CN116806039A - 基于acb因子优化算法的mtc设备拥塞优化方法及装置 - Google Patents
基于acb因子优化算法的mtc设备拥塞优化方法及装置 Download PDFInfo
- Publication number
- CN116806039A CN116806039A CN202210258854.4A CN202210258854A CN116806039A CN 116806039 A CN116806039 A CN 116806039A CN 202210258854 A CN202210258854 A CN 202210258854A CN 116806039 A CN116806039 A CN 116806039A
- Authority
- CN
- China
- Prior art keywords
- mtc
- preamble
- acb factor
- optimization
- algorithm
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 82
- 238000005457 optimization Methods 0.000 title claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 47
- 230000006854 communication Effects 0.000 title claims abstract description 29
- 238000004891 communication Methods 0.000 title claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000013468 resource allocation Methods 0.000 abstract description 11
- 230000035945 sensitivity Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000011664 signaling Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0215—Traffic management, e.g. flow control or congestion control based on user or device properties, e.g. MTC-capable devices
-
- 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
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/06—Testing, supervising or monitoring using simulated traffic
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0289—Congestion control
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明涉及通信技术领域,具体涉及一种基于ACB因子优化算法的MTC设备拥塞优化方法及装置,所述方法包括:确定同一时隙内所阻塞MTC设备的数量;根据前导码对所述确定数量的MTC设备进行有序化处理;以及根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配。所述方法基于动态前导码分配的算法对每一时隙的资源分配进行了进一步的细化,通过马尔科夫过程优化退避过程,通过积压设备估计算法优化ACB因子选取,通过动态前导码分配模型优化资源分配过程,能够实现更高的资源利用率和成功接入概率。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种基于ACB因子优化算法的MTC设备拥塞优化方法及装置。
背景技术
MTC(Machine-Type Communications,机器类型通信)也被称为MTC(Machine-to-Machin e,机器到机器),其系一种机器或设备之间通过网络进行交互通信的方式。MTC设备可以在无需人工干预的情况下自主完成整个通信过程。由于无线通信网络具有终端侧不需要人工布线、成本费用较低、在危险环境下也可以提供移动性的网络支持等特性,使得以无线通信网络作为承载的MTC应用得到了业界的广泛关注。MTC设备通常都会在前端配备一个无线通信模块,以便可以借助现有的移动网络实现其信息化的应用解决方案。
随着研究的不断深入,MTC通信的应用前景也逐渐清晰,在未来的安全管理、追踪服务、健康监测、远程控制、远程测量及付费等领域都需要借助MTC技术来实现。相对于现有H2H (Human to Human)通信而言,MTC通信的一个显著特点就是涉及的通信终端数量将会非常庞大。如果在某一时刻网络中有相当数量的设备都需要进行数据通信时,就会造成网络的拥塞;这种拥塞可能是数据层面的,也可能是信令层面的,但对于网络来说都是不可接受的。随着MTC技术的不断发展,将会有越来越多的特性各异的MTC设备随着不同的应用引入到现实网络中,如果针对每种不同的设备网络侧都进行不同的拥塞管理,将会大大增加网络的复杂性。另外,在实际无线网络中MTC进行接入请求时发起信令开销也会消耗系统资源;特别是当网络没有可用资源供MTC设备使用时,信令交互将会是毫无意义的开销。因此,如何更好的解决拥塞的问题一直是MTC通信技术领域关注的一项重要内容。
发明内容
本发明的目的在于提供一种基于ACB因子优化算法的MTC设备拥塞优化方法及装置,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的问题。
根据本发明的一个方面,提供一种基于ACB因子优化算法的MTC设备拥塞优化方法,包括以下步骤:
确定同一时隙内所阻塞MTC设备的数量;
根据前导码对所述确定数量的MTC设备进行有序化处理;
以及根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配
在一示例性实施例中,所述根据前导码对所述确定数量的MTC设备进行有序化处理包括:
根据多个MTC设备的空间位置分布将所述对各MTC设备分为预设组别,以及设置与所述组别对应的前导码。
在一示例性实施例中,其特征在于,所述根据前导码对所述确定数量的MTC设备进行有序化处理包括:
在缓冲区存在待发送数据包时对MTC设备与基站建立通信连接。
在一示例性实施例中,所述基于ACB因子优化算法的MTC设备拥塞优化方法还包括:
通过马尔科夫过程优化退避过程及积压设备估计算法优化ACB因子选取。
根据本发明的一个方面,提供一种基于ACB因子优化算法的MTC设备拥塞优化装置,包括:
MTC设备确定模块,用于确定同一时隙内所阻塞MTC设备的数量;
有序处理模块,用于根据前导码对所述确定数量的MTC设备进行有序化处理;
接入分配模块,用于根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配。
在一示例性实施例中,所述有序处理模块包括:根据多个MTC设备的空间位置分布将所述对各MTC设备分为预设组别,以及设置与所述组别对应的前导码的子模块。
在一示例性实施例中,所述有序处理模块包括:在缓冲区存在待发送数据包时对MTC设备与基站建立通信连接的子模块。
在一示例性实施例中,所述基于ACB因子优化算法的MTC设备拥塞优化装置还包括用于通过马尔科夫过程优化退避过程及积压设备估计算法优化ACB因子选取的子模块。
根据本发明的另一方面,提供一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述方法。
根据本发明的另一方面,提供一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现上述方法。
本发明提供了一种基于ACB因子优化算法的MTC设备拥塞优化方法,通过动态前导码分配的算法对每一时隙的资源分配进行了进一步的细化,通过马尔科夫过程优化退避过程,通过积压设备估计算法优化ACB因子选取,通过动态前导码分配模型优化资源分配过程,能够实现更高的资源利用率和成功接入概率
附图说明
图1是本发明实施例中一种基于ACB因子优化算法的MTC设备拥塞优化方法的流程示意图。
图2是本发明一实施例中基于ACB因子优化算法的MTC设备拥塞优化方装置的结构示意图。
具体实施方式
为使本发明的目的、特征、优点能够更加的明显和易懂,下面将结合附图本发明实施方式及实施例中的技术方案进行清楚、完整地描述。然而,示例实施方式及实施例能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式及实施例使得本发明将更加全面和完整,并将示例实施方式及实施例的构思全面地传达给本领域的技术人员。本发明所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式及实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施方式及实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。尽管在附图中以特定顺序描述了本发明中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附图中所示的流程图仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤还可以分解,而有的步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
MTC设备接入具有数量大、数据包小、时延要求不稳定等特点。当海量MTC设备同时进行接入时,容易造成拥塞问题,造成网络平均时延增加和系统资源利用率低下。鉴于相关技术中存在的上述问题,本发明提供了一种基于ACB因子优化算法的MTC设备拥塞优化方法,该方法通过前导码分配算法赋予每个时隙不同的前导码资源数量和服务优先级,大幅度提升系统资源利用率和设备接入成功率,其可以根据上一时隙的系统拥塞情况对下一时隙的拥塞设备进行估计,并根据该估计值确定下一时隙的最佳ACB因子以减少流量过载;此外,该方法通过引入马尔科夫过程对不同延迟敏感度设备的接入过程建模,对延迟敏感度较高的设备优先提供资源和服务,以保证设备接入的成功率。
本发明一示例性实施例提供了一种基于ACB因子优化算法的MTC设备拥塞优化方法,图 1是本发明实施例中一种基于ACB因子优化算法的MTC设备拥塞优化方法的流程示意图。如图1所示,所述基于ACB因子优化算法的MTC设备拥塞优化方法包括以下步骤:
步骤S11:确定同一时隙内所阻塞MTC设备的数量;
在MTC设备网络通信中,在进行实际的数据传输前首先对设备进行随机接入。由于接入使用的PRACH(Physical Random Access Channel,物理随机接入信道)信道、接入时间及接入方式(选择前导码)均具有一定的随机性,因而称之为随机接入。LTE的随机接入过程分为基于竞争的随机接入和基于非竞争的随机接入,基于竞争的随机接入系设备通过随机接入资源的抢占来进行接入,基于非竞争的随机接入系设备分配各自独占的资源进行接入。在传统的LTE/LTE-A系统中,设备需要进行随机接入的过程包括:初始建立无线链路时的接入,即设备从RRC(Radio Resource Control,无线资源控制)空闲态切换到RRC连接状态的过程;当建立无线链路失败之后,链路的重建过程;如果上行或下行信令到达时,终端处于RR C连接状态但未建立上行同步;需要与新小区建立上行同步;需要进行上报定位信息;在上行控制信道PUCCH(Physical Uplink Control Channe,物理上行控制信道)未配置专用的调度请求资源时的一种调度请求。
在LTE蜂窝网络中,64个前导码可用于随机接入,其中一些是为无内容接入预留的。当 MTC设备在LTE蜂窝网络中访问基站时,它们必须与H2H用户(例如智能手机)共享剩余的用于基于竞争的接入的前导码。在文章的模型中,假设不同的资源被分配给MTC流量和H2H 流量。在基站指定的时间-频率RBs(即物理随机接入信道(PRACH))中,随机接入仅在一个地方进行,这是RACH的物理层映射。
ACB是一种有效的拥塞控制方案,ACB方法通过设置阻塞因子参数来阻塞一部分接入请求,从而减少此时隙实际接入设备总数,以此达到减少冲突的目的。在LTE网络中,3GPP将所有接入终端划分为16个接入组,其中AC0-AC9为一般的接入类别,他们之间的优先级别相同,AC10表示紧急的类别,AC11-AC15为特殊的类别,用于特定业务需要。在AC0-AC9的接入类别中,根据时延约束,将设备分为不同的优先级组。基本的ACB机制首先通过广播系统消息向设备发送当前时隙的ACB控制参数PACB和退避时间参数TACB。当设备准备发起接入请求时,它先要在0到1之间随机选取一个数p,若p大于PACB,则本次接入没有通过ACB检查,需要等待一定时间后重新接入,等待的时隙数为:
Tbar=(α+β·rand)·TACB (0-1)
其中,α=0.6,β=0.7。rand是0到1间的随机数,Tbar又被称为阻塞时间。若通过了ACB检测,但有两个以上的设备选取了同一个前导码,则每个设备会产生一个在[0,W]之间均匀分布值作为退避等待时间,在该退避时间到达后重新执行随机接入的步骤(1)。若退避的次数达到最大的退避次数,则本次接入失败,只能等待下一个激活状态。而只有一个设备选择了某一个前导码,则认为设备获得了在当前时隙传输数据的资格,本次接入成功。
步骤S13:根据前导码对所述确定数量的MTC设备进行有序化处理;
在一示例性实施例中,步骤S13还可以包括:根据多个MTC设备的空间位置分布将所述对各MTC设备分为预设组别,以及设置与所述组别对应的前导码。
基于空间分组是在随机接入开始前首先根据MTD的空间分布将小区分为若干个组,对每个组分配不同的前导来降低随机接入请求失败的可能性。在LTE的随机接入过程开始时,设备随机挑选一个可用的前导码在PRACH上发送,基站收到前导信息后会检测接收到的是哪个前导码,如果某个前导码检测区域中存在超过检测阈值γ的峰值,则将接收到的前导序列确定为该设备的前导码。在检测过程中,基站还从检测到的前导码的第一个峰值获取定时对准值,因此,当两个检测到的峰值之间的差异超过某个阈值,基站可以识别出由两个不同设备同时发送的相同的前导码。
对于这种基于空间分组接入的随机接入机制,MTD首先通过距离估计算法估计自己与BS 的距离并以此确定自己所在的空间组,然后根据不同组之间的距离差确定是否可以前导重用,以此降低前导冲突的可能性。但是此方法不能保证小区边缘设备的接入可靠性。在一实施例中中,可以将MTC设备分簇,并在每个簇选择一个合适的设备作为CH,组内的设备将接入请求发送至组头,并由组头转发至BS,该方法通过优化分簇个数和簇内接入持续的时间能够有效提高接入成功概率,降低接入时延,但该方法并没有详细说明分簇方法,也没有CH的选择方法,只是笼统地将小区划分为若干个簇,此外,小区中的接入请求数是很容易发生改变的,如果根据接入请求数目实时地改变分簇个数也是不可取的。因此需要研究一种合理的分组方法,这种方法既能兼顾小区边缘设备的接入性能、缓解BS处理大规模随机接入请求的压力,又能保证分组机制具有很大的可行性。在一些实施例中,MTCD可能属于相同协议的网络,也可能属于异构网络。MTCD也可以根据不同的标准进行分组,比如地理位置或注册关系,因此 MTCG的功能需要进行相应的改变。如何对分组后的设备进行资源的管理是一件比较有挑战性的工作。示例性的,可以将利用空间分组的方法,对于GME-SPR和SPR-基站这两段通信链路进行资源的复用研究,以提高整体的资源利用效率。
在一实施例中,步骤S13还可以包括:在缓冲区存在待发送数据包时对MTC设备与基站建立通信连接。
具体来说,在缓冲区存在数据包时便生成接入请求,该接入请求一直保持到成功被发送为止,基站将为此分配足够的资源以便MTD清空其数据缓冲区。假设数据缓冲区具有无限大小,并且数据分组的到达遵循具有参数的伯努利过程。每个新到达的数据包产生一个接入请求,但是只能保留一个请求,因为无论其缓冲区中有多少数据包,每个MTD最多只能有一个正在进行的接入请求。然后可以将每个MTD的请求队列建模为Geo/G/1/1队列。服务时间分布由每个接入请求的状态转换明确确定。
步骤S15:根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配。
首先根据前导码的数目和成功的前导码传输的数目之间的线性关系引入一评估因子b,用于动态调整每个时隙不同的总前导码数量;随后根据已有的拥塞情况和评估因子b,确定每个时隙的动态最优前导码数量(Dynamic optimal number of preambles,DONP);再根据已有的DONP和不同DSE的比值确定每个时隙的不同设备敏感度的前导码资源分配,并根据马尔科夫过程为HDSE优先分配资源并优先提供接入服务;再根据马尔科夫过程将每个时隙发生碰撞的LDSE随机延后至任意状态,等待下次接入;最后根据已有的转移状态推导下一时隙等待服务设备的估计值,以及下一时隙的最优ACB因子,实现最大化的资源利用率和成功接入概率。
在动态资源分配方案中,前导码的数目Mi在每个时隙i中改变。计划用随机变量表示为在时隙i分配Mi个前导码资源并使用ACB因子q时发生冲突的前导码数。此外,令表示在时隙i中,有Mi个前导码可用且使用最佳ACB因子q=Mi/n的前提下发生冲突的前导码的预期数量。
引入马尔科夫过程表示动态方法中每个时隙成功传输的LDSE数量,与可以建立如下的马尔科夫状态转移,动态方法中LDSE的马尔科夫退避过程
令:
则每个队列的转移矩阵为:
根据马尔科夫稳态条件,有:
可得:
LDSE在时隙i通过ACB检查的概率为通过ACB检查的条件下接入成功的概率如下所示:
其中,是本时隙等待进行接入的LDSE的数量,即上一时隙对本时隙的LDSE数量的的估计值。/>为本时隙接入成功的LDSE数量:
其中qi已知,携带未知量pi,故需计算pi的值:
由于HDSE对时延的要求较高,故该组不对设备进行退避,而是采用先到达先服务的模式,将其ACB因子的值强制设置为1,保证最大程度为时延敏感度高的设备提供服务。
假设时隙i中对HDSE的请求数为LDSE的数目为/>时隙i中MTC设备的总数为Ni:
同时,将前导码资源池中的前导码M分为时延高敏感的前导码集和时延低敏感的前导码集/>两组:
在时隙i中,分配给LDSE和HDSE的前导码的比例为α,定义设备成功接入概率使其最大化,从而得到最佳的α取值/>
由于
由可得:
其中,分配因子β为LDSE和HDSE的比值。根据时隙i中的时延敏感度低的设备数目与时隙i中时延敏感度高的设备数目得到:
LDSE的ACB因子需要根据每个时隙的拥塞情况进行调整,从而实现更大的资源利用率,以下进行LDSE的最优ACB因子推导。
为了导出每个时隙动态分配给LDSE的DONP首先导出在在时隙i发生冲突的预期前导码数量。由于静态方法中LDSE在一个时隙中选择前导码m的概率为/>没有用户选择前导码m的条件概率为:
其中,表示在时隙i前导码m的碰撞情况。/>表示前导码m空闲,没有设备选择;/>表示前导码m被多个设备选择,前导码m发生碰撞;/>表示有且只有一个设备选择前导码m进行接入。
前导码m恰好被一个设备选择的条件概率是:
由式(3-3)和式(3-4),多个设备选择前导码m的条件概率(即当n个LDSE尝试在一个时隙中随机接入时前导码m遇到冲突的条件概率)由下式给出::
令随机变量表示在时隙i,当有/>个前导码可用时,经历了与ACB因子/>冲突的前导码数量。/>的期望值由下式给出:
带入[33]:
当n趋近无穷大时:
定义当有个前导码可用时,/>为在具有最佳ACB因子qi的时隙i中发生冲突的前导码的平均数量。因此,当n的值较大时,具有以下近似值:
而类似于静态资源分配中的/>通过遵循先前静态资源分配方法的数学推导类似方法,在第i个时隙用/>代替ML,通过对积压LDSE数量的新估计,可以将最佳ACB因子近似为:
其中由于在每个时隙中,恰好有一个LDSE选择前导码m的条件概率是:
当取最优值时,即/>时:
当n趋于无穷大时,由于一个空间分组内的MTC设备的数量通常很大,故这一限制在实践中是成立的。这表明,一个随机访问机会平均可以容纳e-1次成功的随机访问尝试。
通过动态前导码分配算法,可以使基站知道系统中当前的积压。故计划为基站设计一个简单的规则来更新分配给MTC设备的前导码的数量。通过使M个前导码,可以在平均一个时隙中成功地容纳Me-1个设备。
因此,在前导码的数目和成功的前导码传输的数目之间存在线性关系,故计划将时隙i内的前导码Mi的数量动态更新为与待定项n成比例:
在静态分配方法中,由于是随机的(积压设备数量会变化)期望/>无法获得。取而代之计划用在每个时隙上观察到的碰撞次数/>代替/> 表示系统分配的第i个时隙使用的ACB因子。利用/>计划对时隙i中最优ACB因子的估计进行改进。根据/>的观察,/>表示第i个时隙的改进的ACB因子,用/>代替/> 代替/>得:
接下来对积压LDSE数量进行改进。作为动态资源分配的算法的积压设备,/>是对积压LDSE数量的改进估计值的变化,并假设两个连续时隙中的变化几乎相同。通过用Mi替换M为:
现在可以确定第i个时隙分配给积压LDSE设备的最佳前导码数:
上式中的1用于避免在时隙i中的设备很少的情况下不为LDSE业务分配任何前导码。a 为评估因子,用于表示积压LDSE和每个时隙中的前导码数的线性关系。
综上所述,第i+1个时隙的最佳ACB因子:
由已经得出的参数以及βi,可以得出:
该时隙设备总量估计值为:
本发明提供了一种基于ACB因子优化算法的MTC设备拥塞优化方法,通过动态算法在已有的静态前导码分配算法的基础上,加入针对每个时隙不同拥塞程度的动态最优前导码个数估计算法,即根据不同的设备时延敏感度和网络拥塞程度,给出每个时隙的DONP。同时引入马尔科夫过程和每个时隙不同拥塞程度的估计和推算,对低时延敏感度设备(LDSE)进行有针对性的前导码资源分配。基于动态前导码分配的算法对每一时隙的资源分配进行了进一步的细化,通过马尔科夫过程优化退避过程,通过积压设备估计算法优化ACB因子选取,通过动态前导码分配模型优化资源分配过程,从而实现更高的资源利用率和成功接入概率。
本发明另一示例性实施例涉及一种基于ACB因子优化算法的MTC设备拥塞优化装置,图 2是本发明一实施例中基于ACB因子优化算法的MTC设备拥塞优化方装置的结构示意图。如图2所示,所述基于ACB因子优化算法的MTC设备拥塞优化装置包括:
MTC设备确定模块22,用于确定同一时隙内所阻塞MTC设备的数量;
优化处理模块24,用于根据前导码对所述确定数量的MTC设备进行有序化处理;
接入分配模块26,用于根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配。
上述装置中各模块/单元的具体细节已经在对应的方法部分进行了详细的描述,此处不再赘述。应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
除上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的方法中的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++ 等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
本发明的另一实施方式提供了一种电子设备,可以用于执行本示例实施方式中所述方法或网络控制方法的全部或者部分步骤。所述装置包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本说明书上述“示例性方法”中描述的根据本发明各种实施例的方法中的步骤。
本发明的另一实施方式提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”中描述的根据本发明各种实施例的方法中的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子 (非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器 (RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,在本发明中提及的优点、优势、效果等仅是示例而非限制,不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外,上述公开的具体细节仅是为了示例的作用和便于理解的作用,而非限制,上述细节并不限制本发明为必须采用上述具体的细节来实现。
本发明中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的,可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“如但不限于”,且可与其互换使用。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种基于ACB因子优化算法的MTC设备拥塞优化方法,其特征在于,包括以下步骤:
确定同一时隙内所阻塞MTC设备的数量;
根据前导码对所述确定数量的MTC设备进行有序化处理;
以及根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配。
2.根据权利要求1所述的基于ACB因子优化算法的MTC设备拥塞优化方法,其特征在于,所述根据前导码对所述确定数量的MTC设备进行有序化处理包括:
根据多个MTC设备的空间位置分布将所述对各MTC设备分为预设组别,以及设置与所述组别对应的前导码。
3.根据权利要求1所述的基于ACB因子优化算法的MTC设备拥塞优化方法,其特征在于,所述根据前导码对所述确定数量的MTC设备进行有序化处理包括:
在缓冲区存在待发送数据包时对MTC设备与基站建立通信连接。
4.根据权利要求1所述的基于ACB因子优化算法的MTC设备拥塞优化方法,其特征在于,所述基于ACB因子优化算法的MTC设备拥塞优化方法还包括:
通过马尔科夫过程优化退避过程及积压设备估计算法优化ACB因子选取。
5.一种基于ACB因子优化算法的MTC设备拥塞优化装置,其特征在于,包括:
MTC设备确定模块,用于确定同一时隙内所阻塞MTC设备的数量;
有序处理模块,用于根据前导码对所述确定数量的MTC设备进行有序化处理;
接入分配模块,用于根据动态前导码分配模型对经有序化处理的MTC设备进行接入分配。
6.根据权利要求5所述的基于ACB因子优化算法的MTC设备拥塞优化装置,其特征在于,所述有序处理模块包括:根据多个MTC设备的空间位置分布将所述对各MTC设备分为预设组别,以及设置与所述组别对应的前导码的子模块。
7.根据权利要求5所述的基于ACB因子优化算法的MTC设备拥塞优化装置,其特征在于,所述有序处理模块包括:在缓冲区存在待发送数据包时对MTC设备与基站建立通信连接的子模块。
8.根据权利要求7所述的基于ACB因子优化算法的MTC设备拥塞优化装置,其特征在于,还包括用于通过马尔科夫过程优化退避过程及积压设备估计算法优化ACB因子选取的子模块。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-5任一项所述的基于ACB因子优化算法的MTC设备拥塞优化方法。
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-5任一项所述的基于ACB因子优化算法的MTC设备拥塞优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210258854.4A CN116806039A (zh) | 2022-03-16 | 2022-03-16 | 基于acb因子优化算法的mtc设备拥塞优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210258854.4A CN116806039A (zh) | 2022-03-16 | 2022-03-16 | 基于acb因子优化算法的mtc设备拥塞优化方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116806039A true CN116806039A (zh) | 2023-09-26 |
Family
ID=88079876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210258854.4A Pending CN116806039A (zh) | 2022-03-16 | 2022-03-16 | 基于acb因子优化算法的mtc设备拥塞优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116806039A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117692961A (zh) * | 2024-02-04 | 2024-03-12 | 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 |
-
2022
- 2022-03-16 CN CN202210258854.4A patent/CN116806039A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117692961A (zh) * | 2024-02-04 | 2024-03-12 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9526095B2 (en) | Method and apparatus for configuring a plurality of scheduling request triggers | |
Lee et al. | Throughput comparison of random access methods for M2M service over LTE networks | |
US8532040B2 (en) | Method for random access based on priority | |
US9107226B2 (en) | Method and system for handling congestion in a communications system | |
Madueno et al. | Massive M2M access with reliability guarantees in LTE systems | |
CN108924939B (zh) | 用于NB-IoT系统区分设备优先级的上行传输前导码分配方法 | |
EP3304992A1 (en) | Transmission of prioritized messages | |
EP3046365B1 (en) | Communication access method and user equipment | |
CN105991224A (zh) | 一种上行数据的传输控制方法和装置 | |
CN109863807B (zh) | 信道检测方法及装置 | |
CN108834175B (zh) | 一种mMTC网络中队列驱动的设备接入与资源分配联控方法 | |
CN113692060B (zh) | 多天线mimo场景下随机接入资源的配置与更新方法 | |
CN116806039A (zh) | 基于acb因子优化算法的mtc设备拥塞优化方法及装置 | |
Althumali et al. | Priority-based load-adaptive preamble separation random access for QoS-differentiated services in 5G networks | |
Chang et al. | Coordinated random access management for network overload avoidance in cellular machine-to-machine communications | |
Vilgelm et al. | Enhancing cellular M2M random access with binary countdown contention resolution | |
Lee et al. | Dynamic resource allocation of random access for MTC devices | |
KR101707163B1 (ko) | 무선 통신 시스템에서의 적응적 랜덤 액세스 제어 및 자원 할당 방법과 장치 | |
CN112004212B (zh) | 基于滑动窗口的随机接入系统及方法 | |
CN109905922B (zh) | 一种基于时隙Aloha与自适应ACB混合的大规模终端接入方法 | |
Althumali et al. | Dynamic tree-splitting algorithm for massive random access of M2M communications in IoT networks | |
Liu et al. | Online control of preamble groups with priority in cellular IoT networks | |
CN112055336A (zh) | 一种告警信息优先度标识的方法 | |
Hu et al. | An adaptive slotted-contention-based MAC protocol for ad-hoc networks | |
CN107690199B (zh) | 一种分配资源和随机接入的方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |