一種MTC快速上行授權(quán)接入改進(jìn)算法

陳發(fā)堂, 楊 夏, 韓才君

(重慶郵電大學(xué)通信與信息工程學(xué)院, 重慶 400065)

0 引 言

隨著第五代移動(dòng)蜂窩網(wǎng)絡(luò)(the fifth generation mobile cellular network, 5G)將蜂窩物聯(lián)網(wǎng)(Internet of things, IoT)技術(shù)作為其重要發(fā)展方向之一,萬(wàn)物互聯(lián)正在逐漸成為現(xiàn)實(shí),機(jī)器間通信(machine to machine, M2M)作為IoT的重要基礎(chǔ),也成為了新一代無(wú)線網(wǎng)絡(luò)的研究重點(diǎn)。在三大5G典型應(yīng)用場(chǎng)景[1-2]中,大規(guī)模機(jī)器類通信(massive machine-type communications, mMTC)和低時(shí)延高可靠通信(ultra-reliable low-latency communications, URLLC)是支持大規(guī)模和重要業(yè)務(wù)IoT應(yīng)用的關(guān)鍵[3]。機(jī)器類通信(machine-type communication, MTC)與傳統(tǒng)的人與人通信具有較大的特性差異[4],MTC通常具有小數(shù)據(jù)包、業(yè)務(wù)偶發(fā)、海量連接設(shè)備、服務(wù)質(zhì)量(quality of service, QoS)多樣等特性[5-6],并且流量多數(shù)是上行的,同時(shí)具有低功耗的需求[7]。因此,傳統(tǒng)的蜂窩網(wǎng)絡(luò)接入方式對(duì)于MTC而言不具備優(yōu)勢(shì),而大連接下的上行接入是MTC面臨的重要挑戰(zhàn)[8]。

為了解決傳統(tǒng)接入方法不適用于MTC的問(wèn)題,大量研究人員提出了一系列解決方案。第一類解決方案是針對(duì)傳統(tǒng)接入方法的優(yōu)化,如通過(guò)控制接入類限制(access class barring, ACB)因子限制時(shí)隙內(nèi)嘗試接入基站的設(shè)備數(shù)量以減輕擁塞[9-10],或通過(guò)利用設(shè)備的定時(shí)提前信息來(lái)降低隨機(jī)接入前導(dǎo)的碰撞概率[11-12]等,同時(shí)也存在一些嘗試對(duì)前導(dǎo)序列進(jìn)行擴(kuò)容的研究[13-14],但這一類方法的性能仍然在一定程度上受到隨機(jī)接入前導(dǎo)資源的限制。第二類方案著眼于非協(xié)作傳輸[15],即MTC設(shè)備不再傳輸隨機(jī)接入前導(dǎo)且等待基站調(diào)度,而是隨機(jī)選擇上行資源進(jìn)行接入[16-17],而這類方法存在上行傳輸碰撞的問(wèn)題。除了以上兩種類型的方法,還存在一種平衡兩者優(yōu)缺點(diǎn)的方法,即快速上行授權(quán)接入[18]。這種方法通過(guò)基站部署預(yù)測(cè)算法來(lái)獲得當(dāng)前時(shí)隙設(shè)備激活的情況,然后由基站為設(shè)備分配上行資源,既避免了上行資源分配的碰撞,又簡(jiǎn)化了接入流程[19]。但現(xiàn)存的源流量預(yù)測(cè)算法,如二元馬爾可夫事件激活預(yù)測(cè)[20]方法以及基于定向信息學(xué)習(xí)[21]和長(zhǎng)短期記憶(long-short term memory, LSTM)網(wǎng)絡(luò)[22]的優(yōu)化方法,無(wú)法完美獲得設(shè)備的激活情況,因此存在由于錯(cuò)誤預(yù)測(cè)而導(dǎo)致上行資源被浪費(fèi)的問(wèn)題。除此之外,快速上行授權(quán)接入還可以使用一系列方法進(jìn)行調(diào)度方面的優(yōu)化,比如文獻(xiàn)[23]應(yīng)用多臂賭博機(jī)(multi-armed bandit, MAB)學(xué)習(xí)技術(shù)對(duì)接入設(shè)備的QoS進(jìn)行優(yōu)化,而文獻(xiàn)[24]中利用貝葉斯推理機(jī)制嘗試對(duì)源流量預(yù)測(cè)模型的錯(cuò)誤進(jìn)行學(xué)習(xí),進(jìn)而優(yōu)化調(diào)度。

本文嘗試在使用MAB的快速上行授權(quán)接入基礎(chǔ)上,通過(guò)多路MAB來(lái)篩選高速率、低延遲忍耐和低速率、低延遲忍耐兩類低忍耐延遲設(shè)備,然后引入功率域非正交多址接入(power-domain non-orthogonal multiple access, PD-NOMA)技術(shù)來(lái)復(fù)用上行信道資源,并使用MAB的篩選結(jié)果來(lái)優(yōu)化調(diào)度接入,提升系統(tǒng)的整體性能。

1 系統(tǒng)模型

1.1 快速上行授權(quán)接入系統(tǒng)模型

假設(shè)存在一個(gè)單小區(qū)MTC網(wǎng)絡(luò),小區(qū)中只有一個(gè)基站并且位于小區(qū)中心,小區(qū)中共存在N個(gè)MTC設(shè)備(MTC device, MTD),所有設(shè)備均勻分布在小區(qū)覆蓋范圍中。同時(shí),假設(shè)基站可用的帶寬資源被平均劃分為MR份,即在同一時(shí)隙中同時(shí)存在MR個(gè)資源塊(resource block, RB),每個(gè)RB的帶寬為B。網(wǎng)絡(luò)采用快速上行授權(quán)的接入方式,設(shè)備在進(jìn)行隨機(jī)接入時(shí)不再發(fā)送隨機(jī)接入前導(dǎo),而是由基站將指示RB的上行授權(quán)直接分配給激活設(shè)備,激活設(shè)備指在當(dāng)前時(shí)刻有數(shù)據(jù)待發(fā)送且正等待獲得RB的設(shè)備。設(shè)備應(yīng)在自準(zhǔn)備好發(fā)送數(shù)據(jù)的時(shí)刻起最大容忍延遲時(shí)間范圍內(nèi)完成接入,否則這次接入失敗,即TGrant+TData≤DT,TGrant和TData分別表示設(shè)備從準(zhǔn)備好發(fā)送數(shù)據(jù)到接收到RB的間隔時(shí)間和設(shè)備處理上行授權(quán)、使用RB發(fā)送數(shù)據(jù)花費(fèi)的時(shí)間。最大容忍延遲DT由各設(shè)備的QoS需求確定,各設(shè)備的最小接入速率限制也由QoS確定。接入過(guò)程如圖1所示。

圖1 快速上行授權(quán)接入過(guò)程Fig.1 Fast-uplink authorization access procedure

為了模擬真實(shí)mMTC場(chǎng)景的設(shè)備接入情況,本文假設(shè)所有設(shè)備在初次接入基站時(shí)的激活時(shí)間在TA范圍內(nèi)服從Beta分布[25],其中B函數(shù)參數(shù)α=3,β=4,概率密度函數(shù)為

(1)

TA一共被分為IA個(gè)時(shí)隙,設(shè)備將集中在某個(gè)時(shí)段接入,模擬了發(fā)生緊急事件時(shí)設(shè)備短時(shí)間內(nèi)突發(fā)集中接入的場(chǎng)景。在完成首次接入后,設(shè)備將在每次接入完成后隨機(jī)退避最長(zhǎng)TA時(shí)間后再次激活,整體服從均勻分布。

設(shè)備m與基站之間的信道增益表示為hm=gm/lm。其中,lm為路損,gm為瑞利衰落信道增益,其中|gm|2的概率密度函數(shù)[26]可表示為

(2)

式中:μ是正態(tài)分布N(0,μ)中的方差。

1.2 預(yù)測(cè)系統(tǒng)模型

由于在物聯(lián)網(wǎng)MTD中,傳感器類的設(shè)備激活周期長(zhǎng)但移動(dòng)性低或者不移動(dòng),所以基站能簡(jiǎn)單地通過(guò)估計(jì)設(shè)備發(fā)送的歷史消息獲得此類設(shè)備的信道狀態(tài)信息(channel state information, CSI)。對(duì)于具有高速移動(dòng)特性的設(shè)備,本文假設(shè)若設(shè)備具有較短的激活周期,基站可以根據(jù)密集的信息推斷CSI變化,從而估計(jì)完整的CSI;若設(shè)備具有較長(zhǎng)的激活周期,那么設(shè)備可以通過(guò)帶外設(shè)備到設(shè)備(device to device, D2D)通信頻譜向周圍近距離的設(shè)備發(fā)送其設(shè)備身份標(biāo)識(shí)號(hào)(identity document, ID)。若接收ID信息的設(shè)備在短時(shí)間內(nèi)執(zhí)行數(shù)據(jù)發(fā)送,將一并發(fā)送該ID,則基站可認(rèn)為該時(shí)刻ID設(shè)備與轉(zhuǎn)發(fā)設(shè)備具有相同的CSI。由于MTC設(shè)備具有超高密度,該CSI估計(jì)可以被認(rèn)為是良好的。由此,基站獲得當(dāng)前所有設(shè)備的CSI信息后,可以通過(guò)下行消息直接為指定設(shè)備分配上行授權(quán)。

1.3 問(wèn)題描述

對(duì)于快速上行授權(quán)接入,基站調(diào)度的重點(diǎn)在于將有限的資源進(jìn)行合理的分配,考慮的因素包括設(shè)備的激活狀態(tài)以及設(shè)備的延遲需求、連接速率需求以及數(shù)據(jù)包價(jià)值等,以滿足復(fù)雜多樣的物聯(lián)網(wǎng)應(yīng)用所帶來(lái)的MTD異構(gòu)QoS需求。因此,基站調(diào)度的優(yōu)化方向可轉(zhuǎn)化為在滿足QoS限制條件下實(shí)現(xiàn)被調(diào)度設(shè)備的效用最優(yōu)。效用函數(shù)[24]Ui(t)被定義為不同歸一化QoS指標(biāo)的組合,表示為

(3)

f(Di(t))=a-ae-be-cDi(t)

(4)

因此,可以獲得最優(yōu)調(diào)度設(shè)備集的表達(dá)式如下:

(5)

為了實(shí)現(xiàn)式(5)中功率設(shè)備的最優(yōu)化調(diào)度,基站需要收集當(dāng)前時(shí)刻所有設(shè)備的實(shí)時(shí)QoS需求。在隨機(jī)接入網(wǎng)絡(luò)當(dāng)中,基站獲取以上提到的設(shè)備信息需要依賴設(shè)備向基站發(fā)送的調(diào)度請(qǐng)求,這對(duì)于存在海量設(shè)備和通常使用小尺寸數(shù)據(jù)包的大規(guī)模接入場(chǎng)景來(lái)說(shuō)是極其低效的,將存在海量的信令消耗和系統(tǒng)延遲,并且由于在隨機(jī)接入時(shí)隙能發(fā)送的調(diào)度請(qǐng)求有限,這將存在極大的失敗風(fēng)險(xiǎn)。由于基站缺乏高效的途徑直接從設(shè)備獲取完整的QoS,基站被期望能在有限的信息獲取條件下完成調(diào)度。在假設(shè)基站已部署流量預(yù)測(cè)算法的前提下,本文嘗試引入一種在線學(xué)習(xí)方法來(lái)解決上述問(wèn)題,同時(shí)使用PD-NOMA技術(shù)來(lái)優(yōu)化系統(tǒng)整體性能。

2 改進(jìn)算法

為了使基站能夠有效地完成上行快速授權(quán)隨機(jī)接入的調(diào)度,提出的算法嘗試使用MAB在基站信息有限前提下實(shí)現(xiàn)對(duì)隨時(shí)間變化的效用函數(shù)Ui(t)的學(xué)習(xí),以此支撐基站完成設(shè)備的調(diào)度,并依賴被調(diào)度設(shè)備的反饋動(dòng)態(tài)地進(jìn)行調(diào)整。然后,引入PD-NOMA技術(shù)實(shí)現(xiàn)對(duì)RB的復(fù)用,通過(guò)利用多路MAB來(lái)完成對(duì)待接入設(shè)備的篩選,并形成非正交多址接入(non-orthogonal multiple access, NOMA)組,提升系統(tǒng)的接入能力。

2.1 基于MAB的快速上行授權(quán)接入

MAB是典型的決策問(wèn)題。在MAB問(wèn)題中,決策者從一系列可用的動(dòng)作中選擇一個(gè)動(dòng)作執(zhí)行,每個(gè)可用的動(dòng)作被執(zhí)行后都會(huì)產(chǎn)生獎(jiǎng)勵(lì)。對(duì)于決策者來(lái)說(shuō),其只能獲得所選擇動(dòng)作的獎(jiǎng)勵(lì),而對(duì)其他動(dòng)作的獎(jiǎng)勵(lì)未知,如果選擇的動(dòng)作非最優(yōu),即獲得的獎(jiǎng)勵(lì)不是當(dāng)前所能獲得的最大獎(jiǎng)勵(lì),則該動(dòng)作獎(jiǎng)勵(lì)與可能獲得的最大獎(jiǎng)勵(lì)之間的差值被定義為懊悔。決策者的目標(biāo)是最大化累積獎(jiǎng)勵(lì)或最小化累積懊悔。在快速上行授權(quán)接入中,基站扮演的正是決策者的角色,其為小區(qū)內(nèi)任一個(gè)設(shè)備分配上行授權(quán)都是一種可選的行為,而基站需要使得累積獎(jiǎng)勵(lì)達(dá)到最大。

令θi(t)表示設(shè)備i在t時(shí)刻可以獲得的獎(jiǎng)勵(lì),有

(6)

(7)

期望可以消除算法的隨機(jī)選擇和獎(jiǎng)勵(lì)分配的隨機(jī)性。

為了實(shí)現(xiàn)最大累積獎(jiǎng)勵(lì)和最低累積懊悔,理想的做法是始終能找到最佳的設(shè)備集進(jìn)行調(diào)度,但是這樣需要找到所有設(shè)備的期望獎(jiǎng)勵(lì)。由于每個(gè)基站每次調(diào)度的設(shè)備數(shù)量存在限制,無(wú)法同時(shí)獲得所有設(shè)備的獎(jiǎng)勵(lì)信息,并且隨機(jī)選擇的設(shè)備很可能不包含提供最優(yōu)獎(jiǎng)勵(lì)的設(shè)備在內(nèi)。除此之外,設(shè)備的期望獎(jiǎng)勵(lì)可能是隨業(yè)務(wù)的變化而處于變化之中的,故在調(diào)度獎(jiǎng)勵(lì)期望高的設(shè)備的同時(shí)還需要調(diào)度其他設(shè)備,以更精確地找到獎(jiǎng)勵(lì)期望并感知其變化。這被稱為利用與探索平衡問(wèn)題。目前存在一些方法來(lái)解決這一問(wèn)題,其中最典型的是基于置信上邊界(upper confidence bound, UCB)的解決方法[29]。在這種方法中,通過(guò)MAB算法選擇的在時(shí)間t執(zhí)行的動(dòng)作x(t)滿足:

(8)

式中:zi(t)為動(dòng)作x(t)到時(shí)間t為止的累積獎(jiǎng)勵(lì)之和;ni(t)為到時(shí)間t為止該動(dòng)作被執(zhí)行的次數(shù);φ因子控制利用與探索之間的平衡度,φ越大則探索權(quán)重越高,反之利用權(quán)重越高。

(9)

式中:i∈kt,kt是基站部署的激活預(yù)測(cè)算法給出的預(yù)測(cè)激活設(shè)備集;Pi(t)是預(yù)測(cè)的設(shè)備i的激活概率;t′是被調(diào)度的設(shè)備處于激活狀態(tài)的總次數(shù)。在實(shí)際的基站調(diào)度中,基站會(huì)計(jì)算當(dāng)前接入時(shí)隙所有預(yù)測(cè)激活設(shè)備的UCB值,并按此由大到小對(duì)設(shè)備進(jìn)行排序,然后選擇UCB值最大的MR個(gè)設(shè)備,向它們發(fā)送分配上行授權(quán)的消息。同時(shí),如果存在沒(méi)有學(xué)習(xí)歷史的新激活設(shè)備,基站將優(yōu)先為其分配上行授權(quán)。

2.2 基于PD-NOMA的接入優(yōu)化算法

(10)

在這種情況下,基站會(huì)為設(shè)備mtdf分配上行授權(quán)進(jìn)行接入,然而設(shè)備本身處于未激活狀態(tài),這部分資源將會(huì)被直接浪費(fèi)掉。這對(duì)于隨機(jī)接入系統(tǒng)、特別是大規(guī)模隨機(jī)接入系統(tǒng)的性能影響是相當(dāng)大的。因此,本文嘗試引入兩用戶PD-NOMA對(duì)上述MAB算法進(jìn)行優(yōu)化,即允許兩個(gè)用戶復(fù)用RB資源,在優(yōu)化QoS的同時(shí)降低資源的浪費(fèi)率,提高系統(tǒng)的整體接入率。同時(shí),本文提出的調(diào)度算法可以在犧牲一定的系統(tǒng)復(fù)雜度和QoS的前提下很方便地?cái)U(kuò)展為多用戶PD-NOMA調(diào)度算法。

首先,改進(jìn)算法將一路MAB擴(kuò)展為多路MAB。由于PD-NOMA允許多用戶在相同的時(shí)頻資源上使用不同的功率發(fā)送消息,在接收端使用連續(xù)干擾消除(successive interference cancellation, SIC)來(lái)解碼重疊的信號(hào),只要到達(dá)基站的多用戶信號(hào)功率滿足一定的等級(jí)差,理論上都可以完美地解碼信號(hào)并進(jìn)行消除。假設(shè)兩個(gè)設(shè)備(A和B)組成一個(gè)NOMA組,兩者共用上行資源,設(shè)備A采用高發(fā)射功率,設(shè)備B采用低發(fā)射功率,則設(shè)備A和設(shè)備B的發(fā)射功率分別為

pA=pu+10lg(NRB)+εlA

(11)

pB=pu-ρ+10lg(NRB)+εlB

(12)

式中:pu代表基站的期望接收功率;NRB代表設(shè)備使用的RB數(shù),此處設(shè)備A與設(shè)備B使用相同的RB;ε為路損補(bǔ)償因子;ρ為功率退避步長(zhǎng),設(shè)備B的期望到達(dá)基站的功率比設(shè)備A低ρdB。理想狀態(tài)下,在基站端,二者信號(hào)的接收速率為

(13)

(14)

式中:N0為信道功率譜密度;B為信道帶寬。但是,低功率信號(hào)的解碼依賴于高功率信號(hào)解碼成功后進(jìn)行SIC,如果某一功率的信號(hào)出現(xiàn)解碼失敗,則功率更低的信號(hào)將由于SIC錯(cuò)誤傳播而無(wú)法解碼,所以低功率設(shè)備的速率相對(duì)于中功率設(shè)備的理想情況要更低,尤其是當(dāng)發(fā)射功率存在較大的等級(jí)差時(shí)。為了避免NOMA組中的低發(fā)射功率設(shè)備因受到速率的影響而出現(xiàn)解碼失敗的情況,提出的算法引入第二路MAB篩選出延遲敏感但對(duì)速率不敏感的設(shè)備,以作為NOMA組中的低功率設(shè)備。

提出的算法首先根據(jù)預(yù)測(cè)激活的設(shè)備數(shù)量與上行資源數(shù)量MR的關(guān)系分為3種情形:(a) 激活設(shè)備數(shù)量Na小于等于MR;(b) 激活設(shè)備數(shù)量Na大于MR但小于2倍的MR;(c) 激活設(shè)備數(shù)量大于2倍的MR。

算法根據(jù)式(9)計(jì)算UCB值并排序的序列被稱為序列SF,除此之外算法還使用修正的UCB計(jì)算公式來(lái)計(jì)算序列SS:

(15)

(16)

故SS是高忍耐延遲且低速率需求優(yōu)先的序列,由此可以減少NOMA組中低發(fā)射功率設(shè)備解碼失敗的情況。

對(duì)于情況(a),基站將為SF序列中的每個(gè)設(shè)備唯一分配一個(gè)上行授權(quán);對(duì)于情況(b),基站將為SF序列中序號(hào)1到2MR-Na的設(shè)備分配唯一的上行授權(quán),然后選擇SF序列中的序號(hào)從2MR-Na+1到MR設(shè)備分別作為各NOMA組的高功率設(shè)備,選擇序號(hào)從MR+1到Na的設(shè)備依次作為各NOMA組的低功率設(shè)備;對(duì)于情況(c),基站選擇SF序列中序號(hào)從1到MR的設(shè)備作為MR個(gè)NOMA組的高功率設(shè)備。然后,上述MR個(gè)設(shè)備在排除后針對(duì)剩余設(shè)備計(jì)算SS序列,選擇SS序列中序號(hào)從1到MR的設(shè)備作為MR個(gè)NOMA組的低功率設(shè)備。最后,基站根據(jù)調(diào)度結(jié)果向各設(shè)備發(fā)送消息分配上行授權(quán),具體的算法流程如下所示。

2.3 性能分析

本節(jié)將分析提出的改進(jìn)算法在設(shè)備接入速度和資源浪費(fèi)率兩方面的性能表現(xiàn)。

(17)

(18)

當(dāng)m=M時(shí),假設(shè)基站通過(guò)SIC完美地消除了之前所有用戶的信號(hào)干擾:

(19)

對(duì)于式(18),當(dāng)M較大時(shí),很難得到其閉式表達(dá)式,而本文僅考慮兩用戶共用同一上行授權(quán)(即M=2時(shí))的情形,代入式(19)則有:

(20)

同時(shí),將M=2代入式(18)可得

(21)

(22)

由此得到NOMA組中復(fù)用同一RB的兩個(gè)設(shè)備的接入成功概率,接入成功率與發(fā)射功率成正相關(guān),與期望速率成負(fù)相關(guān)。設(shè)備1為高發(fā)射功率設(shè)備,設(shè)備2為低發(fā)射功率設(shè)備,期望的接入速率分別為

(23)

(24)

(25)

3 仿真結(jié)果及分析

本節(jié)介紹本文算法的仿真結(jié)果,并與睡眠概率MAB算法[24]及激活概率優(yōu)先算法進(jìn)行對(duì)比,其中激活概率優(yōu)先算法依據(jù)源流量預(yù)測(cè)模型給出的設(shè)備激活概率由高到低對(duì)設(shè)備進(jìn)行調(diào)度。仿真假設(shè)設(shè)備數(shù)量N=2 000,各設(shè)備位置隨機(jī)均勻分布在半徑為500 m的小區(qū)內(nèi)。初始狀態(tài)設(shè)備在TA=10時(shí)隙時(shí)間內(nèi)的激活概率服從α=3、β=4的Beta分布,時(shí)隙為1 ms。設(shè)備在接入成功或接入失敗后,都將隨機(jī)退避1～10時(shí)隙再發(fā)起下次接入,此流程將重復(fù)至仿真結(jié)束,以此來(lái)模擬持續(xù)高負(fù)載的情況,仿真共持續(xù)T=8 000 時(shí)隙。

表1 仿真參數(shù)

圖3展示了不同算法下的設(shè)備接入速率變化,可以觀察到本文算法和帶睡眠概率的算法在進(jìn)行一段時(shí)間的學(xué)習(xí)后,都可以顯著提高接入設(shè)備的速率,同時(shí)通過(guò)一定的探索來(lái)調(diào)度低速設(shè)備,以感知系統(tǒng)中設(shè)備QoS的變化。而激活概率優(yōu)先的算法并不會(huì)對(duì)接入速度進(jìn)行篩選和優(yōu)化,設(shè)備接入速率較為均勻地分布在整個(gè)速率區(qū)間。

圖3(a)存在一部分設(shè)備的接入速度始終低于7 200 bit/s,該圖構(gòu)成可以分解為如圖4展示的NOMA組高接入功率設(shè)備速率、NOMA組低接入功率設(shè)備速率以及除此以外的OMA設(shè)備的速率3部分。圖4(b)的速率就是由第二路MAB篩選出來(lái)的低速低忍耐延遲設(shè)備的速率,這一類設(shè)備作為NOMA組中的低發(fā)射功率設(shè)備復(fù)用RB。較低的發(fā)射功率限制了這部分設(shè)備的接入速率,恰好滿足其低時(shí)延低速率的要求,而它們?cè)窘尤胄枰褂玫腞B被讓給其他高速率設(shè)備,進(jìn)一步提高了NOMA組中使用高功率設(shè)備的速率,如圖4(a)所示。在運(yùn)行一段時(shí)間后,接入設(shè)備的速率相比圖3(b)的算法更集中地分布在高速部分。同時(shí)也可以從圖4(b)觀察到,這部分低速低容忍延遲設(shè)備的接入速率分布逐漸向高速率部分集中,說(shuō)明本文算法相對(duì)其他算法對(duì)系統(tǒng)整體接入速率有著一定的提升作用。

圖4 NOMA組中分別采用高發(fā)射功率和低發(fā)射功率的設(shè)備接入速率Fig.4 Device access rate with high transmit power and low transmit power in the NOMA group

仿真還比較了本文算法和其他算法的接入設(shè)備平均最大忍耐延遲和系統(tǒng)接入的設(shè)備數(shù)量。引入NOMA后的算法相較于未使用NOMA的算法使得可用的上行資源增加,讓系統(tǒng)的整體接入設(shè)備數(shù)量得到提升。如圖5所示,當(dāng)φ=0.5,t=8 000時(shí)本文算法的接入設(shè)備數(shù)量已經(jīng)達(dá)到睡眠概率MAB算法的1.7倍,算法將復(fù)用資源優(yōu)先分配給低時(shí)延設(shè)備的策略也略微降低了最大忍耐接入延遲(降低幅度為約2 ms),如圖6所示。而當(dāng)φ=0.1時(shí),由于更高的利用權(quán)重使得基站MAB算法對(duì)高QoS設(shè)備的調(diào)度優(yōu)先級(jí)變高,更容易受到預(yù)測(cè)錯(cuò)誤的影響,故系統(tǒng)整體接入能力降低,但利用本文算法的接入設(shè)備數(shù)量依然達(dá)到睡眠概率MAB算法的1.89倍。帶睡眠概率的MAB算法在低錯(cuò)誤概率下存在RB浪費(fèi)概率的優(yōu)勢(shì),使得其總接入數(shù)量要略優(yōu)于激活概率優(yōu)先算法。此時(shí)圖6所展示的本算法與對(duì)比算法的延遲表現(xiàn)基本一致,已經(jīng)接近本仿真條件下可以達(dá)到的極限。

圖5 接入設(shè)備數(shù)量Fig.5 Number of access devices

圖6 最大忍耐延遲Fig.6 Maximum tolerance delay

4 結(jié)束語(yǔ)

本文介紹了一種基于快速上行授權(quán)的接入改進(jìn)算法。算法首先引入了兩路MAB,MAB能在缺少前置信息的情況下通過(guò)持續(xù)學(xué)習(xí)實(shí)現(xiàn)對(duì)QoS的優(yōu)化,在一路MAB篩選高速率低忍耐延遲設(shè)備的同時(shí),使用另一路MAB篩選低速率低忍耐延遲設(shè)備。然后,引入了NOMA,允許高速率低忍耐延遲設(shè)備和低速率低忍耐延遲設(shè)備優(yōu)先組成NOMA組,復(fù)用上行共享信道資源進(jìn)行接入。通過(guò)將復(fù)用上行資源的機(jī)會(huì)分配給低速率低忍耐延遲的設(shè)備,增加了設(shè)備接入基站的機(jī)會(huì),降低了時(shí)延,同時(shí)為高速率設(shè)備留出了使用NOMA組中高發(fā)射功率的機(jī)會(huì),可以提高這部分設(shè)備的速率。仿真結(jié)果表明本文算法相較于其他算法降低了RB的浪費(fèi)概率,尤其是在激活預(yù)測(cè)系統(tǒng)性能良好的情況下具有顯著的效果。算法同時(shí)提升了接入設(shè)備的速率表現(xiàn),在系統(tǒng)接入設(shè)備數(shù)量達(dá)到參考算法1.89倍的同時(shí)保持了與其基本一致的接入時(shí)延性能表現(xiàn),有效提升了系統(tǒng)性能。

本文考慮小區(qū)中設(shè)備的QoS維持一種相對(duì)穩(wěn)定的狀態(tài),不會(huì)有較大的變化,但在實(shí)際情況中IoT設(shè)備可能存在不同的業(yè)務(wù),具有截然不同的QoS需求,并在不同的周期之間進(jìn)行切換,此時(shí)MAB較高的利用權(quán)重會(huì)導(dǎo)致系統(tǒng)對(duì)變化響應(yīng)遲緩,而較高的探索權(quán)重會(huì)降低系統(tǒng)表現(xiàn),所以在系統(tǒng)設(shè)備QoS具有明顯的周期性變化特征的前提下,對(duì)MAB進(jìn)行利用與探索平衡參數(shù)的動(dòng)態(tài)修正是未來(lái)可能的研究方向。