CN107820321A - 一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法 - Google Patents

Abstract

本发明公开了一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，涉及无线通信技术领域。该算法针对某窄带物联网小区，基站实时监听并收集各物联网设备的请求接入信息，如果存在空闲的资源块RB，收集相应的空闲时间和信道质量等相关信息；然后基站对请求接入的各物联网设备利用K‑means算法迭代分组，在物联网设备分组完成的情况下，将空闲的网络资源块分配到每个物联网设备组，并将各个物联网设备组进行组内排序；最后按排序结果依次判断每组中的各设备能否接入基站，并占用网络资源块进行数据传输。本发明使得算法更加的科学合理，对网络资源的分配也更加合理，同时也使得算法更加的智能，可以很好地保证物联网设备QoS方面的需求。

Description

一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法

技术领域

本发明涉及无线通信技术领域，具体是一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法。

背景技术

伴随着智能城市和大数据时代的来临，移动通信正在从人与人的连接，向人与物以及物与物的连接迈进，万物互联已经是必然的趋势。目前已经存在大量物与物的连接，然而这些连接大多通过蓝牙、WiFi等短距离通信技术承载，而非运营商移动网络。事实上，相比于蓝牙、WiFi等短距离通信技术，移动蜂窝网络具有广覆盖、可移动以及大连接数等特性，能够带来更加丰富的应用场景，理应成为物联网的主要连接技术。

近年来，低功耗广域通信技术的发展，为以蜂窝网络为载体的物联网的应用提供了契机，可以说以蜂窝网络为载体的物联网的发展已经成了必然趋势。但是随之带来了大量物联网设备接入存活率低，以及大量数据传输慢等问题，这些典型问题是在未来物联网中必然存在的问题，同时也是当下必须解决的问题。

现有技术在物联网用户接入管理研究方面，传统的用户(或者设备)接入网络的管理策略大多为用户通过竞争的方式接入。如文献[1]：蜂窝物联网中基于可复用前导码分配的增强型空间随机接入方案，TaehoonKim、Han Seung Jang、Dan Keun Sung，2015.08.27；提出了一种大规模设备随机接入机制，请求接入的物联网设备通过竞争的方式来争取网络资源；这样用户的公平性、QoS需求等均无法得到保证，且增加了网络接入点的压力，容易出现堵塞。文献[2]：适用于LTE网络中基于QoS感知的去耦下行链路调度方案的性能评估算法，Selem Trabelsi、Aymen Belghith、Faouzi Zarai、Mohammad S.Obaidat，2016.02.04；提出了物联网设备与普通蜂窝用户在蜂窝网络共存场景下的网络带宽分配算法，根据每个用户具体的QoS需求进行接入选择。从整个通信系统来看，其他的参数信息都无法得到充分的挖掘和利用，这也就导致用户之间不公平性更加恶化。

另一方面，在以蜂窝网络为载体的物联网小区中的用户接入算法研究方面，目前成果很少且可行性不高。此外，在具体的大规模用户接入网络管理中，用户的能量消耗、要传输的数据包的长度等都可以作为参考的标准。

随着低功耗广域通信技术的发展以及NB-IoT技术标准的落定，以蜂窝网络为载体的新一代窄带物联网的应用已经成为必然的趋势。而其显著的特点有海量连接、高吞吐量、低能耗和低成本，这是传统的物联网所不具备的特征。虽然传统的用户(设备)接入网络的控制策略具有一定的参考意义，但是在窄带物联网中应用就不再受用。

发明内容

本发明针对上述问题，考虑在未来5G网络下窄带物联网小区具有大规模设备接入并且伴随大量数据传输等特点，利用数据挖掘的思想对物联网设备以及蜂窝网络资源状况进行分析，提出一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法；该算法在保证设备存活率、降低设备能量消耗方面具有明显的优势，对未来窄带物联网小区中设备接入控制管理具有参考价值。

具体步骤如下：

步骤一、针对某窄带物联网小区，各物联网设备与基站之间进行通信时，基站实时监听并收集各物联网设备的请求接入信息；

请求接入信息包括：物联网设备要传输的数据包长度、设备对时间延迟的最大容忍限度以及设备在传输数据时的功率消耗值。

步骤二、基站判断是否存在空闲的资源块RB，如果是，则收集相应的空闲时间和信道质量等相关信息；否则，对各个信道进行持续监听，直到有空闲资源块供物联网设备的接入。

步骤三、基站对请求接入的各物联网设备利用K-means算法迭代分组；

具体步骤如下：

步骤301、对请求接入的各物联网设备和基站的各空闲资源块RB进行初始化；

设备集合为U＝{u₁,u₂,u₃...u_N}；空闲的资源块RB集合为：K＝{k₁,k₂,k₃...k_M}；

步骤302、读取各物联网设备的请求接入信息，并依次计算各物联网设备传输单位数据所需要的能量消耗，存储在数组D中；

各物联网设备传输单位数据的能量消耗为：各物联网设备的传输功率p与请求传输的数据包长度l之间的比值；

数组D＝{p₁/l₁,p₂/l₂,p₃/l₃...p_N/l_N}；

步骤303、对数组D中的能量消耗从低到高排序，并按照空闲资源块的数量划分成M个区间；

M为空闲资源块的数量，划分成M个区间的目的是为了进行聚类中心数组的初始化；

步骤304、初始化K-means算法中当前聚类中心数组Center_latest[M]的值以及上次的聚类中心数组Center_previous[M]的值；

初始化规则：针对M个区间，依次选取每个区间的中间值构成当前聚类中心数组Center_latest[M]的初始化值，而上次的聚类中心数组Center_previous[M]则初始化为全0。

步骤305、依据最近一次的聚类中心数组Center_latest[M]的值，将每个物联网设备分配到距离最近的聚类中心所在的区间中；

每个区间为一组，将每个物联网设备分配到距离最近的聚类中心所在的组中；

步骤306、对物联网设备进行分组之后，将当前聚类中心Center_latest[M]的值保存为上一次聚类中心Center_previous[M]的值。

步骤307、根据新的分组结果重新计算各个物联网设备组中的聚类中心，将所有聚类中心的值存放到当前聚类中心数组Center_latest[M]中；

针对物联网设备组s中的所有设备C_s，计算该组聚类中心的值公式如下：

而|C_s|表示的是物联网设备组s中的设备的数量。

步骤308、将步骤307中新的当前聚类中心数组Center_latest[M]值，与步骤306中上一次聚类中心Center_previous[M]的值计算偏差Center_offset，并判断偏差Center_offset是否小于限定的阈值threshold；如果是，终止迭代循环，并保存分组结果；否则，返回步骤305。

两次聚类中心值的偏差Center_offset取值为两个数组中对应项偏差的最大值。

步骤四、在物联网设备分组完成的情况下，将空闲的网络资源块分配到每个物联网设备组；

具体步骤如下：

首先、针对各物联网设备组中的聚类中心值，评估各物联网设备组对网络资源的质量要求；

评估规则如下：各物联网设备组中的聚类中心值越小，意味着该物联网设备组传输单位比特的数据所消耗的能量越小，则为该物联网设备组分配更优质的网络资源块。

然后、根据空闲网络资源块的信息对各个网络资源块的优劣状况进行评估。

网络资源块的评估规则为：用网络资源块中的信息表示当前资源块受到的外界干扰大小，信息值越大代表受到的干扰越大，相应的信道质量越差，则该资源块的质量越差。

最后、根据各物联网设备组对网络资源的质量要求，以及网络资源块质量的优劣评估结果，将M个网络资源块依次分配给M个物联网设备组，完成网络资源块到物联网设备组的一一映射分配。

具体的分配规则为：某物联网设备A组所对应的聚类中心值最大，则将网络资源块信息值最大的资源块分配给该物联网设备组A。同理，当某物联网设备组B所对应的聚类中心值最小，则将网络资源块信息值最小的资源块分配给该物联网设备组B。

步骤五、根据各物联网设备请求接入信息中的每个设备对时间延迟的最大容忍限度，将各个物联网设备组进行组内排序；

步骤501、针对某物联网设备组，组内各物联网设备上报自身对时间延迟的最大容忍限度值T_u给基站。

步骤502、分别计算该组中各个物联网设备在相应网络资源状况下完成数据传输所需要的时间；

t_u,t为该组的物联网设备u完成数据传输所需要的时间。

步骤503、计算各物联网设备从发起请求接入到完成接入的时间段内可等待时间的最大值；

针对物联网设备u，等待时间的最大值t_u,w公式如下：

t_u,w＝T_u-t_u,t

步骤504、将每个物联网设备按照各自等待时间的最大值按照从小到大的顺序排序。

步骤六、针对各物联网设备组，按各自的排序结果依次判断每组中的各设备能否接入基站，并占用网络资源块进行数据传输。

判断步骤如下：

步骤601、针对某物联网设备组，计算完成接入的各设备的数据传输时间的总和；

步骤602、判断当前准备接入的设备C的最大等待时间值是否大于等于总和，如果是，则进入步骤603；否则，进入步骤604；

每个物联网设备传输数据都需要消耗一定的时间，针对当前准备接入的设备C，前面接入的各设备传输数据消耗时间的总和T_i,w视为设备C等待的时间。

步骤603、判断当前准备接入的设备C从开始接入到完成数据传输的时间，是否超过网络资源块的空闲时间，如果是，则进入步骤604；否则，物联网设备C接入基站并占用网络资源块进行数据传输，直至网络资源块的时间用尽或者是所有的设备完成接入。

步骤604、当前准备接入的设备C无法完成接入，对下一个物联网设备进行步骤601的判断。

步骤605、针对无法完成接入的各物联网设备，重新发送请求信息，进入下一轮接入。

本发明的优点在于：

1)、一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，在传统的用户(设备)接入控制算法的基础之上融合了数据挖掘的思想，通过基站对请求接入的物联网设备以及网络资源的相关信息的分析挖掘，使得算法更加的科学合理，同时也使得算法更加的智能。

2)、一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，在保证设备存活率、保证物联网小区吞吐量以及降低设备能量浪费方面都具有良好的性能表现，但是算法又保证了物联网设备之间的公平性，在两者之间找到了一个合适的平衡点，从而使得整个小区系统资源的利用更加的科学合理。

3)、一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，对网络资源的分配更加合理，可以很好地保证物联网设备QoS方面的需求。

附图说明

图1是本发明基于蜂窝网络的窄带物联网小区的架构示意图；

图2是本发明基于蜂窝网络的窄带物联网中大规模用户智能接入算法流程图；

图3是本发明基站利用K-means算法对各物联网设备迭代分组的流程图；

图4是本发明判断各设备能否接入基站并占用网络资源块进行数据传输的流程图；

图5是本发明与两个对比算法在物联网设备存活率随用户数量变化的关系图；

图6是本发明与两个对比算法在传输数据包的总长度随用户数量变化的关系图；

图7是本发明与两个对比算法在浪费的总能量随用户数量变化的关系图。

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明通过对现有大规模用户(设备)的接入方案进行了总结，在前人的研究成果基础上，结合数据挖掘的思想提出了一种适用于未来窄带物联网小区的设备智能接入方案。该方案采用了先聚类再排序的整体思想，时间粒度为毫秒级，该算法同时考虑了设备传输相关参数以及空闲资源状态信息，并进一步利用数据挖掘工具对收集到的信息进行分析，使得各物联网设备接入的选择更加合理和智能化。该方案主要分为三步，第一步为基站获取各物联网设备以及空闲网络资源的相关信息，并根据收集到的信息利用K-Means算法对各物联网设备进行分组；第二步为根据物联网设备以及网络资源的相关信息，将网络资源分配到各物联网设备组；第三步为根据各物联网设备的请求信息对各组内的设备进行接入顺序排序，各组内设备根据排序的结果依次占用分配的网络资源。

如图2所示，具体步骤如下：

步骤一、针对某窄带物联网小区，各物联网设备与基站之间进行通信时，基站实时监听并收集各物联网设备的请求接入信息；

本发明研究的是基于蜂窝网络的窄带物联网小区中大规模用户接入管理，其中物联网小区的架构如图1所示，通信场景即为未来普通的窄带物联网小区，频带采用带内部署的方式，即利用LTE载波内的频带。小区中存在大量的物联网设备，同时伴随着大量的数据流量。

其中请求接入的设备为N个，用集合U＝{u₁,u₂,u₃...u_N}表示；蜂窝小区中可利用的空闲资源块RB数量为M，集合为K＝{k₁,k₂,k₃...k_M}。物联网设备和网络资源块RB之间的服务关系用一个N×M矩阵A来表示：

其中，u_i是第i个用户，k_j是第j个可用资源块RB。假定初始时矩阵中所有元素均被置0。

基站对监听到的请求接入的物联网设备的相关信息进行收集，包括物联网设备要传输的数据包的长度、设备对时间延迟的最大容忍限度以及设备在传输数据时的功率消耗值。

每一个请求接入的物联网设备各自对应其属性{l_u,T_u,p_u}，其中l_u表示的是该物联网设备u要传输数据包的长度，T_u代表的是设备u能够容忍的最大时间延迟，p_u代表的是设备u传输数据包时要消耗的功率。

步骤二、基站判断是否存在空闲的资源块RB，如果是，则收集相应的空闲时间和信道质量等相关信息；否则，对各个信道进行持续监听，直到有空闲资源块供物联网设备的接入。

每一个可用资源块RB的状态信息其中h_i,j表示的是物联网设备u_i与资源块k_j之间的信道质量信息，t_j代表的是资源块k_j的空闲时间，代表的是该信道所受到的干扰。

步骤三、基站对请求接入的各物联网设备利用K-means算法迭代分组；

分组的数量等同于空闲资源块的数量。考虑到窄带物联网设备的电池寿命要求较高，所以在对物联网设备进行分组时选择以能量消耗p/l作为衡量指标。利用K-means算法来进迭代寻找最为合适的聚类中心并对所有请求接入基站的物联网设备进行分组。

如图3所示，具体步骤如下：

步骤301、对请求接入的各物联网设备和基站的各空闲资源块RB进行初始化；

步骤302、读取各物联网设备的请求接入信息，并依次计算各物联网设备传输单位数据所需要的能量消耗，存储在数组D中；

各物联网设备传输单位数据的能量消耗为：各物联网设备的传输功率p与请求传输的数据包长度l之间的比值；以能量消耗作为衡量用户能量消耗的指标，并将数据存储在数组D中；数组D＝{d₁,d₂,d₃...d_N}＝{p₁/l₁,p₂/l₂,p₃/l₃...p_N/l_N}；

步骤303、对数组D中的能量消耗从低到高排序，并按照空闲资源块的数量划分成M个区间；

M为空闲资源块的数量，划分成M个区间的目的是为了进行聚类中心数组的初始化；

步骤304、初始化K-means算法中当前循环得到的聚类中心数组Center_latest[M]的值以及上次的聚类中心数组Center_previous[M]的值；

初始化规则：针对M个区间，依次选取每个区间的中间值构成当前聚类中心数组Center_latest[M]的初始化值，而上次的聚类中心数组Center_previous[M]则初始化为全0。

Center_latest[M]＝{d_i'},i'∈{j'|j'＝N*2*(k-1)/(M*2),k＝1,2...M}；

Center_previous[M]＝{0}；

步骤305、依据最近一次的聚类中心数组Center_latest[M]的值，将每个物联网设备分配到距离最近的聚类中心所在的区间中；

每个区间为一组，将每个物联网设备分配到距离最近的聚类中心所在的组中；

步骤306、对物联网设备进行分组之后，将当前聚类中心Center_latest[M]的值保存为上一次聚类中心Center_previous[M]的值；

步骤307、根据新的分组结果重新计算各个物联网设备组中的聚类中心，将所有聚类中心的值存放到当前聚类中心数组Center_latest[M]中；

针对物联网设备组s中的所有设备C_s，计算该组聚类中心的值公式如下：

而|C_s|表示的是物联网设备组s中的设备的数量。

步骤308、将步骤307中新的当前聚类中心数组Center_latest[M]值，与步骤306中上一次聚类中心Center_previous[M]的值计算偏差Center_offset，并判断偏差Center_offset是否小于限定的阈值threshold；如果是，终止迭代循环，并保存分组结果；否则，返回步骤305。

两次聚类中心值的偏差Center_offset是指两个数组中对应项偏差的最大值。

Center_offset＝max(|Center_latest[M]-Center_previous[M]|)

步骤四、在物联网设备分组完成的情况下，将空闲的网络资源块分配到每个物联网设备组；

由于用户组的数量与空闲资源块的数量相同，所以每个用户组可以分配到一个空闲的网络资源块。网络资源块到物联网设备组的具体映射关系是将(信道)状态更好地资源块分配给聚类中心值相对更小的物联网设备组群。

具体步骤如下：

步骤401、输入设备分组的结果，每个空闲资源的状态信息物联网设备信息传输状态信息{l_u,T_u,p_u}；

步骤402、针对各物联网设备组中的聚类中心值，评估各物联网设备组对网络资源的质量要求；

评估规则如下：各物联网设备组中的聚类中心值越小，意味着该物联网设备组传输单位比特的数据所消耗的能量越小，则为该物联网设备组提供信道状态更优的网络资源块更好地满足设备的数据传输。

步骤403、根据空闲网络资源块的状态信息对各个网络资源块的优劣状况进行评估。

网络资源块的评估规则为：用网络资源块中的信息表示当前资源块受到的外界干扰大小，信息值越大代表受到的干扰越大，相应的信道质量越差，则该资源块的质量越差。

步骤404、根据各物联网设备组对网络资源的质量要求，以及网络资源块质量的优劣评估结果，将M个网络资源块依次分配给M个物联网设备组，完成网络资源块到物联网设备组的一一映射分配。

具体的分配规则为：将资源块状态由优到次的顺序，依次映射分配到聚类中心信息值由小到大的设备组；

如：某物联网设备组所对应的聚类中心值最大，则将网络资源块信息值最大的资源块分配给该物联网设备组。同理，当某物联网设备组所对应的聚类中心值最小，则将网络资源块信息值最小的资源块分配给该物联网设备组。

步骤405、保存联网设备与资源块的关联矩阵A并更新相关参数；

具体更新参数包括：

更新每个物联网设备对应的信道干扰每个设备在相应信道质量下的传输速率γ；以及每个物联网设备传输数据所需的时间；

针对物联网设备u，传输数据所需的时间：t_u,t＝l_u/γ_u；

步骤五、根据各物联网设备请求接入信息中的每个设备对时间延迟的最大容忍限度，将各个物联网设备组进行组内排序；

每个资源块在同一时刻只能服务一个物联网设备，所以需要对各组中的设备进行组内排序来决定设备对网络资源块的占用顺序。同组内的物联网设备在进行数据传输时的平均功率/能量消耗是相近的，但是每个物联网设备对时间延迟的容忍度是有差异的，因此在对物联网设备进行组内排序时充分考虑设备对时间延迟的容忍属性，最大限度的提升设备成功接入数量。

具体步骤如下：

步骤501、输入设备分组结果，每个空闲资源的状态信息物联网设备信息传输状态信息{l_u,T_u,p_u}；

步骤502、针对某物联网设备组，组内各物联网设备上报自身对时间延迟的最大容忍限度值T_u给基站。

步骤503、分别计算各个物联网设备在相应网络资源状况下完成数据传输所需要的时间；

t_u,t为物联网设备u完成数据传输所需要的时间。

步骤504、计算各物联网设备从发起请求接入到完成接入的时间段内，可等待时间的最大值t_u,w，并按照从小到大的顺序将各物联网设备排序。

各组中能容忍的最长等待时间越小的用户接入基站的优先级越高。

针对物联网设备u，等待时间的最大值t_u,w公式如下：

t_u,w＝T_u-t_u,t

步骤六、针对各物联网设备组，按排序结果依次判断每组中的各设备能否接入基站，并占用网络资源块进行数据传输。

每个物联网设备想要接入基站必须要同时满足两个条件：

条件一：设备的最大等待时间延迟必须满足大于其前面所有物联网设备传输数据所用的时间的总和，即：

t_j,w＞＝T_i,w

其中t_j,w表示第i组中第j个物联网设备能容忍的最大等待时间，T_i,w表示第i组中前j-1个物联网设备中成功接入基站并完成数据传输所消耗的时间的总和；所以T_i,w表示为：

若物联网设备无法满足条件一，则将无法在此轮接入基站，只能等到下一轮时再准备接入。而满足了条件一的物联网设备则可进一步检测是否满足条件二来决定该设备是否能够接入基站。

条件二：由于每个网络资源块的空闲时间是有限的，这也就意味着在设备数量达到一定限度时，网络资源是肯定无法满足所有用户都接入的，所以对于所有满足条件一的设备都要判断是否会超过网络资源的空闲时间：

T_i,w＞＝t_i

其中t_i为第i个网络资源块的数量的空闲时间。若满足上式，则意味着该设备无法在网络资源空闲时间结束之前完成数据传输，因此将无法接入基站，等待下一轮进行传输。若是在空闲时间结束之前可以完成数据的传输，物联网设备就可以接入基站并占用网络资源进行数据传输。

最后可以得到所有能够接入基站的物联网设备的相关信息，可以进一步的分析算法的性能以及可行性。

如图4所示，判断步骤如下：

步骤601、针对某物联网设备组，计算完成接入的各设备的数据传输时间的总和；

步骤602、判断当前准备接入的设备C的最大等待时间值是否大于等于总和，如果是，则进入步骤603；否则，进入步骤604；

每个物联网设备传输数据都需要消耗一定的时间，针对当前准备接入的设备C，前面接入的各设备传输数据消耗时间的总和视为设备C等待的时间。

步骤603、判断当前准备接入的设备C从开始接入到完成数据传输的时间，是否超过网络资源块的空闲时间，如果是，则进入步骤604；否则，物联网设备C接入基站并占用网络资源块进行数据传输，直至网络资源块的时间用尽或者是所有的设备完成接入。

步骤604、当前准备接入的设备C无法完成接入，对下一个物联网设备进行步骤601的判断。

实施例：

本文采用大量的仿真来验证提出的物联网设备控制接入算法(IMAID)。在窄带物联网小区的仿真场景中，基站数目为5，物联网设备的数目是可变的，具体数量设定为从1到500。其中物联网设备的传输功率和对时间延迟的最大容忍值均服从正太分布，设备要传输的数据包长度服从均匀分布，基站中网络资源块的空闲时间以及信道质量均服从随机分布，其中涉及到的主要的参数如下表1所示。

表1

参数描述	参数值
		设备平均功率	30mW
设备功率方差	15
		设备时间延迟容忍均值	20ms
设备时间延迟容忍方差	20
		数据包长度	10-30Byte
基站空闲时间	30-50ms

为了验证本算法的具体性能，本文分别从物联网设备存活(完成接入)情况、传输的数据包的总长度以及浪费的能量三个方面进行相关数据的统计并完成仿真对比。此外，本文还选择了下面两种算法进行对比说明本算法的优越性：

算法一：先采用EQSA算法对物联网设备进行聚类分组，然后各组内采用轮询算法依次对物联网设备进行判断能否完成接入，在仿真图中用EQSA+roll表示。

算法二：先采用随机选取的方法对物联网设备进行随机分组，然后各组内采用轮询算法依次对物联网设备进行判断能否完成接入，在仿真图中用random+roll表示。

本发明在设备存活率随用户数量变化的关系，与两种对比算法之间的比较示意图；如图5所示，图5(a)是根据原始数据仿真得到的设备存活率随设备数量的变化关系图，但是从图中可以看出存在一个很明显的缺点就是曲线波动太大，这是由于每次仿真执行时的基站以及用户的相关参数是随机生成的，所以存在波动性在意料之中。但是为了方便对仿真性能进行对分析，在不影响其科学性的前提下对仿真结果进行了平缓处理，即如图5(b)所示。从图中可以看出在相同数量物联网设备的情况下，本文提出的IMDIA算法在保证设备存活率方面明显要优于另外两种对比算法。

传输数据包的总长度随设备数量变化的关系图，如图6所示，其中传输数据包的总长度为所有完成传输的物联网设备的数据包长度的总和，可以用来作为衡量物联网小区吞吐量的依据；可以看到在设备数量较少的情况下，三种算法对应的结果相差无几，这是因为设备数量较少时，所有设备基本都可以成功接入基站，所以得到的总的数据传输长度很相近。但是随着设备数量的增加，IMAID算法在相同资源情况下完成更大量数据传输方面的性能得到了体现。

浪费的能量随物联网设备数量变化的关系图，如图7所示，本文中浪费的能量为所有物联网设备从开始请求接入到完成接入或者被拒绝接入这一时间区间内等待判定所浪费能量的总和。本文在仿真过程中设定设备的等待功耗与传输功耗之间的比例为0.05。可以很明显的看出，在降低能量浪费方面，本文提出的IMDIA算法相对于另外两种算法也是具有明显的优势。

整体从三张图而言，本文提出的IMDIA算法相对于其他两种对比算法具有很明显的性能优势，在保证设备存活率、保证物联网小区吞吐量以及降低设备能量浪费方面都有良好的性能体现，这就说明此算法在充分挖掘设备和资源块状态信息之后给出的物联网设备的接入顺序更加的科学合理，这也就证明了算法的科学性和可行性。

Claims (7)

1.一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，具体步骤如下：

步骤一、针对某窄带物联网小区，各物联网设备与基站之间进行通信时，基站实时监听并收集各物联网设备的请求接入信息；

步骤二、基站判断是否存在空闲的资源块RB，如果是，则收集相应的空闲时间和信道质量信息；否则，对各个信道进行持续监听，直到有空闲资源块供物联网设备的接入；

步骤三、基站对请求接入的各物联网设备利用K-means算法迭代分组；

具体步骤如下：

步骤301、对请求接入的各物联网设备和基站的各空闲资源块RB进行初始化；

设备集合为U＝{u₁,u₂,u₃...u_N}；空闲的资源块RB集合为：K＝{k₁,k₂,k₃...k_M}；

步骤302、读取各物联网设备的请求接入信息，并依次计算各物联网设备传输单位数据所需要的能量消耗，存储在数组D中；

步骤303、对数组D中的能量消耗从低到高排序，并按照空闲资源块的数量划分成M个区间；

M为空闲资源块的数量，划分成M个区间的目的是为了进行聚类中心数组的初始化；

步骤304、初始化K-means算法中当前聚类中心数组Center_latest[M]的值以及上次的聚类中心数组Center_previous[M]的值；

步骤305、依据最近一次的聚类中心数组Center_latest[M]的值，将每个物联网设备分配到距离最近的聚类中心所在的区间中；

步骤306、对物联网设备进行分组之后，将当前聚类中心Center_latest[M]的值保存为上一次聚类中心Center_previous[M]的值；

步骤307、根据新的分组结果重新计算各个物联网设备组中的聚类中心，将所有聚类中心的值存放到当前聚类中心数组Center_latest[M]中；

针对物联网设备组s中的所有设备C_s，计算该组聚类中心的值公式如下：

<mrow> <mi>C</mi> <mi>e</mi> <mi>n</mi> <mi>t</mi> <mi>e</mi> <mi>r</mi> <mo>_</mo> <mi>l</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> <mi>s</mi> <mi>t</mi> <mo>&amp;lsqb;</mo> <mi>s</mi> <mo>&amp;rsqb;</mo> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mo>|</mo> <msub> <mi>C</mi> <mi>s</mi> </msub> <mo>|</mo> </mrow> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>u</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>C</mi> <mi>s</mi> </msub> </munderover> <msub> <mi>p</mi> <mi>u</mi> </msub> <mo>/</mo> <msub> <mi>l</mi> <mi>u</mi> </msub> </mrow>

而|C_s|表示的是物联网设备组s中的设备的数量；

步骤308、将步骤307中新的当前聚类中心数组Center_latest[M]值，与步骤306中上一次聚类中心Center_previous[M]的值计算偏差Center_offset，并判断偏差Center_offset是否小于限定的阈值threshold；如果是，终止迭代循环，并保存分组结果；否则，返回步骤305；

步骤四、在物联网设备分组完成的情况下，将空闲的网络资源块分配到每个物联网设备组；

步骤五、根据各物联网设备请求接入信息中的每个设备对时间延迟的最大容忍限度，将各个物联网设备组进行组内排序；

步骤六、针对各物联网设备组，按各自的排序结果依次判断每组中的各设备能否接入基站，并占用网络资源块进行数据传输；

判断步骤如下：

步骤601、针对某物联网设备组，计算完成接入的各设备的数据传输时间的总和；

步骤602、判断当前准备接入的设备C的最大等待时间值是否大于等于总和，如果是，则进入步骤603；否则，进入步骤604；

每个物联网设备传输数据都需要消耗一定的时间，针对当前准备接入的设备C，前面接入的各设备传输数据消耗时间的总和T_i,w视为设备C等待的时间；

步骤603、判断当前准备接入的设备C从开始接入到完成数据传输的时间，是否超过网络资源块的空闲时间，如果是，则进入步骤604；否则，物联网设备C接入基站并占用网络资源块进行数据传输，直至网络资源块的时间用尽或者是所有的设备完成接入；

步骤604、当前准备接入的设备C无法完成接入，对下一个物联网设备进行步骤601的判断；

步骤605、针对无法完成接入的各物联网设备，重新发送请求信息，进入下一轮接入。

2.如权利要求1所述的一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，步骤一中，所述的请求接入信息包括：物联网设备要传输的数据包长度、设备对时间延迟的最大容忍限度以及设备在传输数据时的功率消耗值。

3.如权利要求1所述的一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，步骤302中，所述的各物联网设备传输单位数据的能量消耗为：各物联网设备的传输功率p与请求传输的数据包长度l之间的比值；

所述的数组D＝{p₁/l₁,p₂/l₂,p₃/l₃...p_N/l_N}。

4.如权利要求1所述的一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，所述的步骤304中初始化规则：针对M个区间，依次选取每个区间的中间值构成当前聚类中心数组Center_latest[M]的初始化值，而上次的聚类中心数组Center_previous[M]则初始化为全0。

5.如权利要求1所述的一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，所述的步骤308中，两次聚类中心值的偏差Center_offset取值为两个数组中对应项偏差的最大值。

6.如权利要求1所述的一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，所述的步骤四具体步骤如下：

首先、针对各物联网设备组中的聚类中心值，评估各物联网设备组对网络资源的质量要求；

评估规则如下：各物联网设备组中的聚类中心值越小，意味着该物联网设备组传输单位比特的数据所消耗的能量越小，则为该物联网设备组分配更优质的网络资源块；

然后、根据空闲网络资源块的信息对各个网络资源块的优劣状况进行评估；

网络资源块的评估规则为：用网络资源块中的信息表示当前资源块受到的外界干扰大小，信息值越大代表受到的干扰越大，相应的信道质量越差，则该资源块的质量越差；

最后、根据各物联网设备组对网络资源的质量要求，以及网络资源块质量的优劣评估结果，将M个网络资源块依次分配给M个物联网设备组，完成网络资源块到物联网设备组的一一映射分配；

具体的分配规则为：某物联网设备A组所对应的聚类中心值最大，则将网络资源块信息值最大的资源块分配给该物联网设备组A；同理，当某物联网设备组B所对应的聚类中心值最小，则将网络资源块信息值最小的资源块分配给该物联网设备组B。

7.如权利要求1所述的一种基于蜂窝网络的窄带物联网中大规模用户智能接入算法，其特征在于，所述的步骤五具体步骤如下：

步骤501、针对某物联网设备组，组内各物联网设备上报自身对时间延迟的最大容忍限度值T_u给基站；

步骤502、分别计算该组中各个物联网设备在相应网络资源状况下完成数据传输所需要的时间；

t_u,t为该组的物联网设备u完成数据传输所需要的时间；

步骤503、计算各物联网设备从发起请求接入到完成接入的时间段内可等待时间的最大值；

针对物联网设备u，等待时间的最大值t_u,w公式如下：

t_u,w＝T_u-t_u,t

步骤504、将每个物联网设备按照各自等待时间的最大值按照从小到大的顺序排序。