论文部分内容阅读
随着下一代移动通信(The Fifth Generation,5G)技术的迅速发展,用户对于多样化应用的急切需求是其当前巨大的挑战。具体地,物联网(Internet of Things,IoT)中的机器类通信(Machine Type Communication,MTC)的巨连接和低时延要求是当前移动通信网络亟待解决的问题。对于MTC应用来说,众所周知传统的移动网络架构已经不足以满足MTC应用的巨连接和低时延需求。最近,网络切片技术被定义为5G中具有前景的网络架构技术以处理来自各种各样的MTC应用带来的挑战,为5G的发展提供了新的技术途径。本文的关注点是在5G网络切片的MTC场景下研究接入和数据聚合问题,主要从以下三个方面进行了研究:首先,在5G网络切片的MTC接入场景中,与以往基于MTC设备位置的数据聚合(Data Aggregation,DA)不同,我们根据MTC设备的时延要求进行数据聚合以利用网络切片技术的优势提高MTC的接入容量和降低MTC的平均接入时延。我们将DA问题描述为一个纯0-1规划问题,并提出了一个有效的网络切片数据聚合(Network Slicing Data Aggregation,NSDA)算法来为每个MTC数据接入到特定的网络切片。在典型的MTC场景下,我们通过计算机仿真验证了NSDA方案的性能。仿真结果显示,就网络接入量、接入拥塞程度和时延三个方面来说,提出的NSDA方案的MTC接入性能比传统的MTC接入方案有显著提升。其次,在5G网络切片的MTC接入场景中,我们为MTC应用提出了一个动态地接入流程。具体地,我们主要结合了随机接入信道资源分配、接入等级限制和优先级网络切片设置方案,提出了网络切片随机接入(Network Slicing Random Access,NSRA)方案以动态地分配合理的资源给不同优先级的MTC设备以满足其QoS。进而,我们设置了三种网络环境,将提出的NSRA方案与以往经典的MTC接入方案进行比较。仿真结果显示提出的NSRA方案相比其他方案具有良好的MTC接入性能。最后,在5G网络切片的MTC接入场景中,我们为MTC应用提出了一个动态地RB资源分配策略,此方案根据各个MTC接入切片的QoS要求以最小化网络的平均接入时延为目标,对MTC随机接入过程进行MDP建模,并采用强化学习中的Actor-Critic(AC)算法进行求解。仿真显示,提出的资源块资源分配算法能合理地为各个MTC接入切片分配资源以保证MTC应用的QoS要求。相比于贪婪算法和随机接入方案,AC算法的性能表现最优。