面向巨連接的無線接入控制和資源分配.pdf

1、隨著移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)應用數(shù)據(jù)業(yè)務及接入設備數(shù)量的爆炸式增長，移動通信網(wǎng)絡的接入網(wǎng)和核心網(wǎng)都面臨巨大的數(shù)據(jù)傳輸和服務壓力，第五代移動通信（5G）網(wǎng)絡已成為全球研發(fā)熱點。5G網(wǎng)絡將逐步演化成為一個異構互聯(lián)的融合網(wǎng)絡，其業(yè)務是包含了多種應用的人與人之間，人與物之間以及物與物之間的多種業(yè)務。移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)等技術的飛速發(fā)展更是對未來無線網(wǎng)絡的接入能力提出了極高的要求。為了支持多樣化的業(yè)務需求，保證不同場景下網(wǎng)絡管理以及數(shù)據(jù)傳輸?shù)男?，異構?/p>

2、聯(lián)的融合網(wǎng)絡下多種業(yè)務的有效承載將是未來研究的熱點，而進行承載的第一步是進行有效的接入。因此在當前新興的蜂窩物聯(lián)網(wǎng)中針對智能化的無線接入問題進行研究正當其時。
　　另一方面，現(xiàn)有機制無法適應移動互聯(lián)網(wǎng)和物聯(lián)網(wǎng)業(yè)務靈活的流量調(diào)度和高效的數(shù)據(jù)轉發(fā)要求。其中機器與機器（Machine to Machine, M2M）通信業(yè)務作為巨連接應用場景下物聯(lián)網(wǎng)最主要的存在形式，其接入過程得到了學術界和工業(yè)界的廣泛關注。未來蜂窩網(wǎng)絡中M2M終端用戶

3、的數(shù)量與密度將急劇上升，面對M2M通信的海量接入需求，單純地依賴宏基站進行接入將造成網(wǎng)絡擁塞和過載，從而導致M2M用戶接入時延增大、分組數(shù)據(jù)包丟失甚至服務中斷無法滿足其通信需求。因此，如何大幅提升系統(tǒng)的接入能力成為迫切需要解決的問題。并且為了滿足不同類型M2M業(yè)務的服務需求，則需要設計更合適的無線資源分配管理機制。
　　由于接入控制和資源分配機制對海量連接場景下 M2M業(yè)務終端用戶的接入過程有著重要的作用，本文針對這一過程所遇到的

4、擁塞過載以及資源塊的分配問題進行研究，提出了有效的接入擁塞控制機制和合理的傳輸資源分配方案，主要成果概括如下：
　　1）根據(jù)M2M通信的群組特性，通過分析現(xiàn)有關于M2M通信的相關研究以及設備間通信的協(xié)議與要求，提出了一種具有擁塞控制功能并且適用于機器類通信（Machine Type Communication, MTC）的設備間通信接入機制。首先MTC設備之間進行自主通信，建立通信連接并進行數(shù)據(jù)傳輸匯聚，然后再由匯聚了數(shù)據(jù)的設備發(fā)

5、起后續(xù)的隨機接入過程。該擁塞控制機制，能夠有效降低MTC設備的接入碰撞次數(shù)以及接入時延，提高設備接入效率的同時緩解基站的接入擁塞。
　　2）運用智能學習的方式對處于重疊覆蓋范圍內(nèi) MTC設備接入基站的選擇過程進行優(yōu)化，以最小化MTC設備的平均接入時延為優(yōu)化目標，在最大程度上降低設備的平均接入時延。首先，在處于多個基站覆蓋范圍內(nèi)的MTC設備發(fā)起接入請求之前，設備將獨立地進行觀測、學習，通過學習得到可接入的基站信號強度以及負載量，并從

6、中選擇一個能夠使其接入時延最低的基站進行接入。由仿真結果可知，基于 Q學習的智能接入基站選擇機制能夠有效的降低 MTC設備的接入時延和碰撞次數(shù)，并在一定程度上均衡了基站負載。
　　3）提出了一種基于合作Q學習的高效資源分配方案，利用基站學習和交換信息得到的環(huán)境知識使用分布式協(xié)作的方式進行資源塊分配，并運用蒙特卡羅規(guī)劃的UCT算法來進行最優(yōu)資源分配策略搜索。本資源分配方案能夠在較短的學習時間內(nèi)獲得最優(yōu)的資源分配策略，并能夠按照不同業(yè)