CN108513309B - 一种NB-IoT系统的接入拥塞控制方法 - Google Patents

Abstract

本发明涉及物联网无线通信技术领域，特别涉及一种NB‑IoT系统的接入拥塞控制方法，包括在求出在R个随机接入资源中λ个设备请求的每个接入时隙内的成功接入设备数目；若空闲的随机接入资源的数量不为0，利用数值估计法估计第i个时隙随机接入资源的空闲概率，并计算出第i个时隙的估计负载；若空闲的随机接入资源的数量为0，利用状态转移矩阵估计得到随机接入资源状态转移概率，再根据马尔科夫特性计算出第i个时隙的估计负载和第i个时隙到达的设备数目；采用趋势预测估计第i+1个时隙的接入设备数，并通过预测的接入设备数与第i+1个时隙的最佳接入设备数目的关系设置接入门限值；本发明提高的设备的接入成功率，并降低了计算的复杂度。

Description

一种NB-IoT系统的接入拥塞控制方法

技术领域

本发明涉及物联网无线通信技术领域，特别涉及一种窄带物联网(Narrow BandInternet of Things，NB-IoT)系统的接入拥塞控制方法。

背景技术

随着移动通信的迅猛发展，窄带物联网作为构建智能世界的推动者之一，需要对各种物联网(Internet of Things，IoT)设备，例如汽车、智能家庭设备等，建立连接，并且让这些对象以协作的方式自动或智能地为人们服务，NB-IoT是物联网领域一种新兴的技术,也被叫作低功耗广域网(low-power Wide-Area Network，LPWAN)，具有覆盖广、连接多、功耗少、成本低等业务特点。

通常，IoT业务可能并不频繁，但若许多UE甚至小区中的所有UE在同一时刻发起接入过程，就会造成系统的拥塞，例如网络命令设备发送上行链路报告。根据3GPP规范TS36.321可知，基于竞争的随机接入过程如图2所示。NB-IoT架构的一大特点之一就是基站进行集中化的控制特点，本发明将在NB-IoT网络架构下，充分考虑基站的最大处理负荷，对海量的IoT设备进行接入控制处理。通常，网络状态取决于当前时隙中设备到达的数量，因此根据网络状况来实现高接入成功率和低接入时延是NB-IoT通信中解决拥塞问题的迫切需要。

发明内容

为了减轻系统过载的问题，并提高的设备的接入成功率、降低了计算的复杂度，本发明提出一种NB-IoT系统的接入拥塞控制方法，包括：

S1、在基于竞争的随机接入过程中，求出在R个随机接入资源中λ个设备请求的每个接入时隙内的最佳接入设备数目；

S2、在第i个时隙接入过程中，判断空闲随机接入资源的数量是否为0，若不为零则进行步骤S3，否则进行步骤S4；

S3、利用数值估计法估计第i个时隙随机接入资源的空闲概率，根据第i个时隙随机接入资源的空闲概率计算出第i个时隙的估计负载；

S4、利用状态转移矩阵估计得到随机接入资源状态转移概率，根据随机接入资源转移概率和马尔科夫特性计算出第i个时隙的估计负载和第i个时隙到达的设备数目；

S5、采用趋势预测估计第i+1个时隙的接入设备数，并通过第i+1个时隙的接入设备数与第i+1个时隙的最佳接入设备数目的关系，选择接入设备数目。

优选的，每个接入时隙内的成功接入设备数目由随机接入资源数量和设备请求数量决定，表示为M_s＝λe(^-λ/R)当随机接入资源的数量与设备请求的数量相等时，得到最佳接入设备数目M_opt。

优选的，所述利用数值估计法估计第i个时隙随机接入资源的空闲概率包括采用前n个历史的空闲概率的平均值来估计第i个时隙的空闲概率，表示为：P_idle＝(C_i-n+C_i-(n+1)+...+C_i-2+C_i-1)/nR，所述C_i表示第i个时隙空闲前导码的数量。

优选的，随机接入资源转移概率的计算包括：令前导码的初始状态为(0，R)，若前导码的当前状态为(A_i，B_i)，且若没有下一个设备接入，前导码的状态不变；若有下一个设备接入时，前导码的状态以

的概率更新为(A_i+1,B_i-1)，则前导码状态转移概率具体表示为：

其中，P_xy表示前导码从当前状态x转移到下一状态y的概率；A_i表示第i个时隙在当前状态x处被多个设备选择的随机接入资源的数目，B_i表示第i个时隙在当前状态x处仅被一个设备选择的随机接入资源的数目。

优选的，第i个时隙的估计负载表示为：

其中，[π(m)]_n表示π(m)的第n个元素，表示为[π(m)]_n＝P_xy ^m(A_i,B_i)，P_xy ^m(A_i,B_i)表示第m次转移过程中从状态x转移到状态y的概率；π(m)表示第m次转移后随机接入资源集合状态概率向量，表示为π(m)＝π(0)P_xy ^m，π(0)＝(1,0,…,0)表示随机接入资源初始向量值，N表示状态转移的上限次数。

优选的，通过第i+1个时隙的接入设备数与第i+1个时隙的最佳接入设备数目的关系，变更接入策略，包括：

其中，ρ_i+1表示第i个时隙的接入门限，ρ_min表示接入门限的最小值；M_opt表示当前时隙的最佳接入设备数目；M_L表示接入设备上限阈值。

本发明提出一种NB-IoT系统的接入拥塞控制优化方法，根据空闲前导是否为零，采用不同的估计算法，在空闲前导数目不为零的情况下，采用数值估计的方法；而当空闲前导为零时，根据仅被一个设备选择和多个设备选择的前导构成的状态转移矩阵进行估计。然后采用趋势预测的方法预测下一个接入时隙到达的设备数目，预测的设备数目设置接入门限值，从而对接入设备数目进行控制以减轻系统的负载；使每个时隙成功接入的设备数目最大，从而提高的设备的接入成功率，并降低了计算的复杂度。

附图说明

图1为本发明一种NB-IoT系统的接入拥塞控制方法的流程图；

图2为本发明一种NB-IoT系统的接入拥塞控制方法的基于竞争的随机接入过程图；

图3为本发明一种NB-IoT系统的接入拥塞控制方法的随机接入资源的分配图；

图4为本发明为本发明一种NB-IoT系统的接入拥塞控制方法的前导状态转移图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提出一种一种NB-IoT系统的接入拥塞控制方法，如图1，包括：

S1、在基于竞争的随机接入过程中，求出在R个随机接入资源中λ个设备请求的每个接入时隙内的最佳成功接入设备数目；

S2、在第i个时隙接入过程中，判断空闲随机接入资源的数量是否为0，若不为零则进行步骤S3，否则进行步骤S4；

S3、利用数值估计法估计第i个时隙随机接入资源的空闲概率，根据第i个时隙随机接入资源的空闲概率计算出第i个时隙的估计负载；

S4、利用状态转移矩阵估计得到随机接入资源状态转移概率，根据随机接入资源转移概率和马尔科夫特性计算出第i个时隙的估计负载和第i个时隙到达的设备数目；

S5、采用趋势预测估计第i+1个时隙的接入设备数，并通过第i+1个时隙的接入设备数与第i+1个时隙的最佳接入设备数目的关系，变更接入设备数量。

在R个随机接入资源内有λ个设备请求进行基于竞争的随机接入过程，随机接入资源是由根据随机接入机会(Random Access Opportunities，RAO)来定义的，如图2所示，随机接入信道(Random Access Channel，RACH)是一种上行传输信道，RACH初始化的过程就是一个随机接入过程，当存在要由没有接收到专用无线资源的分配的移动终端经由上行链路传送的信令信息或用户的时候，可使用RACH和随机接入过程，或当基站命令移动终端执行随机接入过程的时候，也可以使用RACH和随机接入过程，随机接入过程可以分为基于竞争的接入过程和基于非竞争的接入过程，本发明采用基于竞争的接入过程，即移动终端中的MAC选择前导码。

优选的，如图3，在R个随机接入资源内有λ个设备请求进行基于竞争的随机接入过程，每个随机接入资源上承担的负载表示为：

那么，设备成功接入的概率为：

P_s＝e^-l＝e^(-λ/R)；

IoT设备接入成功数目可以表示为：

M_s＝λe^(-λ/R)；

对M_s求导，可以得到当λ＝R时，设备在每个时隙内首次成功连接的数目M_s最大，此时得到最佳接入设备数目M_opt。

在第i个时隙的随机接入过程中，若有A_i个随机接入资源被多个设备选择、B_i个随机接入资源仅被一个设备选择，C_i个随机接入资源没有被设备选择，即C_i为空闲随机接入资源的数量，所有状态的随机接入资源的数量满足A_i+B_i+C_i＝R。

根据第i个时隙随机接入资源状态中的空闲数目，即没有被设备选择的随机接入资源的数量C_i是否为零来决定使用负载估计的方法；当没有被设备选择的随机接入资源的数量C_i不为0时，采用前n个历史平均值估计第i时隙随机接入资源的空闲概率，表示为：

P_idle＝(C_i-n+C_i-(n+1)+...+C_i-2+C_i-1)/nR；

在R个随机接入资源中，一个设备选择若等概率地随机选择一个随机接入资源，则一个随机接入资源被选择的概率表示为

则随机接入资源不被选择的概率表示为

当有M_i个设备时，得到出随机接入资源不被选择概率可以表示为：

由上述公式即可估计出当前时隙负载，当前时隙的负载即为基站发起的设备请求数量，表示为为：

当第i个时隙随机接入资源状态中的空闲数目为0时，即C_i为零，此时随机接入资源状态只有仅被一个设备选择和多个设备选择两种可能，即A_i+B_i＝R；令前导码的初始状态为(0，R)，若前导码的当前状态为(A_i，B_i)，且若没有下一个设备接入，前导码的状态不变；若有下一个设备接入时，前导码的状态以

的概率更新为(A_i+1,B_i-1)，状态的转移如图4所示。根据图4，可以写出随机接入资源状态转移概率为：

其中，P_xy表示前导码从当前状态x转移到下一状态y的概率；A_i表示第i个时隙在当前状态x处被多个设备选择的随机接入资源的数目，B_i表示第i个时隙在当前状态x处仅被一个设备选择的随机接入资源的数目。

根据马尔科夫特性可知，向量初始值为π(0)＝(1,0,…,0)，第m次转移后随机接入资源集合状态概率向量为π(m)＝π(0)P_xy ^m，[π(m)]_n代表π(m)的第n个元素且[π(m)]_n＝P_xy ^m(a,b)，当前时隙实际接入负载估计值M_i为：

当前时隙到达的设备数目为：

M′_i＝M_i/ρ_i；

预测出下一个接入时隙的到达设备数目M′_i+1，设置接入门限ρ，当M′_i+1非常大时，为了保证接入门限不为零，应该给ρ设置一个最小值ρ_min，ρ的定义为

M_opt为系统最佳接入设备数目，也就是说，当M′_i+1≤M_opt时，接入的设备在IoT蜂窝站点的处理负荷之内，此时不需要进行控制，基站广播接入门限为1；如果当M_opt<M′_i+1<M_L时，接入设备已超过站点的处理能力，需要进行接入控制，所有接入的设备按照

接入概率进行接入，当接入的设备数目大于接入设备上限阈值M_L时，接入门限为最小的接入门限ρ_min。

总的来说，本发明提出的一种NB-IoT系统的接入拥塞控制方法，根据当前时隙空闲的前导码数量是否为零选择不同的估计算法来估计设备的负载，当空闲的前导码数量不为零的状态时根据历史数据估算空闲概率，再根据空闲概率计算出负载，当空闲的前导码数量为零时，利用前导码被一个或多个设备选择的情况构建状态转移矩阵，再根据状态转移矩阵来估计负载；采用趋势预测根据当前时隙估计的负载情况预测下一随机接入时隙达到的设备数量，并根据预测的设备接入数量设置设定接入门限，从而对接入设备数目进行控制以减轻系统的负载、使每个时隙成功接入的设备最大化，提高设备的接入成功率，并且采用状态转移矩阵的方法也降低了计算的复杂度。

以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种NB-IoT系统的接入拥塞控制方法，其特征在于，包括：

S1、在基于竞争的随机接入过程中，求出在R个随机接入资源中λ个设备请求的每个接入时隙内的最佳接入设备数目；

S2、在第i个时隙接入过程中，判断空闲前导码的数量是否为0，若不为零则进行步骤S3，否则进行步骤S4；

S3、利用数值估计法估计第i个时隙随机接入资源的空闲概率，根据第i个时隙随机接入资源的空闲概率计算出第i个时隙的估计负载，即第i个时隙的估计负载表示为P_idle＝(C_i-n+C_i-(n+1)+...+C_i-2+C_i-1)/nR，所述C_i表示第i个时隙空闲前导码的数量，跳至步骤S5；

S4、利用状态转移矩阵估计得到随机接入资源状态转移概率，即括：令前导码的初始状态为(0，R)，若前导码的当前状态为(A_i，B_i)，且若没有下一个设备接入，前导码的状态不变；若有下一个设备接入时，前导码的状态以

的概率更新为(A_i+1,B_i-1)，则前导码状态转移概率具体表示为：

且A_i+B_i＝R；

其中，P_xy表示前导码从当前状态x转移到下一状态y的概率；A_i表示第i个时隙在当前状态x处被多个设备选择的随机接入资源的数目，B_i表示第i个时隙在当前状态x处仅被一个设备选择的随机接入资源的数目；

根据随机接入资源转移概率和马尔科夫特性计算出第i个时隙的估计负载和第i个时隙到达的设备数目；

S5、采用趋势预测估计第i+1个时隙的接入设备数，并通过第i+1个时隙的接入设备数与第i+1个时隙的最佳接入设备数目的关系，选择接入设备数量，即：

其中，ρ_i+1表示第i个时隙的接入门限，ρ_min表示接入门限的最小值；M_L表示接入设备上限阈值。

2.根据权利要求1所述的一种NB-IoT系统的接入拥塞控制方法，其特征在于，每个接入时隙内的成功接入设备数目由随机接入资源数量和设备请求数量决定，成功接入设备数目M_s表示为M_s＝λe(^-λ/R)，当随机接入资源的数量与设备请求的数量相等时，得到最佳接入设备数目M_opt。

3.根据权利要求1所述的一种NB-IoT系统的接入拥塞控制方法，其特征在于，第i个时隙的估计负载表示为：

其中，[π(m)]_n表示π(m)的第n个元素，表示为[π(m)]_n＝P_xy ^m(A_i，B_i)，P_xy ^m(A_i,B_i)表示第m次转移过程中从状态x转移到状态y的概率；π(m)表示第m次转移后随机接入资源集合状态概率向量，表示为π(m)＝π(0)P_xy ^m，π(0)＝(1,0,…,0)表示随机接入资源初始向量值，N表示状态转移的上限次数。

Images