基于NB-IoT海量接入方案的研究

来源 :江南大学 | 被引量 : 0次 | 上传用户:lyh555
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
自NB-IoT(Narrow-Band Internet of Things,窄带物联网)技术提出以来,各项技术标准逐步得到完善,当前已经成为低功耗广域物联网中最具潜力的技术之一。在与各领域逐渐实现深度融合的过程中,NB-IoT设备将被大规模部署,考虑到NB-IoT系统的180KHz有限频谱资源,海量设备接入时将有可能发生资源竞争现象,使系统出现接入拥塞,从而导致网络接入量降低、资源浪费等问题。因此,本文尝试从NB-IoT接入方案的研究出发,缓解海量设备接入对系统造成的压力,改善系统性能。首先,本文考虑NB-IoT系统单小区的海量设备接入场景,在Beta分布下,提出一种前导码二次利用接入方案。提出各时隙设备能耗度定义,并以此将设备采用平均能耗度和累计能耗度两种分组方式划分到高能耗度、低能耗度设备组中;定义动作集合与状态集合,根据当前时隙的状态-动作对计算奖励值,选定最大奖励值所对应的动作为下一时隙动作,以此确定下一时隙中分配到高能耗设备组的前导码数量需要增加或减少,考虑为高能耗度设备组优先分配前导码,在保证高能耗度设备组接入的前提下,将高能耗度设备组中冲突前导码与剩余前导码共同分配到低能耗度设备组中,实现冲突前导码的二次利用。仿真结果表明,该方案的性能要优于传统随机接入方案,且优于ACB(Access Class Barring,接入类别限制)机制下的系统性能。然后,本文基于ACB机制,提出一种前导码冲突缓解接入方案。首先使用ACB机制限制接入设备数,为所有通过ACB机制的设备配置重传计数器,在每个时隙确定该时隙待接入设备中是否包含重传设备(重传计数器不为零的设备),若包含则根据重传计数器数值将重传设备划分到两个重传设备组T2和T1,非重传设备划分到一个非重传设备组T0,考虑优先为T2和T1分配前导码,剩余可用前导码再分配到T0中。与传统分配方案中认为竞争到相同前导码的设备均为失败不同,各组前导码分配时,采用冲突避免的前导码分配方案,各组中分配到相同前导码的竞争设备中重传次数最高的设备成功竞争到该前导码,以保证系统各时隙分配出的前导码被完全利用,从而改善系统接入性能。仿真结果表明,该方案能够显著提高NB-IoT系统的接入成功率,且重传率不会随接入设备数增加而大幅增加,即不会牺牲系统延迟性能。将上述两种接入方案对比后发现,两种方案各有优势,前者更适用于对能耗度或设备寿命要求较高场景,后者在对吞吐量要求较高的场景下更能发挥其性能。
其他文献
随着时代的更迭,科技的发展,振动传感系统理论不断完善。基于高灵敏度、高精度、高集成度,高稳定性等方面的新型振动传感系统正在不断地被研究制作出来。近几年来,基于光纤的振动传感系统进入了高速发展时期,由于其简单的结构,优秀的抗干扰能力和较低的成本,已广泛应用于海洋、陆地、航空、工业,医学等领域。现有的基于光纤振动传感系统的振动信号解调技术,其关键在于对振动信号引起的光信号波长或相位变化的分析,具有较高
在一个机器学习任务中,特征选择是样本预测的关键一步,而在面对复杂的未知领域时,我们很难判断特征与预测目标或者特征与特征之间的关联性,所以在建立一个神经网络时,常常采用随机生成的方式来初始化神经网络的参数,然后再通过一系列的算法来完成特征的选择和高维映射。有效的特征选择可以降低输入特征的维度,还可以防止过拟合,提高模型泛化能力和可解释性,加快模型的训练速度,合适的特征映射还可以提高模型的预测性能。本
随着人机交互领域的不断扩张,人类赖以生存的物质世界与数字世界的边界愈发模糊,这导致了现实世界中真实物体的感受缺失。感受的过程是人与世界建立生命联系的过程,如何让人们重新关注现实世界中的直接感受成为当下之思。在众多数字化产物中,互动装置真实可感的实体界面,给予观众真切体验,但其相关研究多集中于技术应用和艺术观念层面,缺乏对实体界面及体验者自身的关注。体验者的亲历性决定了实体界面与“身体”相互蕴涵的交
传统的ELM优化算法关注的焦点都在隐含层输出权重上面,忽视了隐含层输入与输出的分布方式,针对这一容易令人忽视的方向,本文提出了基于高斯分布优化仿射参数的极限学习机模型,具体研究内容如下:针对让隐含层输出强制服从均匀分布效果不佳的问题,提出了在高斯分布下优化仿射变换的极限学习机(Extreme Learning Machine for Optimized Affine Transformation
论文针对目前乘坐扶梯经常出现的事故和危险行为,使用图像处理方法对扶梯上携带宠物、推车、抱小孩、攀爬等异常行为进行实时检测预警,在此基础上开发出智能监控系统,对扶梯场景进行实时检测分析和在线报警,保护乘客安全。论文主要进行了以下几个方面的研究:第一,针对扶梯入口、出口出现的快速运动导致的目标运动模糊问题,提出基于生成对抗网络的去运动模糊算法。使用生成对抗网络对模糊图片进行重构,以降低运动模糊的影响。
在当今社会的各个领域中,智能化是未来发展的大趋势;生活中的各类物联网产品、汽车飞机的无人驾驶技术、雷达系统、设备结构监测、基础建筑的安全检测以及工业生产自动化及其机器人系统都需要更加智能的感知技术;这就对传感器的感知精度和速度提出了更高的要求,且需要覆盖范围更广、覆盖密度更高的传感器网络。以工业生产中智能机器人为例,智能机器人需要代替人类在极端的环境下进行大量的危险性高、重复率高、难度大以及长时间
近年来,工业以太网技术促进了工业控制系统(Industrial Control System,ICS)和信息技术(Information Technology,IT)网络的集成,使得ICS信息化程度不断加深。信息网络集成虽然提高了系统生产效率,但也带来了更多新的信息安全问题。同时系统中设备节点数量众多且拓扑结构呈现分布式的趋势,传统中心化信息控制的方式中的性能瓶颈和安全问题将会日益明显。就关键基础
表面等离子体共振(SPR)传感器是一种免标记、高灵敏的光学传感器,它的原理是当入射光引起金属与介质界面的SPR时,可获得与共振波长一一对应的介质折射率。目前商用的SPR传感器均为棱镜耦合型,虽然灵敏度很高,但体积庞大,价格昂贵。随着纳米制备工艺的成熟和人们对传感器小型化的迫切需求,光栅耦合型SPR传感器应运而生。目前的光栅耦合型SPR传感器存在灵敏度较低,无法检测不透明溶液的问题,这限制了此类传感
随着车辆数量日益增多,道路交通问题密切影响着日常生活。交通监管部门需要通过视频数据实时监控路况信息。无人机技术的快速发展,使从空中视角获得数据成为可能。无人机能提供更加广阔灵活的视角,包含更多的信息,同时也能胜任长距离监控。在无人机场景下通过图像和视频对车辆目标进行跟踪,也有望成为交通监控的新方式。无人机视角下跟踪场景不够稳定,目标容易产生大幅度的形变,也可能被环境所遮挡。无人机的硬件平台也决定了
基于视觉的微小振动放大技术是一种通过处理图像时空信息,放大微小但重要变化的技术。机器视觉振动放大技术被用来揭示肉眼难以察觉微小变化,在工程结构模态识别、医疗心率检测,故障损伤检测等领域有重要价值。论文对视频微小振动放大技术进行详细的分析和研究,从多角度对微小振动放大算法进行优化,并将优化后的算法应用于非接触式心率检测,具有较好的工程应用价值。论文针对微小振动视频中存在大运动干扰,导致视频放大结果出