论文部分内容阅读
随着移动终端智能化的增强,机器类型通信(Machine Type Communication,MTC)成为物联网(Internet of Things,IoT)最为重要的应用形式,具有十分广阔的应用空间。海量机器终端的接入与海量机器通信数据的产生将对未来无线网络提出诸多挑战,如何提高有限无线资源的利用效率是亟待解决的问题。 当前MTC资源分配问题的研究多针对上行信息收集过程,但随着远程控制类、信息发布类等应用的普及,下行流量会逐渐增多。同一集群内具有一定的时延容忍性的MTC用户,可能在同时或几乎同时请求内容相同或相似的信息。 为提高下行资源利用率,基于上述特性,本文研究了海量机器通信用户的下行传输策略,主要贡献与创新点如下: (1)基于用户请求内容相关性,在时延要求下调整发送时序,开拓性地提出了高时隙利用效率的群聚传输策略(Aggregation Transmission Scheme,ATS),并设计了可变帧长的时隙分配模型。针对TDMA(Time Division Multiple Access)系统中某一机器通信用户集群,建立了系统模型,包括信息发送与时延要求的数学模型、相关性度量标准等。以最大化用户间信息相关性为目标,在时延约束下建立了信息发送矩阵最优时序调整问题,使得尽可能多的用户在同一时刻请求相同的数据块。进一步采用时隙共享的传输方式,设计了一种数据时隙变长的时隙分配模型,以提高时隙资源利用效率。后续仿真实验表明ATS性能优于传统MBMS(Multimedia Broadcast Multicast Service)方式,证明了ATS的有效性。 (2)设计了带条件随机搜索(Conditional Random Search,CRS)、标准行算法(Standard Row Algorithm,SRA)与基于遗传算法(Genetic Algorithm,GA)的时序调整算法,并进行了性能仿真实验。CRS通过过滤掉不满足时延要求的非法解降低了搜索空间,但耗时过长、搜索结果稳定性较差,一般用作其他算法的比较标准。SRA通过最大化其他用户与标准行用户之间的相关性,间接地提高全体用户间相关性;该算法思路简单,运算快,比较适用于大规模用户场景。GA综合性能最为优越,但随着用户数目的增多,运算效率有所降低,因此更适合中小规模用户。 本文提出的ATS利用信息相关性在时延约束下进行时序调整,能够很好地提高时隙资源利用效率,对MTC中资源分配问题具有十分重要的意义。