CN110139249B - 基于机器类型通信设备分组的半非授权随机接入方法 - Google Patents
基于机器类型通信设备分组的半非授权随机接入方法 Download PDFInfo
- Publication number
- CN110139249B CN110139249B CN201910366549.5A CN201910366549A CN110139249B CN 110139249 B CN110139249 B CN 110139249B CN 201910366549 A CN201910366549 A CN 201910366549A CN 110139249 B CN110139249 B CN 110139249B
- Authority
- CN
- China
- Prior art keywords
- equipment
- active
- access
- grouping
- resource block
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
- H04B17/336—Signal-to-interference ratio [SIR] or carrier-to-interference ratio [CIR]
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/12—Wireless traffic scheduling
- H04W72/121—Wireless traffic scheduling for groups of terminals or users
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/535—Allocation or scheduling criteria for wireless resources based on resource usage policies
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W72/00—Local resource management
- H04W72/50—Allocation or scheduling criteria for wireless resources
- H04W72/54—Allocation or scheduling criteria for wireless resources based on quality criteria
- H04W72/542—Allocation or scheduling criteria for wireless resources based on quality criteria using measured or perceived quality
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W74/00—Wireless channel access, e.g. scheduled or random access
- H04W74/08—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access]
- H04W74/0833—Non-scheduled or contention based access, e.g. random access, ALOHA, CSMA [Carrier Sense Multiple Access] using a random access procedure
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于MTC设备分组的半Grant‑Free随机接入方法。旨在解决mMTC场景下,接入请求碰撞严重和在Grant‑Free随机接入方案中导频过长,接入资源利用率低及缺乏调度而导致的资源块负载不均衡,传输资源利用率低的问题。实现步骤:活跃MTC设备依分组方案在指定的资源块上发送接入请求信息;基站进行联合设备检测和信道估计,计算活跃MTC设备在接入资源块上的接收SINR;基站执行以最大化成功译码用户数为目标的接入调度,并将调度信息广播至MTC设备;活跃MTC设备按照调度结果,在指定资源块上传输数据;基站进行数据恢复及结果反馈。本发明有效地提升了mMTC系统的接入效率和传输可靠性,降低了MTC设备功率消耗和接入时延,并支持海量连接,适用于mMTC场景。
Description
技术领域
本发明属于通信技术领域,主要涉及无线通信技术中的一种支撑海量设备的接入,具体是基于机器类型通信设备分组的半非授权随机接入(Grouped Semi-Grant FreeRandom Access,GSGF-RA)方法,适用于海量机器类型通信场景(massive machine-typecommunication,mMTC)中。
背景技术
海量机器类型通信是3GPP定义的第五代移动通信系统(5G)三大应用场景之一。mMTC场景未来主要的演进方向包括连接密度、终端功率消耗和覆盖增强,其中连接密度是mMTC最重要的设计增强目标。现行的LTE-A(Long Term Evolution Advanced)系统中,用户的随机接入过程一般包含四个步骤:
(1)用户随机选择一个随机接入前导码(Random Access Preamble),并通过物理随机接入信道发送至基站;
(2)基站检测前导码信号,并通过物理下行共享数据信道为每个检测到的前导码信号发送随机接入响应(Random Access Response,RAR)信息,该RAR信息包含检测到的前导码信号的识别码和用于传输链接请求信息的上行资源块(Resource Block,RB)等;
(3)用户收到与所选择的前导码信号对应的RAR信息后,使用RAR信息中指定的初始上行资源发送链接建立请求信息;
(4)若基站成功收到链接建立请求信息,则向用户发送链接请求建立响应信息。用户收到该信息后,随机接入过程结束。之后,用户与基站需要经过一系列的高层信令传输,才能开始传输数据。
mMTC场景下,采用上述随机接入过程,不可避免的会面临三个挑战性问题:(1)相对MTC设备传输的小数据包而言,MTC设备与基站之间在随机接入过程中交互传输的头信息(overhead)过多,会使数据传输效率低下;(2)MTC设备数量远多于系统可提供的资源数和前导码数,它们之间的严重不匹配会导致随机接入过程中的接入碰撞现象严重,从而使某些MTC设备不停尝试接入请求,造成能耗增大,接入时延增加;(3)在5G框架下,系统可支持的接入容量限,尚未有明确的理论支撑。为了解决上述问题,现有针对MTC通信的随机接入方案根据随机接入方式的不同分为以下两大类:
一类是为简化握手协议、减少信令开销(overhead)、降低MTC设备的碰撞概率而提出的各类基于授权的随机接入(Grant-Based Random Access)方案;另一类是省略与基站之间的握手过程,MTC设备直接在可用时频资源块上传输导频和数据,称为非授权随机接入(Grant-Free Random Access)方案。
Grant-Based随机接入方案的共同特点是对LTE-A系统中用户与基站间的四步握手协议进行简化。Grant-Based随机接入方案主要分为Grant-Based正交随机接入方案和Grant-Based非正交随机接入方案两类。Grant-Based正交随机接入方案不允许多个MTC设备使用相同的资源块传输数据,即当多个设备试图在同一个时频资源块上使用相同的Preamble信号与基站建立连接时,基站会认为发生碰撞。当MTC设备密度很大时,这些方案会在一定程度上使得接入失败概率变大,接入时延增加。因此,非正交随机接入算法应运而生。
Y.Liang在其文章"Non-Orthogonal Random Access for 5G Networks"(IEEETrans.On Wireless Communications,Vol.16,No.7,2017,pp.4817-4831)中首次针对mMTC应用场景,提出非正交随机接入概念的,指出,若采用同一个Preamble的多个MTC设备之间时延差值大于频率选择性衰落信道的最大时延,基站能够识别出这些设备以及各自的时延信息。这样,基站可为每个MTC设备构建不同的RAR信息。MTC设备根据收到的RAR信息在相同RB上以不同功率发送数据,基站采用SIC算法可对数据进行恢复。之后基于设备分组的非正交随机接入方案和将小区从中心到边缘划分成若干个子区域,允许不同子区域中的MTC设备复用Preamble的非正交随机接入方案相继出现。
上述Grant-Based的随机接入方案,MTC设备和基站之间的握手交互过程依然存在,信令开销对传输效率的影响也依然存在。近几年,省略了MTC设备与基站之间的握手过程的Grant-Free随机接入方案受到人们的关注。
非授权随机接入(Grant-Free Random Access)方案是指省略与基站之间的握手过程,MTC设备直接在可用时频资源块上传输导频和数据。由于MTC设备与基站之间缺乏交互过程,必然会导致基站无法获知活跃MTC设备的具体信息。因此,Grant-Free随机接入方案需要解决三个方面的问题:活跃MTC设备的检测、活跃MTC设备与基站之间的信道信息估计、以及活跃MTC设备发送数据的恢复。现有Grant-Free随机接入算法分为五大类,包括基于时隙ALOHA的Grant-Free随机接入方案、基于计算转发的Grant-Free随机接入方案、基于正交签名的Grant-Free随机接入方案、基于压缩感知的Grant-Free随机接入方案、以及基于盲检测的Grant-Free随机接入方案。其中近几年关注比较多的是各种类型AMP算法以及基于稀疏贝叶斯学习的检测算法。由此又存在几个问题:
1、由于导频序列的限制而导致接入性能损失:Grant-free随机接入方案采用的导频既包括正交导频序列,也包括非正交导频序列。受系统中相干时间和MTC设备多传输小数据包的限制,mMTC场景下采用的正交导频序列不能过长,即可用的正交导频序列数量受限,也因此无法避免的MTC设备之间的导频碰撞,限制了MTC设备的接入成功率。采用非正交导频序列则会导致信道估计误差较大,从而限制了MTC设备数据传输的成功率。
2、由于共用不同资源块的MTC设备数量不均衡而导致物理层编码设计困难:在Grant-free接入,MTC设备是随机选择导频意味着每个时频资源块上接入的用户数不固定,且每个MTC设备接入时无法预估与其共享资源的其他MTC设备的数量。这会使得不同资源块上的负载不均衡,导致物理层编码设计比较困难。
3、由于和速率受限而导致MTC设备占用过多的时隙资源:采用AMP算法,活跃MTC设备检测的错误概率在渐近情况下可以趋近于零。但是,由于AMP算法采用非正交导频,信道估计误差较大,导致系统在渐近情况下的可达和速率受限。从信息论的角度来看,如果共用一个资源块的MTC设备的和速率超过了可达和速率,不管基站是否能正确检测出活跃MTC设备,这些MTC设备的数据传输都不会成功。因此,若共用一个资源块的MTC设备数量过多,每个MTC设备需要使用低码率编码进行传输,以确保成功传输。此时,每个MTC设备占用的时隙资源会增加。
综上,Grant-based随机接入方案中,设备与基站之间多次交互过程依然存在,并没有避免信令开销对设备传输速率的影响。Grant-free随机接入方案省略了这些交互过程,可以有效实现活跃MTC设备的检测。但是受限于有限长的正交导频影响,接入碰撞概率较大,导致较长的接入时延;若采用有限长非正交导频序列,则信道估计误差较大,导致系统在渐近情况下的可达和速率受限,进而导致MTC设备占用的时隙资源会增加。同时,随机的导频序列导致了不同资源块上的负载不均衡,使得物理层编码设计比较困难。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种高接入效率,高资源利用率的基于机器类型通信(MTC)设备分组的半非授权(Grant-Free)随机接入方法。
本发明是一种基于MTC设备分组的半Grant-Free随机接入方法,其特征在于,包括如下步骤:
(1)活跃MTC设备依分组方案发送接入请求信息:采用扇形分组与激活概率分组相结合的分组方案,对所有MTC设备进行分组;活跃MTC设备根据其所处的设备分组情况,在指定的资源块上发送接入请求信息,即导频信号,向基站表明自身活跃状态;
(2)基站进行联合设备检测和信道估计:基站接收到接入请求信息后,利用导频信号,采用基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计,并根据信道估计结果计算每个活跃MTC设备在该接入资源块上的信干噪比;
(3)基站执行以最大化成功译码用户数为目标的接入调度:基站基于计算的SINR,使用以最大化成功译码用户数为目标的接入调度方案,将活跃MTC设备分别安排到接入资源块或调度资源块或漏检设备用资源块上传输数据,即按接入调度方案,以最大化成功译码用户数为目标,允许部分检测到的活跃MTC设备利用接入资源块传输数据;为另一部分检测到的活跃MTC设备另外分配资源块,用于传输数据,这类资源块称为调度资源块;对于漏检的活跃MTC设备,基站将额外分配资源块供漏检的活跃MTC设备传输数据,这类资源块称为漏检设备用资源块;每个活跃MTC设备仅在一种资源块上传输数据,完成活跃MTC设备的接入调度,并将接入调度信息广播给MTC设备;
(4)活跃设备进行数据传输:活跃设备按照基站调度结果,在所分配的资源块上进行数据传输;
(5)基站进行数据恢复及结果反馈:基站根据收到的数据信号,对接入资源块上的数据信号,采用迭代多用户检测或SIC检测进行数据恢复;对调度资源块和漏检设备用资源块上MTC设备传输的数据,采用多用户盲检测算法进行数据恢复;数据恢复后基站向译码成功的设备反馈ACK消息,向未译码成功的设备反馈NACK消息,提示该设备参与下一轮接入过程。
本发明是适用于低功耗巨连接物联网应用场景的基于MTC设备分组的半Grant-Free随机接入,以期进一步提升mMTC系统的接入效率和传输可靠性、降低MTC设备功率消耗和接入时延并支持海量连接。
本发明与现有技术相比具有以下优点:
第一,本发明提出的GSGF-RA方案在MTC设备与基站之间增加了一次握手过程,但MTC设备并没有传输额外的控制信令,而只需要等待基站的调度信息。因此,与Grant-Free随机接入方案相比,GSGF-RA会增加MTC设备传输数据前的等待时延,没有额外的信令开销。
第二,增加的一次握手协议,通过利用以最大化成功译码用户数为目标的接入调度方案,可对上行传输资源进行有效分配,避免Grant-free随机接入方案中由于缺乏调度而导致的每个资源块上承载的MTC设备分布不均衡的问题,改善MTC设备数据传输的有效性。
附图说明
图1是本发明的流程图;
图2是步骤1中MTC设备分组方案设计流程图;
图3是步骤1中MTC设备分组方案的示意图;
图4是步骤2的联合活跃设备检测与信道估计算法的设计流程图
图5是步骤3中设备接入调度方案设计流程图;
具体实施方式
下面结合附图对本发明做详细描述。
实施例1
海量机器类型通信(mMTC)是3GPP定义的第五代移动通信系统(5G)三大应用场景之一,旨在支持未来物联网的发展。mMTC场景未来主要向高连接密度、低终端功率消耗和高覆盖率方向发展,其中高连接密度是mMTC最重要的设计增强目标。若在mMTC场景下采用现行的随机接入方案,将面临信令开销过大,数据传输效率低下,接入碰撞增加,接入延时和功耗增大的问题。当前面向MTC随机接入方案的研究主要包括两类:优化握手过程的Grant-based随机接入方案和省略基站与设备间握手过程的Grant-free随机接入方案。由于Grant-based随机接入方案中多次握手过程仍然存在,信令开销对设备传输速率的影响依然存在。在Grant-free随机接入方案中,采用有限长正交导频会导致接入碰撞较大,接入延时增加;而采用非正交导频又会导致信道估计误差较大,影响通信系统的可达和速率。为解决上述问题,本发明经过研究与创新,提出一种基于MTC设备分组的半Grant-free随机接入方案。
本发明是一种基于MTC设备分组的半Grant-Free随机接入方法,参见图1,包括如下步骤:
(1)活跃MTC设备依分组方案发送接入请求信息:在mMTC场景下,基站需要支持海量的MTC设备连接,为避免MTC设备的接入碰撞问题,则需更长的导频序列;考虑到系统相干时间受限,并相对于MTC设备传输的短数据包,长的导频序列会降低接入资源利用率。为解决上述矛盾,本发明采用基于分组MTC设备接入方案。本发明采用扇形分组与激活概率分组相结合的分组方案,对所有MTC设备进行分组,并为同组设备分配指定的接入资源块,有效降低同组设备传输的表明自身状态的导频序列长度;活跃MTC设备根据其所处的设备分组情况,在指定的资源块上发送接入请求信息,即导频信号,向基站表明自身活跃状态。
(2)基站进行联合设备检测和信道估计:考虑到MTC设备的激活状态呈稀疏分布,同时考虑系统信道参数服从独立高斯分布,则联合设备检测和信道估计问题可以映射为一个行稀疏矩阵的恢复问题;在上述设备MTC分组情况下,每个分组内的MTC设备数是有限的,则每个接入资源块上MTC设备使用的导频序列长度有限。在此情况下,基于渐进性假设的近似消息传递算法并不能保证良好的算法收敛性。因此,本发明采用基于稀疏贝叶斯学习的联合设备活跃性检测和信道估计算法。基站接收到接入请求信息后,利用导频信号,采用基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计。在导频受限的情况下,采用基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计,相比于近似消息传递算法,具有更好的收敛性,更加匹配上述设备分组方案。在完成联合设备活跃性检测和信道估计后,基站根据信道估计结果计算每个活跃MTC设备在该接入资源块上的信干噪比(SINR)。
(3)基站执行以最大化成功译码用户数为目标的接入调度:Grant-free随机接入方案中,MTC设备随机选择导频进行网络接入,这将导致每个时频资源块上接入的MTC设备数不固定,且每个MTC设备接入时无法预估与其共享资源的其他MTC设备的数量,这会使得不同资源块上的负载不均衡,导致物理层编码设计比较困难。因此,本发明采用基于调度的MTC设备接入方案。首先基站基于计算的SINR,使用以最大化成功译码用户数为目标的接入调度方案,将活跃MTC设备分别安排到接入资源块或调度资源块或漏检设备用资源块上传输数据,即按接入调度方案,以最大化成功译码用户数为目标,允许部分检测到的活跃MTC设备利用步骤1中的接入资源块传输数据;为另一部分检测到的活跃MTC设备另外分配资源块,用于传输数据,这类资源块称为调度资源块;考虑到基站对MTC设备进行活跃性检测时,存在漏检情况,基站将额外分配资源块供漏检的活跃MTC设备传输数据,这类资源块称为漏检设备用资源块;每个活跃MTC设备仅在一种资源块上传输数据,完成活跃MTC设备的接入调度,并将接入调度信息广播给MTC设备。
(4)活跃设备进行数据传输:活跃设备接收到基站广播的接入调度信息后,按照基站调度结果,在所分配的资源块上进行数据传输。
(5)基站进行数据恢复及结果反馈:基站根据收到的数据信号,对接入资源块上的数据信号,采用迭代多用户检测或SIC检测进行数据恢复;对调度资源块和漏检设备用资源块上MTC设备传输的数据,采用多用户盲检测算法进行数据恢复;数据恢复后基站向译码成功的设备反馈ACK消息,向未译码成功的设备反馈NACK消息,提示该设备参与下一轮接入过程。完成基于MTC设备分组的半Grant-Free随机接入和数据传输过程。
本发明给出一种基于MTC设备分组的半Grant-Free随机接入的整体技术方案。首先采用基于分组的方式,为不同组的MTC设备分配不同的接入资源块,降低了MTC设备接入请求碰撞概率,并降低了MTC设备所需的导频序列长度,提高了设备接入效率;此外,本发明采用基于调度的方式,通过增加一次握手协议,对上行传输资源进行有效的分配,避免Grant-free随机接入方案中由于缺乏调度而导致的每个资源块上承载的MTC设备分布不均衡的问题,改善MTC设备数据传输的有效性,提升了传输资源的利用率。本发明仅包含一次握手协议,MTC设备并没有传输额外的控制信令,而只需要等待基站的调度信息,相比于Grant-free随机接入方案并没有造成额外的信令开销,避免了MTC设备的接入效率的损失。
实施例2
基于MTC设备分组的半Grant-Free随机接入方法同实施例1,本发明步骤1中所述的活跃MTC设备依分组方案发送接入请求信息,参见图2,包括有如下步骤:
(1a)获知系统参数:根据mMTC应用场景,首先获知单个蜂窝小区的系统参数,包括统计小区内的总MTC设备数、获取基站的服务半径、统计MTC设备激活概率以及获取基站配置的天线数。
(1b)设定分组模型优化问题的约束条件:在对小区内MTC设备进行分组时,为了使传输资源得以充分利用,应确保每个设备组内活跃设备数小于传输资源块上可支持的最大设备到达率,本发明将此限制作为求解分组模型优化问题的约束条件。
(1c)建立基于扇形分组与激活概率分组的联合分组模型:以基站为中心,分析设备的路径损耗,对小区进行等面积扇形划分,使得接收端具有不同的接收信噪比,参见图3中I、II、III和IV四个等面积扇形区域。进一步根据设备激活概率,对每个扇形区域内的设备进行分组,使得每个设备组具有相近的活跃设备数,如图3中扇形区域I中的I-1、I-2及I-3和扇形区域III中的III-1和III-2,虽然这5个设备组分别处于不同的扇形区域中,但这5个设备组内的活跃设备数相近。建立起基于扇形分组与激活概率分组的联合分组模型。
(1d)对分组模型进行优化设计:以最大化接入资源利用率为优化目标,在求解分组模型优化的约束条件下,主要利用线性规划等优化工具及概率论分析工具,对小区内的设备分组方案进行优化设计,并最终确定每个MTC设备所属的设备组,完成联合扇形分组和激活概率分组的MTC设备分组方案的设计。
本发明设备分组方案可以有效缓解设备接入碰撞,满足MTC设备的低功耗需求。此设备分组方案为同组设备分配指定的接入资源块,有效降低同组设备传输的表明自身状态的导频序列长度,提升接入资源的利用效率。
实施例3
基于MTC设备分组的半Grant-Free随机接入方法同实施例1-2,本发明步骤2中所述的基站进行联合设备检测和信道估计,参见图4,包括有如下步骤:
考虑到MTC设备的激活状态呈稀疏分布,同时考虑MTC设备与基站间信道参数服从独立高斯分布,则联合设备检测和信道估计问题可以映射为一个行稀疏矩阵的恢复问题;在本发明MTC设备分组情况下,每个分组内的MTC设备数是有限的,则每个接入资源块上MTC设备使用的导频序列长度有限。在此情况下,基于渐进性假设的近似消息传递算法并不能保证良好的算法收敛性。因此,本发明采用了基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计,详细步骤如下:
(2a)建立条件概率模型:考虑到活跃设备的信道增益为零均值高斯分布随机变量,而非活跃设备的信道增益可看作零均值零方差的高斯变量,即设备信道增益的方差与设备活跃性和活跃概率先验信息相关;首先利用变分推导理论中的贝叶斯学习算法,为设备信道增益的方差引入超参数,假设该超参数服从伽马分布,并建立该超参数与设备活跃性的条件概率模型。
(2b)建立接收信号模型:在接入阶段,活跃设备需要传输指定的导频序列,而基站则根据接收到的导频信号完成联合设备活跃性检测和信道估计;为此,对接收信号进行建模,建立设备活跃性、导频序列符号、基站接收信号和待估计信道之间的关系。假设当前设备组内有K个MTC设备,每个MTC设备使用长为L的导频序列,基站具有M根天线,则接收信号模型具体关系用如下公式表示:
其中矩阵Y表示基站接收信号矩阵,其第l行第m列的元素表示基站在第m个天线上收到的第l个接收符号;Q表示小区内所有设备使用的导频序列矩阵,Q中第k列元素表示小区内第k个MTC设备使用的导频序列,其列数表示小区内MTC设备数量;H表示系统信道矩阵,其第k行第m列的元素表示第k个设备到基站第m根天线的信道参数;d是表示设备活跃性的向量,若d中第k个元素为1,则表示小区中第k个设备处于活跃状态,反之,若d中第k个元素为0,则表示小区中第k个设备处于非活跃状态;运算符表示点积运算,表示d依次与H的每一列进行向量的点积运算;W表示高斯白噪声矩阵。
(2c)进行最大后验概率分解:考虑到MTC设备的活跃状态呈稀疏分布,根据上述接收信号模型,待检测信号可以看作一个包含了设备活跃性的行稀疏矩阵,并且待检测矩阵中非零元素即为活跃设备的信道增益;为了检测该行稀疏矩阵,用已知接收信号的最大后验概率模型,并根据上述接收信号模型和超参数与设备活跃性的条件概率模型,完成对接收信号的最大后验概率的分解。
(2d)建立因子图:根据上述接收信号模型和最大后验概率分解结果,建立因子图,将待估计信道和每个设备对应的信道超参数作为变量节点,将接收信号作为和节点,并根据设备活跃性、导频序列符号、基站接收信号和待估计信道之间的关系确定变量节点与和节点间的连接关系,即对于基站接收信号矩阵的第m列接收符号仅与待估计信道矩阵的第m列有函数关系,因此只有相对应的第m列接收符号的和节点与对应第m列待估计信道参数的变量节点间有连接关系。
(2e)联合设备活跃性检测和信道估计:根据消息传递的规则,每次迭代过程中的消息更新在因子图上的变量节点与和节点间连接边上进行,详细描述为,每个和节点处的消息更新可以看作一个多接入过程,即根据消息传递的规则,每个和节点融合来自与其连接的变量节点传来的消息及原始接收信号以更新在下一次迭代过程中传递给与其连接的变量节点的消息。同理,每个变量节点的消息更新可以看作为一个广播过程,即每个变量节点根据消息传递的规则,融合来自与其连接的和节点传来的信息以自身的先验信息以更新在下一次迭代过程中传递给与其连接的和节点的消息。迭代执行上述消息传递过程,直至达到预定迭代次数或信道估计精度达到预定要求,完成联合设备活跃性检测和信道估计。
本发明采用基于稀疏贝叶斯学习进行联合活跃设备检测和信道估计,不依赖于渐进性假设,在导频受限的情况下,具有比近似消息传递算法更好的收敛性,更好地匹配上述MTC设备分组方案;并且更充分地利用一些先验概率进行设备活跃性检测,如利用MTC设备的激活概率,保证了更好的检测性能。
实施例4
基于MTC设备分组的半Grant-Free随机接入方法同实施例1-3,本发明步骤3中所述的基站执行接入调度中的接入调度方案,包括有如下步骤:
本发明考虑以下两个约束条件,进行基站调度方案的优化设计:一是当基站检测到设备组内的活跃设备数量超过接入资源块上最大可支持设备到达率时,基站需要指定多余活跃设备在调度资源块上进行数据传输,并同时保证调度资源块上的设备到达率不超过其可支持的最大值;二是由于接入资源受限,编码数据序列长度也是受限的。因此,在接入资源块上设备的传输速率应高于一定的阈值。相应地,基站应通过调度保证在迭代干扰消除译码过程中,接入资源块上设备所传输数据的SINR值应高于最低传输速率所确定的SINR阈值。本发明综合考虑上述约束条件,以最大化成功译码用户数为目标,基于优化理论和信息理论对调度方案进行优化设计,参见图5,具体步骤如下:
(3a)估计活跃设备的大尺度衰落系数:根据步骤2中联合活跃设备检测和信道估计所得到的活跃设备和活跃设备的信道估计值,利用大规模天线系统下信道的渐进最优传播特性,估计每个设备组内所检活跃设备的大尺度衰落系数。
(3b)分析采用迭代干扰消除算法下,所能成功译码的活跃设备集合:首先,根据设备传输速率的限制,利用信息论中的容量公式,分析在此传输速率限制下基站对设备传来的数据能够实现正确译码的SINR阈值;然后,根据步骤2中联合活跃设备检测和信道估计所得到每个接入资源块上被检活跃设备的ID信息和活跃设备的信道估计信息,在给定多用户检测方案下,对每个接入资源块的最大可支持设备到达率的分析,得到每个接入资源块上的最大可支持设备到达率;之后,利用每个设备组内所检活跃设备的大尺度衰落系数,得到理想迭代干扰消除算法下的每个用户的SINR值;最后,根据每个接入资源块上的最大可支持设备到达率、能够正确译码所需的最小SINR值及该接入资源块上被检活跃设备的SINR值,主要利用线性规划及其他优化工具,分析该接入资源块上能够被成功译码的活跃设备集合。
(3c)在上述分析结果下,优化调度方案:给定接入资源块上能够被成功译码的活跃设备集合及剩余被检活跃设备,以最大化成功译码用户数为目标,以调度资源块上的设备到达率不超过其可支持的最大值为约束,主要利用线性规划优化方法,优化设备接入调度方案,最终确定允许哪些活跃设备在原始接入资源块上传输数据信息,并将另一部分检测到的活跃设备分配到在调度资源块上传输数据信息。
本发明采用基于调度的方式,为活跃设备分配数据传输资源,避免了Grant-Free随机接入方案中由于缺乏调度而导致的每个资源块上承载的MTC设备分布不均衡的问题,降低了物理层编码难度,提升了传输资源利用率。此调度方案仅包含一次握手过程,活跃设备仅需要等待基站的调度结果,相比于Grant-Free随机接入方案并没有造成额外的信令开销,保证了较高的接入资源利用率。
本发明采用一种基于设备分组的半Grant-Free随机接入方法,能够有效地提升mMTC系统中接入效率和传输可靠性、降低设备功率消耗和接入时延并支持海量连接。
下面给出一个整体方案的具体实施例子,结合附图对本发明做进一步的描述。
实施例5
基于MTC设备分组的半Grant-Free随机接入方法同实施例1-4,参照附图1,本发明的具体步骤如下。
(1)活跃MTC设备依分组方案发送接入请求信息:在mMTC场景下,基站需要支持海量的MTC设备连接,为避免MTC设备的接入碰撞问题,则需更长的导频序列;考虑到系统相干时间受限,并相对于MTC设备传输的短数据包,长的导频序列会降低接入资源利用率。为解决上述矛盾,本发明采用基于分组MTC设备接入方案。本发明采用扇形分组与激活概率分组相结合的分组方案,对所有MTC设备进行分组,并为同组设备分配指定的接入资源块,这样可有效降低同组设备传输的表明自身状态的导频序列长度;活跃MTC设备根据其所处的设备分组情况,在指定的资源块上发送接入请求信息,即导频信号,向基站表明自身活跃状态。
在对单个基站MTC设备进行分组时,本发明同时考虑扇形分组与激活概率分组这两种分组准则,其中扇形分组准则使得接收端具有不同的接收信噪比,以便在基站采用迭代干扰消除算法恢复用户数据信息;另一种是依据设备的激活概率,对区域内的设备进行分组,使得每个设备组具有相近的活跃设备数,以均衡负载。本发明同时考虑上述两种分组准则,在给定导频序列长度约束下,参照图2,按照以下步骤,对小区内设备分组模型进行优化。
(1a)获知系统参数:根据mMTC应用场景,首先获知单个小区的系统参数,主要包括统计小区内的MTC设备总数、获取基站的服务半径、统计MTC设备激活概率以及获取基站配置的天线数。
(1b)设定分组模型优化问题的约束条件:在对小区内MTC设备进行分组时,为了使传输资源得以充分利用,应确保每个设备组内活跃设备数小于传输资源块上可支持的最大设备到达率,将此限制作为求解分组模型优化问题的约束条件。
(1c)建立基于扇形分组与激活概率分组的联合分组模型:以基站为中心,分析设备的路径损耗,对小区进行等面积扇形划分,使得接收端具有不同的接收信噪比,参见图3中I、II、III和IV四个等面积扇形区域;进一步根据设备激活概率,对每个扇形区域内的设备进行分组,使得每个设备组具有相近的活跃设备数,以均衡负载,如图3中扇形区域I中的I-1、I-2及I-3或扇形区域III中的III-1和III-2。至此建立基于扇形分组与激活概率分组的联合分组模型。
(1d)对分组模型进行优化设计:以最大化接入资源利用率为优化目标,在求解分组模型优化的约束条件下,主要利用线性规划等优化工具及概率论分析工具,对小区内的设备分组方案进行优化设计,并最终确定每个MTC设备所属的设备组,完成联合扇形分组和激活概率分组的MTC设备分组方案的设计。
此设备分组方案可以缓解设备接入碰撞,满足MTC设备的低功耗需求。此设备分组方案为同组设备分配指定的接入资源块,可有效降低同组设备传输的表明自身状态的导频序列长度,提升接入资源的利用效率。
(2)基站进行联合设备检测和信道估计:考虑到MTC设备的激活状态呈稀疏分布,同时考虑系统信道参数服从独立高斯分布,在基站具备多天线情况下,则联合设备检测和信道估计问题可以映射为一个行稀疏矩阵的恢复问题;在上述设备MTC分组情况下,每个分组内的MTC设备数是有限的,则每个接入资源块上MTC设备使用的导频序列长度有限。在此情况下,基于渐进性假设的近似消息传递算法并不能保证良好的算法收敛性。因此,本发明采用基于稀疏贝叶斯学习的联合设备活跃性检测和信道估计算法。基站接收到接入请求信息后,利用导频信号,采用基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计。之后,基站根据信道估计结果计算每个活跃MTC设备在该接入资源块上的信干噪比(SINR)。
为在联合设备活跃性检测和信道估计算法中充分利用设备活跃概率的先验信息,在导频长度受限情况下,本发明采用基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计。参照附图4,详细步骤如下:
(2a)建立条件概率模型:考虑到活跃设备的信道增益为零均值高斯分布随机变量,而非活跃设备的信道增益可看作零均值零方差的高斯变量,即设备信道增益的方差与设备活跃性和活跃概率先验信息相关;首先利用变分推导理论中的贝叶斯学习算法,为设备信道增益的方差引入超参数,假设该超参数服从伽马分布,并建立该超参数与设备活跃性的条件概率模型。
(2b)建立接收信号模型:在接入阶段,活跃设备需要传输指定的导频序列,而基站则根据接收到的导频信号完成联合设备活跃性检测和信道估计;为此,对接收信号进行建模,建立设备活跃性、导频序列符号、基站接收信号和待估计信道之间的关系。假设当前设备组内有K个MTC设备,每个MTC设备使用长为L的导频序列,基站具有M根天线,则接收信号模型具体关系用如下公式表示:
其中矩阵Y表示基站接收信号矩阵,其第l行第m列的元素表示基站在第m个天线上收到的第l个接收符号;Q表示小区内所有设备使用的导频序列矩阵,Q中第k列元素表示小区内第k个MTC设备使用的导频序列,其列数表示小区内MTC设备数量;H表示系统信道矩阵,其第k行第m列的元素表示第k个设备到基站第m根天线的信道参数;d是表示设备活跃性的向量,若d中第k个元素为1,则表示小区中第k个设备处于活跃状态,反之,若d中第k个元素为0,则表示小区中第k个设备处于非活跃状态;运算符表示点积运算,表示d依次与H的每一列进行向量的点积运算;W表示高斯白噪声矩阵。
(2c)进行最大后验概率分解:考虑到MTC设备的活跃状态呈稀疏分布,根据上述接收信号模型,待检测信号可以看作一个包含了设备活跃性的行稀疏矩阵,并且待检测矩阵中非零元素即为活跃设备的信道增益;为了检测该行稀疏矩阵,用已知接收信号的最大后验概率模型,并根据上述接收信号模型和超参数与设备活跃性的条件概率模型,完成对接收信号的最大后验概率的分解。
(2d)建立因子图:根据上述接收信号模型和最大后验概率分解结果,建立因子图,将待估计信道和每个设备对应的信道超参数作为变量节点,将接收信号作为和节点,并根据设备活跃性、导频序列符号、基站接收信号和待估计信道之间的关系确定变量节点与和节点间的连接关系,即对于基站接收信号矩阵的任意第m列接收符号仅与待估计信道矩阵的第m列有函数关系,因此只有相对应的第m列接收符号的和节点与对应第m列待估计信道参数的变量节点间有连接关系。
(2e)联合设备活跃性检测和信道估计:根据消息传递的规则,每次迭代过程中的消息更新在因子图上的变量节点与和节点间连接边上进行,详细描述为,每个和节点处的消息更新可以看作一个多接入过程,即根据消息传递的规则,每个和节点融合来自与其连接的变量节点传来的消息及原始接收信号消息以更新在下一次迭代过程中传递给与其连接的变量节点的消息。同理,每个变量节点的消息更新可以看作为一个广播过程,即每个变量节点根据消息传递的规则,融合来自与其连接的和节点传来的信息以自身的先验信息以更新在下一次迭代过程中传递给与其连接的和节点的消息。迭代执行上述消息传递过程,直至达到预定迭代次数或信道估计精度达到预定要求,迭代过程终止并得到被检活跃设备及其信道估计值,完成联合设备活跃性检测和信道估计。
本发明采用基于稀疏贝叶斯学习进行联合活跃设备检测和信道估计,不依赖于渐进性假设,并且更充分地利用一些先验概率,如利用MTC设备的激活概率,在导频受限的情况下,具有比近似消息传递算法更好的收敛性,更加匹配上述设备分组方案。
(3)基站执行以最大化成功译码用户数为目标的接入调度:Grant-free随机接入方案中,MTC设备随机选择导频进行网络接入,这将导致每个时频资源块上接入的MTC设备数不固定,且每个MTC设备接入时无法预估与其共享资源的其他MTC设备的数量,这会使得不同资源块上的负载不均衡,导致物理层编码设计比较困难。因此,本发明采用基于调度的MTC设备接入方案。首先基站基于计算的每个活跃MTC设备在该接入资源块上的SINR,使用以最大化成功译码用户数为目标的接入调度方案,将活跃MTC设备分别安排到接入资源块或调度资源块或漏检设备用资源块上传输数据,即按接入调度方案,以最大化成功译码用户数为目标,允许部分检测到的活跃MTC设备利用步骤1中的接入资源块传输数据;为另一部分检测到的活跃MTC设备另外分配资源块,用于传输数据,这类资源块称为调度资源块;考虑到基站对MTC设备进行活跃性检测时,存在漏检情况,基站将额外分配资源块供漏检的活跃MTC设备传输数据,这类资源块称为漏检设备用资源块;每个活跃MTC设备仅在一种资源块上传输数据,完成活跃MTC设备的接入调度,并将接入调度信息广播给MTC设备。
本发明考虑以下两个约束条件,进行基站调度方案的优化设计:一是当基站检测到设备组内的活跃设备数量超过接入资源块上最大可支持设备到达率时,基站需要指定多余活跃设备在调度资源块上进行数据传输,并同时保证调度资源块上的设备到达率不超过其可支持的最大值;二是由于接入资源受限,编码数据序列长度也是受限的,则在接入资源块上进行数据传输的设备的传输速率应高于一定的阈值。相应地,基站应通过调度保证在迭代干扰消除译码过程中,接入资源块上设备所传输数据的SINR值应高于最低传输速率所确定的SINR阈值。本发明将综合考虑上述约束条件,以最大化成功译码用户数为目标,按照下述步骤对调度方案进行优化设计,参考附图4:
(3a)估计活跃设备的大尺度衰落系数:根据步骤2中联合活跃设备检测和信道估计所得到的活跃设备和活跃设备的信道估计值,利用大规模天线系统下信道的渐进最优传播特性,估计每个设备组内所检活跃设备的大尺度衰落系数。
(3b)分析采用迭代干扰消除算法下,所能成功译码的活跃设备集合:首先,根据设备传输速率的限制,利用信息论中的容量公式,分析在此传输速率限制下基站对设备传来的数据能够实现正确译码的SINR阈值;然后,根据步骤2中联合活跃设备检测和信道估计所得到每个接入资源块上被检活跃设备的ID信息和活跃设备的信道估计信息,在给定多用户检测方案下,对每个接入资源块的最大可支持设备到达率的分析,得到每个接入资源块上的最大可支持设备到达率;之后,利用每个设备组内所检活跃设备的大尺度衰落系数,得到理想迭代干扰消除算法下的每个用户的SINR值;最后,根据每个接入资源块上的最大可支持设备到达率、能够正确译码所需的最小SINR值及该接入资源块上被检活跃设备的SINR值,主要利用线性规划及其他优化工具,分析该接入资源块上能够被成功译码的活跃设备集合。
(3c)在上述分析结果下,优化调度方案:给定接入资源块上能够被成功译码的活跃设备集合及剩余被检活跃设备,以最大化成功译码用户数为目标,以调度资源块上的设备到达率不超过其可支持的最大值为约束,主要利用线性规划优化方法,优化设备接入调度方案,最终确定允许哪些活跃设备在原始接入资源块上传输数据信息,并将另一部分检测到的活跃设备分配到在调度资源块上传输数据信息,使得每个资源块上的设备负载更加均衡。
本发明采用基于调度的方式,为活跃设备分配数据传输资源,避免了Grant-Free随机接入方案中由于缺乏调度而导致的每个资源块上承载的MTC设备分布不均衡的问题,降低了物理层编码难度,提升了传输资源利用率。此调度方案仅包含一次握手过程,活跃设备仅需要等待基站的调度结果,相比于Grant-Free随机接入方案并没有造成额外的信令开销,保证了较高的接入资源利用率。
(4)活跃设备进行数据传输:所有活跃MTC设备监听广播的调度信息,按照基站调度结果,在对应的资源块上传输数据活跃。
(5)基站进行数据恢复及结果反馈:基站根据收到的数据信号,对接入资源块上的数据信号,采用迭代多用户检测或SIC检测进行数据恢复;对调度资源块和漏检设备用资源块上MTC设备传输的数据,采用多用户盲检测算法进行数据恢复;数据恢复后基站向译码成功的设备反馈ACK消息,向未译码成功的设备反馈NACK消息,提示该设备参与下一轮接入过程。完成基于MTC设备分组的半Grant-Free随机接入和数据传输过程。
综上,本发明提出的基于MTC设备分组的半Grant-Free随机接入方法主要包括在设备接入阶段,活跃MTC设备依分组方案发送接入请求信息,请求接入网络。基站在收到接入请求信息之后,基站进行联合设备检测和信道估计,并计算活跃设备的SINR。之后基站执行接入调度,对活跃MTC设备进行资源分配,并将接入调度信息广播给设备。活跃MTC设备按照调度结果,在指定资源块上传输数据。最后基站对接收信息进行数据恢复及结果反馈。至此完成基于MTC设备分组的半Grant-Free随机接入和数据传输过程。
简而言之,本发明公开的基于MTC设备分组的半Grant-Free随机接入(GroupedSemi-Grant Free Random Access,GSGF-RA)方法。旨在解决mMTC场景下,由于设备的海量接入而导致的接入请求碰撞严重和在Grant-Free随机接入方案中导频过长,接入资源利用率低及缺乏调度而导致的资源块负载不均衡,传输资源利用率低的问题。实现步骤为:1、对MTC设备进行分组并且活跃MTC设备根据其所处的设备分组情况,在指定的资源块上传输导频序列。2、根据接收的导频信号,基站首先对MTC设备的活跃性及信道进行联合检测和估计,计算每个活跃MTC设备在该接入资源块上的接收信干噪比(SINR,Signal-to-Interference and Noise Ratio);然后。3、基站根据计算的SINR进行数据传输资源块的调度,并将调度信息广播至MTC设备。4、活跃MTC设备按照调度结果,在指定资源块上传输数据。5、BS根据收到的信号进行数据恢复,若译码成功,则向对应MTC设备反馈ACK消息,否则反馈NACK消息,提示该设备参与下一轮接入过程。本发明有效地提升了mMTC系统的接入效率和传输可靠性,降低了MTC设备功率消耗和接入时延,并支持海量连接,适用于mMTC场景。
Claims (4)
1.一种基于机器类型通信设备分组的半非授权随机接入方法,其特征在于,包括有如下步骤:
(1)活跃MTC设备依分组方案发送接入请求信息:采用扇形分组与激活概率分组相结合的分组方案,对所有MTC设备进行分组;活跃MTC设备根据其所处的设备分组情况,在指定的资源块上发送接入请求信息,向基站表明自身活跃状态;
(2)基站进行联合设备检测和信道估计:基站接收到接入请求信息后,利用导频信号,采用基于稀疏贝叶斯学习进行联合设备活跃性检测和信道估计,并根据信道估计结果计算每个活跃MTC设备在该接入资源块上的信干噪比;
(3)基站执行以最大化成功译码用户数为目标的接入调度:基站基于计算的SINR,使用以最大化成功译码用户数为目标的接入调度方案,将活跃MTC设备分别安排到接入资源块或调度资源块或漏检设备用资源块上传输数据,以最大化成功译码用户数为目标,允许部分检测到的活跃MTC设备利用接入资源块传输数据;为另一部分检测到的活跃MTC设备另外分配资源块,用于传输数据,这类资源块称为调度资源块;对于漏检的活跃MTC设备,基站将额外分配资源块供漏检的活跃MTC设备传输数据,这类资源块称为漏检设备用资源块;每个活跃MTC设备仅在一种资源块上传输数据,完成活跃MTC设备的接入调度,并将接入调度信息广播给MTC设备;
(4)活跃设备进行数据传输:活跃设备按照基站调度结果,在所分配的资源块上进行数据传输;
(5)基站进行数据恢复及结果反馈:基站根据收到的数据信号,对接入资源块上的数据信号,采用迭代多用户检测或SIC检测进行数据恢复;对调度资源块和漏检设备用资源块上MTC设备传输的数据,采用多用户盲检测算法进行数据恢复;数据恢复后基站向译码成功的设备反馈ACK消息,向未译码成功的设备反馈NACK消息,提示该设备参与下一轮接入过程。
2.根据权利要求1所述的基于机器类型通信设备分组的半非授权随机接入方法,其特征在于,步骤1中所述的活跃MTC设备依分组方案发送接入请求信息,包括有如下步骤:
(1a)获知系统参数:根据mMTC应用场景,获知通信系统参数,包括小区内的总MTC设备数、小区半径、设备激活概率以及基站端的天线数;
(1b)设定分组模型优化问题的约束条件:在对小区用户进行分组时,确保每个设备组内活跃设备数小于传输资源块上可支持的最大设备到达率,并将此限制作为求解分组模型优化问题的约束条件;
(1c)建立基于扇形分组与激活概率分组的联合分组模型:以基站为中心,分析设备的路径损耗,对小区进行等面积扇形划分,并进一步根据设备激活概率,对每个扇形区域内的设备进行分组,建立基于扇形分组与激活概率分组的联合分组模型;
(1d)对分组模型进行优化:以最大化接入资源利用率为优化目标,在求解分组模型优化的约束条件下,利用线性规划及概率论分析工具,对小区内的设备分组方案进行优化。
3.根据权利要求1所述的基于机器类型通信设备分组的半非授权随机接入方法,其特征在于,步骤2中所述的基站进行联合设备检测和信道估计,包括有如下步骤:
(2a)建立条件概率模型:利用变分推导理论中的贝叶斯学习算法,为设备信道增益的方差引入超参数,该超参数服从伽马分布,并建立该超参数与设备活跃性的条件概率模型;
(2b)建立接收信号模型:对接收信号进行建模,建立设备活跃性、导频序列符号、基站接收信号和待估计信道之间的关系;
(2c)进行最大后验概率分解:根据接收信号模型,待检测信号看作一个包含了设备活跃性的行稀疏矩阵,并且矩阵中非零元素即为活跃设备的信道增益;根据接收信号模型和超参数与设备活跃性的条件概率模型,完成对接收信号的最大后验概率的分解;
(2d)建立因子图:根据上述接收信号模型和最大后验概率分解结果,建立因子图,将待估计信道和每个设备对应的信道超参数作为因子图的变量节点,将接收信号作为因子图的和节点,并根据设备活跃性、导频序列符号、基站接收信号和待估计信道之间的关系确定变量节点与和节点间的连接关系,建立最终因子图;
(2e)联合设备活跃性检测和信道估计:根据消息传递的规则和因子图中变量节点与和节点的连接关系,确定每个迭代过程中变量节点与和节点间连接边上的消息传递过程;迭代执行变量节点与和节点间的消息传递过程,进而完成联合设备活跃性检测和信道估计。
4.根据权利要求1所述的基于机器类型通信设备分组的半非授权随机接入方法,其特征在于,步骤3中所述的基站执行以最大化成功译码用户数为目标的接入调度,包括有如下步骤:
(3a)估计活跃设备的大尺度衰落系数:根据所检活跃设备的信道估计值,利用大规模天线系统下信道的渐进最优传播特性,估计每个设备组内所检活跃设备的大尺度衰落系数;
(3b)分析采用迭代干扰消除算法下,所能成功译码的活跃设备集合:首先,根据设备传输速率的限制,利用信息论中的容量公式,分析在此传输速率限制下能够正确译码的SINR阈值;根据每个接入资源块上被检活跃设备的ID信息和信道信息,在给定多用户检测方案下,对接入资源块的最大可支持设备到达率的分析,得到每个接入资源块上的最大可支持设备到达率;利用每个设备组内所检活跃设备的大尺度衰落系数,得到理想迭代干扰消除算法下的每个用户的SINR值;根据每个接入资源块上的最大可支持设备到达率、能够正确译码所需的最小SINR值及该接入资源块上被检活跃设备的SINR值,利用线性规划优化工具,分析该接入资源块上能够被成功译码的活跃设备集合;
(3c)优化调度方案:给定接入资源块上能够被成功译码的活跃设备集合及剩余被检活跃设备,以最大化成功译码用户数为目标,以调度资源块上的设备到达率不超过其可支持的最大值为约束,利用线性规划优化方法,优化设备接入调度方案,即确定在原始接入资源块上传输数据信息的活跃设备及在调度资源块上传输数据信息的活跃设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910366549.5A CN110139249B (zh) | 2019-05-05 | 2019-05-05 | 基于机器类型通信设备分组的半非授权随机接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910366549.5A CN110139249B (zh) | 2019-05-05 | 2019-05-05 | 基于机器类型通信设备分组的半非授权随机接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110139249A CN110139249A (zh) | 2019-08-16 |
CN110139249B true CN110139249B (zh) | 2021-04-30 |
Family
ID=67576197
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910366549.5A Active CN110139249B (zh) | 2019-05-05 | 2019-05-05 | 基于机器类型通信设备分组的半非授权随机接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110139249B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112867168B (zh) * | 2019-11-27 | 2024-03-22 | 中国移动通信集团陕西有限公司 | 窄带物联网高并发接入方法、装置、计算设备及存储介质 |
CN113692060B (zh) * | 2021-10-25 | 2022-01-07 | 浙大城市学院 | 多天线mimo场景下随机接入资源的配置与更新方法 |
CN114285523B (zh) * | 2021-12-24 | 2023-09-15 | 西安交通大学 | 面向多业务需求的大规模mtc免授权多用户检测方法及系统 |
CN115333709B (zh) * | 2022-06-21 | 2023-06-23 | 北京邮电大学 | 数据传输方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554901A (zh) * | 2015-12-11 | 2016-05-04 | 清华大学 | 随机接入方法 |
CN106922023A (zh) * | 2015-12-25 | 2017-07-04 | 华为技术有限公司 | 一种数据传输方法、设备和系统 |
CN107787005A (zh) * | 2016-08-26 | 2018-03-09 | 北京三星通信技术研究有限公司 | 在链路质量监测的方法和相应的用户设备 |
WO2018058255A1 (en) * | 2016-09-30 | 2018-04-05 | Sierra Wireless, Inc. | Methods and apparatuses for user equipment access to a wireless communication system |
CN108093411A (zh) * | 2018-01-10 | 2018-05-29 | 重庆邮电大学 | D2d通信网络中基于信道签名的资源调度优化方法 |
CN109168147A (zh) * | 2018-11-23 | 2019-01-08 | 西安电子科技大学 | Lte网中用于m2m通信的混合随机接入方法 |
CN109168146A (zh) * | 2018-11-23 | 2019-01-08 | 西安电子科技大学 | 支持混合授权-非授权频段的mtc传输方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10080159B2 (en) * | 2014-06-24 | 2018-09-18 | Qualcomm Incorporated | Dynamic bandwidth management for load-based equipment in unlicensed spectrum |
CN108282762B (zh) * | 2018-01-30 | 2020-06-26 | 中国人民解放军陆军工程大学 | Lte-a网络大规模m2m通信上行数据传输方法 |
-
2019
- 2019-05-05 CN CN201910366549.5A patent/CN110139249B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105554901A (zh) * | 2015-12-11 | 2016-05-04 | 清华大学 | 随机接入方法 |
CN106922023A (zh) * | 2015-12-25 | 2017-07-04 | 华为技术有限公司 | 一种数据传输方法、设备和系统 |
CN107787005A (zh) * | 2016-08-26 | 2018-03-09 | 北京三星通信技术研究有限公司 | 在链路质量监测的方法和相应的用户设备 |
WO2018058255A1 (en) * | 2016-09-30 | 2018-04-05 | Sierra Wireless, Inc. | Methods and apparatuses for user equipment access to a wireless communication system |
CN108093411A (zh) * | 2018-01-10 | 2018-05-29 | 重庆邮电大学 | D2d通信网络中基于信道签名的资源调度优化方法 |
CN109168147A (zh) * | 2018-11-23 | 2019-01-08 | 西安电子科技大学 | Lte网中用于m2m通信的混合随机接入方法 |
CN109168146A (zh) * | 2018-11-23 | 2019-01-08 | 西安电子科技大学 | 支持混合授权-非授权频段的mtc传输方法 |
Non-Patent Citations (6)
Title |
---|
5G系统机器类通信场景下基于动态接入优先级的拥塞控制策略研究;张发等;《通信技术》;20190210;全文 * |
Fixed-Symbol Aided Random Access Scheme for Machine-to-Machine Communications;Zhaoji Zhang等;《IEEE Access》;20190422;全文 * |
Non-Orthogonal Random Access for 5G Networks;Yanan Liang等;《 IEEE Transactions on Wireless Communications》;20170516;全文 * |
On Uplink Non-Orthogonal Multiple Access for 5G:Opportunities and Challenges;Li Tian等;《中国通信》;20171215;全文 * |
Sparse Signal Processing for Grant-Free Massive Connectivity: A Future Paradigm for Random Access Protocols in the Internet of Things;Liang Liu等;《IEEE Signal Processing Magazine》;20180903;全文 * |
Uplink Grant-Free Pattern Division Multiple Access (GF-PDMA) for 5G Radio Access;Wanwei Tang等;《中国通信》;20180415;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110139249A (zh) | 2019-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110139249B (zh) | 基于机器类型通信设备分组的半非授权随机接入方法 | |
US9282541B2 (en) | Method in which a terminal cooperates with another terminal to transmit data, and method for receiving the data | |
US8594007B2 (en) | Sequential ACK for multi-user transmissions | |
US20220217781A1 (en) | Random access procedure reporting and improvement for wireless networks | |
US7529222B2 (en) | Method and apparatus for medium access control for a decentralized network with adapted beamforming and power control | |
EP2562940A2 (en) | Method for cooperative data transmission among terminals, and method for clustering cooperative terminals for same | |
CN106792451B (zh) | 一种基于多种群遗传算法的d2d通信资源优化方法 | |
US11251861B2 (en) | Method and apparatus for transmitting control channel in wireless communication system | |
CN113411105B (zh) | 一种无小区大规模天线系统的ap选择方法 | |
KR102369320B1 (ko) | 시분할 복신 기반의 무선 통신 시스템에서 셀 간 간섭을 제어하기 위한 장치 및 방법 | |
US9059752B2 (en) | Multicellular cooperative communications in a decentralized network | |
El-Tanab et al. | An overview of uplink access techniques in machine-type communications | |
Tang et al. | Uplink grant-free pattern division multiple access (GF-PDMA) for 5G radio access | |
US20160242011A1 (en) | Selective use of single-link communication and group communication | |
WO2018019253A1 (zh) | 通信信道的传输方法及装置、系统 | |
Zhai et al. | A Q-learning-based resource allocation for downlink non-orthogonal multiple access systems considering QoS | |
US20220159586A1 (en) | Transmission power allocation method based on user clustering and reinforcement learning | |
Kang et al. | Scheduling versus contention for massive random access in massive MIMO systems | |
Yuan et al. | Latency-critical downlink multiple access: A hybrid approach and reliability maximization | |
Hung et al. | Low latency communication for Internet of Things | |
US8374554B2 (en) | Communication system for adjusting mode of collecting interference channel information | |
EP4072222A1 (en) | Interference minimizing cooperative scheduler for orthogonal multiple access (oma) and non-orthogonal multiple access (noma) wireless communications | |
KR20190037239A (ko) | 네트워크 제어 포인트 및 중앙 처리 노드에서 사용하기 위한 전자 디바이스 및 방법 | |
Chen et al. | Multiplexing-diversity medium access for multi-user MIMO networks | |
Choi et al. | Co-existing preamble and data transmissions in random access for MTC with massive MIMO |
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 |