CN109286993B - 一种基于估计算法的动态接入蜂窝网络的方法 - Google Patents
一种基于估计算法的动态接入蜂窝网络的方法 Download PDFInfo
- Publication number
- CN109286993B CN109286993B CN201811257404.3A CN201811257404A CN109286993B CN 109286993 B CN109286993 B CN 109286993B CN 201811257404 A CN201811257404 A CN 201811257404A CN 109286993 B CN109286993 B CN 109286993B
- Authority
- CN
- China
- Prior art keywords
- mtcd
- access
- preamble
- time slot
- acb
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000001413 cellular effect Effects 0.000 title claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000007704 transition Effects 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000012804 iterative process Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 abstract description 13
- 230000000977 initiatory effect Effects 0.000 abstract description 10
- 101100274486 Mus musculus Cited2 gene Proteins 0.000 description 6
- 101150096622 Smr2 gene Proteins 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- YFYASMWDAMXQQT-UHFFFAOYSA-N 2-amino-3-chlorobutanoic acid Chemical compound CC(Cl)C(N)C(O)=O YFYASMWDAMXQQT-UHFFFAOYSA-N 0.000 description 2
- 208000032370 Secondary transmission Diseases 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 101100533725 Mus musculus Smr3a gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access
- H04W74/08—Non-scheduled access, e.g. ALOHA
- H04W74/0833—Random access procedures, e.g. with 4-step access
- H04W74/0841—Random access procedures, e.g. with 4-step access with collision treatment
- H04W74/085—Random access procedures, e.g. with 4-step access with collision treatment collision avoidance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/70—Services for machine-to-machine communication [M2M] or machine type communication [MTC]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明基于传输重传次数的状态转移模型,揭示了一种基于估计算法的动态接入蜂窝网络的方法。针对当海量机器类设备同时发起接入蜂窝网络时,碰撞概率明显提高、资源利用率低和接入时延增大的问题。本发明提出了一种新的分析模型来最优化MTCD(Machine Type Communication Device)随机接入蜂窝网络的性能,建立MTCD的状态转移模型,通过分析稳态时MTCD所处的状态转移过程,求得某个MTCD稳态时处于第几次重传前导的稳态概率。接着用迭代算法估计出每个随机接入时隙发起接入的MTCD数目,最后利用最优的ACB检测参数来最优化网络的吞吐量性能。
Description
技术领域
本发明属于无线通信领域,具体而言,涉及一种基于MTCD数量估计和ACB动态接入蜂窝网络过程的联合优化方法。
背景技术
mMTC,即海量机器类通信场景,是5G三大主要应用场景之一。M2M(Machine toMachine)通信指在没有人为干预的条件下,机器与机器之间通过通信网络,自主地进行数据传输,以实现智能化的信息处理。机器与机器通信为5G的主要场景,3GPP组织在蜂窝网络中引入M2M通信,旨在提供无处不在的连接。相比于H2H(Human to Human)的高速移动宽带数据业务,MTCD具有数量大、小数据包、上行通信占优、低功耗、低成本、固定位置、短时间内突发大量接入等特征。然而当前蜂窝网络是针对人与人通信进行设计时,不适合M2M通信的突发海量接入特性,需要对其进行优化。
在单个小区中将有数以千亿计的设备接入网络,而且各种应用通过不同设备所发送的数据类型也各不相同。如果在一个区域内的每类应用的MTC设备都需要独立地接入所在区域的基站的话,会给基站带来很大的负担同时会带来资源浪费和系统冲突。庆幸的是mMTC系统的海量接入具有独特特点,即低功耗、突发性、短帧长业务。现有蜂窝网络是针对H2H通信业务进行部署和优化的,当海量机器类设备接入时,就会造成严重的接入碰撞,导致数据传输错误。因此,海量接入主要需要解决大量发送非常短数据包的设备可扩展的、并高效连接的问题。
鉴于mMTC终端数量大、突发性的特点,以及现有蜂窝网络是针对H2H通信业务进行部署和优化的,而且频谱资源有限,不足以支持海量的机器类终端同时发起接入。当海量机器类设备同时发起接入时,就会发生严重的接入碰撞,导致网络出现无法接入的拥塞情况。因此,需要设计一种针对海量机器终端接入的随机接入方法来解决这个问题。
发明内容
针对mMTC系统海量机器类设备的连接特性,为了防止网络拥塞、降低碰撞概率,本发明的目的旨在提出一种基于估计算法的动态接入蜂窝网络的方法。
本发明实现上述目的的技术解决方案为:一种基于估计算法的动态接入蜂窝网络的方法,其特征在于包括步骤:
S1,根据mMTC的到达模型计算出第k个随机接入时隙新到达的MTCD数量Ak,然后估计出之前随机接入时隙中未通过ACB检测退避到本时隙重新发起接入的MTCD数量和通过ACB检测且前导发生碰撞而退避到本时隙重新发起接入的MTCD数量;
S2,根据估计得到的MTCD数量进行ACB分析,得出第k个随机接入时隙最优的ACB检测参数qk;
S3,第k个随机接入时隙中活跃的Mk个MTCD发起接入蜂窝网络的接入请求,每个MTCD随机产生一个0-1的随机数u,将u与qk进行比较筛选出允许发送前导的MTCD数量Nk,然后通过ACB检测的Nk个MTCDs各自从前导资源池中随机选取一个前导发送给基站,得到该时隙基站检测到的前导成功发送的MTCD的概率pk和前导发生碰撞的MTCD数量Mcoll_k;
进一步地,所述随机接入的流程为:
依据贝塔分布的到达过程计算出第一个随机接入时隙新到达的MTCD数量A1;
执行步骤S2和S3,将第一个随机接入时隙中估计发起接入的MTCD数量进行ACB自适应调整接入参数q1来最大化系统的吞吐量,得出在该时隙被限制发送前导的MTCD数量和接入成功概率p1;
接着将q1和p1应用到步骤S4中的马尔可夫状态转移图,求出该时隙中MTCD处于第i次传输前导的稳态概率Пi;
之后的随机接入时隙依次执行步骤S1、S2、S3和S4进行迭代过程。
进一步地,步骤S1进行MTCD数量估计算法的流程为:
首先利用贝塔分布过程计算出该时隙新到达的MTCD数量Ak;
然后利用限制接入窗口内未通过ACB检测的MTCD,估计出退避到本时隙重新发起接入的MTCD数量;
最后利用退避窗口内通过ACB检测但发出的前导发生碰撞的MTCD,并结合各自时隙中状态转移方程解出的处于前(NPT-1)次传输前导的概率,估计出在本时隙重新发起接入的MTCD数量。
进一步地,步骤S2中估计出的第k个随机接入时隙发起接入的MTCD数量为Mk,计算最优ACB检测参数qk=min(1,L/Mk);其中L为蜂窝网络区域内可用前导的规模数。
进一步地,步骤S3中所述ACB检测的结果包括为:
若MTCD通过ACB检测,则被允许发送前导,随机从前导资源池中选取一个前导发送给基站,若基站检测到前导未发送碰撞,则表示该MTCD接入成功,否则从退避窗口中随机选取一个退避值进行均匀退避;
若MTCD未通过ACB检测,则从限制接入窗口中随机选取一个退避值进行退避。
进一步地,步骤S4中的具体流程为:根据传输次数的状态转移特性构建关于传输次数的状态转移图,进而列出状态转移方程,解出各自状态的稳态概率。
与现有技术相比,本发明具有突出的实质性特点和显著的进步性,其有益效果体现为:使用本发明的上述方法,通过构建MTCD数量估计模型来估计每个时隙发起接入的MTCD的数量,从而可以根据每个时隙发起接入的MTCD的数量来最优化ACB参数,使得每个时隙接入成功概率达到最大,提高资源的利用率。
附图说明
图1为本实用新型基于MTCD数量估计的ACB动态接入迭代流程图。
图2为其中MTCD时隙到达的概率密度函数示意图。
图3为其中自适应ACB随机接入流程图。
图4为其中前导传输次数状态转移图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案,所举实例只用于解释本发明,并非用于限定本发明的范围。
本发明设计者致力于5G通讯应用的发展,总结分析了当前mMTC终端数量大,海量接入拥堵的迫切现状。创新提出了一种基于估计算法的动态接入蜂窝网络的方法。其概述的技术实现方法如图1所示,包括如下简述步骤。
S1,根据mMTC的到达模型计算出第k个随机接入时隙新到达的MTCD数量Ak,如图2所示;然后估计出之前随机接入时隙中未通过ACB检测退避到本时隙重新发起接入的MTCD数量和通过ACB检测且前导发生碰撞而退避到本时隙重新发起接入的MTCD数量;
S2,根据估计得到的MTCD数量进行ACB分析,得出第k个随机接入时隙最优的ACB检测参数qk;
S3,第k个随机接入时隙中活跃的Mk个MTCD发起接入蜂窝网络的接入请求,每个MTCD随机产生一个0-1的随机数u,将u与qk进行比较筛选出允许发送前导的MTCD数量Nk,然后通过ACB检测的Nk个MTCDs各自从前导资源池中随机选取一个前导发送给基站,得到该时隙基站检测到的前导成功发送的MTCD的概率pk和前导发生碰撞的MTCD数量Mcoll_k;
本发明上述方案中,进一步的细化特点包含如下步骤说明。
步骤S1的具体流程为:在某一蜂窝网络小区中总共有n个MTCD,L个可用前导,第k个PRACH(物理随机接入信道)中新到达的MTCD服从贝塔分布,新到达的MTCD数量Ak即是对从上一时隙到本时隙时间段内到达MTCD积分的结果;
在第一个PRACH时隙中,发起接入的MTCD只有新到达的MTCD,因此只需要根据贝塔分布到达过程求出M1即可;对于第(k>1)个PRACH时隙,估计的MTCD数量Mk分为三部分:上一PRACH时隙到本PRACH时隙期间新到达的MTCD数量、第k个PRACH时隙之前时隙中未通过ACB检测退避到本时隙的MTCD数量和第k个PRACH时隙之前时隙中通过ACB检测但发送的前导发生碰撞退避到本时隙的MTCD数量;
第k时隙中发起接入的MTCD可以表示为一个NPT维的矢量:Mk=<Mk[1],Mk[2],…,Mk[NPT]>,其中,Mk[i]表示第i次发起接入的MTCD数量,则第k个随机接入时隙总的发起接入的MTCD数为:Mk=Mk[1]+Mk[2]+…+Mk[NPT]。
步骤S2和步骤S3的具体流程为:根据估计的MTCDs数量Mk计算出在本时隙使得吞吐量最优的接入参数qk=min(1,L/Mk),其中L为蜂窝网络区域内可用前导的规模数。Mk个MTCDs各自随机产生一个0~1的随机数u,将各自的随机数u与基站广播的接入参数qk进行比较。
若随机数u小于或等于接入阈值qk,则表示允许该MTCD发送Msg1给基站,否则,该MTCD执行退避算法(Tbarring=[0.7+0.6*u[0,1)]*TACB)退避到之后的接入时隙重新发起接入;通过ACB参数检测的MTCD从前导资源池中随机选取一个前导发送给基站,基站会发送一个响应信息Msg2给MTCD;
若在小区中有MTCDs同时也发送该前导给基站,该前导就会发生碰撞,发生碰撞的MTCD随机退避一段时间t(0<t≤W,退避窗口值)后重新发起接入。
成功发送前导的MTCD会收到基站发来的响应信息Msg2,其中包括分配给该MTCD的上行信道资源分配信息,MTCDs发送一个请求接入的消息Msg3给基站;
成功接收Msg3的网络侧会发送竞争解决的Msg4给MTCD;
MTCD收到Msg4表示该MTCD成功接入,成功接入的MTCD可在分配的上行信道上发送数据。
步骤S4的具体流程为:从步骤S2和步骤S3中可以知道第k个随机接入时隙中的ACB检测参数qk和成功接入概率pk,根据状态转移图列出状态转移方程来得到处于第k次传输前导的稳态概率Пi,进而计算出本时隙前(NPT-1)次传输前导的概率和可退避到之后的时隙重新发起接入。
从具体的实施例直观来理解本方案的创新实质。假设在某一小区中的MTCD从k=1时隙开始发起随机接入,小区中MTCD的到达遵循Beta分布,MTCD的概率密度分布图如图2所示,。在时隙k,定义新到达的MTCD的数量为Ak,第i次发送前导的MTCD数量为Mk[i]。假设不考虑基站检测前导码所花费的时间,由于发送前导后等待基站响应的子帧数WRAR小于两个PRACH子帧之间的间隔,则未通过ACB检测的活跃MTCD随机退避一个限制接入值后重新进行ACB检测,通过ACB检测但前导发生碰撞的MTCD最早可以退避到下一时隙重新发起接入。
由于在时隙k中,活跃MTCD包括新到达的MTCD和重传的MTCD。所以,时隙k中的发起接入的MTCD可以表示为一个NPT维的矢量:Mk=<Mk[1],Mk[2],…,Mk[NPT]>,则第k个随机接入时隙总的发起接入的MTCD数为:Mk=Mk[1]+Mk[2]+…+Mk[NPT]。
MTCD随机接入过程流程图如图3所示,LTE网络的随机接入过程中,每个MTCD发起随机接入之前都要通过ACB参数检测来决定在本时隙是发起随机接入还是退避到下一个时隙重新进行检测。ACB检测的具体过程如下:首先,根据估计的MTCDs数量Mk计算出在本时隙使得吞吐量最优的接入参数qk=min(1,L/Mk)。然后,每个活跃MTCD都各自随机产生一个0~1的随机数u,将各自的随机数u与基站广播的接入参数qk进行比较。若随机数u小于或等于接入阈值qk,则表示允许该MTCD发送前导给基站,否则,该MTCD执行退避算法(Tbarring=[0.7+0.6*u[0,1)]*TACB)退避到之后的接入时隙重新发起接入。通过ACB参数检测的MTCD从前导资源池中随机选取一个前导发送给基站,基站会发送一个响应信息Msg2给MTCD。若在小区中有MTCD同时也发送该前导给基站,该前导就会发生碰撞,发生碰撞的MTCD随机退避一段时间t(0≤t≤W)后重新发起接入。成功发送前导的MTCD会收到基站发来的响应信息Msg2,其中包括分配给该MTCD的上行信道资源信息。成功发送前导的MTCD会收到基站发来的响应信息Msg2,其中包括分配给该MTCD的上行信道资源分配信息,MTCD发送一个请求接入的消息Msg3给基站。若Msg3被基站成功接收,网络侧会发送竞争解决的Msg4给MTCD。MTCD收到Msg4表示该MTCD成功接入,成功接入的MTCD可在分配的上行信道上发送数据。
MTCD在时隙k的状态转移图如图4所示,qk和pk分别表示在时隙k(k=1,2,3,…)基站广播的ACB参数和成功发送前导的概率。状态转移图中状态的意义如下:T:成功发送接入请求;Si:第i次发送前导;F:数据包丢弃。若一个第i(i<NPT)次发送前导的活跃MTCD以概率qkpk成功接入,则该MTCD从状态Si转移到状态T;若其未通过ACB检测,则该MTCD以概率1-qk仍然处于状态Si;若该MTCD通过了ACB检测但前导传输发生了碰撞,则以概率qk(1-pk)转移到状态Si+1。当i=NPT时,若MTCD通过了ACB检测但前导传输发生了碰撞,则以概率qk(1-pk)转移到状态F。
本发明采用基于估计算法的ACB动态接入方法与现有技术相比,有以下优点:与现有的动态ACB机制相比较,现有的动态ACB方法中对于每个时隙发起接入的MTCD数量的估计只是粗略的估计,并不能表示出退避到本时隙重新发起接入的MTCD的数量,本发明精准的估计每个时隙发起接入的MTCD数量,而且还将前导的最大重传次数考虑在内,极大提高了MTCD成功接入的概率和资源利用率,同时还降低了由于无限重传导致的接入时延增大的问题。
与现有的时隙ALOHA技术相比较,动态时隙ALOHA技术没有对MTCD进行接入限制,只是MTCD只能在每个时隙的开始出才能发送接入请求。当海量MTCD发起接入时,就会有相当多的MTCD选择相同的前导,导致前导发生严重的碰撞甚至发生拥塞情况。本发明采用基于MTCD数量估计的ACB动态接入结构,对每个随机接入时隙发送前导的MTCD数量进行了限制,使得在每一随机接入时隙发送前导的MTCD数量为本随机接入时隙的最优值,提高了接入成功概率,降低了碰撞概率和接入时延。
因此本发明的发明点主要是通过MTCD数量估计和ACB动态接入过程的联合优化来提高整体接入的成功概率和资源利用率。与现有的技术相比较,现有的技术都不能更准确的估计每个时隙发起接入的MTCD数量来对系统性能进行优化,而本技术发明通过估计算法和动态ACB相结合提高了资源的利用率和接入成功概率,同时在一定程度上还降低了接入时延。
以上详细描述了本发明的优选实施方式,但是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内进行修改或者等同变换,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于估计算法的动态接入蜂窝网络的方法,其特征在于包括步骤:
S1,根据mMTC的到达模型计算出第k个随机接入时隙新到达的MTCD数量Ak,然后估计出之前随机接入时隙中未通过ACB检测退避到本时隙重新发起接入的MTCD数量和通过ACB检测且前导发生碰撞而退避到本时隙重新发起接入的MTCD数量;其中进行MTCD数量估计算法的流程为:首先利用贝塔分布过程计算出该时隙新到达的MTCD数量Ak;然后利用限制接入窗口内未通过ACB检测的MTCD,估计出退避到本时隙重新发起接入的MTCD数量;最后利用退避窗口内通过ACB检测但发出的前导发生碰撞的MTCD,并结合各自时隙中状态转移方程解出的处于前(NPT-1)次传输前导的概率,估计出在本时隙重新发起接入的MTCD数量;
S2,根据估计得到的MTCD数量进行ACB分析,估计出的第k个随机接入时隙发起接入的MTCD数量为Mk,计算最优ACB检测参数qk=min(1,L/Mk),其中L为蜂窝网络区域内可用前导的规模数;
S3,第k个随机接入时隙中活跃的Mk个MTCD发起接入蜂窝网络的接入请求,每个MTCD随机产生一个0-1的随机数u,将u与qk进行比较筛选出允许发送前导的MTCD数量Nk,然后通过ACB检测的Nk个MTCDs各自从前导资源池中随机选取一个前导发送给基站,得到该时隙基站检测到的前导成功发送的MTCD的概率pk和前导发生碰撞的MTCD数量Mcoll_k;
所述随机接入的流程为:
依据贝塔分布的到达过程计算出第一个随机接入时隙新到达的MTCD数量A1;
执行步骤S2和S3,将第一个随机接入时隙中估计发起接入的MTCD数量进行ACB自适应调整接入参数q1来最大化系统的吞吐量,得出在该时隙被限制发送前导的MTCD数量和接入成功概率p1;
接着将q1和p1应用到步骤S4中的马尔可夫状态转移图,求出该时隙中MTCD处于第i次传输前导的稳态概率Пi;
之后的随机接入时隙依次执行步骤S1、S2、S3和S4进行迭代过程。
2.根据权利要求1所述基于估计算法的动态接入蜂窝网络的方法,其特征在于:步骤S3中所述ACB检测的结果包括为:
若MTCD通过ACB检测,则被允许发送前导,随机从前导资源池中选取一个前导发送给基站,若基站检测到前导未发送碰撞,则表示该MTCD接入成功,否则从退避窗口中随机选取一个退避值进行均匀退避;
若MTCD未通过ACB检测,则从限制接入窗口中随机选取一个退避值进行退避。
3.根据权利要求1所述基于估计算法的动态接入蜂窝网络的方法,其特征在于:步骤S4中的具体流程为:根据传输次数的状态转移特性构建关于传输次数的状态转移图,进而列出状态转移方程,解出各自状态的稳态概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811257404.3A CN109286993B (zh) | 2018-10-26 | 2018-10-26 | 一种基于估计算法的动态接入蜂窝网络的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811257404.3A CN109286993B (zh) | 2018-10-26 | 2018-10-26 | 一种基于估计算法的动态接入蜂窝网络的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109286993A CN109286993A (zh) | 2019-01-29 |
CN109286993B true CN109286993B (zh) | 2021-09-14 |
Family
ID=65177904
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811257404.3A Active CN109286993B (zh) | 2018-10-26 | 2018-10-26 | 一种基于估计算法的动态接入蜂窝网络的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109286993B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111526530B (zh) * | 2020-05-15 | 2023-04-28 | 广东技术师范大学 | 一种面向NB-IoT的随机接入拥塞控制算法的优化方法 |
CN113079490B (zh) * | 2021-03-30 | 2022-09-06 | 中山大学 | 一种机器类通信网络短包随机接入的分布式能效优化方法 |
CN117692961B (zh) * | 2024-02-04 | 2024-04-26 | 北京邮电大学 | 低轨卫星物联网随机接入拥塞控制方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2553991A1 (en) * | 2010-03-26 | 2013-02-06 | Panasonic Corporation | Group-based paging for machine-type-communication (mtc) devices |
CN103081379A (zh) * | 2010-08-27 | 2013-05-01 | Lg电子株式会社 | 用于针对大型无线电接入网络的访问类禁止和退避控制的mac pdu信号传递和操作方法 |
CN106604407A (zh) * | 2015-10-15 | 2017-04-26 | 上海贝尔股份有限公司 | 用于大量mtc设备的接入控制的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101967721B1 (ko) * | 2011-08-10 | 2019-04-10 | 삼성전자 주식회사 | 무선 통신 시스템에서 확장 접속 차단 적용 방법 및 장치 |
-
2018
- 2018-10-26 CN CN201811257404.3A patent/CN109286993B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2553991A1 (en) * | 2010-03-26 | 2013-02-06 | Panasonic Corporation | Group-based paging for machine-type-communication (mtc) devices |
CN103081379A (zh) * | 2010-08-27 | 2013-05-01 | Lg电子株式会社 | 用于针对大型无线电接入网络的访问类禁止和退避控制的mac pdu信号传递和操作方法 |
CN106604407A (zh) * | 2015-10-15 | 2017-04-26 | 上海贝尔股份有限公司 | 用于大量mtc设备的接入控制的方法和装置 |
Non-Patent Citations (3)
Title |
---|
ACB for roaming MTC devices;Huawei;《3GPP TSG-RAN WG2 Meeting #72 R2-106297》;20101119;第1-4页 * |
Performance Analysis of a Pre-backoff Based;Wei Jiang等;《2014 International Conference on Intelligent Green Building and Smart Grid》;20140425;第1-4页 * |
改进的多信道S-ALOHA暂态性能分析办法及其应用;简鑫等;《电子与信息学报》;20160831;第38卷;第1894-1900页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109286993A (zh) | 2019-01-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101564951B1 (ko) | 대표자 기반의 그룹 채널 액세스의 하나의 방법 | |
CN111294775B (zh) | 一种大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法 | |
JP5727672B2 (ja) | 無線通信システムにおいて端末によるレンジング伝送方法及びその装置 | |
CN112385299A (zh) | 在无线通信系统中执行随机接入回退的方法和装置 | |
CN102695287B (zh) | 一种vanet媒体接入控制方法 | |
Tello-Oquendo et al. | Dynamic access class barring parameter tuning in LTE-A networks with massive M2M traffic | |
CN109286993B (zh) | 一种基于估计算法的动态接入蜂窝网络的方法 | |
US11979205B1 (en) | Method for configuring and updating random access resources in multi-antenna MIMO environment | |
Arouk et al. | On improving the group paging method for machine-type-communications | |
Sim et al. | Performance evaluation of partially clustered access scheme for massive machine type communications | |
de Andrade et al. | A cluster-based random-access scheme for LTE/LTE-A networks supporting massive machine-type communications | |
KR101707163B1 (ko) | 무선 통신 시스템에서의 적응적 랜덤 액세스 제어 및 자원 할당 방법과 장치 | |
CN110113720B (zh) | 基于acb机制的组寻呼拥塞控制方法 | |
CN112492625A (zh) | 一种基于重复和重传的窄带物联网覆盖增强分析方法 | |
CN106604407B (zh) | 用于大量mtc设备的接入控制的方法和装置 | |
El Tanab et al. | A scalable overload control algorithm for massive access in machine-to-machine networks | |
CN112004212B (zh) | 基于滑动窗口的随机接入系统及方法 | |
CN108934081A (zh) | 一种无线车载网信道接入方法 | |
CN111669789B (zh) | 一种适用于星地链路的通信方法及装置 | |
Gao et al. | An adaptive contention window scheme for 802.11 ah WLANs | |
Hu et al. | An adaptive slotted-contention-based MAC protocol for ad-hoc networks | |
Alavikia et al. | Random multiple data packets transmission scheme in LTE-based machine-type communications | |
CN107509247B (zh) | 空间数据传输的多址接入方法及系统 | |
Shahin et al. | Performance evaluation of centralized and distributed control methods for efficient registration of massive IoT devices | |
Morvari et al. | Learning automaton based adaptive access barring for M2M communications in LTE network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |