大规模机器通信(massive machine type communication,mMTC)是5G网络的主要应用场景之一,各式各样物理设备连接互通的时代将要来临。在5G mMTC场景中常会遇到大规模设备同时请求接入网络,造成网络拥塞、影响系统通信性能的问题。针对这...大规模机器通信(massive machine type communication,mMTC)是5G网络的主要应用场景之一,各式各样物理设备连接互通的时代将要来临。在5G mMTC场景中常会遇到大规模设备同时请求接入网络,造成网络拥塞、影响系统通信性能的问题。针对这一问题,文章对5G蜂窝物联网中大规模设备接入算法进行研究,提出一种基于对蜂窝物联网终端数据和网络资源信息进行分析的设备接入算法。通过考虑场景中的设备终端相关信息以及网络资源,结合聚类分析的方法对终端进行聚类划分,并映射至空闲的网络资源块中,实现高效的蜂窝物联网设备接入,使其适用于当前mMTC场景,为目前5G蜂窝物联网设备提供一种有效的接入网络方法。展开更多
随着万物互联的愿景不断推进,无线电频谱稀缺已成为制约未来无线通信系统发展的严峻挑战.为了解决上述问题,通信感知一体化(integrated sensing and communication,ISAC)逐渐成为第六代(sixth-generation,6G)移动通信技术与业务的主导...随着万物互联的愿景不断推进,无线电频谱稀缺已成为制约未来无线通信系统发展的严峻挑战.为了解决上述问题,通信感知一体化(integrated sensing and communication,ISAC)逐渐成为第六代(sixth-generation,6G)移动通信技术与业务的主导趋势之一.ISAC系统不仅能完成可靠的多设备通信,同时能实现准确的感知,有望成倍提高频谱效率.同时,具有高可靠、低时延和小成本特性的大规模随机接入技术被广泛认为是6G通信网络的核心技术之一.为此,本文提出了面向大规模随机接入的通信感知一体化框架,即大规模随机接入系统可以利用相同的频谱、硬件和信号处理模块来完成物体成像的感知服务.具体而言,激活设备同时向基站发送待解码的数据信息,信号被环境中物体散射后到达基站.在基站端,本文探究了大规模接入的偶发性通信的特性和环境信息的稀疏特性,基于张量建模与分解、变分贝叶斯(Bayes)推断和字典学习技术,提出了新的联合激活设备检测和物体成像感知算法.严谨的理论分析和大量的仿真实验验证了所提算法的准确性和高效性.展开更多
为了解决物联网环境中大规模终端接入碰撞率高、时效性低的问题,提出了一种基于时隙ALOHA与自适应接入类禁止(ACB,access class barring)混合的大规模终端接入算法。该算法首先以各终端所处理业务的数据量及对时延的要求对业务进行分类...为了解决物联网环境中大规模终端接入碰撞率高、时效性低的问题,提出了一种基于时隙ALOHA与自适应接入类禁止(ACB,access class barring)混合的大规模终端接入算法。该算法首先以各终端所处理业务的数据量及对时延的要求对业务进行分类,对于时延不敏感且有效数据部分小于1000 bit的业务,采用基于时隙ALOHA的竞争接入方式;对于时延敏感型业务或者有效数据部分大于1000 bit的业务,采用基于ACB的随机接入方式。在此基础上,提出了一种基于定量估计的接入申请量预测方法,并依据此预测值动态调整ACB控制参数。仿真结果表明,与现有的其他接入算法相比,在保证高优先级业务时延要求的前提下,所提出的算法有效降低了碰撞率,提高了系统接入成功率。展开更多
文摘大规模机器通信(massive machine type communication,mMTC)是5G网络的主要应用场景之一,各式各样物理设备连接互通的时代将要来临。在5G mMTC场景中常会遇到大规模设备同时请求接入网络,造成网络拥塞、影响系统通信性能的问题。针对这一问题,文章对5G蜂窝物联网中大规模设备接入算法进行研究,提出一种基于对蜂窝物联网终端数据和网络资源信息进行分析的设备接入算法。通过考虑场景中的设备终端相关信息以及网络资源,结合聚类分析的方法对终端进行聚类划分,并映射至空闲的网络资源块中,实现高效的蜂窝物联网设备接入,使其适用于当前mMTC场景,为目前5G蜂窝物联网设备提供一种有效的接入网络方法。
文摘随着万物互联的愿景不断推进,无线电频谱稀缺已成为制约未来无线通信系统发展的严峻挑战.为了解决上述问题,通信感知一体化(integrated sensing and communication,ISAC)逐渐成为第六代(sixth-generation,6G)移动通信技术与业务的主导趋势之一.ISAC系统不仅能完成可靠的多设备通信,同时能实现准确的感知,有望成倍提高频谱效率.同时,具有高可靠、低时延和小成本特性的大规模随机接入技术被广泛认为是6G通信网络的核心技术之一.为此,本文提出了面向大规模随机接入的通信感知一体化框架,即大规模随机接入系统可以利用相同的频谱、硬件和信号处理模块来完成物体成像的感知服务.具体而言,激活设备同时向基站发送待解码的数据信息,信号被环境中物体散射后到达基站.在基站端,本文探究了大规模接入的偶发性通信的特性和环境信息的稀疏特性,基于张量建模与分解、变分贝叶斯(Bayes)推断和字典学习技术,提出了新的联合激活设备检测和物体成像感知算法.严谨的理论分析和大量的仿真实验验证了所提算法的准确性和高效性.
文摘为了解决物联网环境中大规模终端接入碰撞率高、时效性低的问题,提出了一种基于时隙ALOHA与自适应接入类禁止(ACB,access class barring)混合的大规模终端接入算法。该算法首先以各终端所处理业务的数据量及对时延的要求对业务进行分类,对于时延不敏感且有效数据部分小于1000 bit的业务,采用基于时隙ALOHA的竞争接入方式;对于时延敏感型业务或者有效数据部分大于1000 bit的业务,采用基于ACB的随机接入方式。在此基础上,提出了一种基于定量估计的接入申请量预测方法,并依据此预测值动态调整ACB控制参数。仿真结果表明,与现有的其他接入算法相比,在保证高优先级业务时延要求的前提下,所提出的算法有效降低了碰撞率,提高了系统接入成功率。