一種MTC快速上行授權接入改進算法

陳發堂, 楊 夏, 韓才君

(重慶郵電大學通信與信息工程學院, 重慶 400065)

0 引 言

隨著第五代移動蜂窩網絡(the fifth generation mobile cellular network, 5G)將蜂窩物聯網(Internet of things, IoT)技術作為其重要發展方向之一,萬物互聯正在逐漸成為現實,機器間通信(machine to machine, M2M)作為IoT的重要基礎,也成為了新一代無線網絡的研究重點。在三大5G典型應用場景[1-2]中,大規模機器類通信(massive machine-type communications, mMTC)和低時延高可靠通信(ultra-reliable low-latency communications, URLLC)是支持大規模和重要業務IoT應用的關鍵[3]。機器類通信(machine-type communication, MTC)與傳統的人與人通信具有較大的特性差異[4],MTC通常具有小數據包、業務偶發、海量連接設備、服務質量(quality of service, QoS)多樣等特性[5-6],并且流量多數是上行的,同時具有低功耗的需求[7]。因此,傳統的蜂窩網絡接入方式對于MTC而言不具備優勢,而大連接下的上行接入是MTC面臨的重要挑戰[8]。

為了解決傳統接入方法不適用于MTC的問題,大量研究人員提出了一系列解決方案。第一類解決方案是針對傳統接入方法的優化,如通過控制接入類限制(access class barring, ACB)因子限制時隙內嘗試接入基站的設備數量以減輕擁塞[9-10],或通過利用設備的定時提前信息來降低隨機接入前導的碰撞概率[11-12]等,同時也存在一些嘗試對前導序列進行擴容的研究[13-14],但這一類方法的性能仍然在一定程度上受到隨機接入前導資源的限制。第二類方案著眼于非協作傳輸[15],即MTC設備不再傳輸隨機接入前導且等待基站調度,而是隨機選擇上行資源進行接入[16-17],而這類方法存在上行傳輸碰撞的問題。除了以上兩種類型的方法,還存在一種平衡兩者優缺點的方法,即快速上行授權接入[18]。這種方法通過基站部署預測算法來獲得當前時隙設備激活的情況,然后由基站為設備分配上行資源,既避免了上行資源分配的碰撞,又簡化了接入流程[19]。但現存的源流量預測算法,如二元馬爾可夫事件激活預測[20]方法以及基于定向信息學習[21]和長短期記憶(long-short term memory, LSTM)網絡[22]的優化方法,無法完美獲得設備的激活情況,因此存在由于錯誤預測而導致上行資源被浪費的問題。除此之外,快速上行授權接入還可以使用一系列方法進行調度方面的優化,比如文獻[23]應用多臂賭博機(multi-armed bandit, MAB)學習技術對接入設備的QoS進行優化,而文獻[24]中利用貝葉斯推理機制嘗試對源流量預測模型的錯誤進行學習,進而優化調度。

本文嘗試在使用MAB的快速上行授權接入基礎上,通過多路MAB來篩選高速率、低延遲忍耐和低速率、低延遲忍耐兩類低忍耐延遲設備,然后引入功率域非正交多址接入(power-domain non-orthogonal multiple access, PD-NOMA)技術來復用上行信道資源,并使用MAB的篩選結果來優化調度接入,提升系統的整體性能。

1 系統模型

1.1 快速上行授權接入系統模型

假設存在一個單小區MTC網絡,小區中只有一個基站并且位于小區中心,小區中共存在N個MTC設備(MTC device, MTD),所有設備均勻分布在小區覆蓋范圍中。同時,假設基站可用的帶寬資源被平均劃分為MR份,即在同一時隙中同時存在MR個資源塊(resource block, RB),每個RB的帶寬為B。網絡采用快速上行授權的接入方式,設備在進行隨機接入時不再發送隨機接入前導,而是由基站將指示RB的上行授權直接分配給激活設備,激活設備指在當前時刻有數據待發送且正等待獲得RB的設備。設備應在自準備好發送數據的時刻起最大容忍延遲時間范圍內完成接入,否則這次接入失敗,即TGrant+TData≤DT,TGrant和TData分別表示設備從準備好發送數據到接收到RB的間隔時間和設備處理上行授權、使用RB發送數據花費的時間。最大容忍延遲DT由各設備的QoS需求確定,各設備的最小接入速率限制也由QoS確定。接入過程如圖1所示。

圖1 快速上行授權接入過程Fig.1 Fast-uplink authorization access procedure

為了模擬真實mMTC場景的設備接入情況,本文假設所有設備在初次接入基站時的激活時間在TA范圍內服從Beta分布[25],其中B函數參數α=3,β=4,概率密度函數為

(1)

TA一共被分為IA個時隙,設備將集中在某個時段接入,模擬了發生緊急事件時設備短時間內突發集中接入的場景。在完成首次接入后,設備將在每次接入完成后隨機退避最長TA時間后再次激活,整體服從均勻分布。

設備m與基站之間的信道增益表示為hm=gm/lm。其中,lm為路損,gm為瑞利衰落信道增益,其中|gm|2的概率密度函數[26]可表示為

(2)

式中:μ是正態分布N(0,μ)中的方差。

1.2 預測系統模型

由于在物聯網MTD中,傳感器類的設備激活周期長但移動性低或者不移動,所以基站能簡單地通過估計設備發送的歷史消息獲得此類設備的信道狀態信息(channel state information, CSI)。對于具有高速移動特性的設備,本文假設若設備具有較短的激活周期,基站可以根據密集的信息推斷CSI變化,從而估計完整的CSI;若設備具有較長的激活周期,那么設備可以通過帶外設備到設備(device to device, D2D)通信頻譜向周圍近距離的設備發送其設備身份標識號(identity document, ID)。若接收ID信息的設備在短時間內執行數據發送,將一并發送該ID,則基站可認為該時刻ID設備與轉發設備具有相同的CSI。由于MTC設備具有超高密度,該CSI估計可以被認為是良好的。由此,基站獲得當前所有設備的CSI信息后,可以通過下行消息直接為指定設備分配上行授權。

1.3 問題描述

對于快速上行授權接入,基站調度的重點在于將有限的資源進行合理的分配,考慮的因素包括設備的激活狀態以及設備的延遲需求、連接速率需求以及數據包價值等,以滿足復雜多樣的物聯網應用所帶來的MTD異構QoS需求。因此,基站調度的優化方向可轉化為在滿足QoS限制條件下實現被調度設備的效用最優。效用函數[24]Ui(t)被定義為不同歸一化QoS指標的組合,表示為

(3)

f(Di(t))=a-ae-be-cDi(t)

(4)

因此,可以獲得最優調度設備集的表達式如下:

(5)

為了實現式(5)中功率設備的最優化調度,基站需要收集當前時刻所有設備的實時QoS需求。在隨機接入網絡當中,基站獲取以上提到的設備信息需要依賴設備向基站發送的調度請求,這對于存在海量設備和通常使用小尺寸數據包的大規模接入場景來說是極其低效的,將存在海量的信令消耗和系統延遲,并且由于在隨機接入時隙能發送的調度請求有限,這將存在極大的失敗風險。由于基站缺乏高效的途徑直接從設備獲取完整的QoS,基站被期望能在有限的信息獲取條件下完成調度。在假設基站已部署流量預測算法的前提下,本文嘗試引入一種在線學習方法來解決上述問題,同時使用PD-NOMA技術來優化系統整體性能。

2 改進算法

為了使基站能夠有效地完成上行快速授權隨機接入的調度,提出的算法嘗試使用MAB在基站信息有限前提下實現對隨時間變化的效用函數Ui(t)的學習,以此支撐基站完成設備的調度,并依賴被調度設備的反饋動態地進行調整。然后,引入PD-NOMA技術實現對RB的復用,通過利用多路MAB來完成對待接入設備的篩選,并形成非正交多址接入(non-orthogonal multiple access, NOMA)組,提升系統的接入能力。

2.1 基于MAB的快速上行授權接入

MAB是典型的決策問題。在MAB問題中,決策者從一系列可用的動作中選擇一個動作執行,每個可用的動作被執行后都會產生獎勵。對于決策者來說,其只能獲得所選擇動作的獎勵,而對其他動作的獎勵未知,如果選擇的動作非最優,即獲得的獎勵不是當前所能獲得的最大獎勵,則該動作獎勵與可能獲得的最大獎勵之間的差值被定義為懊悔。決策者的目標是最大化累積獎勵或最小化累積懊悔。在快速上行授權接入中,基站扮演的正是決策者的角色,其為小區內任一個設備分配上行授權都是一種可選的行為,而基站需要使得累積獎勵達到最大。

令θi(t)表示設備i在t時刻可以獲得的獎勵,有

(6)

(7)

期望可以消除算法的隨機選擇和獎勵分配的隨機性。

為了實現最大累積獎勵和最低累積懊悔,理想的做法是始終能找到最佳的設備集進行調度,但是這樣需要找到所有設備的期望獎勵。由于每個基站每次調度的設備數量存在限制,無法同時獲得所有設備的獎勵信息,并且隨機選擇的設備很可能不包含提供最優獎勵的設備在內。除此之外,設備的期望獎勵可能是隨業務的變化而處于變化之中的,故在調度獎勵期望高的設備的同時還需要調度其他設備,以更精確地找到獎勵期望并感知其變化。這被稱為利用與探索平衡問題。目前存在一些方法來解決這一問題,其中最典型的是基于置信上邊界(upper confidence bound, UCB)的解決方法[29]。在這種方法中,通過MAB算法選擇的在時間t執行的動作x(t)滿足:

(8)

式中:zi(t)為動作x(t)到時間t為止的累積獎勵之和;ni(t)為到時間t為止該動作被執行的次數;φ因子控制利用與探索之間的平衡度,φ越大則探索權重越高,反之利用權重越高。

(9)

式中:i∈kt,kt是基站部署的激活預測算法給出的預測激活設備集;Pi(t)是預測的設備i的激活概率;t′是被調度的設備處于激活狀態的總次數。在實際的基站調度中,基站會計算當前接入時隙所有預測激活設備的UCB值,并按此由大到小對設備進行排序,然后選擇UCB值最大的MR個設備,向它們發送分配上行授權的消息。同時,如果存在沒有學習歷史的新激活設備,基站將優先為其分配上行授權。

2.2 基于PD-NOMA的接入優化算法

(10)

在這種情況下,基站會為設備mtdf分配上行授權進行接入,然而設備本身處于未激活狀態,這部分資源將會被直接浪費掉。這對于隨機接入系統、特別是大規模隨機接入系統的性能影響是相當大的。因此,本文嘗試引入兩用戶PD-NOMA對上述MAB算法進行優化,即允許兩個用戶復用RB資源,在優化QoS的同時降低資源的浪費率,提高系統的整體接入率。同時,本文提出的調度算法可以在犧牲一定的系統復雜度和QoS的前提下很方便地擴展為多用戶PD-NOMA調度算法。

首先,改進算法將一路MAB擴展為多路MAB。由于PD-NOMA允許多用戶在相同的時頻資源上使用不同的功率發送消息,在接收端使用連續干擾消除(successive interference cancellation, SIC)來解碼重疊的信號,只要到達基站的多用戶信號功率滿足一定的等級差,理論上都可以完美地解碼信號并進行消除。假設兩個設備(A和B)組成一個NOMA組,兩者共用上行資源,設備A采用高發射功率,設備B采用低發射功率,則設備A和設備B的發射功率分別為

pA=pu+10lg(NRB)+εlA

(11)

pB=pu-ρ+10lg(NRB)+εlB

(12)

式中:pu代表基站的期望接收功率;NRB代表設備使用的RB數,此處設備A與設備B使用相同的RB;ε為路損補償因子;ρ為功率退避步長,設備B的期望到達基站的功率比設備A低ρdB。理想狀態下,在基站端,二者信號的接收速率為

(13)

(14)

式中:N0為信道功率譜密度;B為信道帶寬。但是,低功率信號的解碼依賴于高功率信號解碼成功后進行SIC,如果某一功率的信號出現解碼失敗,則功率更低的信號將由于SIC錯誤傳播而無法解碼,所以低功率設備的速率相對于中功率設備的理想情況要更低,尤其是當發射功率存在較大的等級差時。為了避免NOMA組中的低發射功率設備因受到速率的影響而出現解碼失敗的情況,提出的算法引入第二路MAB篩選出延遲敏感但對速率不敏感的設備,以作為NOMA組中的低功率設備。

提出的算法首先根據預測激活的設備數量與上行資源數量MR的關系分為3種情形:(a) 激活設備數量Na小于等于MR;(b) 激活設備數量Na大于MR但小于2倍的MR;(c) 激活設備數量大于2倍的MR。

算法根據式(9)計算UCB值并排序的序列被稱為序列SF,除此之外算法還使用修正的UCB計算公式來計算序列SS:

(15)

(16)

故SS是高忍耐延遲且低速率需求優先的序列,由此可以減少NOMA組中低發射功率設備解碼失敗的情況。

對于情況(a),基站將為SF序列中的每個設備唯一分配一個上行授權;對于情況(b),基站將為SF序列中序號1到2MR-Na的設備分配唯一的上行授權,然后選擇SF序列中的序號從2MR-Na+1到MR設備分別作為各NOMA組的高功率設備,選擇序號從MR+1到Na的設備依次作為各NOMA組的低功率設備;對于情況(c),基站選擇SF序列中序號從1到MR的設備作為MR個NOMA組的高功率設備。然后,上述MR個設備在排除后針對剩余設備計算SS序列,選擇SS序列中序號從1到MR的設備作為MR個NOMA組的低功率設備。最后,基站根據調度結果向各設備發送消息分配上行授權,具體的算法流程如下所示。

2.3 性能分析

本節將分析提出的改進算法在設備接入速度和資源浪費率兩方面的性能表現。

(17)

(18)

當m=M時,假設基站通過SIC完美地消除了之前所有用戶的信號干擾:

(19)

對于式(18),當M較大時,很難得到其閉式表達式,而本文僅考慮兩用戶共用同一上行授權(即M=2時)的情形,代入式(19)則有:

(20)

同時,將M=2代入式(18)可得

(21)

(22)

由此得到NOMA組中復用同一RB的兩個設備的接入成功概率,接入成功率與發射功率成正相關,與期望速率成負相關。設備1為高發射功率設備,設備2為低發射功率設備,期望的接入速率分別為

(23)

(24)

(25)

3 仿真結果及分析

本節介紹本文算法的仿真結果,并與睡眠概率MAB算法[24]及激活概率優先算法進行對比,其中激活概率優先算法依據源流量預測模型給出的設備激活概率由高到低對設備進行調度。仿真假設設備數量N=2 000,各設備位置隨機均勻分布在半徑為500 m的小區內。初始狀態設備在TA=10時隙時間內的激活概率服從α=3、β=4的Beta分布,時隙為1 ms。設備在接入成功或接入失敗后,都將隨機退避1～10時隙再發起下次接入,此流程將重復至仿真結束,以此來模擬持續高負載的情況,仿真共持續T=8 000 時隙。

表1 仿真參數

圖3展示了不同算法下的設備接入速率變化,可以觀察到本文算法和帶睡眠概率的算法在進行一段時間的學習后,都可以顯著提高接入設備的速率,同時通過一定的探索來調度低速設備,以感知系統中設備QoS的變化。而激活概率優先的算法并不會對接入速度進行篩選和優化,設備接入速率較為均勻地分布在整個速率區間。

圖3(a)存在一部分設備的接入速度始終低于7 200 bit/s,該圖構成可以分解為如圖4展示的NOMA組高接入功率設備速率、NOMA組低接入功率設備速率以及除此以外的OMA設備的速率3部分。圖4(b)的速率就是由第二路MAB篩選出來的低速低忍耐延遲設備的速率,這一類設備作為NOMA組中的低發射功率設備復用RB。較低的發射功率限制了這部分設備的接入速率,恰好滿足其低時延低速率的要求,而它們原本接入需要使用的RB被讓給其他高速率設備,進一步提高了NOMA組中使用高功率設備的速率,如圖4(a)所示。在運行一段時間后,接入設備的速率相比圖3(b)的算法更集中地分布在高速部分。同時也可以從圖4(b)觀察到,這部分低速低容忍延遲設備的接入速率分布逐漸向高速率部分集中,說明本文算法相對其他算法對系統整體接入速率有著一定的提升作用。

圖4 NOMA組中分別采用高發射功率和低發射功率的設備接入速率Fig.4 Device access rate with high transmit power and low transmit power in the NOMA group

仿真還比較了本文算法和其他算法的接入設備平均最大忍耐延遲和系統接入的設備數量。引入NOMA后的算法相較于未使用NOMA的算法使得可用的上行資源增加,讓系統的整體接入設備數量得到提升。如圖5所示,當φ=0.5,t=8 000時本文算法的接入設備數量已經達到睡眠概率MAB算法的1.7倍,算法將復用資源優先分配給低時延設備的策略也略微降低了最大忍耐接入延遲(降低幅度為約2 ms),如圖6所示。而當φ=0.1時,由于更高的利用權重使得基站MAB算法對高QoS設備的調度優先級變高,更容易受到預測錯誤的影響,故系統整體接入能力降低,但利用本文算法的接入設備數量依然達到睡眠概率MAB算法的1.89倍。帶睡眠概率的MAB算法在低錯誤概率下存在RB浪費概率的優勢,使得其總接入數量要略優于激活概率優先算法。此時圖6所展示的本算法與對比算法的延遲表現基本一致,已經接近本仿真條件下可以達到的極限。

圖5 接入設備數量Fig.5 Number of access devices

圖6 最大忍耐延遲Fig.6 Maximum tolerance delay

4 結束語

本文介紹了一種基于快速上行授權的接入改進算法。算法首先引入了兩路MAB,MAB能在缺少前置信息的情況下通過持續學習實現對QoS的優化,在一路MAB篩選高速率低忍耐延遲設備的同時,使用另一路MAB篩選低速率低忍耐延遲設備。然后,引入了NOMA,允許高速率低忍耐延遲設備和低速率低忍耐延遲設備優先組成NOMA組,復用上行共享信道資源進行接入。通過將復用上行資源的機會分配給低速率低忍耐延遲的設備,增加了設備接入基站的機會,降低了時延,同時為高速率設備留出了使用NOMA組中高發射功率的機會,可以提高這部分設備的速率。仿真結果表明本文算法相較于其他算法降低了RB的浪費概率,尤其是在激活預測系統性能良好的情況下具有顯著的效果。算法同時提升了接入設備的速率表現,在系統接入設備數量達到參考算法1.89倍的同時保持了與其基本一致的接入時延性能表現,有效提升了系統性能。

本文考慮小區中設備的QoS維持一種相對穩定的狀態,不會有較大的變化,但在實際情況中IoT設備可能存在不同的業務,具有截然不同的QoS需求,并在不同的周期之間進行切換,此時MAB較高的利用權重會導致系統對變化響應遲緩,而較高的探索權重會降低系統表現,所以在系統設備QoS具有明顯的周期性變化特征的前提下,對MAB進行利用與探索平衡參數的動態修正是未來可能的研究方向。