MA与MIMO技术结合，能够提高数据传输速率与频谱效率。然而随着网络系统不断扩大发展，MA技术在大规模MIMO与复杂网络系统中的应用面临严峻挑战，系统优化复杂度、机械能耗等问题更为凸显。为了解决这种高复杂度优化问题，天线位置优化可优先服务通信需求高或信号薄弱区域的用户，从而均衡网络负载，提高整体性能。同时，与传统交替优化算法相比，近端策略优化（PPO, Proximal Policy Optimization）等深度强化学习算法能够对高度耦合变量统一求解，充分发挥MA技术优势[24]。3.2 未来研究方向
（1）人工智能赋能MA：在复杂多变无线环境中，人工智能技术有望实现MA的智能控制，为复杂信道估计与位置优化等挑战提供有效的解决思路[25]。利用PPO、MADDPG等人工智能算法实时感知周围的信道环境、干扰情况以及通信需求，自适应决策并调整到最优位置，从而显著提升通信质量。然而将人工智能技术集成到MA系统首先需要极高的计算能力与大量的训练数据支撑，功耗极大，这与MA低成本低功耗初衷相违背。需要针对MA场景继续探索如何快速收集高质量的训练数据，考虑生成式人工智能算法降低模型对大规模数据的依赖，降低人工智能算法前期计算复杂度。同时开发低复杂度的轻量化模型，提高模型泛化能力，以适配MA的复杂动态场景，保证算法收敛速度提高在线决策能力。综上，人工智能赋能MA是后续重要的研究方向之一。（2）MA应用场景拓展：在现有工业物联网、ISAC等场景基础上，MA技术能够进一步拓展至更多领域。例如在低空经济场景中，无人机与通信用户间的直传链路可能会被堵塞，而借助MA技术能够优化通信链路，减少不必要的绕行轨迹，从而提高飞行安全性与通信效率。以及在卫星通信中，为了抵抗较远的路径损耗，卫星通常使用较窄的波束服务用户，其通信覆盖范围大大受限，MA技术则可以有效缓解该问题。因此MA对多种应用场景都具有重要意义，值得进一步深入研究与探索。
（3）交叉领域推动技术覆盖：MA涉及通信、机械、材料等多学科技术，实际应用部署需要各方面均衡发展。未来可以考虑更灵活、更高效的MA机械结构，使其能够在更复杂的环境中实现快速、灵活的位置调整，例如6DMA辅助的通信系统。但是更高维度的天线可能会带来信号反射等新的挑战，新型天线结构的部署成本也会大大提高。因此，为了推进MA技术覆盖，应该在兼容成本效益的同时考虑多领域技术共同发展，这可能会为MA带来新的灵感。
4 结束语
本文主要介绍了MA技术的基本原理、物理形状与常用的信道建模方式，探讨了MA对无线通信系统的性能提升情况与MA辅助通信的研究现状，预计MA能够实现更高速率、更加可靠、更广覆盖的通信功能，助力6G愿景早日实现。最后，在目前已有研究基础上，分析了MA发展中面临的挑战，讨论了一些未来可能的研究方向，希望能够为天线技术发展提供有用的参考。
[1] IMT-2030（6G）推进组. 6G总体愿景与潜在关键技术白皮书[R]. 2021.
[2] Jiang W, Han B, Habibi M A, et al. The road towards 6G: A comprehensive survey[J]. IEEE Open Journal of the Communications Society, 2021,2: 334-366.
[3] Wang Z, Zhang J, Du H, et al. Extremely large-scale MIMO: Fundamentals, challenges, solutions, and future directions[J]. IEEE Wireless Communications, 2023.
[4] Deng R, Zhang Y, Zhang H, et al. Reconfigurable holographic surfaces for ultra-massive MIMO in 6G: Practical design, optimization and implementation[J]. IEEE journal on selected areas in communications, 2023,41(8): 2367-2379.
[5] Li J, Yang L, Wu Q, et al. Active RIS-aided NOMA-enabled space-air-ground integrated networks with cognitive radio[J]. IEEE Journal on Selected Areas in Communications, 2024.
[6] Gao Y, Vinck H, Kaiser T. Massive MIMO antenna selection: Switching architectures, capacity bounds, and optimal antenna selection algorithms[J]. IEEE Transactions on signal processing, 2017,66(5): 1346-1360.
[7] Zhu L, Ma W, Zhang R. Movable antennas for wireless communication: Opportunities and challenges[J]. IEEE Communications Magazine, 2023,62(6): 114-120.
[8] Wong K K, Shojaeifard A, Tong K F, et al. Fluid antenna systems[J]. IEEE Transactions on Wireless Communications, 2020,20(3): 1950-1962.
[9] Zhu L, Ma W, Ning B, et al. Movable-antenna enhanced multiuser communication via antenna position optimization[J]. IEEE Transactions on Wireless Communications, 2023,23(7): 7214-7229.
[10] Shi X, Shao X, Zhang R. Capacity maximization for base station with hybrid fixed and movable antennas[J]. IEEE Wireless Communications Letters, 2024.
[11] Ma W, Zhu L, Zhang R. MIMO capacity characterization for movable antenna systems[J]. IEEE Transactions on Wireless Communications, 2023,23(4): 3392-3407.
[12] Zhu L, Ma W, Zhang R. Modeling and performance analysis for movable antenna enabled wireless communications[J]. IEEE Transactions on Wireless Communications, 2023,23(6): 6234-6250.
[13] Ma W, Zhu L, Zhang R. Multi-beam forming with movable-antenna array[J]. IEEE Communications Letters, 2024,28(3): 697-701.
[14] Zhang B, Xu K, **a X, et al. Sum-Rate Enhancement for RIS-assisted Movable Antenna Systems: Joint Transmit Beamforming, Reflecting Design, and Antenna Positioning[J]. IEEE Transactions on Vehicular Technology, 2024.
[15] Lai X, Yao J, Zhi K, et al. FAS-RIS: A block-correlation model analysis[J]. IEEE Transactions on Vehicular Technology, 2024.
[16] Zuo Y, Guo J, Sheng B, et al. Fluid antenna for mobile edge computing[J]. IEEE Communications Letters, 2024.
[17] Zhou Y, Chen W, Wu Q, et al. Movable antenna empowered downlink NOMA systems: Power allocation and antenna position optimization[J]. IEEE Wireless Communications Letters, 2024.
[18] Lyu W, Yang S, Xiu Y, et al. Movable antenna enabled integrated sensing and communication[J]. IEEE Transactions on Wireless Communications, 2025.
[19] Ghadi F R, Wong K K, López-Martínez F J, et al. Physical layer security over fluid antenna systems: Secrecy performance analysis[J]. IEEE Transactions on Wireless Communications, 2024.
[20] Ma W, Zhu L, Zhang R. Compressed sensing based channel estimation for movable antenna communications[J]. IEEE Communications Letters, 2023,27(10): 2747-2751.
[21] Lin Y C, Lee T S, Ding Z. A scalable deep learning framework for dynamic CSI feedback with variable antenna port numbers[J]. IEEE Transactions on Wireless Communications, 2023,23(4): 3102-3116.
[22] Chen X, Feng B, Wu Y, et al. Joint beamforming and antenna movement design for moveable antenna systems based on statistical CSI[C]//GLOBECOM 2023-2023 IEEE Global Communications Conference. IEEE, 2023: 4387-4392.
[23] Weng C, Chen Y, Zhu L, et al. Learning-based joint beamforming and antenna movement design for movable antenna systems[J]. IEEE Wireless Communications Letters, 2024.
[24] Dai J, Liu Y, Zheng J, et al. Movable Cell-Free Massive MIMO For High-Speed Train Communications: A PPO-Based Antenna Position Optimization[J]. arXiv preprint arXiv:2503.12405, 2025.
[25] Wang C, Li Z, Wong K K, et al. AI-empowered fluid antenna systems: Opportunities, challenges, and future directions[J]. IEEE Wireless Communications, 2024.★
赵丽：西安电子科技大学通信工程学院在读博士研究生，主要研究方向包括非正交多址接入、可移动天线、通感一体化等。
杨龙：西安电子科技大学通信工程学院教授，主要研究方向为隐蔽通信、信号特征提取与识别、移动边缘计算、无线缓存网络、非正交多址接入、无线物理层安全。
吕璐：西安电子科技大学通信工程学院副教授，主要研究方向为5G/6G无线网络及关键技术，包括智能超表面、共生无线电、非正交多址接入、通信感知一体化、无线隐蔽通信和物理层安全等。
贾子一：西安电子科技大学通信工程学院在读博士研究生，主要研究方向为非正交多址接入、隐蔽通信、可移动天线、物理层安全等。
★往期推荐★汇总| 2025下半年专题征稿链接
《移动通信》杂志由中国电子科技集团公司主管，中国电子科技集团公司第七研究所主办，是中国期刊方阵“双效期刊”、工业和信息化部精品电子期刊、中国科技论文统计源刊、中国通信学会《信息通信领域高质量科技期刊分级目录》入选期刊、中国电子学会《电子技术、通信技术领域高质量科技期刊分级目录》入选期刊、中国应用型核心期刊、日本JST收录期刊。国内连续出版物号：CN44-1301/TN，国际连续出版物号：ISSN1006-1010，邮发代号：46-181。