CN114567920B - 一种策略优化mtc设备的混合非连续接收方法 - Google Patents

一种策略优化mtc设备的混合非连续接收方法 Download PDF

Info

Publication number
CN114567920B
CN114567920B CN202210170988.0A CN202210170988A CN114567920B CN 114567920 B CN114567920 B CN 114567920B CN 202210170988 A CN202210170988 A CN 202210170988A CN 114567920 B CN114567920 B CN 114567920B
Authority
CN
China
Prior art keywords
short sleep
state
sleep state
short
period
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
Application number
CN202210170988.0A
Other languages
English (en)
Other versions
CN114567920A (zh
Inventor
王华华
李鹏飞
陈发堂
王丹
杨黎明
郑焕平
王阳阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN202210170988.0A priority Critical patent/CN114567920B/zh
Publication of CN114567920A publication Critical patent/CN114567920A/zh
Application granted granted Critical
Publication of CN114567920B publication Critical patent/CN114567920B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H04W52/0225—Power saving arrangements in terminal devices using monitoring of external events, e.g. the presence of a signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W76/00—Connection management
    • H04W76/20—Manipulation of established connections
    • H04W76/28—Discontinuous transmission [DTX]; Discontinuous reception [DRX]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于移动通信技术领域，具体涉及一种策略优化MTC设备的混合非连续接收方法，所述方法针对mMTC场景下海量设备的低功耗需求，在传统的节能DRX算法的基础上进行改进，利用MTC设备终端与长期演进型节点B和新空口节点B进行双连接，结合强化学习与策略优化的方法，对MTC设备终端的短睡眠状态进行参数优化，找出最优的短睡眠状态到波束搜索状态所持续的短睡眠周期个数，该最优值能够实现功耗的有效降低。

Description

一种策略优化MTC设备的混合非连续接收方法
技术领域
本发明属于移动通信技术领域，具体涉及一种策略优化MTC设备的混合非连续接收方法，并利用四状态半马尔可夫模型对系统建模，通过机器类型通信(Machine TypeCommunication,MTC)设备在异构网络中超密集化部署，并对MTC设备的各个状态进行策略优化，极大地降低了功耗。
背景技术
5G系统的诞生极大地扩展了通信连接范畴，5G提出了三大应用场景：增强移动宽带、超可靠低时延通信和海量机器类通信。海量机器类通信(massive Machine Type ofCommunication，mMTC)主要面向智慧城市、智能家居、环境监测等以传感和数据采集为目标的应用需求。随着mMTC的商业化，各产业对低功耗的需求不断增加，因此合理优化终端功耗具有一定的实际意义。
第三代合作伙伴计划(3rd Generation Partnership Project，3GPP)提出的非连续接收(Discontinuous Reception，DRX)节能技术，已被证明是一种有效优化能量效率的重要方法。DRX允许UE在没有进行下行数据传输时，阶段性的关闭其天线收发单元，即让UE可以定期的进入休眠状态，当有下行数据需要传输的时候再打开UE的天线收发单元进入激活的状态，从而达到减少电能的消耗的目的，增加UE的续航能力。
目前已有许多关于DRX的改进算法，诸如当前的文献提出一种适用于MTC设备的乐观DRX(optimistic DRX，ODRX)算法，该算法引入乐观标志来允许更长的睡眠时间，以节省更多的电能，但该模型不能广泛适用于5G的各种应用场景以及提出的银行家的自适应DRX(adaptive DRX，ADRX)算法，该算法动态调整睡眠时间间隔，遵循多访问边缘计算(Multi-access Edge Computing，MEC)框架，避免了执行复杂的节能算法所需的能量消耗，但计算量大，消耗时间明显增加。以上这些算法不能同时兼顾时延和功耗的需求，从而无法满足5G系统的高能耗挑战。
发明内容
本发明主要提出了一种在异构网络中对MTC设备的各状态进行策略优化，从而在时延一定的情况下，降低功耗的新型节能方案。
一种策略优化MTC设备的混合非连续接收方法，所述方法包括：
MTC设备终端在4G架构下将非连续接收机制DRX的连接状态划分为活跃状态、短睡眠状态和长睡眠状态，并形成LTE DRX机制；
MTC设备终端在5G架构下将非连续接收机制DRX的连接状态划分为活跃状态、短睡眠状态、波束搜索状态以及长睡眠状态，并形成HDRX机制；
在LTE DRX机制的短睡眠状态或长睡眠状态下，对HDRX机制的对应的短睡眠状态或长睡眠状态传输数据包，并将LTE DRX机制和HDRX机制构成4G-5G混合架构；
建立出HDRX机制的状态转移矩阵的半马尔科夫过程，并利用强化学习对其短睡眠状态的策略进行优化。
本发明的有益效果：
本发明提出的策略优化MTC设备的混合非连续接收方法在针对mMTC场景下海量设备的低功耗需求下，对传统的节能DRX算法的基础上进行改进，利用MTC设备与长期演进型节点B和新空口节点B进行双连接，结合强化学习与策略优化的方法，对MTC设备的各状态进行参数优化，实现功耗的有效降低。在异构网络中，本发明的双UE通过LTE接收器接收传入数据的通知，并仅在必要时执行波束搜索，这极大地减少了UE在波束搜索状态下花费的时间，从而实现了显著的节能。并通过强化学习对短睡眠状态的策略进行优化，迭代取得最优值，从而计算得到的功耗更低且复杂度也没有太大的增加。仿真表明，在保证传输时延的前提下，本发明比传统的DRX算法降低了近35％的功耗。本发明比传统的DRX算法计算量小，并使得终端功耗降低，具有较高的时效性且自适应性强。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例的4G-5G混合架构示意图；
图2是本发明实施例的面向新空口的新型无线接入网网络架构图；
图3是本发明实施例提供的策略优化流程示意图；
图4是本发明与传统算法在同一非激活定时器下功率节省因子的比较图；
图5是本发明与传统算法在同一短循环定时器下功率节省因子的比较图；
图6是本发明与传统算法的功率节省因子的比较图；
图7是本发明与传统算法的平均时延的比较图。
具体实施方式
下面将结合本发明实施例中的附图，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没有做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。
图1是本发明实施例中的4G-5G混合架构图，如图1所示，所述混合架构包括4G架构下的非连续接收机制DRX以及5G架构下的非连续接收机制HDRX；MTC设备终端和相应基站对LTE DRX机制和HDRX机制进行协商；4G架构下的EPC通过LTE eNB将数据包传输到5G架构下的NR node B；在LTE DRX机制的短睡眠状态或长睡眠状态对应的激活时间内，将5G架构下的新空口节点的报文信息提示到4G架构下的长期演进型节点；MTC设备终端进入波束搜索状态并进行波束搜索，与5G架构下的NR node B建立链路。
其中，4G架构下的LTE DRX机制包括三个状态，也即是活跃状态、短睡眠状态和长睡眠状态；而5G架构下的HDRX机制包括四个状态，也即是活跃状态、短睡眠状态、波束搜索状态以及长睡眠状态，由于本发明实施例中主要是对混合架构中的HDRX机制部分进行处理，因此，本发明实施例单独对HDRX机制中的四个机制进行区分，依次表示为S1为活跃状态；S2为短睡眠状态；S3为波束搜索状态；S4为长睡眠状态；短睡眠状态S2和长睡眠状态S4由一段短暂的激活时间(τ)组成，用于侦听任何传入的数据，接收到的数据提示来自长期演进(Long Term Evolution，LTE)信号。如果非激活定时器(tI)在任何新传入数据包之前终止，MTC设备终端将从S1过渡到短睡眠状态S2，概率为p12。经过预设的短周期数后，终端过渡到长睡眠状态S4的概率为p24。当有数据包指示时，MTC设备终端从短睡眠状态S2或长睡眠状态S4过渡到波束搜索状态S3，概率分别为p23或p43。同时，由于本发明的混合架构包含4G和5G，且相应状态互相对应，因此，由于HDRX机制的运行，LTE环路也会经历DRX周期以节省电力。
在上述4G-5G混合架构的基础上，本发明实施例提出了一种策略优化MTC设备的混合非连续接收方法，所述方法包括：
S1、MTC设备终端在4G架构下将非连续接收机制DRX的连接状态划分为活跃状态、短睡眠状态和长睡眠状态，并形成LTE DRX机制；
在本发明实施例中，本发明实施例中的LTE DRX机制与传统的4G网络中的LTE DRX机制类似，都是包括活跃状态、短睡眠状态和长睡眠状态，且活跃状态可以直接进入短睡眠状态，而短睡眠状态和长睡眠状态也可以进入活跃状态；而长睡眠状态只能从短睡眠状态进入。DRX机制可简单理解为允许用户终端对下行物理控制信道(Physical DownlinkControl Channel,PDCCH)进行非连续的监听，当有数据包传输时处于监听即耗能状态，而在无数据包指示时则关闭接收机进入睡眠即低耗能状态，这是活跃状态高耗能和睡眠状态低耗能之间不断地相互转换。
S2、MTC设备终端在5G架构下将非连续接收机制DRX的连接状态划分为活跃状态、短睡眠状态、波束搜索状态以及长睡眠状态，并形成HDRX机制；
在本发明实施例中，短睡眠状态S2和长睡眠状态S4由一段短暂的激活时间(τ)组成，用于侦听任何传入的数据，接收到的数据提示来自长期演进(Long Term Evolution，LTE)信号。如果非激活定时器(tI)在任何新传入数据包之前终止，MTC设备终端将从S1过渡到短睡眠状态S2，概率为p12。经过预设的短周期数后，终端过渡到长睡眠状态S4的概率为p24。当有数据包指示时，MTC设备终端从短睡眠状态S2或长睡眠状态S4过渡到波束搜索状态S3，概率分别为p23或p43。
S3、在LTE DRX机制的短睡眠状态或长睡眠状态下，对HDRX机制的对应的短睡眠状态或长睡眠状态传输数据包，并将LTE DRX机制和HDRX机制构成4G-5G混合架构；
在LTE核心网演进(evolved packet core，EPC)的帮助下，给出了如图2所示的4G-5G混合架构。LTE DRX和HDRX在MTC设备终端和相应基站之间进行协商。EPC通过LTE eNB将数据传输到NR node B。因此，LTE eNB拥有5G接收端接收数据包的内容。在短/长LTE DRX周期的一段短暂的激活期间，将新空口(new radio，NR)节点的报文信息提示到LTE。随后，MTC设备终端进行波束搜索，与NR node B建立链路。
S4、建立出HDRX机制的状态转移矩阵的半马尔科夫过程，并利用强化学习对其短睡眠状态的策略进行优化。
在本发明实施例中，通过仅在状态转移时观察所描述的半马尔可夫过程，得到一个具有状态转移概率pij＝(i,j∈{1,2,3,4})的嵌入马尔可夫链。状态S1由Np个活动时间间隔序列组成。在最后一个活动间隔中，NR node B发送当前数据包调用的最后一个包。如果非激活定时器tI没有超时，这个间隔就在一个新的数据包调用开始时结束；否则，在tI超时的时刻终止。在前一种情况下，重新进入S1状态，在后一种情况下进入S2状态。而终端从状态S2过渡到长睡眠状态S4的概率为p24，如果在短循环计时器tN超时之前没有数据包到达，则切换到状态S3进行波束搜索。终端只有在接收到任何传入数据包的消息时，才会从长睡眠状态S4进入波束搜索状态S3，显然，p43＝1。由于S3中的波束搜索从NR node B接收数据包，所以从状态S3到状态S1的转移概率为p31＝1。基于上述分析，HDRX对应的马尔科夫链的状态转移矩阵如式(1)所示。
Figure GDA0004172388890000061
本发明使用
Figure GDA0004172388890000062
来表示停留在状态Si的稳态概率。根据公式/>
Figure GDA0004172388890000063
和
Figure GDA0004172388890000064
计算得到平稳分布如式(2)所示。
Figure GDA0004172388890000065
在HDRX算法的模型分析中，本发明采用功率节省因子Ω来评估HDRX降低MTC设备终端功耗的标准。Ω是一个比例因子，为终端在整个过程中总睡眠时间和总时间的比值。Ω值越大，表明终端的省电能力越强。使用
Figure GDA0004172388890000066
来表示状态Si下的停留时间，定义如下：
Figure GDA0004172388890000067
其中，
Figure GDA0004172388890000068
和E/>
Figure GDA0004172388890000069
分别表示在状态S2和状态S4的有效停留时间。进一步推导出相对功率节省因子κ，即当HDRX未使能时MTC设备终端的平均功耗与HDRX使能时平均功耗之比。使用Pwake和Psleep表示终端处于唤醒和睡眠状态时的平均功耗，定义如下：
Figure GDA00041723888900000610
/>
另外一个衡量DRX算法的标准是时延，本发明采用平均时延来评估HDRX的时延，其计算公式如式(5)所示。
E[D]＝PS2×δ2+PS3×δ3+PS4×δ4 (5)
式(5)中，PS2，PS3，PS4分别表示在状态S2，S3，S4下的分组呼叫到达概率。δ2，δ3，δ4分别为相应状态下的平均时延。
在本发明实施例中，状态S2由NDS个短睡眠周期组成，其中NDS＝tN/tDS。每个短睡眠状态持续时间tDS由睡眠时间和一小段短暂的激活时间τ组成。因为新的分组呼叫或者新的会话可能发生在tN超时之前或之后，短暂的睡眠会以概率p23或p24持续
Figure GDA0004172388890000071
或NDS个周期，为了优化短睡眠状态到波束搜索状态所持续的短睡眠周期个数/>
Figure GDA0004172388890000072
在本发明中，通过对MTC设备终端的各状态进行策略优化，并采用强化学习的方式对其中的短睡眠状态策略进行优化，如图3所示，在本发明实施例中，短睡眠状态策略的强化学习模型包括：
1)状态
Figure GDA0004172388890000076
——一个任务中可以有很多个状态；在本发明中即每个短睡眠周期都具有对应的状态，即/>
Figure GDA0004172388890000073
NDS表示短睡眠状态持续的周期个数，这里的，
Figure GDA0004172388890000077
其中，tj表示时延；ej表示功耗，j∈{1,2,...,k}，k表示状态个数。
2)操作
Figure GDA0004172388890000078
——针对每一个状态，应该有至少1个操作可选；在本发明中即选择一个当前短睡眠周期的序号i进行分组间呼叫的操作，/>
Figure GDA0004172388890000079
其中，al表示操作；l∈{1,2,...,N}，N表示动作个数。
3)反馈
Figure GDA0004172388890000074
——针对每一个状态，环境会在下一个状态直接给予一个数值回馈；在本发明中即当i取某一数值时，通过策略优化/>
Figure GDA0004172388890000075
得到的短睡眠周期的平均停留时间值，即在状态{tj,ej}下，执行动作al所获得的奖励期望，Φ表示奖励函数，本实施例对具体的奖励函数不作限定，可以参考现有的强化学习中任意奖励函数。
4)策略(πi)——给定一个状态，经过π的处理，总能产生唯一一个操作a，即a＝π(s)，π是策略函数。在本发明中，即通过
Figure GDA0004172388890000081
计算公式，不断对i进行迭代，当时延和功耗取得权衡时即所求的最优值。
在本发明实施例中，基于上述分析，建立出HDRX机制的状态转移矩阵的半马尔科夫过程，并利用强化学习对其短睡眠状态的策略进行优化可以包括：
1)在短循环定时器超时前，计算出在当前短睡眠周期内进行分组间呼叫开始的概率；
2)按照该分组间呼叫开始的概率确定出当前短睡眠周期是否执行分组间呼叫的动作，并得出对应的策略；
3)根据当前短睡眠周期的分组间呼叫开始的概率以及短睡眠状态下的短睡眠周期总数，计算得到分组间呼叫的短睡眠周期的平均停留时间；
4)按照当前短睡眠周期的平均停留时间和分组间呼叫开始的概率计算得到当前短睡眠周期的反馈结果；
5)若当前短睡眠周期的反馈结果与前一短睡眠周期的反馈结果不一致，返回步骤1)则继续计算下一短睡眠周期的更新决策；
6)若当前短睡眠周期的反馈结果与前一短睡眠周期的反馈结果一致，则当前短睡眠周期不执行分组间呼叫的操作，执行对应的策略，输出当前短睡眠周期所对应的短睡眠周期个数，将其作为短睡眠状态到波束搜索状态所持续的短睡眠周期个数；结束迭代过程。
在上述强化学习模型的基础上，能够既兼顾时延要求，又满足低功耗的需求，为了进一步说明本发明的策略优化过程，其策略优化的具体流程包括以下步骤：
步骤一、选择状态S2，对其短睡眠周期个数
Figure GDA0004172388890000082
进行分析优化。初始值为/>
Figure GDA0004172388890000083
优化值为/>
Figure GDA0004172388890000084
该初始值实际上是传统技术中所采用的固定值，一般可以取NDS，/>
Figure GDA0004172388890000085
服从几何分布，且均值为1/pDS，其对应的短睡眠周期的平均停留时间
Figure GDA0004172388890000091
pDS表示短睡眠状态持续时间的概率；ppc表示分组间呼叫空闲时间的概率；ps表示会话间空闲时间的概率；λipc表示分组间呼叫空闲时间服从的分布参数；λis表示会话间空闲时间服从的分布参数；tDS表示每个短睡眠状态持续时间。但是，传统定值与本发明相比，只进行一次运算，得到的数值结果并不是最优值；在本发明中对短周期个数进行迭代，通过策略优化得到最优解。
步骤二、选择一个整数i对短睡眠周期进行分组间呼叫的操作，
Figure GDA0004172388890000092
步骤三、在tN超时前的第i个短睡眠周期内分组间呼叫开始的概率计算公式如式(6)所示；
Figure GDA0004172388890000093
其中，
Figure GDA0004172388890000094
表示优化后的短睡眠状态到波束搜索状态所持续的短睡眠周期个数，i表示当前短睡眠周期的序号，/>
Figure GDA0004172388890000095
NDS表示短睡眠状态持续的周期个数；pDS表示短睡眠状态持续时间的概率。
步骤四、选择
Figure GDA0004172388890000096
进行策略更新；
Figure GDA0004172388890000097
其中，
Figure GDA0004172388890000098
表示当前睡眠周期的反馈结果；i表示当前短睡眠周期的序号，
Figure GDA0004172388890000099
NDS表示短睡眠状态持续的周期个数；Φ表示奖励函数；/>
Figure GDA00041723888900000910
表示分组间呼叫的短睡眠周期的平均停留时间。
式(7)展开得到
Figure GDA00041723888900000911
步骤五、进一步优化，可以得到
Figure GDA0004172388890000101
其中，
Figure GDA0004172388890000102
表示优化后的短睡眠状态到波束搜索状态所持续的短睡眠周期个数；ppc表示分组间呼叫空闲时间的概率；ps表示会话间空闲时间的概率；λipc表示分组间呼叫空闲时间服从的分布参数；λis表示会话间空闲时间服从的分布参数；tDS表示每个短睡眠状态持续时间；i表示当前短睡眠周期的序号，/>
Figure GDA0004172388890000103
NDS表示短睡眠状态持续的周期个数。
步骤六、若
Figure GDA0004172388890000104
则令/>
Figure GDA0004172388890000105
算法终止，否则返回4。
可以理解的是，本发明实施例中通过上述实施例可以找出最优策略的同时，还可以找出最优的短睡眠状态到波束搜索状态所持续的短睡眠周期个数
Figure GDA0004172388890000106
基于上述周期个数，合理设置短睡眠状态的周期长度，实现功耗的有效降低。
本发明采用上述模型得到的一些数值结果,并利用MATLAB平台进行仿真，从而验证了所提出的针对MTC设备终端进行策略优化的HDRX算法的性能。ETSI模型的数据设置如下：λis＝1/2000，λipc＝1/30，λp＝10，wpc＝5，wp＝25。图4和图5分别给出了在非激活定时器t1和短循环定时器tN下，本发明(优化算法)与传统算法关于功率节省因子的性能对比，通过仿真图，可以更直观的体现出本发明算法的优越性，图4和图5表明，随着tI周期的增加，传统算法和优化算法的功率节省因子都在降低；而tN周期的增加，功率节省因子先降低再处于平稳状态。这是因为周期越长，MTC设备终端处于活跃状态的时间越长，进入睡眠周期的概率则减小。显然可以观察到优化算法得到的功率节省因子比使用传统算法得到的功率节省因子小的多。由此可见，优化后的新算法比传统算法功耗更低，节电效果更好。
图6和图7分别给出了在功率节省因子Ω和平均时延D下，本发明(HDRX)、SDRX、CDRX三种算法的复杂度分析仿真曲线图。图6和图7表明，功率节省因子Ω和平均时延D都随着非激活定时器(tI)的增加而减小。这是因为阈值大的tI，使得MTC设备终端停留在状态S1概率增加，从而进入短周期睡眠的机率减小。若tI值较大，则D小但不省电；若tI值较小，则进入长周期睡眠的机率增大，省电但D变大。
在本发明的描述中，需要理解的是，术语“同轴”、“底部”、“一端”、“顶部”、“中部”、“另一端”、“上”、“一侧”、“顶部”、“内”、“外”、“前部”、“中央”、“两端”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“设置”、“连接”、“固定”、“旋转”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (3)

1.一种策略优化MTC设备的混合非连续接收方法，其特征在于，所述方法包括：
MTC设备终端在4G架构下将非连续接收机制DRX的连接状态划分为活跃状态、短睡眠状态和长睡眠状态，并形成LTE DRX机制；
MTC设备终端在5G架构下将非连续接收机制DRX的连接状态划分为活跃状态、短睡眠状态、波束搜索状态以及长睡眠状态，并形成HDRX机制；
1)在短循环定时器超时前，计算出在当前短睡眠周期内进行分组间呼叫开始的概率，表示为：
Figure FDA0004172388880000011
其中，
Figure FDA0004172388880000012
表示优化后的短睡眠状态到波束搜索状态所持续的短睡眠周期个数，i表示当前短睡眠周期的序号，/>
Figure FDA0004172388880000013
NDS表示短睡眠状态持续的周期个数；pDS表示短睡眠状态持续时间的概率；
2)按照该分组间呼叫开始的概率确定出当前短睡眠周期是否执行分组间呼叫的动作，并得出对应的策略；
3)根据当前短睡眠周期的分组间呼叫开始的概率以及短睡眠状态下的短睡眠周期总数，计算得到分组间呼叫的短睡眠周期的平均停留时间，表示为：
Figure FDA0004172388880000014
其中，
Figure FDA0004172388880000015
表示优化后的短睡眠状态到波束搜索状态所持续的短睡眠周期个数；ppc表示分组间呼叫空闲时间的概率；ps表示会话间空闲时间的概率；λipc表示分组间呼叫空闲时间服从的分布参数；λis表示会话间空闲时间服从的分布参数；tDS表示每个短睡眠状态持续时间；i表示当前短睡眠周期的序号，/>
Figure FDA0004172388880000016
NDS表示短睡眠状态持续的周期个数；
4)按照当前短睡眠周期的平均停留时间和分组间呼叫开始的概率计算得到当前短睡眠周期的反馈结果，表示为：
Figure FDA0004172388880000021
其中，
Figure FDA0004172388880000022
表示当前睡眠周期的反馈结果；i表示当前短睡眠周期的序号，
Figure FDA0004172388880000023
NDS表示短睡眠状态持续的周期个数；Φ表示奖励函数；/>
Figure FDA0004172388880000024
表示分组间呼叫的短睡眠周期的平均停留时间；
5)若当前短睡眠周期的反馈结果与前一短睡眠周期的反馈结果不一致，返回步骤1)则继续计算下一短睡眠周期的更新决策；
6)若当前短睡眠周期的反馈结果与前一短睡眠周期的反馈结果一致，则当前短睡眠周期不执行分组间呼叫的操作，执行对应的策略，输出当前短睡眠周期所对应的短睡眠周期个数，将其作为短睡眠状态到波束搜索状态所持续的短睡眠周期个数；结束迭代过程；
在LTE DRX机制的短睡眠状态或长睡眠状态下，对HDRX机制的对应的短睡眠状态或长睡眠状态传输数据包，并将LTE DRX机制和HDRX机制构成4G-5G混合架构；
建立出HDRX机制的状态转移矩阵的半马尔科夫过程，并利用强化学习对其短睡眠状态的策略进行优化。
2.根据权利要求1所述的一种策略优化MTC设备的混合非连续接收方法，其特征在于，所述LTE DRX机制和HDRX机制构成4G-5G混合架构包括MTC设备终端和相应基站对LTE DRX机制和HDRX机制进行协商；4G架构下的EPC通过LTE eNB将数据包传输到5G架构下的NRnode B；在LTE DRX机制的短睡眠状态或长睡眠状态对应的激活时间内，将5G架构下的新空口节点的报文信息提示到4G架构下的长期演进型节点；MTC设备终端进入波束搜索状态并进行波束搜索，与5G架构下的NR node B建立链路。
3.根据权利要求1或2所述的一种策略优化MTC设备的混合非连续接收方法，其特征在于，所述HDRX机制包括短睡眠状态和长睡眠状态分别由一段激活时间(τ)组成，用于侦听任何传入的数据，当接收到的数据包提示来自LTE时，如果非激活定时器(tI)在任何新传入数据包之前终止，MTC设备终端将从活跃状态过渡到短睡眠状态，且概率为p12；经过预设的短睡眠状态周期数后，MTC设备终端过渡到长睡眠状态S4的概率为p24；当有数据包指示时，MTC设备终端从短睡眠状态或长睡眠状态过渡到波束搜索状态，概率分别为p23或p43。
CN202210170988.0A 2022-02-23 2022-02-23 一种策略优化mtc设备的混合非连续接收方法 Active CN114567920B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210170988.0A CN114567920B (zh) 2022-02-23 2022-02-23 一种策略优化mtc设备的混合非连续接收方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210170988.0A CN114567920B (zh) 2022-02-23 2022-02-23 一种策略优化mtc设备的混合非连续接收方法

Publications (2)

Publication Number Publication Date
CN114567920A CN114567920A (zh) 2022-05-31
CN114567920B true CN114567920B (zh) 2023-05-23

Family

ID=81716402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210170988.0A Active CN114567920B (zh) 2022-02-23 2022-02-23 一种策略优化mtc设备的混合非连续接收方法

Country Status (1)

Country Link
CN (1) CN114567920B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103532684A (zh) * 2013-10-24 2014-01-22 重庆邮电大学 一种3gpp mtc自适应混合drx机制终端节能方法
CN106231660A (zh) * 2016-08-30 2016-12-14 重庆邮电大学 一种基于长短休眠周期的基站关断机制
CN110475326A (zh) * 2019-08-23 2019-11-19 重庆邮电大学 一种支持波束搜索的动态非连续接收方法、装置以及系统
CN111405645A (zh) * 2020-03-11 2020-07-10 重庆邮电大学 基于业务时延与混合周期可调整的下行非连续接收方法
CN112867117A (zh) * 2021-01-20 2021-05-28 重庆邮电大学 NB-IoT中一种基于Q学习的节能方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2848081A1 (en) * 2012-05-09 2015-03-18 Interdigital Patent Holdings, Inc. Handling mtc long drx cycle/sleep lengths

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103532684A (zh) * 2013-10-24 2014-01-22 重庆邮电大学 一种3gpp mtc自适应混合drx机制终端节能方法
CN106231660A (zh) * 2016-08-30 2016-12-14 重庆邮电大学 一种基于长短休眠周期的基站关断机制
CN110475326A (zh) * 2019-08-23 2019-11-19 重庆邮电大学 一种支持波束搜索的动态非连续接收方法、装置以及系统
CN111405645A (zh) * 2020-03-11 2020-07-10 重庆邮电大学 基于业务时延与混合周期可调整的下行非连续接收方法
CN112867117A (zh) * 2021-01-20 2021-05-28 重庆邮电大学 NB-IoT中一种基于Q学习的节能方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
5G网络中基于波束成形和休眠机制的能量优化策略;沈爱国;郑新旺;胡奕彬;杨光松;;重庆邮电大学学报(自然科学版)(第05期);全文 *
Delay and power and consumption and in LTE/LTE-A DRX mechanism with mixed short and long cycles;Chih-Cheng Tseng;《IEEEXplore》;全文 *
Nokia, Nokia Shanghai Bell.R3-190228 "Support of extended DRX for MTC".3GPP tsg_ran\wg3_iu.2019,(第tsgr3_103期),全文. *
基于LTE-DRX的超时策略梯度估计算法;宋捷;李方伟;朱江;;重庆邮电大学学报(自然科学版)(第03期);全文 *
基于长期演进系统非连续接收机制的改进算法;李仁波;张春业;宁祥峰;李婧卿;万伟;;计算机应用(第12期);全文 *

Also Published As

Publication number Publication date
CN114567920A (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN107197508B (zh) 一种基于csm机制drx的设备休眠方法
Tseng et al. Delay and power consumption in LTE/LTE-A DRX mechanism with mixed short and long cycles
KR101576142B1 (ko) 휴대용 단말기에서 무선랜 모듈의 전원 관리 방법 및 장치
CN107491160A (zh) 一种双操作系统的使用方法、存储设备及智能终端
Keshav et al. Energy efficient scheduling in 4G smart phones for mobile hotspot application
Zhou et al. Online learning-based discontinuous reception (DRX) for machine-type communications
CN107094281B (zh) 一种m2m设备接入基站时的接入方法及系统
Yang et al. Data censoring with network lifetime constraint in wireless sensor networks
Lebreton et al. Implementation of a wake-up radio cross-layer protocol in OMNeT++/MiXiM
Wang et al. Dual-attention assisted deep reinforcement learning algorithm for energy-efficient resource allocation in industrial internet of things
Azim et al. A relay node based hybrid low energy adaptive clustering hierarchy for wireless sensor networks
Moradi et al. Modeling DRX for D2D communication
EP3808136A1 (en) Determining a resource control state based on a power status
Cordina et al. Increasing wireless sensor network lifetime through the application of SOM neural networks
CN114567920B (zh) 一种策略优化mtc设备的混合非连续接收方法
CN111405530B (zh) 一种毫米波场景下基于波束测量的非连续接收节能方法
Lin et al. An adaptive QoS power saving scheme for mobile WiMAX
Philip et al. Beam‐aware energy harvesting discontinuous reception in machine‐to‐machine millimeter‐wave 5G communications
Li et al. D2D-assisted computation offloading for mobile edge computing systems with energy harvesting
Ramazanali et al. Tuning of lte/lte-a drx parameters
Liu et al. DCP DRX: An enhanced power saving mechanism in NR
Lien et al. Energy-Efficient Traffic Steering in Millimeter-Wave Dual Connectivity Discontinuous Reception Framework
Xiao et al. Multi-stage resource-aware congestion control algorithm in edge computing environment
Sallam et al. Analytical Performance of Additional Active States on Power Saving and Average Delay During Hybrid-Directional DRX Technique
Shen et al. M2M energy saving strategy in 5G millimeter wave system

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