论文部分内容阅读
伴随着移动通信的飞速发展,第五代移动通信系统(Fifth-Generation Mobile Communication System,5G)除了支持传统的语音和数据类服务,还将支持新的通信模式,如物联网(Internet of Things,IoT)等应用。而作为IoT应用的重要支撑技术,机器类通信(Machine-Type-Communications,MTC)将成为未来移动通信网络的主要组成部分。传统的MTC系统主要依靠近距离传输,对于日益剧增的MTC设备而言,近距离的无线通信已经不能够满足当下的需求。因此,未来MTC系统必须依赖于能够提供广域连接的蜂窝网络基础设施。其中,大规模机器类通信(massive MTC,mMTC)被第三代合作伙伴计划(3rd Generation Partnership Project,3GPP)定义为5G网络三大应用场景之一。由于传统的无线接入技术无法满足mMTC的需求,因此,为了适应蜂窝网络中机器类型通信的大规模接入,本文针对mMTC场景提出了两种单跳中继方案:1)最近原则中继算法(Nearest Principle Relay Algorithm,NPRA)。2)负载均衡中继算法(Load Balancing Relay Algorithm,LBRA)。首先,本文阐述了第五代移动通信的研究进展以及mMTC场景的研究进程,并简述了文章的内容以及研究成果。其次,本文给出了mMTC场景下的中继系统模型。mMTC中继节点(MachineType Communication Gateway,MTG)捕获一个或多个mMTC设备(Machine-Type Communication Device,MTD)的传输数据包并将它们的信息转发给基站(Base Station,BS),从而减少蜂窝网络的信令开销。为了提高频谱利用率,MTD使用并行的方式进行发送,因此各MTD之间会产生干扰。在传统研究下,往往假设每段链路的干扰值是已知的,但在实际中,干扰值是未知的。因此,本文采用随机几何的方式表征接收信号和干扰功率,以更接近实际情况。然后,本文主要研究了针对最近原则中继算法(Nearest Principle Relay Algorithm,NPRA)。最近原则中继算法可以在最小化控制信道拥塞的同时,为MTD提供最高的接入机会。假设每个活跃的MTD在随机选择的信道上发送,MTG尝试捕获距离目标MTG最近的MTD数据包,即MTD与其最接近的MTG相关联,由MTG的关联区域形成的网络单元格可以表征为泊松泰森多边形(Poisson Voronoi)。因为多个MTD可以同时在相同的信道上传输数据,所以MTG成功解码的概率取决于其他MTD的干扰。MTG可以成功解码MTD信号的条件是:该MTD距离该MTG最近,且该MTG接收到该MTD信号的信干比(Signal-to-Interference Ratio,SIR)高于预先设定的额定阈值。该方案需要MTD和MTG之间的最小协调,即仅需要定时同步,并由此保持非常有效的控制信道。此外,该方案减少了集群造成的能耗,并且不需要任何复杂的用户设备。但同时,每个MTG的网络单元格内会存在非常多或者非常少的MTD,即MTD的个数划分不均,因此该方案会造成一定的拥塞问题。最后,本文主要研究了负载均衡中继算法(Load Balancing Relay Algorithm,LBRA)。负载均衡中继是对最近原则中继的修改,它可以防止某个MTG网络单元格内的MTD个数过多或者过少,从而提供更好的性能管理。类似于最近原则中继算法,MTD随机选择要发送的信道,且该MTD是属于MTG泰森图区域时,再进行二次负载均衡后才可以发送数据包。负载均衡的具体做法有两个:做法一是设备转移,做法二是动态资源分配。做法一根据设备转移的难易差距可分为LBRA1和LBRA2两个算法。LBRA1和LBRA2是在上行前段链路进行设备转移的负载均衡,不会因为个数差异过大而出现拥塞问题。做法二记为LBRA3算法,是在上行后段链路中进行资源块的不均匀分配,合理利用无线资源来减少中断概率,从而避免了资源块均分所造成的MTG网络单元格内的MTD过多造成网络拥塞问题,进而显著降低了原本在MTG处的连接过载,同时支持更高的MTD密度。综上所述,本文推导出中断概率的表达式并分析计算在中断约束下的最大传输容量。此外,为了获得最大传输容量,本文也提出了在“MTD-中继”和“中继-BS”链路上频谱资源最佳分配的方法。