基于蜂窝网络的大规模物联网随机接入建模

立即解锁
发布时间: 2025-08-29 11:40:35 阅读量: 27 订阅数: 35 AIGC
PDF

5G赋能物联网:架构与应用

# 基于蜂窝网络的大规模物联网随机接入建模 ## 1 引言 大规模物联网(mIoT)为构建强大且无处不在的连接提供了良好机遇,但也面临诸多新挑战。基于蜂窝的网络因其高可扩展性、可靠性和效率,成为潜在解决方案。第三代合作伙伴计划(3GPP)开发了窄带物联网(NB - IoT)这一新型无线接入技术,它能在低成本物联网设备间提供可靠连接,具有覆盖范围广、功耗低的特点。NB - IoT 基于现有蜂窝网络构建,同时也融入了 5G 新空口(5G NR),以满足 5G 低功耗广域(LPWA)应用场景的需求。 这些应用场景倾向于容忍延迟的小尺寸上行数据传输,因此 NB - IoT 设计的关键目标是处理大量物联网设备的间歇性上行传输,这就带来了在物联网设备和基站(BS)之间建立连接的挑战,即随机接入信道(RACH)过程。 物联网设备在基于蜂窝的 mIoT 网络中通过执行 RACH 过程来请求上行传输的信道资源。大量的 mIoT 流量给无线接入网(RAN)带来了巨大负载。为提高服务质量并降低物联网设备的功耗,需要高效的 RACH 过程来提升 RACH 成功性能。物联网设备接入网络有两种 RACH 类型: - 无竞争 RACH:用于有延迟约束的接入请求(如切换),基站会分配一个预留的专用前导码给设备,设备使用该专用前导码发起无竞争 RACH。 - 基于竞争的 RACH:用于容忍延迟的接入请求(如数据传输),物联网设备从非专用前导码中随机选择一个发送给关联的基站。 由于 mIoT 流量具有大规模、不可预测和容忍延迟的特点,基于竞争的 RACH 更受 mIoT 网络青睐,用于初始网络关联、传输资源请求以及故障时的连接重建。 ## 2 随机接入过程与建模挑战 ### 2.1 随机接入过程 基于竞争的 RACH 过程包含四个步骤: 1. **步骤 1**:每个物联网设备通过专用物理随机接入信道(PRACH)从特定前导码池中随机选择一个前导码(Msg1)进行发送。可用前导码数量记为 ξ,每个前导码被物联网设备选中的概率相等,均为 1/ξ。 2. **步骤 2**:基站通过随机接入响应(RAR;Msg2)确认每个物联网设备,以识别前导码是否被检测到。 3. **步骤 3**:每个物联网设备通过查找前导码的索引来确认其 RAR,并通过窄带物理上行共享信道(NPUSCH)中的专用上行信道发送连接建立请求消息(Msg3)。 4. **步骤 4**:基站向每个物联网设备发送无线资源控制(RRC)连接建立消息(Msg4)。 RACH 过程失败的原因主要有两个: - 基站由于低信号干扰噪声比(SINR)无法解码接收到的前导码,即 SINR 中断。 - 两个或多个物联网设备在步骤 1 中选择了相同的前导码,导致碰撞,基站无法解码 Msg3。 在基于蜂窝的 mIoT 网络中,大量物联网设备频繁请求接入,可能导致网络拥塞。网络拥塞会导致严重的 SINR 中断和碰撞,进而使大量数据包在缓冲区累积,可能造成意外延迟。一种可能的解决方案是根据某些 RACH 控制机制限制每个物联网设备的接入尝试。以下是三种研究的方案: - **基线方案**:当缓冲区中有数据包时,每个物联网设备立即尝试 RACH。这是最简单的方案,不进行任何流量控制。在非过载网络场景中,该方案有助于相对更快地清空缓冲区。但一旦网络过载,由于大量同时接入请求,会出现高延迟和服务不可用的情况。 - **接入类别限制方案**:每个非空的物联网设备生成一个随机数 q∈[0,1],仅当 q ≤ PACB 时才尝试 RACH。PACB 是基站根据网络状况指定的接入类别限制(ACB)因子。这是一种基本的拥塞控制方法,可根据 ACB 因子从物联网设备端减少 RACH 尝试。合适的 ACB 因子能在网络过载时保持合理的接入密度,并确保较高的数据传输速率。 - **退避方案**:当缓冲区中有数据包时,每个非空的物联网设备与基线方案一样发送数据包。但当 RACH 失败时,物联网设备会自动推迟 RACH 重试,并等待 tBO(基站指定的退避 [BO] 因子)个时隙后再尝试。这也是一种基本的拥塞控制方法,每个物联网设备可以自动缓解拥塞,并且比 ACB 方案需要更少的来自基站的控制消息。 ### 2.2 RACH 建模挑战 基于竞争的 RACH 在传统蜂窝网络中已得到广泛研究,关键在于对媒体访问控制(MAC)层中时变队列和 RACH 方案进行建模和分析。近年来,许多研究探讨了长期演进(LTE)的基于竞争的 RACH 是否适用于 mIoT,以及如何改进蜂窝系统以提供高效的 mIoT 网络接入。然而,以往研究通常将碰撞事件作为主要的中断条件,简化了受物理信道传播特性影响的前导码传输失败情况。 在大规模基于蜂窝的 mIoT 网络中,物理层特性会显著影响 RACH 成功性能,因为大量物联网设备产生的相互干扰会严重降低基站接收到的 SINR。此外,发射机的随机位置使对这种干扰的精确建模和分析更加复杂。 随机几何被认为是建模和分析无线网络中收发器之间相互干扰的有力工具,但在应用于基于蜂窝的 mIoT 网络的 RACH 分析时存在两个限制: - 传统随机几何研究主要关注分析正常的上行和下行数据传输信道,由于理想假设每个正交子信道在一个小区内不被复用,因此不考虑小区内干扰。然而,一个小区内的大量物联网设备可能会随机选择并使用相同的子信道发送相同的前导码。 - 这些传统随机几何研究仅对收发器的空间分布进行建模,由于假设网络处于积压状态且队列饱和,忽略了物理层网络的静态属性与每个发射机中队列动态演化属性之间的相互作用。 为了对这些相互作用进行建模,近期研究基于随机几何和排队论研究了网络中空间分布的相互作用队列的稳定性。但这些模型在捕捉前导码成功概率随时间的动态变化方面存在局限性,只能在稳态下得出分析结果,且这些结果无法通过仿真验证。 ## 3 系统模型 ### 3.1 物理层描述 考虑一个基于蜂窝的 mIoT 网络的上行链路模型,其中基站和物联网设备在二维空间 $\mathbb{R}^2$ 中按照两个独立的齐次泊松点过程(HPPP)ΦB 和 ΦD 分布,强度分别为 λB 和 λD。每个物联网设备与地理上最近的基站关联,形成 Voronoi 划分,基站在 Voronoi 小区内均匀分布。路径损耗衰减定义为 $r^{-\alpha}$,其中 r 是传播距离,α 是路径损耗指数。假设信道为独立同分布的瑞利衰落信道,信道功率增益 h 是均值为 1 的指数分布随机变量。 根据相关文献,物联网设备的发射功率由全路径损耗反转功率控制确定,每个物联网设备通过补偿自身路径损耗,使基站接收到的信号功率等于相同的阈值 ρ。 在 NB - IoT 网络中,为减轻 SINR 中断,设计了重复方案,物联网设备会将相同的前导码连续发送指定次数,该次数等于重复值 Nr。每个覆盖增强(CE)组可以从集合 {1, 2, 4, 8, 16, 32, 64, 128} 中配置其特定的重复值。三个 CE 组的重复值满足 $N_{r,0}<N_{r,1}<N_{r,2}$,且 $N_{r,0}$ 只能从子集 {1, 2} 中配置。 窄带物理随机接入信道(NPRACH)设计了单音、信号跳频算法以获得时间和频率分集增益。一个前导码由四个符号组作为基本单元,通过四个不同的子载波以固定大小的跳频方式传输。在前导码传输期间,不同的重复使用伪随机跳频,这取决于当前的重复时间和窄带物理小区标识(NCellID)。但跳频无法缓解碰撞,因为跳频中的所有子载波由 NCellID 确定,即起始子载波与后续所有子载波一一对应。 在 NB - IoT 的上行链路中,窄带物理上行共享信道(NPUSCH)用于数据传输,NPRACH 用于前导码传输。180 kHz 的频谱可以采用 3.75 kHz 的子载波间隔(跨越 48 个子载波)或 15 kHz 的子载波间隔(跨越 12 个子载波),NPRACH 仅支持 3.75 kHz 的子载波间隔。为满足不同物联网设备的覆盖要求,NB - IoT 网络可以在一个小区中配置多达三个来自集合 {1, 2, 4, 8, 16, 32, 64, 128} 的重复值,并允许灵活配置 NPRACH 资源。 下面是相关公式: - 每个 TTI 中,前导码传输成功的条件是任何一次重复成功。在单次重复中,若四个接收到的 SINR 都高于 SINR 阈值 γth,则前导码在关联基站处被成功接收。在 Nr 次重复下,给定 n 个小区内干扰物联网设备时,前导码传输成功概率表示为: \[p_S(N_{\tau},n)=1 - \prod_{n_{\tau}=1}^{N_{\tau}}(1 - \mathbb{P}\{\theta_{n_{\tau}}|Z_D = n\})\] 其中 $Z_D = \mathbb{Z}_{intra}$ 是活动的小区内干扰物联网设备的数量, \[\theta_{n_{\tau}}=\left\{\begin{array}{l}\text{SINR}_{n_{\tau},1}\geq\gamma_{th}\\\text{SINR}_{n_{\tau},2}\geq\gamma_{th}\\\text{SINR}_{n_{\tau},3}\geq\gamma_{th}\\\text{SINR}_{n_{\tau},4}\geq\gamma_{th}\end{array}\right.\] - 基于 Slivnyak 定理,位于原点的典型基站在第 m 个时隙的 SINR 表示为: \[ \text{SINR}=\frac{\rho h_o}{\sum_{u_j\in\mathbb{Z}_{in}}\mathbb{1}\{N_{j,m}^{New}+N_{j,m}^{Cum}>0\}\mathbb{1}\{\text{UR}\}\rho h_j+\sum_{u_i\in\mathbb{Z}_{out}}\mathbb{1}\{N_{i,m}^{New}+N_{i,m}^{Cum}>0\}\mathbb{1}\{\text{UR}\}P_{r_i}h_i u_i^{-\alpha}+\sigma^2} \] 其中 ρ 是全路径损耗反转功率控制阈值,$h_o$ 是典型物联网设备到其关联基站的信道功率增益,$\mathbb{Z}_{in}$ 是小区内干扰物联网设备的集合,$\mathbb{Z}_{out}$ 是小区间干扰物联网设备的集合,$N_{j,m}^{New}$ 是第 j 个干扰物联
corwn 最低0.47元/天 解锁专栏
买1年送3月
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

物联网_赵伟杰

物联网专家
12年毕业于人民大学计算机专业,有超过7年工作经验的物联网及硬件开发专家,曾就职于多家知名科技公司,并在其中担任重要技术职位。有丰富的物联网及硬件开发经验,擅长于嵌入式系统设计、传感器技术、无线通信以及智能硬件开发等领域。
最低0.47元/天 解锁专栏
买1年送3月
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

反演算法优化实战指南:提升实时性与准确性的6大技巧

![反演算法优化实战指南:提升实时性与准确性的6大技巧](https://ardianumam.wordpress.com/wp-content/uploads/2017/09/newtonmethodforoptim1.jpg) # 摘要 反演算法作为连接观测数据与物理模型的关键工具,广泛应用于地质勘探、医学成像及工业控制等领域。本文系统梳理了反演算法优化的核心挑战与应用场景,深入解析其数学基础与分类体系,探讨了线性与非线性问题的求解策略及其在实时性与准确性之间的权衡机制。针对提升算法性能,本文重点分析了快速逼近、模型降维与并行计算等关键技术,并结合多个实际案例验证其优化效果。文章进一

动态目标成像中MUSIC算法性能评估与优化:实测数据对比(含Matlab仿真)

![MUSIC算法](https://rtklibexplorer.wordpress.com/wp-content/uploads/2021/11/image-1.png) # 摘要 MUSIC算法作为一种经典的高分辨率波达方向(DOA)估计方法,在动态目标成像中具有广泛应用。本文系统阐述了MUSIC算法的理论基础,包括信号模型、子空间分解与谱估计原理,并分析其在动态场景下的适应性。通过仿真与实测数据验证,评估了算法在不同快拍数、信噪比及多目标运动模型下的性能表现。研究进一步探讨了MUSIC算法的优化策略,涵盖子空间估计改进、压缩感知结合以及面向动态目标的自适应设计。最后,本文展望了深

SQLTracker进阶秘籍:如何自定义监控指标+智能报警策略(生产环境必备)

![SQLTracker进阶秘籍:如何自定义监控指标+智能报警策略(生产环境必备)](https://i0.wp.com/www.workato.com/the-connector/wp-content/uploads/2021/12/workflow-automation-examples-1.png?fit=1200%2C525&ssl=1) # 摘要 SQLTracker是一款面向数据库性能监控与故障排查的智能化工具,具备完善的监控指标体系和灵活的报警策略。本文系统阐述了SQLTracker的核心价值与整体监控架构,深入解析其内置与自定义监控指标的设计与实现机制,涵盖查询性能、资源

【SMA模型在LS-DYNA中的实现】:关键技术难点与解决方案

# 摘要 本文围绕形状记忆合金(SMA)材料模型在LS-DYNA中的仿真建模展开系统研究,介绍了SMA材料的基本力学行为与本构模型的数学表达,重点分析了Tanaka模型与Liang-Rogers模型的构建原理。文章详细阐述了SMA材料模型在LS-DYNA中的实现过程,包括用户材料子程序(UMAT/VUMAT)的开发流程、编译调用机制以及仿真结果的验证方法。针对仿真过程中存在的数值稳定性、热-力耦合复杂性等关键技术难点,提出了相应的优化策略。结合典型工程应用案例,如智能结构变形控制、汽车冲击能量吸收及航空航天可变形翼面设计,验证了模型的有效性与适用性。研究成果为SMA材料在多物理场协同仿真中

Kubernetes文件夹监控新玩法:Pod级监听的实现方案与性能优化策略

![Kubernetes文件夹监控新玩法:Pod级监听的实现方案与性能优化策略](https://d2908q01vomqb2.cloudfront.net/ca3512f4dfa95a03169c5a670a4c91a19b3077b4/2021/08/02/elamaras_prometheus_f2_feature.png) # 摘要 随着云原生技术的快速发展,Kubernetes作为主流的容器编排平台,其监控能力特别是Pod级监听机制,成为保障系统稳定性和实现自动化运维的关键。本文系统性地介绍了Kubernetes监控体系,并深入分析了Pod级监听的技术原理与实现机制,涵盖Kub

模块化开发实战:AvalonDock与Prism框架整合构建桌面应用终极方案

![模块化开发实战:AvalonDock与Prism框架整合构建桌面应用终极方案](https://docs.devexpress.com/WindowsForms/images/docking2017-customization-dialog127346.png) # 摘要 本文围绕模块化开发与桌面应用架构设计展开,重点研究AvalonDock与Prism框架的整合机制及其在实际开发中的应用。深入分析了AvalonDock的布局系统与窗口管理机制、Prism框架的模块化结构与依赖注入原理,并探讨了两者集成时面临的关键技术挑战。文章提出了基于Prism的功能模块划分策略与接口设计方法,设

LNR互操作异常定位方法论:从信令跟踪到根因分析完整路径

![LNR互操作异常定位方法论:从信令跟踪到根因分析完整路径](https://www.telecomhall.net/uploads/db2683/optimized/3X/d/a/da592fb7aadc7208b25968ef013723929a381eed_2_1024x504.jpeg) # 摘要 LNR互操作异常是5G网络部署与演进过程中影响服务连续性与用户体验的关键问题。本文系统梳理了LNR(LTE-NR)互操作的基本原理与信令流程,深入解析了切换、重定向及重建等关键流程中的异常行为及其触发机制。结合多维度信令跟踪与数据采集方法,本文提出了异常识别与分类的技术路径,并构建了

LBM网格划分策略揭秘:如何在精度与资源之间找到最佳平衡点?

![10_Rev尺度_REV多孔介质_格子Boltzmann_LBM_多孔介质_源码.rar](https://public.fangzhenxiu.com/fixComment/commentContent/imgs/1687451361941_0ssj5j.jpg?imageView2/0) # 摘要 LBM(格子玻尔兹曼方法)网格划分是复杂流体模拟与工程计算中的关键技术环节,直接影响模拟精度、计算效率与资源消耗。本文系统梳理了LBM网格划分的基本概念与核心挑战,深入分析了各类网格类型及其对数值稳定性和误差控制的影响机制。研究涵盖了从固定网格到自适应网格细化(AMR)等多种划分策略的

模糊综合评价与多目标优化协同建模方法:复杂问题决策新思路,实战必看

![模糊综合评价与多目标优化协同建模方法:复杂问题决策新思路,实战必看](https://x0.ifengimg.com/res/2023/46902B1569CA5BA4AE0E0F8C5ED6641DBAB9BA74_size119_w1080_h363.png) # 摘要 本文系统探讨了模糊综合评价与多目标优化建模的基本理论、方法流程及其协同应用机制。首先,介绍了模糊集合理论、隶属函数构建及综合评价模型的步骤,并分析了其在实际应用中的局限性。随后,阐述了多目标优化的数学表达、经典求解算法及其评价与可视化手段。进一步地,提出了模糊综合评价与多目标优化的协同建模框架,明确了二者在建模流

【MATLAB非线性效应仿真突破】:克尔效应与色散影响全图谱

![【MATLAB非线性效应仿真突破】:克尔效应与色散影响全图谱](https://d3i71xaburhd42.cloudfront.net/223cf2489c613e15103c9351ec8b636f5413f445/40-Figure4-1.png) # 摘要 本文系统探讨了MATLAB在非线性光学仿真中的关键应用,围绕非线性光学效应的理论基础、数值建模方法及仿真实验展开深入分析。首先介绍了非线性光学的基本概念与核心效应,重点剖析了克尔效应与色散效应的物理机制及其数学描述。随后,详细构建了基于非线性薛定谔方程的数值模型,并采用分步傅里叶法在MATLAB中实现仿真求解。通过典型仿