窄帶物聯(lián)網(wǎng)覆蓋類別更新機(jī)制性能分析與優(yōu)化

簡鑫，劉鈺芩，韋一笑，宋健，王芳，付澍，譚曉衡

?

窄帶物聯(lián)網(wǎng)覆蓋類別更新機(jī)制性能分析與優(yōu)化

簡鑫，劉鈺芩，韋一笑，宋健，王芳，付澍，譚曉衡

（重慶大學(xué)微電子通信工程學(xué)院，重慶 400044）

以覆蓋類別為狀態(tài)變量建立了窄帶物聯(lián)網(wǎng)（NB-IoT, narrow-band internet of things）覆蓋類別更新機(jī)制的馬爾可夫鏈模型，給出了平均接入失敗概率和平均功耗的優(yōu)化模型及求解辦法，分析了前導(dǎo)碼重復(fù)次數(shù)、系統(tǒng)負(fù)載、全局最大傳輸次數(shù)對各覆蓋類別最大傳輸次數(shù)最優(yōu)取值的影響。數(shù)值分析表明：常規(guī)覆蓋類別和擴(kuò)展環(huán)境覆蓋類別的最大傳輸次數(shù)對系統(tǒng)性能影響較大，最大傳輸次數(shù)取值范圍應(yīng)分別控制在[1,5]和[1,7]之間；極端環(huán)境覆蓋類別的最大傳輸次數(shù)對系統(tǒng)性能影響不大，可取[1,10]之間的任意值，建議取值為1；所提的引入覆蓋類別回退機(jī)制的覆蓋類別更新機(jī)制的平均功耗比協(xié)議模型低約95%。

窄帶物聯(lián)網(wǎng)；隨機(jī)接入；覆蓋增強(qiáng)；覆蓋類別；馬爾可夫鏈

1 引言

窄帶物聯(lián)網(wǎng)（NB-IoT, narrow-band internet of things）是3GPP（The 3rd Generation Partnership Project）為智能電表、環(huán)境監(jiān)測等以傳感和數(shù)據(jù)采集為目標(biāo)的應(yīng)用場景提出的一種低功耗廣域覆蓋（LPWA, low power wide area）技術(shù)[1-4]，面臨海量連接、超低功耗、廣域覆蓋與深度覆蓋、信令與數(shù)據(jù)相互觸發(fā)等技術(shù)挑戰(zhàn)[5-8]。為滿足NB-IoT廣域覆蓋（如10~30 km覆蓋半徑）與深度覆蓋(如20 dB穿透損耗)的需求，3GPP提出一種特殊的鏈路自適應(yīng)技術(shù)，即終端根據(jù)所處信道環(huán)境確定其所屬覆蓋類別（CC, coverage classes）并實(shí)現(xiàn)與之對應(yīng)的覆蓋增強(qiáng)機(jī)制（CE, coverage enhancement），如不同重復(fù)次數(shù)和發(fā)射功率等[9]。

覆蓋類別是3GPP為NB-IoT引入的新概念，主要是考慮到當(dāng)NB-IoT基站的覆蓋半徑較大或NB-IoT終端被部署在信道不理想的工作環(huán)境時(shí)（如車庫、地下室等），所有終端采取相同的覆蓋策略將導(dǎo)致處于不理想工作環(huán)境中的終端性能急劇下降，因此為不同覆蓋類別采取合適的覆蓋策略有望提高系統(tǒng)接入成功概率、降低系統(tǒng)功耗、提升系統(tǒng)整體性能。根據(jù)最大耦合損耗（MCL, maximum coupling loss），NB-IoT定義了如下3個(gè)覆蓋類別。1) 常規(guī)覆蓋（normal coverage）：<144 dB，與GPRS現(xiàn)有覆蓋范圍一致。2) 擴(kuò)展覆蓋（extended coverage）：144 dB<<154 dB，在GPRS（general packet radio service）現(xiàn)有覆蓋范圍的基礎(chǔ)上提升了10 dB。3) 極端覆蓋（extreme coverage）：>154 dB，在GPRS現(xiàn)有覆蓋范圍的基礎(chǔ)上提升了20 dB[10]。NB-IoT覆蓋增強(qiáng)機(jī)制的基本思想則是以更多的發(fā)送功率換取更高的接入成功概率，即為處于較差信道環(huán)境中的NB-IoT終端分配更多的傳輸次數(shù)以累積更多的發(fā)射功率。

目前，針對NB-IoT的理論研究才剛剛起步，現(xiàn)有文獻(xiàn)大多采用實(shí)測或仿真的方式給出NB-IoT的性能評估，因場景不統(tǒng)一導(dǎo)致結(jié)果差異很大，而針對NB-IoT優(yōu)化設(shè)計(jì)方面的研究就更少了[11-21]。針對NB-IoT覆蓋增強(qiáng)機(jī)制，有限的研究局限于基于最大耦合路損的靜態(tài)分析。文獻(xiàn)[15-19]對運(yùn)營商部署的NB-IoT網(wǎng)絡(luò)的覆蓋性能進(jìn)行了實(shí)地測試并給出了組網(wǎng)方式的建議，其中文獻(xiàn)[19]給出了前導(dǎo)碼重復(fù)次數(shù)的配置建議；文獻(xiàn)[20]將現(xiàn)有商用LTE（long term evolution）網(wǎng)絡(luò)升級配置為LTE-M（LTE-machine to machine）和NB-IoT網(wǎng)絡(luò)，實(shí)地測量了兩種技術(shù)在農(nóng)村地區(qū)的覆蓋性能和容量性能；文獻(xiàn)[21]則基于典型的城市信道傳播模型，仿真分析了NB-IoT主要物理信道的覆蓋性能；文獻(xiàn)[22]提出了一種具有確定傳輸次數(shù)的上行鏈路自適應(yīng)方案，以保證傳輸可靠性和提高NB-IoT系統(tǒng)的吞吐量。上述研究工作因沒有融入NB-IoT覆蓋類別更新過程使得很難有效地刻畫NB-IoT覆蓋增強(qiáng)機(jī)制的動態(tài)工作過程。因?yàn)楫?dāng)信道環(huán)境發(fā)生變化或連續(xù)接入成功/失敗次數(shù)達(dá)到當(dāng)前覆蓋類別規(guī)定的次數(shù)時(shí)，NB-IoT均需動態(tài)調(diào)整其所屬的覆蓋類別。更為遺憾的是3GPP也沒有明確給出NB-IoT覆蓋類別的更新機(jī)制，即如何確定各覆蓋類別間切換的轉(zhuǎn)移條件。針對上述問題，本文首先將NB-IoT覆蓋類別的更新過程建立以覆蓋類別為狀態(tài)變量的馬爾科夫過程模型，建立了不同覆蓋類別間的轉(zhuǎn)移概率矩陣，并求取了各狀態(tài)的穩(wěn)態(tài)概率；然后，以最小化接入失敗概率和功耗為目標(biāo)函數(shù)，開展了NB-IoT覆蓋類別更新機(jī)制的最優(yōu)配置策略研究，建立了一套具有實(shí)踐指導(dǎo)意義的NB-IoT覆蓋類別更新機(jī)制。上述研究內(nèi)容完善了NB-IoT覆蓋類別更新機(jī)制的理論分析過程，可為NB-IoT蓄勢待發(fā)的商用化進(jìn)程提供有力的技術(shù)支撐。

2 NB-IoT上行隨機(jī)接入過程

如圖1所示，NB-IoT終端須在下行同步后確定初始覆蓋類別，并在隨機(jī)接入時(shí)更新其所屬覆蓋類別，一旦隨機(jī)接入成功，后續(xù)的數(shù)據(jù)傳輸即可進(jìn)行針對性的覆蓋增強(qiáng)。因此NB-IoT覆蓋類別更新過程的研究應(yīng)重點(diǎn)關(guān)注NB-IoT終端的隨機(jī)接入過程。鑒于大多數(shù)NB-IoT業(yè)務(wù)的觸發(fā)周期較長且具有時(shí)延不敏感性，NB-IoT終端目前只支持基于競爭的隨機(jī)接入，并采用與LTE類似的4個(gè)步驟，但每個(gè)步驟均針對NB-IoT業(yè)務(wù)特性進(jìn)行了優(yōu)化設(shè)計(jì)，兩者隨機(jī)接入信道參數(shù)的主要區(qū)別如表1所示[23]。

表1 NB-IoT與LTE隨機(jī)接入信道參數(shù)對比

與LTE協(xié)議相比，3GPP協(xié)議規(guī)定的NB-IoT隨機(jī)接入過程可概述為[24]以下內(nèi)容。

1) 傳輸隨機(jī)接入前導(dǎo)（Msg1）。終端測量下行參考信號接收功率（RSRP, reference signal receiving power）的平均值并判決其初始覆蓋類別[25]，選擇與當(dāng)前覆蓋類別匹配的NB-PRACH（NB-physical random access channel）資源（如子載波序號、前導(dǎo)碼重復(fù)次數(shù)與發(fā)送功率等），發(fā)送輔以單音跳頻技術(shù)（single-tone frequency hopping）的全1序列作為前導(dǎo)序列發(fā)起隨機(jī)接入。

2) 傳輸隨機(jī)接入響應(yīng)（Msg2）。終端發(fā)送前導(dǎo)碼后需要在特定的時(shí)間窗內(nèi)接收隨機(jī)接入響應(yīng)(RAR, random access response)，RAR包含定時(shí)偏移量、C-RNTI（cell radio network temporary identifier）和Msg3調(diào)度信息等內(nèi)容。如果終端在RAR響應(yīng)窗內(nèi)沒有接收到正確的RAR響應(yīng)，前導(dǎo)碼全局傳輸次數(shù)計(jì)數(shù)器加1，新增的用于統(tǒng)計(jì)終端在當(dāng)前覆蓋類別下的前導(dǎo)碼傳輸次數(shù)的計(jì)數(shù)器N（preamble_transmission_counter_CE）也加1，當(dāng)該計(jì)數(shù)器達(dá)到最大值時(shí)終端將切換至下一覆蓋類別繼續(xù)發(fā)送Msg1。如果當(dāng)前已是最大覆蓋類別，則停留在當(dāng)前覆蓋類別繼續(xù)發(fā)送Msg1。每個(gè)覆蓋類別的前導(dǎo)碼傳輸次數(shù)N不能超過N,max，前導(dǎo)碼全局傳輸次數(shù)計(jì)數(shù)器（preamble_transmission_counter）仍然作為一個(gè)總的計(jì)數(shù)器用于判定整個(gè)隨機(jī)接入過程是否失敗。

3) 傳輸MAC（media access control）子層或RRC（radio resource control）子層消息（Msg3）。終端接收到RAR消息，獲得上行時(shí)間同步和上行資源，但此時(shí)并不能確定RAR消息是發(fā)送給自己還是發(fā)送給其他終端，因此需向基站發(fā)送Msg3進(jìn)行RRC連接請求，該請求包含待傳數(shù)據(jù)量和功率量冗余等信息。終端發(fā)送Msg3后立即啟動競爭解決定時(shí)器，等待Msg4。

4) 競爭解決（Msg4）?；臼盏組sg3后需進(jìn)行競爭解決并將結(jié)果發(fā)送給終端。如果競爭解決失敗，將對前導(dǎo)碼全局傳輸次數(shù)計(jì)數(shù)器加1并重新發(fā)送Msg1。若競爭解決成功，終端開始進(jìn)行數(shù)據(jù)傳輸。

上述過程與LTE協(xié)議隨機(jī)接入過程的主要區(qū)別在于覆蓋類別及其調(diào)整策略的引入，也即為本文的重點(diǎn)研究內(nèi)容，如圖1虛線部分所示。文中的計(jì)算式參數(shù)較多，各參數(shù)說明及表示符號如表2～表4所示。

圖1 帶覆蓋增強(qiáng)機(jī)制的NB-IoT上行數(shù)據(jù)傳輸過程

表2 系統(tǒng)參數(shù)及表示符號

表3 覆蓋類別更新模型參數(shù)及表示符號

表4 優(yōu)化設(shè)計(jì)模型參數(shù)及表示符號

3 覆蓋類別更新機(jī)制的建模

3.1 由3GPP協(xié)議抽象的更新模型

由第2節(jié)可知，NB-IoT終端連續(xù)接入失敗次數(shù)達(dá)到N,i時(shí)將切換至下一覆蓋類別；若終端在N,i次以內(nèi)隨機(jī)接入成功，則可開始數(shù)據(jù)傳輸，并在下一次發(fā)起隨機(jī)接入時(shí)重新判別初始覆蓋類別。然而NB-IoT終端在選擇初始覆蓋類別時(shí)因信道的變化可能導(dǎo)致誤判，故初始覆蓋類別可能為3個(gè)覆蓋類別中的任意一個(gè)，且3個(gè)覆蓋類別成為初始覆蓋類別的概率之和為1。若NB-IoT終端處于最大覆蓋類別，超過當(dāng)前覆蓋類別的最大傳輸次數(shù)后可繼續(xù)發(fā)送前導(dǎo)碼，此時(shí)無論接入是否成功，NB-IoT終端將停留在最大覆蓋類別。若已知終端在某一時(shí)刻0所處覆蓋類別，NB-IoT終端在>0時(shí)所處覆蓋類別只與0時(shí)刻有關(guān)，而與0之前的狀態(tài)無關(guān)，即滿足馬爾可夫性(無后效性)，因此本文將NB-IoT覆蓋類別更新機(jī)制建立如圖2所示的馬爾可夫過程，其中C(=1,2,3)代表3個(gè)覆蓋類別，實(shí)線箭頭代表狀態(tài)轉(zhuǎn)移的方向，P(,=1,2,3)為覆蓋類別之間的轉(zhuǎn)移概率，狀態(tài)轉(zhuǎn)移概率矩陣可表示為

圖2 NB-IoT覆蓋類別更新過程的馬爾可夫模型

其中，

對應(yīng)的穩(wěn)態(tài)概率為1=2=0，3=1。一般情況下，終端在C隨機(jī)接入成功后再次選擇C為初始覆蓋類別的概率較大，故系統(tǒng)穩(wěn)態(tài)時(shí)處于3的終端比例較大，這必然導(dǎo)致系統(tǒng)平均功耗較大。分析式(2)可知，在較大時(shí)增加f,i可以一定程度減小3，但隨之帶來的功耗增加使得系統(tǒng)平均功耗很難降低。本質(zhì)上是因?yàn)槲匆敫采w類別回退機(jī)制，終端一旦進(jìn)入高覆蓋類別便很難回退至低覆蓋類別。

3.2 引入回退機(jī)制的更新模型

由3.1節(jié)的分析可知，為了實(shí)現(xiàn)NB-IoT低功耗的目標(biāo)，為NB-IoT覆蓋類別更新過程引入回退機(jī)制是十分必要的。且當(dāng)信道環(huán)境較為穩(wěn)定時(shí)，例如水電氣表、家電等NB-IoT終端的位置長期固定，可認(rèn)為其信道環(huán)境在較長時(shí)間范圍內(nèi)保持不變，此時(shí)每一次隨機(jī)接入都進(jìn)行初始覆蓋類別判別會帶來額外的功耗和信令開銷。因此本文建議為NB-IoT覆蓋類別更新機(jī)制引入一個(gè)寄存器，以記錄終端每一次隨機(jī)接入成功/失敗時(shí)所處的覆蓋類別，下一次隨機(jī)接入時(shí)終端就以寄存器記錄的覆蓋類別作為初始覆蓋類別進(jìn)行隨機(jī)接入。這樣NB-IoT終端投入使用后只需要在首次發(fā)起隨機(jī)接入時(shí)以測量RSRP的方式獲取初始覆蓋類別，而信道環(huán)境的變化仍可通過連續(xù)多次隨機(jī)接入成功與否來反應(yīng)。若終端在C連續(xù)接入成功s,i次/失敗f,i次(=1,2,3)，則降低/升高覆蓋類別。限定覆蓋類別只能在相鄰覆蓋類別間轉(zhuǎn)移，上述過程的轉(zhuǎn)移概率矩陣可表示為

可以看出，式(4)僅與s,i、f,i、f,i有關(guān)，覆蓋類別更新機(jī)制就是要給出不同系統(tǒng)參數(shù)下s,i與f,i的最佳配置策略。為簡化分析，本文僅考慮s,i=f,i=N,max的情況。此時(shí)由式(4)可得各狀態(tài)的穩(wěn)態(tài)概率為

式(5)明顯體現(xiàn)出狀態(tài)轉(zhuǎn)移規(guī)律與穩(wěn)態(tài)概率的關(guān)系。狀態(tài)1的穩(wěn)態(tài)概率由狀態(tài)3到狀態(tài)2的轉(zhuǎn)移概率32和狀態(tài)2到狀態(tài)1的轉(zhuǎn)移概率21決定，即其他狀態(tài)轉(zhuǎn)移到狀態(tài)1的路徑有“狀態(tài)2→狀態(tài)1”和“狀態(tài)3→狀態(tài)2→狀態(tài)1”。同理，狀態(tài)2的穩(wěn)態(tài)概率由12和32決定，狀態(tài)3的穩(wěn)態(tài)概率由12和23決定。上述狀態(tài)轉(zhuǎn)移規(guī)律和圖2與式(3)描述的覆蓋類別更新機(jī)制完全符合。由式(5)可知，q正比于N,max，但由于f,i較小，隨著N,max的增加P(<)快速收斂于0，據(jù)此推導(dǎo)可得：1)1,max足夠大時(shí)1收斂于1，2、3收斂于0，且收斂速度快；2)2,max足夠大時(shí)2收斂于1，1、3收斂于0，收斂速度較快；3) 隨著3,max的增加，3增加而1、2降低，收斂速度慢。上述現(xiàn)象為第4節(jié)中的覆蓋類別更新機(jī)制優(yōu)化設(shè)計(jì)及模型求解提供了理論依據(jù)。

4 覆蓋類別更新機(jī)制的優(yōu)化設(shè)計(jì)

4.1 覆蓋類別更新機(jī)制的優(yōu)化模型

NB-IoT隨機(jī)接入過程以增加前導(dǎo)碼傳輸和重復(fù)次數(shù)的方式降低接入失敗概率，即以增加功耗和時(shí)延的方式換取覆蓋增強(qiáng)。然而NB-IoT終端一般采用電池供電，為了實(shí)現(xiàn)5 Wh電池長達(dá)10年壽命的目標(biāo)，需要在滿足一定接入失敗概率的條件下盡可能減小系統(tǒng)功耗。因此，如何配置NB-IoT各覆蓋類別的前導(dǎo)碼最大傳輸次數(shù)s,i與f,i，使終端的平均接入失敗概率和平均功耗盡可能最小是本文關(guān)注的重點(diǎn)問題?？紤]到NB-IoT終端低移動性的特點(diǎn)，本文僅給出式(4)所述模型的優(yōu)化模型及求解辦法。

設(shè)0為發(fā)送一次前導(dǎo)碼所需的功耗，各覆蓋類別的功耗E可表示為

接下來，利用各覆蓋類別的穩(wěn)態(tài)概率加權(quán)各覆蓋類別的接入失敗概率和功耗，可得NB-IoT終端隨機(jī)接入過程的平均接入失敗概率c和平均功耗，分別表示為

至此，本文已建立NB-IoT覆蓋類別更新機(jī)制的性能分析模型與最優(yōu)參數(shù)配置方法，若增加終端單次信道測量的功耗E，上述方法還可推廣至式(1)所述的模型。

4.2 優(yōu)化模型的求解

式(10)中第一層為復(fù)雜度極高的多目標(biāo)非線性整數(shù)規(guī)劃，也是求解的重難點(diǎn)，第二層為簡單的線性規(guī)劃。針對第一層這類優(yōu)化問題，研究者多采用遺傳算法、模擬退火算法等智能優(yōu)化算法求解[28-30]。然而智能優(yōu)化算法實(shí)現(xiàn)比較復(fù)雜、優(yōu)化結(jié)果對初始值較為敏感，并不是解決本文最優(yōu)化模型的最佳選擇。本文在剖析了式(10)第一層目標(biāo)函數(shù)的主要特征后提出一種結(jié)合約束法和窮舉搜索法的算法[31]，該算法簡單高效且優(yōu)化結(jié)果穩(wěn)定。

根據(jù)上述特點(diǎn)，本文采用約束法和窮舉搜索法求解式(10)所述分層多目標(biāo)非線性整數(shù)規(guī)劃，求解步驟如下。

1) 第一層，采用約束法將c轉(zhuǎn)化為約束條件，得到新的單目標(biāo)非線性整數(shù)規(guī)劃模型，即式(13)。

2) 計(jì)算可行解集={,max|0≤c≤th,

圖3 Ni,max變化時(shí)的Pc和E變化曲線

3) 計(jì)算(,max(k))，令min←(,max(k))；

4) 若(,max(k+1))≤(,max(k))，則min←(,max(k+1))；

5) 依次迭代直到遍歷，得到式(11)第1層的有效解集，即min對應(yīng)的,max集合。

6) 第2層，計(jì)算,max集合元素的∑，得到最終的有效解即min∑對應(yīng)的,max。

至此，本文已給出式(10)所述分層多目標(biāo)非線性整數(shù)規(guī)劃的優(yōu)化求解辦法。

5 數(shù)值分析

5.1 Ri與Ni,max最優(yōu)取值及Pc和E關(guān)系

由圖4(c)可知：1)隨著1的增加而增加，且?guī)缀醪皇?、3變化的影響；2)c隨著R,set的增加呈分段性變化，結(jié)合圖4(a)可知，1= 1時(shí)c不受2和3變化的影響；1= 2時(shí)，c增加約0.007，這是因?yàn)?.2節(jié)的算法優(yōu)先保證最小，c≤0.01即可，此時(shí)犧牲部分接入失敗概率換取了更低的功耗；1> 2時(shí)，最優(yōu)值增加，以的增長換取c降低。

5.2 t與Ni,max最優(yōu)取值及Pc和E關(guān)系

圖4 參數(shù)Ri對最優(yōu)Ni,max配置及對應(yīng)Pc和E的影響

圖5 參數(shù)t對最優(yōu)Ni,max配置及對應(yīng)Pc和E的影響

5.3 N與Ni,max最優(yōu)取值及Pc和E關(guān)系

由圖6(b)可知：1)<12時(shí)c隨的增加迅速降低，而>12時(shí)降幅變?。?) 與c相反，隨的增加而增加，且>88時(shí)的增幅逐漸趨于0。以上現(xiàn)象表明，在<12時(shí)，增加的值可以的較小增加為代價(jià)迅速降低c，但>88時(shí)增加對c和的影響很小。

此外，由圖4~圖6可知：1)N,max、c和隨著以上3個(gè)參數(shù)的變化規(guī)律呈現(xiàn)階段穩(wěn)定性，即參數(shù)在某一范圍內(nèi)變化幾乎不會對c和造成影響；該現(xiàn)象是因?yàn)楸疚乃?shù)及N,max最優(yōu)值均為整數(shù)，當(dāng)參數(shù)在某一范圍內(nèi)對結(jié)果的影響很小時(shí)，由于Matlab計(jì)算精度的限制使結(jié)果呈現(xiàn)出階段穩(wěn)定性，當(dāng)參數(shù)對結(jié)果的影響累積到一定程度時(shí)便出現(xiàn)“跳變”現(xiàn)象；2) 由表1知協(xié)議規(guī)定的N,max取值范圍為[0,10]，根據(jù)本文的仿真結(jié)果可將其最優(yōu)取值的范圍縮小為：①1,max∈[1,5]，2,max∈[1,7]；②3,max對c和的影響很小，一般3,max取最小值1。

圖6 參數(shù)N對最優(yōu)Ni,max配置及對應(yīng)Pc和E的影響

5.4 兩個(gè)模型的Pc和E對比

令{1,2,3}={1, 2, 4}、0=3.56×10?7Wh、E= 0.50、= 200、= 0.9，其中為單次信道測量所需功耗，圖7為在[1,10]之間變化時(shí)，式(1)和式(4)所述模型的c和最優(yōu)值的對比結(jié)果。由圖7可知：1) 3GPP協(xié)議抽象模型的c隨著的增加而增加，隨著的增加而減小，即以部分接入失敗概率換取更低功耗；2) 改進(jìn)模型（引入了回退機(jī)制）的c比協(xié)議模型高約16%，但其比協(xié)議模型低約95%。以上結(jié)論驗(yàn)證了第3、4節(jié)的模型分析，因此采用本文提出的覆蓋類別更新機(jī)制可在保證平均接入失敗概率較小的情況下實(shí)現(xiàn)超低功耗。

圖7 兩個(gè)模型的Pc和E最優(yōu)值對比

6 結(jié)束語

本文旨在建立NB-IoT覆蓋類別更新機(jī)制及其性能分析的理論模型，并分析主要系統(tǒng)參數(shù)對NB-IoT性能的影響。以3GPP提出的3個(gè)覆蓋類別為狀態(tài)變量將NB-IoT隨機(jī)接入過程建模為馬爾可夫模型，本文提出了一套能夠完整刻畫NB-IoT隨機(jī)接入過程中覆蓋類別動態(tài)變化的覆蓋類別更新機(jī)制，并建立了以最小化平均接入失敗概率和平均功耗為目標(biāo)的優(yōu)化模型，給出了該模型最優(yōu)解的求解辦法。本文所做工作完善了NB-IoT隨機(jī)接入過程覆蓋增強(qiáng)中覆蓋類別更新過程的理論分析，相關(guān)結(jié)論對于NB-IoT系統(tǒng)部署具有實(shí)踐指導(dǎo)意義。下一步擬分析數(shù)據(jù)傳輸階段的各類別最大傳輸次數(shù)對頻譜效率（SE, spectrum efficiency）、能耗效率（EE, energy efficiency）和部署效率（DE, deployment efficiency）之間的關(guān)系，并給出數(shù)據(jù)傳輸階段最大傳輸次數(shù)的最優(yōu)取值建議。

[1] RATASUK R, MANGALVEDHE N, ZHANG Y, et al. Overview of narrowband IoT in LTE Rel-13[C]// 2016 IEEE Conference on Standards for Communications and Networking. 2016: 1-7.

[2] 楊柳, 范平志, 郝莉. LTE系統(tǒng)中事件驅(qū)動M2M業(yè)務(wù)的流量控制隨機(jī)接入?yún)f(xié)議[J]. 通信學(xué)報(bào), 2014, 35(12): 53-61.

YANG L, FAN P Z, HAO L. Flow control random access protocol for event-driven machine-to-machine traffics in LTE network[J]. Journal on Communications, 2014, 35(12): 53-61.

[3] GOZALVEZ J. New 3GPP standard for IoT [mobile radio][J]. IEEE Vehicular Technology Magazine, 2016, 11(1): 14-20.

[4] 簡鑫, 曾孝平, 賈云健,等. 機(jī)器類通信流量建模與過載控制[J]. 通信學(xué)報(bào), 2013, 34(9): 123-131.

JIAN X, ZENG X P, JIA Y J, et al. Traffic modeling for machine type communication and its overload control[J]. Journal on Communications, 2013, 34(9): 123-131.

[5] SHARIATMADARI H, RATASUK R, IRAJI S, et al. Machine-type communications: current status and future perspectives toward 5G systems[J]. IEEE Communications Magazine, 2015, 53(9): 10-17.

[6] CHEN M, MIAO Y, HAO Y, et al. Narrow band internet of things[J]. IEEE Access, 2017, 3(1): 20557-20577.

[7] 簡鑫, 曾孝平, 譚曉衡,等. 改進(jìn)的多信道S-ALOHA暫態(tài)性能分析辦法及其應(yīng)用[J]. 電子與信息學(xué)報(bào), 2016, 38(8): 1894-1900.

JIAN X, ZENG X P, TAN X H, et al. Improved transient performance analysis algorithm of multichannel s-ALOHA and its applications[J]. Journal of Electronics & Information Technology, 2016, 38(8): 1894-1900.

[8] WANG Y P E, LIN X, ADHIKARY A, et al. A primer on 3GPP narrowband Internet of Things[J]. IEEE Communications Magazine, 2017, 55(3): 117-123.

[9] JIANG N, DENG Y, CONDOLUCI M, et al. RACH preamble repetition in NB-IoT network[J]. IEEE Communications Letters, 2018, 22(6): 1244-1247.

[10] POLESE M, CENTENARO M, ZANELLA A, et al. M2M massive access in LTE: RACH performance evaluation in a smart city scenario[C]//2016 IEEE International Conference on Communications. 2016: 1-6.

[11] RATASUK R, MANGALVEDHE N, KAIKKONEN J, et al. Data channel design and performance for LTE narrowband IoT[C]//2016 IEEE 84th Conference on Vehicular Technology Conference, 2016: 1-5.

[12] MIAO Y, LI W, TIAN D, et al. Narrow band Internet of Things: simulation and modelling[J]. IEEE Internet of Things Journal. 2017: 1-1.

[13] MANGALVEDHE N, RATASUK R, GHOSH A. NB-IoT deployment study for low power wide area cellular IoT[C]// 2016 IEEE 27th Annual International Symposium on Personal, Indoor, and Mobile Radio Communications.2016: 1-6.

[14] RATASUK R, VEJLGAARD B, MANGALVEDHE N, et al. NB-IoT system for M2M communication[C]// 2016 IEEE Wireless Communications and Networking Conference. 2016: 1-5.

[15] 何小丹, 宋磊. 基于速率需求的NB-IoT上行覆蓋性能[J]. 電信科學(xué), 2016(S1): 149-156.

HE X D, SONG L. NB-IoT uplink coverage capability considering rate requirement[J]. Telecommunications Science, 2016(S1): 149-156.

[16] 黃悅, 湯遠(yuǎn)方. NB-IoT物聯(lián)網(wǎng)組網(wǎng)及覆蓋能力探討[J]. 移動通信, 2017, 41(18): 11-15.

HUANG Y, TANG Y. Discussion on networking and coverage capability for NB-IoT[J]. Mobile Communications, 2017, 41(18): 11-15.

[17] 李建軍. NB-IoT組網(wǎng)方案研究[J]. 移動通信, 2017, 41(6): 14-18.

LI J J. Research on NB-IoT networking scheme[J]. Mobile Communications, 2017, 41(6): 14-18.

[18] 陳巍. 基于NB-IoT技術(shù)的單站覆蓋仿真分析及驗(yàn)證[J]. 電腦與電信, 2017(8): 36-38.

CHEN W. Simulation analysis and verification of single station coverage based on NB-IoT technology[J]. Computer & telecommunication, 2017(8): 36-38.

[19] 趙元, 張力方, 邢宇龍,等. NB-IoT技術(shù)評估及組網(wǎng)方案研究[J]. 郵電設(shè)計(jì)技術(shù), 2017(8): 40-45.

ZHAO Y, ZHANG L F, XING Y L. Research on technology evaluation and networking scheme of NB-IoT[J]. Designing Techniques of Posts and Telecommunications, 2017(8): 40-45.

[20] LAURIDSEN M, KOVács I Z, MOGENSEN P, et al. Coverage and capacity analysis of LTE-M and NB-IoT in a rural area[C]// 2016 IEEE 84th Vehicular Technology Conference. 2016: 1-5.

[21] ADHIKARY A, LIN X, WANG Y P E. Performance evaluation of NB-IoT coverage[C]// 2016 IEEE 84th Vehicular Technology Conference. 2016: 1-5.

[22] YU C, YU L, WU Y, et al. Uplink scheduling and link adaptation for narrowband Internet of Things systems[J]. IEEE Access, 2017, 5(99): 1724-1734.

[23] LIN X, ADHIKARY A, Wang Y P E. Random access preamble design and detection for 3GPP Narrowband IoT systems[J]. IEEE Wireless Communications Letters, 2016, 5(6): 640-643.

[24] MALIK H, PERVAIZ H, ALAM M M, et al. Radio resource management scheme in NB-IoT systems[J]. IEEE Access, 2018, 6: 15051-15064.

[25] 田浩, 楊霖, 李少謙. LTE上行鏈路中基于探測參考信號的信噪比估計(jì)[J]. 電子與信息學(xué)報(bào), 2014, 36(2): 353-357.

TIAN H, YANG L, Li S Q. SNR estimation based on sounding reference signal in LTE uplink[J]. Journal of Electronics & Information Technology, 2014, 36(2): 353-357.

[26] YIN J, ZHU X, QUAN L, et al. Comprehensive multi-objective secularization optimization of a permanent magnet machine with correlation parameters stratified method[J]. IET Electric Power Applications, 2017, 11(1): 72-79.

[27] HARWAHYU R, CHENG R G, WEI C H. Investigating the performance of the random access channel in NB-IoT[C]// 2017 IEEE 86th Vehicular Technology Conference. 2017: 1-5.

[28] KARATAS M, YAKICI E. An iterative solution approach to a multi-objective facility location problem[J]. Applied Soft Computing, 2018, 62: 272-287.

[29] SAFIKHANI H, ABBASSI A, KHALKHALI A, et al. Multi-objective optimization of nanofluid flow in flat tubes using CFD, Artificial Neural Networks and genetic algorithms[J]. Advanced Powder Technology, 2014, 25(5): 1608-1617.

[30] HASSAN-POUR H A, MOSADEGH-KHAH M, TAVAKKOLI- MOGHADDAM R. Solving a multi-objective multi-depot stochastic location-routing problem by a hybrid simulated annealing algorithm[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2009, 223(8): 1045-1054.

[31] HARWAHYU R, CHENG R G, WEI C H, et al. Optimization of random access channel in NB-IoT[J]. IEEE Internet of Things Journal, 2018, 5(1): 391-402.

Performance analysis and optimization for coverage classes updating mechanism of narrow-band internet of things

JIAN Xin, LIU Yuqin, WEI Yixiao, SONG Jian, WANG Fang, FU Shu, TAN Xiaoheng

College of Microelectronics and Communication Engineering, Chongqing University, Chongqing 400044, China

A Markov chain model with coverage classes as state variables was established to describe the dynamics of the coverage classes updating mechanism of narrow-band internet of things (NB-IoT). An optimization model to minimize average probability of access failure as well as average power consumption was formulated, with which the effects of preamble repetition number, system load and global maximum transmission number on the optimal configuration of maximum transmission number of each coverage class was analyzed. Numerical analysis results show that the maximum transmission number of normal coverage andextended coverage have a great influence on the system performance and their value ranges should be set within [1,5] and [1,7] respectively. However, the maximum transmission number of extreme coverage has little influence on the system performance, its value could be any one in [1,10] butthe recommended value is 1. In addition, the average power consumption of the model that introduced coverage classes’ rollback mechanism is about 95% lower than the model proposed by 3GPP.

NB-IoT, random access, coverage enhancement, coverage classes, Markov chain

TN929.5

A

10.11959/j.issn.1000?436x.2018228

簡鑫（1987?），男，四川自貢人，博士，重慶大學(xué)副教授，主要研究方向?yàn)閼?yīng)用統(tǒng)計(jì)數(shù)學(xué)、物聯(lián)網(wǎng)無線接入技術(shù)及應(yīng)用等。

劉鈺芩（1991?），女，四川南充人，重慶大學(xué)碩士生，主要研究方向?yàn)檎瓗锫?lián)網(wǎng)、群智感知技術(shù)等。

韋一笑（1993?），女，廣西河池人，重慶大學(xué)碩士生，主要研究方向?yàn)檎瓗锫?lián)網(wǎng)、物聯(lián)網(wǎng)超低功耗技術(shù)等。

宋?。?995?），男，江西宜春人，重慶大學(xué)碩士生，主要研究方向?yàn)橹腔劬W(wǎng)絡(luò)、群體智能等。

王芳（1995?），女，四川瀘州人，重慶大學(xué)碩士生，主要研究方向?yàn)闊o線通信理論與技術(shù)、分布式隊(duì)列隨機(jī)接入等。

付澍（1985?），男，貴州貴陽人，博士，重慶大學(xué)講師，主要研究方向?yàn)槲磥砭W(wǎng)絡(luò)、邊緣計(jì)算等。

譚曉衡（1976?），男，重慶人，博士，重慶大學(xué)教授、博士生導(dǎo)師，主要研究方向?yàn)橄乱淮苿油ㄐ拧⑼ㄐ判盘柼幚淼取?/p>

2017?12?25；

2018?07?23

國家自然科學(xué)基金資助項(xiàng)目（No.61501065, No.61571069, No.61601067, No.61701054）；重慶市基礎(chǔ)科學(xué)與前沿技術(shù)研究專項(xiàng)基金資助項(xiàng)目（No.cstc2016jcyjA0021）；中央高?；究蒲袠I(yè)務(wù)費(fèi)基金資助項(xiàng)目（No.106112017CDJQJ168817, No.2018CDXYTX0009, No.2018CDYJSY0055）

The National Natural Science Foundation of China (No.61501065, No.61571069, No.61601067, No.61701054), Chongqing Research Program of Basic Research and Frontier Technology (No. cstc2016jcyjA0021), Fundamental Research Funds for the Central Universities (No.106112017CDJQJ168817, No.2018CDXYTX0009, No.2018CDYJSY0055)