您现在的位置是：首页 > 技术资料 > 面向海量机器类通信(mMTC)的无线接入控制

推荐星级：

面向海量机器类通信(mMTC)的无线接入控制

更新时间：2019-12-08 07:23:00 大小：1M 上传用户：xiaohei1810 查看TA发布的资源 标签：机器类通信 mmtc 物联网 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

近年来,支持物联网(intemet of things,IoT)应用的机器类通信(machine-type communications,MTC)成为未来移动通信网络的重要业务组成部分.随着MTC对广域连接需求的快速增长,通过蜂窝网承载IoT应用成为必然的趋势,蜂窝物联网也成为下一代移动通信系统(5G)的重点技术之一.特别地,海量机器通信(massive MTC,mMTC)被定义为5G网络三大通用场景之一.传统的无线接入技术很难适应mMTC的需求,因此,面向mMTC的无线接入控制研究具有重要的研究意义.在简单介绍传统随机接入过程之后,总结分析了现有mMTC接入新技术,并指出现有技术方案在面对越来越复杂的应用场景下的局限性,而近年来兴起的基于人工智能(artificial intelligence,AI)的接入机制成了解决此问题最具潜力的技术方案之一.分析了AI用于接入控制的可行性,并提出了一种基于Q学习的mMTC智能接入点选择机制,为将来基于AI的mMTC接入控制研究提供新的思路和技术手段.

部分文件列表

文件名	大小
面向海量机器类通信(mMTC)的无线接入控制.pdf	1M

立即下载

【关注视频号领20积分】【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）

V01．29№．5

oct．2017

第29卷第5期

2017年10月

重庆邮电大学学报(自然科学版l

P惦ts蛐d

^ofchongqing UIliversi锣of

Tel∞om蛐lIli∞tio璐(NaturaI

Joulllal

Scie眦e

Edition)

DOI：10．3979／j．issn．1673—825X．2017．05．001

面向海量机器类通信(mMTC)的无线接入控制

曹

蔚1，冯钢1，秦爽1，梁靓2’1

(1．通信抗干扰国家级重点实验室电子科技大学，成都61173l；2．通信工程学院重庆大学，重庆400044)

摘要：近年来，支持物联网(intemet ofthings，IoT)应用的机器类通信(machine．type communications，MTC)成为未

来移动通信网络的重要业务组成部分。随着MTc对广域连接需求的快速增长，通过蜂窝网承载IoT应用成为必然

的趋势，蜂窝物联网也成为下一代移动通信系统(5G)的重点技术之一。特别地，海量机器通信(massive MTc，

mMTC)被定义为5G网络三大通用场景之一。传统的无线接入技术很难适应mMTC的需求，因此，面向mMTC的

无线接入控制研究具有重要的研究意义。在简单介绍传统随机接入过程之后，总结分析了现有mMTc接入新技

术，并指出现有技术方案在面对越来越复杂的应用场景下的局限性，而近年来兴起的基于人工智能(anmcialintelli—

gence，AI)的接入机制成了解决此问题最具潜力的技术方案之一。分析了AI用于接入控制的可行性，并提出了一

种基于Q学习的mMTc智能接入点选择机制，为将来基于AI的mMTC接入控制研究提供新的思路和技术手段。

关键词：5G；蜂窝物联网；海量机器通信；无线接入控制；人工智能

中图分类号：TN915

文献标志码：A

文章编号：1673—825x(2017)05JD569—11

Access control for massiVe

maclline· type commullicatio璐(mMTC)

CA0

Weil，FENG

Gan91，QIN Shuan91，UANG Lian92'1

science and

of Electronic Science and

China，

(1．National Key Labomtory

Chengdu

Techn0109y

c鲫munication，University

Techn0109y

of coⅡ1lTlunication

61173l，P．R．China；2．C01lege

Engineering，Chongqing university，chongqing 400044，P．R．China)

enabler

one of the

senrices

Abstract：Recently，as key

IoT，Machine—Type Communication(MTc)becomes

important

in future

wireless mobile networks． MTC

with an

grow exponentially increasing

demand on

deployments

expected

IdT is

toward an architecture based on cellular network

with

wide—area

broad—range interconnectivity．

moving

iTlfhstmctures

hence Cellular—IoT is

in the

coVerage，and

mobile communication

generation system

very promising technolog)r

been identi6ed as one of the three

senrices for _meetingmMTC

generic

(5G)．Especially，massive Machine—Type Communication(mMTC)has

seⅣices． It is hard for uaditional radio access

technolo矛es

pmvide adequate

requirements，

and mdio access for mMTC

services is an

research

this

introduce the traditional

paper，we矗rst briefly

important

the

pmblem．In

瑚dom access

pmcedure，aJld

then

mMTC access

is hard to

address the mMTC

sunrey

existing

technolo舀es．Moreover，it

access

coⅡventional technical tools in tlle

pmblem by

and service—centric network envimn．

using

progressively complicated

access mechanjsm has been deemed as one of

ments．Artmcial

the

the Hlost

solutions．We aIl—

Intelligence(AI)based

prornising

based smart

access

point

for

t001s

solving

mMTCaccess

alyze

feasibility

exploiting

contr01，and

propose Q—le帅ing

into future AI based access contml research．

selection scheme for

aimof

providing

mMTC，with ^the

insights

useful

access

KeyworIls：5G；cellular-IoT；massive MTC；radio

control；arti6cial

intelligence(AI)

收稿日期：2017舶-27 修订日期：2017_09—06

基金项目：国家自然科学基金重点项目(61631004)；国家自然科学基金青年基金项目(61601067)；中央高校基本科研业务费

(ZYGX2015Z005)

通讯作者：曹蔚weicao@埘nceton．edu

National

China

F0哪d拍0n Ite眦：ne

China(6l印1067)；The

Science Foundation

National Natural Science

F0undation of

Major Project(61631004)；The

Fundamental Research Funds for the Cemml

Universities(ZYGX2015Z{D05)

万方数据

· 570·

重庆邮电大学学报(自然科学版)

第29卷

个比特的信息来表示某个事件的发生与否。

引

言

3)接人时延：很多MTc应用都基于任务轮询机

制，即设备会在空闲时休眠，而在一定时间后唤醒并

发送数据。某些应用要求接人时延足够小以保证设

备唤醒后能够快速接入网络。

随着物联网(intemet o“hings，IoT)的广泛应

用，安全检测、智慧医疗、智慧交通、远程监控、消费

电子等各类重要新兴行业对未来通信系统的需求越

发强烈¨ J。作为IoT的主要存在形式，机器类通信

(machine—type communications，MTc)使机器与机器

之间能够在没有人为干预或极少干预的情况下进行

自主的数据通信及信息交互，是未来通信系统不可

或缺的重要组成部分旧。J。传统的MTc主要利用局

域网、蓝牙等近距离的无线通信技术，可是随着

MTC规模的扩大，开始依赖蜂窝网络基础设施为其

提供广域连接’4o。于是，蜂窝物联网(cellular IoT)

成为了全球下一代移动通信系统(5G)研究及标准

化的热点，海量机器类通信(massive machine—type

communications，mMTC)被定义为5G的三大通用场

景之一L5J。已为数十亿用户提供服务的蜂窝网络，

还将需要容纳额外的数百亿MTc设备悼J。因此，如

何接入并服务海量的MTC设备成为迫切需要解决

的问题。

4)传输周期性：不同MTC业务问可能存在很大

差异。例如，一些应用的传输在时间上可能十分稀

疏，而某些应用可能会按照已知的周期进行传输。

5)移动性：对于MTC业务来讲移动性不是主要

考虑的方面。很多应用中设备甚至是固定不动的。

6)优先级：某些极端MTc业务传输的是非常重

要的信息，因此需要很高的优先级。

7)设备数量：远远大于HTc中的用户数量。每

个接入点可能有成百上千的设备。

8)安全与监测：MTC设备通常无法在发生故障

或出现问题时发起报警。

9)生命周期及能效：多数MTC业务对能耗都相

对敏感。一旦MTC网络部署完成后，很多设备需要

在没有维护的情况下运行数年甚至数十年。

由于MTC与HTC间的这些区别，使mMTC的

无线接人控制相比传统接入方式面临挑战。具体来

讲，对于mMTc场景，上行链路是主要瓶颈，而下行

链路要求可以进行深度休眠，且能够在网络发起通

信时及时唤醒；要求单蜂窝能够支持上百个设备同

时接入，无论是事件触发的、周期性的还是连续的；

需要支持类型各异的设备，例如环境检测传感器、功

用电表、可穿戴设备以及许多不可预见的应用设备；

能适应不同时延需求的应用，例如智慧交通及社会

安全等应用可能要求延时不超过5 ms，而另一些应

用可能对时延十分不敏感；需要满足严格的能耗约

束，很多应用都要求极低能耗，MTC设备电池使用寿

命需要达到数十年；并且需要考虑巨大的信令开销，

实现基于应用的信令协议，以达到高效的信令开销；

需要实现广域覆盖，可能需要利用基于多跳中继的数

据汇聚(Data Aggregation)；而设备移动性通常较低，

对切换(handover)等功能的要求不高HJ。归纳起来

mMTC接入技术面临以下几方面的挑战。

telecommunica．

欧洲电信标准化协会(european

tions standard

institute，ETSI)提出的MTC网络架构

包括了蜂窝网和MTC局域网∞。，MTC局域网即传

统的IoT，本文关注的是蜂窝网的MTC接人。现有

的蜂窝网中，用户要接入网络进行数据传输，首先需

resource

要完成无线资源管理(radio

control，RRC)

连接建立的过程，而随机接入(mndom access，RA)

过程是建立连接的第一个环节‘7J，成功接入网络是

一切数据传输及网络应用的基础，无线接人问题是

非常重要的研究问题并得到了广泛的研究。但是，

communica—

MTC与传统的人类通信(human—type

tions，HTC)在很多方面都有着本质的区别，mMTC

的无线接人面临着新的挑战，传统蜂窝网中面向

HTC的接人方法和过程，已难满足mMTC接入需

求旧j，因此，针对mMTc业务特性的接人技术研究

不可或缺。

为了更好地解决mMTC的接人问题，我们首先

需要准确把握mMTc的特点。MTC与HTC在通信

的性质及要求上的主要区别在以下几个方面¨ 1：

1)传输方向：以上行数据为主。多为监测信息

的汇报。在某些应用中，也可能需要对称的上下行

容量以满足控制器与传感器之间的动态交互。

2)数据大小：通常都非常小。例如，传感器传

送的测量值可能只有几个比特大小，甚至只需要1

1)高密度设备部署：需要服务高密度且分布任

意的用户设备，并解决室内遮挡问题。

2)上下行不对称的流量：需要兼顾连续的上传

业务、严格要求实时性的上下行业务以及部分数据

量较大的传输业务。

3)低能耗：要实现极低能耗和极高能效。

4)灵活的协议：尽量减小信令开销，建立兼顾

万方数据

· 571．

第5期

曹蔚，等：面向海量机器类通信(mMTc)的无线接人控制

深度休眠模式的灵活可变的信令交互方式，并能满

足及时pa舀ng或网络侧发起的要求进行及时的下

行传输。

UL—SCH)资源。uE希望在一个RAR窗口内收到

RAR信息，否则将会在O到BI之间随机选择一个

退避时长，在退避等待之后进行先导码的重传¨ 。

如果成功收到RAR，uE便可上行同步，并使用RAR

中获得的专用uL．scH发送uE的ID及RRC请求。

5)巨大数目MMrC设备带来的复杂度：包括计算

能力和存储能力的考虑，以适应rr· MrC的巨大规模。

6)兼容性：系统的后向兼容性，以保证在蜂窝

网技术演进过程中也能正常进行功能性维护。

近年来，有大量的研究着眼于mMTC的接人技

术，在本文中我们将对相关研究进行综述和总结分

类，并且对这些技术的局限性进行分别分析。此外，

随着mMTC业务的广泛应用，业务越发多样，形成

了多模且动态的业务模型。为了适应这样的业务需

求，通常有多种类型网络并存互补。面对如此复杂

的网络环境和动态的业务状态，传统方法将很难充

分解决mMTc的无线接人问题。于是借助人工智

能(anificial intelligence，AI)工具，提供以业务为驱

动的按需服务，实现网络的自学习自适应控制，成为

了最具潜力的技术手段之一pJ。

shared

之后，eNB将通过下行共享信道(downlink

channel，DL—SCH)发送RRC建立请求的响应 1。

在UE与eNB间完成的RRC连接建立的同时，还需

要eNB和移动管理实体(mobile management entjty，

MME)间的信令交互，这属于非接入层(non-access

stmtum，NAS)的过程，本文不再赘述。

翡

疆

一誉

{{^{八¨ 够}

翡

邑

1蜂窝网设备随机接入过程

本节简述传统蜂窝网中设备接入机制及信令交

互过程。传统蜂窝网中，用户设备(user equipment，

UE)要接入蜂窝网进行数据传输，首先需要完成无

resource

线资源管理(radio

control，RRc)连接建立

的过程。考虑到mMTc业务中，传输数据量通常较

小，主要问题是信令拥塞，且以上行传输居多，因此

本文以竞争接人控制信令为例，UE从空闲到连接

完成的过程如图1所示。1 。

图1 控制面的接入信令交互过程¨ 叫

actiVation

Control

plane

Fig．1

procedure．

以上所述为传统蜂窝网中面向HTc的接入过

程，由于MTC业务设备规模巨大，并且通常以小数

据传输为主，如使用传统接入机制，会信令开销过

大，且缺乏灵活性，很难适应mMTC接人需求。因此，

近年有大量的研究着眼于mMTC的接人技术。在接

下来的～节，我们将对相关研究进行分类和总结。

图1中，最初的4步信令交互称为随机接入

(random access，RA)过程，目的是达到上行同步和

获得传输资源分配。，是接入网络的重要环节。具

体过程如下：首先，uE随机选取一个可用的RA先

到码，并通过保留的物理随机接入信道(physical

random access

channel，PRACH)进行传输。在演进

mMTC接入研究综述与分析

node

型基站节点(evolved

B，eNB)收到先导码之

downlink

mMTC接人控制的根本目的是利用有限的网络

资源尽可能为不同需求的MTc用户提供有效的服

务。mMTc业务设备数量巨大，活跃的频率也比

HTC高，而且很多MTc传输是事件触发的，因此大

量设备同时发起接人的可能性非常大，这将导致网

络发生拥塞，成功接人率严重降低。11。而降低的成

功接人率意味着更高的接入时延和能耗，这对

mMTc业务来讲都是十分致命的。因此，如何预防

拥塞发生或者降低拥塞发生的可能性是接人控制需

后，会通过物理下行共享信道(physical

shared

channel，PDSCH)发送一个响应信息，包含无

access

线链路控制(medium

contr01，MAC)包头和随

机接入响应(random-access response，RAR)。其中，

indicator，

MAC包头可能会携带退避指示(backoff

BI)供发生碰撞或未被检测到的uE使用¨ 2I。而

RAR会携带uE发送的先导码的识别号(identity，

ID)、uE校准上行时序所需的时序提前命令以及给

shared

channel，

uE分配的上行共享信道(uplink

万方数据

· 572·

第29卷

重庆邮电大学学报(自然科学版)

要解决的主要问题，现有的研究通常是通过分类或

分时接人的方法尽可能将设备的接人进行分散，以

及进行合理的RACH资源分配管理。然而拥塞不

可能完全避免，当拥塞发生后能够有效缓解拥塞也

是接人控制的目标之一，例如合理的退避机制以及

接入点优化等。但是，这些方法只解决了无线接入

access

CN)依然有发生拥塞的可能’13|，因此CN接人控制

也是非常必要的，而数据汇聚(data aggregation)和

群呼(group paging)等能同时缓解RAN和CN拥塞

的接入技术更是极具吸引力。此外，根据mMTC场

景特点优化接人信令交互过程也是十分直接且有效

的方法。本文从RAN接人控制、CN接人控制以及

信令交互优化3个方面，对现有的mMTc接入新技

术进行了总结，如表1所示。

网(radio

network，RAN)的拥塞问题，当大量

network，

设备同时进行数据传输时，核心网(core

表1接入控制技术分类

Tab．1

of access control

Categorization

techniques

万方数据

· 573·

第5期

曹蔚，等：面向海量机器类通信(mMTC)的无线接人控制

access

优化和扩展¨ 4。18I，动态限制接人(dynamic

2．1

RAN接入控制技术

ba耐ng)‘20抛1和协作AcB[231等接入机制也得到了深

入的研究。在分时接人方面，文献[24-26]等工作都

基于对设备的群组划分来对分时接人机制进行研

究。在RAcH资源分配方面，包括MTC和HTC分

离的RAcH机制和动态的RACH分配机制，主要涉

及对腿ACH时机以及先导码的时频分配管

海量的MTC设备入网时很容易造成移动通信系

统RAN的过载以及信令拥塞。现有mMTc接入研

究，大部分集中于RAN接人控制机制的优化和改进，

大致可以分为网络侧的控制和uE侧的控制2类。

网络侧的接入控制主要是在3GPP提出的

Push-based和Pull_based接入技术的基础上发展改

理[27。3

3|，以实现RAcH资源的高效利用。在退避机

进的。其中，push-based的方法包括分类接人(ac—

制方面，文献[34-36]通过考虑优先级等影响，设计

相应的随机／非随机退避方案，从而缓解接入网面临

的拥塞。而Pull_based的接入技术，通常通过寻呼

(Pa西ng)方法来实现，可以让网络自主地控制部分

MTC设备在特定的时刻进行接入，具有以下特

点 8。：相比push-based的方法而言更容易控制网络

ac—

cess class

ba耐ng，ACB)机制、分时接入(slotted

cess)机制、RAcH资源的分配机制、专属退避(MTC

speci6c backo仃)机制’47|。在ACB机制方面，除了对

individual

3GPP提出的基本的个体分类接人(UE

access

ACB)和扩展限制接入(extended

barring)的

万方数据

· 574·

重庆邮电大学学报(自然科学版)

第29卷

的负载，因此能够更有效地预防RAN侧及CN侧拥

塞的出现；网络能够根据变化的负载状态动态控制

MTC设备的接入，从而可以减小对HTc用户的影

响；通过puU消息的说明可以满足某些MTC业务优

先级高于HTC业务的场景需求。在基于Pa；；ing的接

想是在拥塞出现时MME或SGSN部分或者全面限

流低优先级MTc设备产生的下行信令流量，例如信

令网关(sigIlaling gateway，SGw)触发网络发起服务

请求过程时发送至MME的下行数据通知消息。总

的来讲，目前CN接人控制研究相对较少，期待今后

的研究能够提供更多的思路以及更全面的理论分析。

人机制的设计方面，在基本的Gmup Paging¨ 列的基础

上，文献[37]还提供了已配置区域内的Paging、逐步

Pa西ng以及已报告区域内的Pa舀ng等机制，此外文献

[39]还对Gmup Paging的性能做了深入的分析。

虽然相比网络侧，uE侧的功能没有那么强大，

能够进行的接人控制方法类型相对有限，主要包括

数据汇聚(data aggregation)和接入点选择优化2类，

但是由于uE的数量巨大，能够取得的效果不容小

觑。具体来讲，在mMTC场景中，为满足用户的性

能需求，通常会进行接人站点的密集部署。在此情

形下，由于接人点的多样性，分布的密集性与随机性

使得网络拓扑结构非常复杂。另一方面，海量MTc

用户的同时接人和分布不均会导致无线接入网过载

和各小区负荷不均，会严重影响MTc用户的通信性

能。加之MTC用户接人方式的多样化(与基站直接

通信、借助MTC网关的多跳传输以及MTC用户之

间的端到端传输等14虬)，使得接入方式更为灵活，接

入机制设计也更为困难。其中，基于数据汇聚的接

人机制中，MTC用户不是直接连接网络，而是将数

据发送到汇聚节点，汇聚节点收集一定时问段和一

定范围内的数据后一并发送至网络。41I，汇聚节点

可能是固定的也可能是动态选择的。而接人点选择

优化的主要思想则是通过提高系统的负载均衡从而

提高系统整体性能‘4245I。

2．3接入信令优化

前2类接入控制技术都是在基本的接人过程基

础上进行的改进和扩展，而接入过程的信令交互本

身也可以根据mMTC场景的特点进行优化。主要

包括RRc连接建立过程的优化、控制面的优化、s1．

MME无连接的方法(S1-MME

connectionless印pma．

ches)、S1／Iu优化(S1／Iu-only 0ptimizations)、保持

the uE in connected

UE连接状态的方法(keep

mode)ⅢJ。其中，RRC连接建立过程的优化包括2

种：①将uE与网络问信息交互合并为更少的RRc

消息；②简化服务请求过程，主要是通过复用接人层

(access stratum，AS)的安全信息，在激活AS安全验

证的同时完成RRC的重配置。控制面的优化也包

括2个方面：取消用户面无线承载确认的RRC连

接，主要用于单个高层消息的传输，例如单个IP包

或短信(short message service，SMs)及其响应；通过

RRc消息进行下行小数据传输，这也是针对高层的

消息传输设计的。s1．MME无连接的方法即在uE

没有NAs信令连接的状态下进行小数据传输，其中

data fast

小数据快速传输(small

path，sDFP)是利用

radio

数据无线通道(data

bearer)进行传输，无连接

的数据传输是在uE完成首次接人之后与同一个蜂

窝的后续传输都不再经过RRc过程，基于RACH的

小数据传输与无连接数据传输类似，不过上行数据

是在RRc-Idle状态下利用RACH资源进行传输。

sl／Iu优化包括通过无状态网关减少CN节点间的

2．2

CN接入控制技术

作为网络的重要部分，CN侧也可以进行相应

1and mo—

的接入控制，包括公用陆地移动网(public

bile

network，PLMN)接人控制，服务支持节点(se卜

信令交互，以及对单承载uE的服务请求优化即在

bearer

gprs

node，sGsN)／MME的连接请求拒

特定条件下不调用MBR(modify

request)或

ving

support

access bearers

绝控制，以及基于下行流量节流的MME／SGSN过载

控制[37I。其中，PLMN接人控制主要是基于定时控

制的方法，在未经授权的时段阻止或允许特定的传

输。sGSN／MME的连接请求拒绝即当网络出现拥

塞时，SGsN／MME对特定的UE或UE群组的连接

请求给以拒绝，控制包括以接入点(access point

node，APN)为单位的连接拒绝、以MTC群组为单位

的连接拒绝、基于低优先级的单个uE的连接拒绝。

基于下行流量节流的MME／SGSN过载控制，基本思

MABR(modify

request)。保持uE连

接状态的方法中，针对小数据传输的cN协助的

eNB参数调整是考虑到保持uE连接状态下一些关

键网络参数(例如RRc休止定时器等)的配置，uE

控制移动性的连接模式则是为了避免非静止uE大

量移动性相关的信令交互。

目前接入信令优化相关的研究主要集中于解决

技术问题，缺乏相应的理论分析。此外，这些方法都

是根据特定的应用对基本的接入过程或信令交互进

万方数据

第5期

．575．

曹蔚，等：面向海量机器类通信(mMTc)的无线接入控制

行了优化和裁剪，都有自己的局限性，并不适用于通

用场景。不过，在其适用的场景下，降低信令拥塞的

效果是十分直接且显著的。因此，如果能够结合5G

网络SDN／NFV以及网络切片技术，为不同业务量

接下来我们将介绍一个在具有基站重叠覆盖的

网络场景下，基于Q学习的MTc设备智能接人点选

择机制。如前文介绍，MTC设备接人点选择优化对

于缓解接入网拥塞可以起到举足轻重的作用。选择

能够使MTc设备接人碰撞次数较低的基站进行接

入，不仅可以提高自身的接人效率降低时延和能耗，

身配置最适合的网络及相应的接人过程，将为

mMTC带来可喜的改变。

同时可以提高基站的负载均衡减少网络拥塞。在实

际系统中，网络模型比较复杂，而且每个设备的信道

衰落也不尽相同。处于多个基站重叠覆盖范围内的

MTc设备有多个接入点可以选择，而其选择的不

同，又将引起其他设备的选择变化。在这种情况下，

处于重叠覆盖区域内的MTC设备利用学习到的环

境知识选择自身性能最佳的基站进行接人，从而降

低其成功接人时的碰撞次数，均衡基站负载，在缓解

接入网拥塞的同时保证服务质量。下面定义Q学

习算法中的一些参数：

基于AI的nlMTC接入控制新技术

由于MTC业务的多样性，不仅UE需求各异，

加上单个uE及群体的流量特征，形成了多模且动

态的业务模型。为了适应这样的业务需求，通常有

多种类型网络并存互补，因此mMTc网络具有更为

突出的异构性。面对如此复杂的网络环境和动态的

业务需求，传统方法已经很难充分解决mMTc的接

入问题。因此，基于AI工具，通过智慧决策实现业

务驱动的按需服务以及网络的自学习、自适应控制

成为必需。

Agent：m，1 m M，每一个MTC设备m都视

为一个agent；

AI是指机器展现出的智能。AI研究是让机器

模仿人类的认知过程，使其能够智能地选择恰当的

操作最大化实现某个或多个目标的成功率旧j。AI

研究的核心目标包括推理、认知、规划、学习、自然语

言处理等。主要工具包括搜索和优化、分类及机器

学习方法、神经网络等。其中机器学习的方法近年

发展迅速，成为工业自动化创新的主要动力。

机器学习的方法是从模式识别和计算学习理论

发展而来，通过学习和构造算法从数据中提取有效

信息并进行预测”5 。机器学习任务通常分为三大

类[49]：

State：s[￡]=s_ ，其中，m表示在t时刻处于状态

S的agent，其当前连接基站为后(V矗 {0，l，，K)；

Action：口[￡]=口∥，表示设备m在￡时刻将会

连接到基站{矗，，K。。。}，K 表示设备m所在区域

的基站总数；

Reward：R[f]=(r(．s7 ，o∥，后 {1，，

K。。})，e7^表示MTc设备m在￡时刻连接到基站．j}

获得的奖励。

具体步骤如算法1所示。

算法1基于Q学习的MTC设备智能接人点选择

算法。

1)监督学习(supervised 1eaming)：已知输人类

型及期望的输出，就像有一位“老师”监督，目标是

学习出输入与输出的通用匹配规则。

步骤1初始化Q值

为每个agent的Q赋初值：Q(Js¨ ，n∥)=

r(s∥，07^)+r了1Q(s0：，o70：)，其中s0：表示下一

2)非监督学习(unsupenrised leaming)：缺乏足

够的先验知识，需要在类别未知的情况下自行发掘

输人数据的模式，寻找好的特征。

状态，o’＆：是下一状态所有可能的动作的集合。

步骤2更新状态

在时隙￡开始的时刻，系统会更新当前的状态。

前一时隙所做决策的结果成为当前状态。

步骤3选择并执行动作

3)强化学习(reinforcement leaming)：通过与动

态环境的交互，通过奖励和惩罚的反馈方式引导选

择合适的动作从而达到一个特定的目标。

我们选用占贪婪算法来选择要执行的动作，s

是非常小的正实数并且s 1。以概率1一s来选择

具有最大p值的动作，以概率占来选择剩余可行的

动作。当选择动作o∥后会立即执行，并且系统状

态也会立即更新。在时隙￡执行选择的动作后，算

法将定义系统新的状态Js0：。根据定义的新状态来

Q学习是一种无模型的强化学习方法，可以用

deci—

于为给定的有限马尔科夫决策过程(Markov

sion

process，MDP)找到最优的动作选择机制。在Q

学习中，Q值通常被用来表示“状态一动作”对的隐

含值，对于一个给定的状态而言，具有最高Q值的

“状态一动作”对意味着最好的策略。

万方数据

第29卷

· 576·

重庆邮电大学学报(自然科学版)

和平均接人时延的情况类似，不再赘述。

魁

茁

一<

鲻

霸

斗

／7三。。煞。。日、、、、、、j

／。■j蕊7百少j矗

MTc设备的数量

套器麟◇

岳z、磁嚣兰／夕

MTc设备接入时延对比

图2仿真网络场景

，／

，●—l

——

SimulaIion scen面。

F嘻2

，√

一

，

．／

接下来我们通过MATLAB仿真基于Q学习的

MTc设备智能接人点选择机制的性能。将常规的

根据基站信号强度决定基站选择策略与采用强化学

习算法得到的基站选择策略进行比较，以平均接入

时延、平均碰撞次数和基站负载均衡为考察性能指

标。考虑的网络场景为如图2所示，共有3个小基

／’^—一一

／

厂

／

．／

广

√

／

一／

+基于Q学习的基站选择

—e一基于信号强度的基站选择

f／

站。其他仿真参数如表2所示。仿真结果如图3和

MTC设备的效量

MTc设备成功接入时经历的平均碰撞次数对比

图4。

表2仿真参数

’rab．2

Simulation Darameters

图3 两种接入点选择算法的MTC设备

平均接入时延及碰撞次数对比

仿真参数

仿真值

ofthe

access

Fig．3

Comparison

average

of eollision of cwo

宏基站／smaU cell基站覆盖半径／m

and the

number

latency

small

5甄

惯砌X

cell内MTc设备数量

access

selection

algorithms

point

随机接入前导序列占用RB数量

RB大小／kHz

接着，我们考察了3个small ceU小区重叠覆盖

网络场景下基站的负载变化情况。同样，我们统计

了在MTc设备的数量为500时，分别请求接人3个

吣卜。博o 。似

热噪声密度／(dBm· Hz’1)

small

仿真中所采用的路径损耗模型没有考虑阴影衰

落，_pof危zDss=15．3+37．6l0910d，其中，d是基站到

MTC设备的距离，单位为m。

cell基站的MTC设备的数量，得到的结果如图

4所示。其中图4a是采用了强化学习算法后的基

站选择结果，图4b是采用传统的基于基站信号强度

的基站选择得到的结果。随着学习次数的增加，采

用Q学习算法的MTc选择接人某个基站的数量逐

渐趋于平稳。在经过大概10次学习之后，MTC设

备选定的接人基站后基本不再发生变化。由此可

知，当MTc设备采用基于Q学习算法选择合适的接

入基站时，可以减轻当前所在区域基站的负载量。

即将一部分负载卸载到相邻基站，这不仅在一定程

度上减轻当前基站的负载，同时也提升系统的整体

接人性能。

图3a中统计了2种接人机制下MTC设备的平

均接入时延随MTC设备数量变化的情况，可以看到

随着MTC数量的不断增加，2种接人机制下的MTC

设备平均接入时延均在增加。相较之下，采用基于

Q学习算法的接人点选择算法的平均设备接人时延

始终低于采用基于信号强度的接入点选择算法，充

分说明了Q学习方法能够在设备接人时延方面带

来好处。而图3b为2种接人机制MTc设备成功接

入时经历的平均碰撞次数随设备数量变化的情况，

万方数据

· 577-

第5期

曹蔚，等：面向海量机器类通信(mMTC)的无线接人控制

越来越复杂的网络环境，传统方法将很难有效解决

mMTc接入问题，基于AI的接入控制成了最具潜力

的技术手段之一。本文提出了一种基于Q学习的

mMTC智能接人点选择机制，作为将AI引人mMTC

接人控制研究的一个实例。然而，要让AI工具更好

地贴合蜂窝物联网及mMTc业务，更加充分地发挥

其优势从而达到更佳的效果，还需要大家的共同努

力，这也是未来mMTC接人控制研究的重点及难点

之一。

l十snlallceⅡ1小区的基站负载

l十BmuceⅡ2小区的基站负载

I—色卜一Bnlallceu 3小区的基站负载

一“．．

弋

～盘，

邑

铲^帕日9哉

铺娃凶七譬薷孵耔醐靴蝴幽琳田扑。卜郴

学习次数

参考文献：

a基于Q学习的接入点选择算法

a1．Random

HASAN

M，HOSSAIN E，NIYAT0 D，et

access for machine—to—machine communication in LTE—ad—

vanced networks： issues and

IEEE

[J]．

appmaches

Commun

Mag，2013，5l(6)：86-93．

+_十B_smm_a枷_llcc_eⅡeu_纠、l小_区区_的的_基基_站站_负负_载载_ll

KIM

a1．M2M seⅣice

J，KIM J，et

and

[2]

J，LEE

pla怕ms：

IEEE

—☆一。mellceⅡ3小区的基站负载I

issues，

[J]．

survey，

enabling technolo舀es

Commun

Surveys Tuts，2014，16(1)：61-76．

3GPP． TR

Service

for machine—

requirements

22．368：

[3]

[4]

communications(MTc)[s]．[s．1．]：3GPP，2016．

massive

type

DAWY _Z，SAAD

a1．Toward

W，GHOSH A，et

柩摄凶、『，蛊雨难智醐鞭蝈毯霞审妲*醐

wire—

IEEE

machine

cellular

communications[J]．

type

less

Commun，2017，24(1)：120一128．

学习次数

TULLBERG

a1．The METIS

H。POPOVSKI P，LI Z，et

the 5G

[5]

[6]

[7]

[8]

b基于信号强度的接人点选择算法

[J]．

system concept—meetillg

requirements

图4基站负载变化情况

IEEE Commun

ETSI．TS 102

Mag，2016，54(12)：132—139．

communications

load of small cells

Fig．4 System

690：Machine—to—Machine

由此可见，合理利用AI工具进行接人控制，能

够为MTC设备及整个网络带来多方面的性能提升。

但是，AI工具原本不是针对无线通信网络设计的，

将其直接应用于mMTC接入控制中可能达不到最

佳的效果甚至不可行，例如很多AI算法复杂度很

高，在mMTC这样大规模场景下将无法使用，又例

如很多AI算法初期探索阶段带来的性能波动在

mMTC接人问题中是无法忍受的。因此，如何优化

AI工具，使其更加贴合蜂窝物联网及mMTC业务，

从而更好地服务于mMTC的接人控制是未来mMTC

接人控制研究的一个重点。

(M2M)；Functional architecture[s]．[s．1．]：ETsI，

2011．

ALI

I．L，nyIJE—A mndom

communications in smart

S．HOSSAIN E．KIM

access for massive

machine—type

commun

cities[J]．IEEE

Mag，2017，55(1)：76—83．

LAYA

the ran—

A，ALONSO L．ALONS0．ZARATE J．Is

dom access channel of lte and lte_a suitable for M2M

of altematives

1EEE

communications?a survey

[J]．

Commun

Surveys Tuts，2叭4，16(1)：4-16．

R，ZHAO Z，ZHOU X，et

5G：when

IEEE

[9]

a1．InteUigent

cellular networks meet arti矗cial

Wireless Commun．2017．

intelligence[J]．

3GPP．TS

for fhrther advance—

36．912：Feasibility studv

[10]

ments for

E· uTRA(IJTE—Advanced)[s]．[s．1．]：

结

论

3GPP．2015．

mMTC是5G网络三大通用场景之一。由于

MTC业务与传统的HTC业务的本质区别，传统无线

接入技术已无法为mMTC业务提供充足的服务。

本文对传统随机接入过程进行简单介绍，并对

mMTC接入新技术进行了分析和总结。此外，面对

Random

3GPP．Rl旬60584：E．UTRA

1．]：3GPP，2006．

Access[s]．[s．

3GPP．TS 36．321：Evolved Universal Terrestrial Radio

Medium Access

[12]

Access(E—UTRA)；

pmtocol

Control(MAC)

specification[s]．[s．1．]：3GPP，2016．

for MTC

[13] 3GPP．R2—104004：Group

devices[s]．

pa西ng

万方数据

· 578·

第29卷

重庆邮电大学学报(自然科学版)

2012

[s．1．]：3GPP，2010．

IEEE．Quebec City，QC：IEEE，2012：l-5．

w_s．Optimalaccess class

[26]KA0 w，Ju H，TSAI

radio access

in IJE· A

[14]wANG z，wONG

H．Two-stage

barring

for

machine

communication devices with

IEEE Trans wireless

fbr

machine

communication

stationary

type

gmup—based

type

IEEE Intemational

advance

[c]／，／communications(Icc)，2015

timing

ir曲兀nation[J]．

CorIference on．London，UK：IEEE，2015：3825—3830．

Commun，2015，14(10)：5374-5387．

[27]LEE D，KIM s，YI B．Thmughput comparison

of mn—

[15]Hu J，TOOR w，BANG J，et

a1．Recursive Pseudo—

dom

for M2M service over IJ’E networks

access methods

access class

for M2MCommunications in

ba玎ing

Bayesian

LTE

[c]／／GLOBEc0M workshops(Gc wkshps)，20l¹

IEEE．Houston．TX。USA：IEEE，2011：373—377．

Trans Veh

systems[J]．IEEE

Technol，2017，PP

(99)：1-1．

so—

LEYVA—MAYORGA

R2—104662 MTC simulation results with

L，PLA V，

『28]3GPP

speci6c

[1 6]

I，TELLO· OQuEND0

et a1．

PeIf0啪ance

of access class

fbr

bamng

analysis

lutions[S]Madrid：zTE，2010．

access contml and

J．Joint

handling

networks[c]／／

[29]0H ^cY，HwANG D，LEE

massive M2M tramc in IJTE-A

Itsource

fbr concuITent and massive access of

IEEE Trans Wireless

IEEE Intemational Confe卜

allocation

Communications(ICC)，2016

on．

M2M devices

ence

Kuala

Lumpur，Malaysia：IEEE，2016：1．6．

『J]．

Commun，

w_s．Jointaccess class

and

2015，14(8)：41824192．

[17]wANG z，w0NG

ba而ng

communications

machine· type

advance model for

a1．Network access

[30]PANG c，cHAO ^sL，LIN

Y，et

timing

IEEE Intemational

for M2M／H2H

theoretic

hybrid systems：a game approach

[c]／／communications(ICC)，2014

conference

commun

ktt，2014，18(5)：845—848．

on．[s．1．]：IEEE，2014：2357—2362．

[J]．IEEE

random ac—

a1．Tf．amc-aware ACB

[18]HE H，Du Q，sONG H，et

[31]wIRIAATMADJA T，cHOI

w．Hyb—d

scheme fbr

net—

cess and

trimsmission

data

for machine—to—ma—

pmtocol

massive access in machine．to．machine

IEEE Intema．

chine communications in cellular networks

IEEE

I．

works[c]／／Communications(Icc)，2015

tional cor如rence

TraJls Wireless

Commun，2015，14(1)：3346．

0n．[s．1．]：IEEE，2015：617-622．

[19]cHENG G，CHEN J，CHEN

a1．On

G，G10RDAN0 s，et

w，et a1．Modeling

[32]FODDIs G，GARROPPO

RACH

and

of an extended access

fbr

between human and machine

preambles sepamtion

analysis

barring algorithm

communications in LTE—A networks

[J]．

communication[c]／／communications(Icc)，2016

machine—type

type

IEEE

on． Kuala

Intemational Conference

Ma·

IEEE Trans Wireless

2968．

Commun，2015，14(6)：2956·

Lumpur，

lavsia：IEEE．2016：1_6．

[20]LIN M，LEE H，cHENG P，et a1．PRADA：prior-

a1．Resource alloca-

J，et

[33]zHANG N，KANG G，wANG

itized random access with

access

for MTC

barring

tion in a new mndom access fbr M2M communications

dynamic

in 3GPP

Tmns Veh _Technol，

commun

^I』E—Anetworks[J]．IEEE

[J]．IEEE

ktt，2015，19(5)：843—846．

『34]3GPP R2．1

l 1916．Backoff enhancements for RAN ove卜

2014，63(5)：2467-2472．

a1．D—

bursty

load

s，sHAH．MANsOuRI

z，et

[21]DuAN

V，wANG

control[s]．shanghai：zTE，2011．

contml

for

[35]sEO B，I正uNG

and

of backoff

analysis

in and

UMTS—IJTE

ACB：

adaptive congestion

algorithm

M．Design

M2M tramc in IJE

Tmns Veh

fbr random access channels

networks[J]．IEEE

algorithms

IEEE 802．16

IEEE Trans Veh

Technol，

Technol，2016，65(12)：9847—9861．

systems[J]．

w_s．Dy—

20ll，60(8)：3975—3989．

[22]DuAN S，SHAH—MANsouRI V，w0NG

namic access class

for M2M communications in

wk·

YANG

E． Perfomance

x，FAPOJuw0 A，EGBOGAH

[36]

ba而ng

of random access

optimization

IJTE

and

analysis

backoff

networks[c]／／Globecom workshops(Gc

parameter

LTE[c]／／Vehicular Technology

shps)，2013 IEEE．[s．1．]：IEEE，2013：47474752．

algorithm

T c

Y，LIAu H，KA0 Y，et

ac—

Conference(VTC Fall)，2012 IEEE．Quebec City，QC：

[23]LIEN

a1．coopemtive

cess class

for machine—to—machine communications

IEEE，2012：1．5．

barring

Trans wireless

for Machine—

[J]．IEEE

commun，2012，1l(1)：27—

[37]3GPP．TR 23．888：system impmvements

32．

Type communications(MTc)[s]．[s．1-]：3GPP，

a1．

2012．

R，sHIRVANIMOGHADDAM M，LI Y，et

[24]ABBAs

Guar—

based RAN

overload contIDl

Random Access for M2M Communications with

Trans on

3GPP．R2一104870：PuU

QoS

antees[J]．IEEE

Commun，2017，65(7)：

[S]．Madrid：Huawei，China Unicom，2010．

c R

[39]wEI H，cHENG G，TsA0

L．Perfornlance

analy．

2889．2903．

[25]TsAI H，wANG ^Lc，HuANG

a1．0verload

H，et

sis of

for

communications in

Technol，2013，62

gmup paging

machine—type

Trans Veh

LTE

contml for machine

communications with femtocells

networks[J]．IEEE

type

(7)：3371—3382．

[c]／／Vehicular Technolog)，conference(VTc Fau)，

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

面向海量机器类通信(mMTC)的无线接入控制

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页