没有合适的资源?快使用搜索试试~ 我知道了~
6G蜂窝物联网的大规模接入技术.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
5星 · 超过95%的资源 1 下载量 92 浏览量
2021-09-20
09:46:12
上传
评论
收藏 199KB DOCX 举报
温馨提示
试读
24页
6G蜂窝物联网的大规模接入技术.docx
资源推荐
资源详情
资源评论
6G 蜂窝物联网的大规模接入技术
摘要
为了实现万物互联,6G 蜂窝物联网需要提供低功耗、巨连接和广覆盖的无线
接入。通过对 6G 物联网中大规模接入技术的分析和研究,特别是结合物联网
业务的偶发特性,设计了一个基于免授权随机接入协议的新型接入架构,以促
进在有限频谱资源内实现高效的大规模接入。所提接入架构包括两个阶段,即
联合激活检测与信道估计、数据传输。根据数据传输方向的不同,可以分为上
行数据传输和下行数据传输两种方案。由于大规模免授权随机接入情况下基站
获取的信道信息具有不确定性,同时考虑 6G 物联网设备的低功耗需求,因此,
两种方案都以系统能量效率为优化目标,分别设计了稳健的接入算法。仿真结
果证明了所提方案的有效性和稳健性。
关键词:•6G;蜂窝物联网•;大规模接入•;能量效率•;低功耗•;巨连接•;广覆
盖
Abstract
To realize Internet of everything (IoE),the 6G cellular Internet of things
(IoT) network need to provide wireless access with low power,massive
connectivity and wide coverage.Through the analysis and research on
the massive access technology in 6G cellular IoT network,especially in
combination with the sporadic characteristics of IoT applications,a new
access framework based on the grant-free random access protocol was
designed to facilitate efficient massive access with limited spectrum
resources.The proposed framework consisted of two phases.One was
joint activity detection and channel estimation.The other was data
transmission,which was divided into two categories,uplink data
transmission and downlink data transmission,according to the different
directions of data transmission.Due to the uncertainty of channel state
information at the base station under the massive grant-free random
access and considering the low power demand of 6G IoT devices,two
robust uplink and downlink access algorithms were designed by
maximizing the system energy efficiency.Extensive simulation results
validate the effectiveness and robustness of the proposed algorithm.
Keywords : •6G;cellular Internet of things;massive access;energy
efficiency;low power;massive connectivity;wide coverage
1 引言
随着 5G 通信系统的商用,我国部分信息技术公司、高校以及国外部分国家
的研究人员已开启了下一代移动通信网络 6G 技术的研发。国际电信联盟成立了
“网络 2030”焦点组,旨在探索 2030 年以及未来的新兴网络需求和 5G 系统的预
期进展。5G 网络把移动互联、大数据和智能学习等进行融合,初步实现了人与
人 、 人 与 物 以 及 物 与 物 之 间 的 万 物 互 联 , 即 物 联 网 ( IoT,Internet of
things)。6G 将会在 5G 的基础上进一步体现大规模、广覆盖、高速率和低功
耗的特点,全面实现万物的智慧连接。部分研究人员将此 6G 愿景概括为“一念
天地,万物随心”,包括智慧连接、深度连接、全息连接和泛在连接•4 个方面的
含义
[5,6]
、新型电池与无线能量传输
[7,8,9 ,10]
等已有的基础性关键技术的同时,还将
发展全新的信道编码、太赫兹通信、基于人工智能的无线通信、星地融合通信
等新兴技术
[11]
。正是这些关键技术,使得 6G 移动通信系统具有通信频带更宽、
频谱效率更高、连接容量更大、传输速率更快、网络时延更低、保密性更好、
抗干扰能力更强、覆盖范围更广以及能量损耗更少等优势。然而,未来通信网
络也面临着各种各样的技术挑战。新频段频谱的采用、虚拟现实、增强现实和
全息体验等大流量应用的需求、上千亿部移动设备的互联、空天地海一体化的
空间延伸等都将促使•6G 移动网络面临的难题发展为超高峰值速率、超海量设
备接入、超广泛范围覆盖的需求和超高能耗的问题
[12]
。本文从大规模、广覆盖和
低功耗的角度出发,对 6G 蜂窝物联网的接入技术进行分析和研究。
在物联网时代,智慧城市、智慧交通、智慧医疗等多场景应用逐步走进人
们的生活,海量的设备需要接入无线网络
[13]
。因此,6G 蜂窝物联网要求在紧缺
的频谱内支持超大规模设备的连接。对于传统的基于授权的随机接入方案,需
经过 4 次握手达成许可后,设备才能向基站传输数据,在大规模连接场景中,
该连接建立过程会导致信息处理时延过高。为了解决这个问题, 6G 无线网络应
继续沿用免授权的随机接入方案,一般来说,免授权随机接入是指用户设备无
需与基站建立连接即可接入无线网络。因此,检测某一时刻哪些设备需要接入
无线网络成为免授权随机接入的关键
[14,15,1 6,17]
。一般而言,物联网数据流量通常
情况下是偶发的,即在一个特定时隙内所有的潜在设备只有少部分处于激活状
态,设备的激活信息是稀疏的。因此,采用基于稀疏理论的 CS 技术来检测激活
设 备 成 为 必 然
[15,16,1 7]
。 其 中 , 近 似 消 息 传 递 ( AMP,approximate message
passing)是一种经典方法,其依靠激活设备发送的导频序列来实现激活检测,
并且激活检测和信道估计可以在基站基于同一个导频序列实现。文献[18]和文献
[19]中,利用相同的导频序列实现设备激活检测和信道估计,从而得到考虑检测
和估计代价下系统可达到的数据速率。类似地,文献[20]所提方案基于•AMP 算
法通过将联合激活检测和信道估计的问题定义为一个•CS 测量向量问题来求解,
之后利用获得的无线信道统计特性来分析错误检测和遗漏检测的概率。然而,
由于导频序列的长度有限,基站不可避免地存在信道估计误差,为了缓解信道
估计误差对系统性能的影响,应根据估计误差的特性设计具有稳健性的技术方
案
[21]
。文献[2]和文献[3]考虑了服从复高斯分布的信道估计误差,为非正交多址
接入系统提供了综合的通信架构设计、性能分析和稳健性优化方案。同样,在
考虑不完美信道状态信息的前提下,文献[22]提出了一种联合的导频和数据发射
功率分配方案使得认知无线电多址接入网络上行链路的能量效率最大化;文献
[23] 从 最 大 化 系 统 权 重 和 速 率 的 角 度 出 发 , 为 多 用 户 的 多 输 入 多 输 出
(MIMO,multiple-input multiple-output)系统设计了一个线性预编码方案。但
是,这些相关工作在设计稳健的传输方案时都没有考虑接入协议,实际上,接
入协议如免授权随机接入,对稳健接入方案的性能有很大影响。
另外,终端数量的激增和高服务质量的通信需求导致能量消耗过高
[24]
。从运
营商的角度来看,5G 系统基站端的能耗已是•4G 系统的十几倍;物联网设备端
也面对同样的问题,目前设备锂电池的容量有限,无法维持较高续航。未来• 6G
系统的超海量连接无处不在,高能耗是必须解决的一个问题,因此,基于免授
权的随机接入协议,从优化基站端和用户设备端能量效率的角度设计一个大规
模接入方案是非常必要的。然而,一些相关工作如文献[19]和文献[25]都是以最
大化和速率或最小化发射功率消耗为目标来提高免授权随机接入系统的服务质
量,文献[26]和文献[27]尽管是从能量效率的角度设计功率分配算法,但是其研
究工作都是基于完美的信道状态信息。如上所述,由于导频序列长度的限制,
信道估计误差是不可避免的,当信道不完美时,如果数据传输速率大于信道容
量就可能发生传输中断,故在设计稳健的传输方案时应考虑这一因素
[21]
。部分文
献在设计方案时考虑了信道误差,但是没有从能效的角度出发
[23]
,或者没有考虑
免授权随机接入协议的特性
[28]
。而且,许多涉及能量效率的相关研究工作都只涉
及基站端或用户端的能效,实际上两端的能耗问题都十分严峻,也就是说在设
计算法时,各种实际因素和通信场景都应当给予综合考虑。
基于此,本文将从能效的角度设计• 6G 蜂窝物联网的大规模接入框架,以
支持低功耗、巨连接和广覆盖的无缝接入需求。本文的主要贡献如下。
1) 为 6G 蜂窝物联网设计了一种基于免授权随机接入的大规模接入框架。
2) 基于上、下行多接入特点,分别设计了能量有效的稳健接入算法,实现
了能耗与性能两者的折中。
2 系统模型
系统模型如图 1所示,考虑了一个时分双工(TDD,time division duplex)
工作模式下基于免授权随机接入协议的•6G 蜂窝物联网小区。中心基站配备•M
根天线,利用相同的频谱资源为•N 个单天线物联网设备提供通信服务。由于物
联网业务的偶发特性,在某一特定时隙内仅有 K 个设备处于激活状态(即有数
据收发),其中,K 远小于 N。本文根据每个时隙内数据传输的方向分两种情况
讨论:1) 上行多接入,激活设备向基站发送独特的导频序列进行激活检测与信
道估计,随后激活设备发送数据给基站进行上行数据传输; 2) 下行多接入,激
活检测与信道估计后,基站发送广播信号给激活设备进行下行数据传输。定义
第 n 个 设 备 到 基 站 的 上 行 信 道 为 •hnhn , 其 服 从 复 高 斯 分 布 •
CN(0
,
βnI)CN(0,βnI),其中,β
n
表示路径损耗。假设信道在一个时隙内保持
不变,在时隙之间独立地衰落。由于•TDD 模式下的信道具有互易性,上行信道
状态信息可以等效为下行信道状态信息,因此,基站到第 n 个设备的下行信道
用 hnHhnH 表示。
2.1 联合激活检测与信道估计
为了使基站获得设备激活信息和相应的信道状态信息,本文基于 AMP 方法
设计了一种联合激活检测与信道估计算法。一般在每个时隙的开始阶段,每个
激 活 设 备 发 送 一 段 长 度 为 L 的 特 定 导 频 序 列 •un=[un,1,⋯,un,L] Tun=[un,1,
⋯,un,L] T 给基站,其中,导频符号服从零均值、单位方差的复高斯分布。定义
第 n 个设备的状态标志为 α
n
,α
n
=1 表示第 n 个设备处于激活状态,否则处于休
眠状态,其取值概率满足式(1)。
图 1
图 1系统模型
{Pr(αn=1)=λnPr(αn=0)=1−λn (1){Pr(αn=1)=λnPr(αn=0)=1−λn
(1)
一个时 隙 内的激活 设 备数可表示 为 •K=|κ|K=|κ|, •κ={n:αn=1,n=1,
⋯,N}κ={n:αn=1,n=1,⋯,N}。此时,基站接收的导频符号 ϒ 可以表示为
Υ=∑n=1Nαnξn−−√unhTn+Π (2)ϒ=∑n=1NαnξnunhnT+Π (2)
其中,ξ
n
代表导频发射能量,其为导频序列长度•L 和导频发射功率 ppnpnp
的 乘 积 。 Π=[n'1,⋯,n'M]Π=[n'1,⋯,n'M]是 基 站 的 加 性 高 斯 白 噪 声
( AWGN,additive white Gaussian noise ) , 且 对 任 意 m , Π=[n'1,
⋯,n'M]Π=[n'1,⋯,n'M]都服从高斯分布 CN(0,σ2I)CN(0,σ2I)。为了便于说明,
令
gn=αnξn−−√hn (3)gn=αnξnhn (3)
定义式(4)为设备状态矩阵为
G=[g1,⋯,gN]T∈CN×M (4)G=[g1,⋯,gN]T∈ℂN×M (4)
由于物联网业务的偶发特性,设备状态矩阵 GG 是行稀疏的,并且第 n 行
服从如式(5)所示的伯努利高斯分布
[18]
。
f(gn)=(1−λn)δ0+λnf(ξn−−√hn),∀n
(5)f(gn)=(1−λn)δ0+λnf(ξnhn),∀n (5)
其中,f(·)表示向量的分布函数,δ
0
是零点处的狄拉克函数。此时,基站接
收的导频符号可以重写为如式(6)所示的形式。
Υ=UG+Π (6)ϒ=UG+Π (6)
其中,U=[u1,⋯,uN]U=[u1,⋯,uN]是导频序列矩阵。本文利用复杂度较低
的基于•CS 理论的•AMP 算法从噪声信号 ϒ 中恢复设备状态矩阵 GG,从而使基
站获得设备激活信息和信道状态信息。具体而言,设备状态矩阵 GG 的行向量
可以由式(7)和式(8)两个迭代方程恢复。
gt+1n=ηt,n((Rt)Hun+gtn) (7)gnt+1=ηt,n((Rt)Hun+gnt) (7)
Rt+1=Υ−UGt+1+NLRt∑n=1Nη′t,n((Rt)Hun+gtn)N
(8)Rt+1=ϒ−UGt+1+NLRt∑n=1Nη′t,n((Rt)Hun+gnt)N (8)
其中,t=0,1,…是迭代指数,gtngtn 表示设备 n 的信息 gngn 在第 t 次迭代
的估计值,η
t,n
(·)是近似设计的非线性降噪函数,它是 gtngtn 基于有效观察(Rt)
Hun+gtn(Rt) Hun+gtn 的一个估计值,η't,n(⋅)η't,n(·)是 ηt,n(⋅)ηt,n(⋅)的一阶导数,
R
t
为对应的残差。在迭代更新中,基站用每个设备的导频序列 unun 对残差•R
t
进行 匹配滤波 ,再 利用降噪函数• η
t,n
(·) 降噪,最后更新残差。设 置好 初始 值
G0=0G0=0,R0=γR0=γ 和合理的迭代次数后,即可同时获得用户的活跃信息
和信道状态信息。一旦 AMP 迭代收敛,则第 n 个设备的状态就可以根据如下规
则进行判断:如果 gtn≠0gtn≠0,那么设备 n 处于激活状态,否则处于休眠状态。
由于设备激活检测的误差在基站天线数足够大时趋近于零
[19]
,因此,可以假设设
备检测是无差错的。当获得设备激活信息后,相应的信道估计值可表示为
剩余23页未读,继续阅读
资源评论
- 邱远贺2022-05-26用户下载后在一定时间内未进行评价,系统默认好评。
罗伯特之技术屋
- 粉丝: 3652
- 资源: 1万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功