[發(fā)明專利]一種基于重復(fù)和重傳的窄帶物聯(lián)網(wǎng)覆蓋增強分析方法

有效

• 申請?zhí)枺?/td>: 202011361844.0
• 申請日: 2020-11-28
• 公開（公告）號: CN112492625B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計）人: 李鵬;張藝涵;王世謙;馮文江;蒲丹;劉湘蒞;李慧旋;鄭永樂;楊萌;謝安邦
• 申請（專利權(quán)）人: 國網(wǎng)河南省電力公司經(jīng)濟技術(shù)研究院;國家電網(wǎng)有限公司;重慶大學(xué)
• 主分類號: H04W24/02
• 分類號: H04W24/02;H04W24/10;H04W74/08;H04B17/336;H04B17/382
• 代理公司: 鄭州優(yōu)盾知識產(chǎn)權(quán)代理有限公司 41125
• 代理人: 張真真

本發(fā)明提出了一種基于重復(fù)和重傳的窄帶物聯(lián)網(wǎng)覆蓋增強分析方法，其步驟為：首先，構(gòu)建基于隨機幾何的前導(dǎo)碼檢測概率模型和基于多頻段多信道時隙ALOHA的沖突概率模型，并計算終端采用前導(dǎo)碼重復(fù)傳輸?shù)臋z測概率和終端對信道的競爭成功概率；其次，利用終端采用前導(dǎo)碼重復(fù)傳輸?shù)臋z測概率和終端對信道的競爭成功概率導(dǎo)出終端的隨機接入成功率和平均接入時延；最后，針對窄帶物聯(lián)網(wǎng)劃分的3個覆蓋類別，分別通過計算終端采用前導(dǎo)碼重復(fù)傳輸?shù)臋z測概率、終端的隨機接入成功率和平均接入時延對重復(fù)和重傳的性能進行仿真分析。本發(fā)明在窄帶物理隨機接入信道與窄帶物理上行共享信道共用相同的時頻資源時，提高了重復(fù)和重傳的資源利用率，降低了系統(tǒng)能耗。

技術(shù)領(lǐng)域

本發(fā)明涉及窄帶物聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別是指一種基于重復(fù)和重傳的窄帶物聯(lián)網(wǎng)覆蓋增強分析方法。

背景技術(shù)

物聯(lián)網(wǎng)設(shè)備集感知、通信、計算等功能于一體，能實現(xiàn)數(shù)據(jù)采集、傳輸和加工。近年來，由3GPP提出的一種大規(guī)模低功耗廣域(low?power?wide?area,LPWA)技術(shù)——窄帶物聯(lián)網(wǎng)(narrow-band?Internet?of?things,NB-IoT)，具有廣覆蓋、大連接、低功耗、低成本特點，主要用于傳感和數(shù)據(jù)采集場景，適用于智能電網(wǎng)、智慧農(nóng)業(yè)、智慧物流等領(lǐng)域。覆蓋增強(coverage?enhancement,CE)包括基站(eNodeB)覆蓋的廣度和深度，除了通過減小信道帶寬以提高功率譜密度外，NB-IoT還引入了覆蓋類別(coverage?category,CC)概念，并為不同覆蓋類別配置不同的重復(fù)和重傳參數(shù)。

針對NB-IoT覆蓋增強技術(shù)，文獻[Andres-Maldonado?P,Ameigeiras?P,Prados-Garzon?J,et?al.Analytic?Analysis?of?Narrowband?IoT?Coverage?EnhancementApproaches[C].2018Global?Internet?of?Things?Summit(GIoTS):IEEE,2018:1-6.]研究上行鏈路聯(lián)合重復(fù)傳輸和帶寬分配，分析了不同資源配置對覆蓋增強的影響，并結(jié)合信噪比、帶寬利用率和單位比特能耗，提出了一種上行鏈路自適應(yīng)算法；文獻[Kim?T,Kim?D?M,Pratas?N,et?al.An?Enhanced?Access?Reservation?Protocol?with?a?PartialPreamble?Transmission?Mechanism?in?NB-IoT?Systems[J].IEEE?communicationsletters,2017,21(10):2270-2273.]考慮MAC沖突設(shè)計物理層前導(dǎo)碼結(jié)構(gòu)，將一組長前導(dǎo)碼劃分為多組短前導(dǎo)碼，以增加正交前導(dǎo)碼數(shù)量，但降低前導(dǎo)碼沖突概率是以犧牲前導(dǎo)碼檢測概率為代價的；文獻[Chafii?M,Bader?F,Palicot?J.Enhancing?Coverage?in?NarrowBand-IoT?Using?Machine?Learning[C].2018IEEE?Wireless?Communications?andNetworking?Conference(WCNC):IEEE,2018:1-6.]采用機器學(xué)習(xí)(machine?learning,ML)將前導(dǎo)碼重復(fù)次數(shù)與系統(tǒng)能耗折中建模為一種多武裝匪徒(multi-armed?bandit,MAB)攻防框架，采用動態(tài)接入減少前導(dǎo)碼重復(fù)次數(shù)，在增強覆蓋的同時降低系統(tǒng)能耗；文獻[JiangN,Deng?Y,Condoluci?M,et?al.RACH?Preamble?Repetition?in?NB-IoT?Network[J].IEEECommunications?Letters,2018,22(6):1244-1247.]結(jié)合接收信噪比(signal-to-noiseratio,SNR)和沖突條件分析隨機接入成功率，結(jié)果表明，前導(dǎo)碼重復(fù)傳輸可以在輕載下提高隨機接入成功率，但在重載下，信道資源利用率較低，且隨機接入成功率的提高有限。文獻[Gharbieh?M,Elsawy?H,Bader?A,et?al.Spatiotemporal?Stochastic?Modeling?ofIoT?Enabled?Cellular?Networks:Scalability?and?Stability?Analysis[J].IEEETransactions?on?Communications,2017,65(8):3585-3600.]采用泊松點過程(Poissonpoint?process,PPP)描述終端和基站分布，并利用離散時間馬爾可夫鏈表征終端隊列和協(xié)議狀態(tài)，但該模型只能在穩(wěn)態(tài)下獲得結(jié)果，無法捕獲時間演化過程的前導(dǎo)碼檢測概率。文獻[簡鑫,劉鈺芩,韋一笑,等.窄帶物聯(lián)網(wǎng)覆蓋類別更新機制性能分析與優(yōu)化[J].通信學(xué)報,2018,39(11):70-79.]基于覆蓋類別建立馬爾可夫鏈模型，采用多目標優(yōu)化算法分析前導(dǎo)碼重復(fù)次數(shù)、最大重傳次數(shù)、接入負載對覆蓋能力的影響，但未考慮前導(dǎo)碼在沖突時的回退機制；文獻[Azari?A,Miao?G,Stefanovic?C,et?al.Latency-Energy?Tradeoff?based?onChannel?Scheduling?and?Repetitions?in?NB-IoT?Systems[C].2018IEEE?GlobalCommunications?Conference(GLOBECOM):IEEE,2018:1-7.]構(gòu)建了一種隊列模型，用于分析不同調(diào)度機制對通信延遲和終端功耗的影響；文獻[Yu?C,Yu?L,Wu?Y,et?al.UplinkScheduling?and?Link?Adaptation?for?Narrowband?Internet?of?Things?Systems[J].IEEE?Access,2017,5:1724-1734.]基于前導(dǎo)碼重復(fù)傳輸和自適應(yīng)調(diào)制編碼方案來增強覆蓋，提出了一種周期性調(diào)整重復(fù)次數(shù)來應(yīng)對誤塊率(error?block?rate,EBR)的內(nèi)環(huán)鏈路自適應(yīng)方案和一種協(xié)調(diào)調(diào)制編碼方案選擇和重復(fù)次數(shù)確定的外環(huán)鏈路自適應(yīng)方案，旨在提高系統(tǒng)吞吐量的同時降低資源消耗；文獻[Sun?Y,Tong?F,Zhang?Z,et?al.ThroughputModeling?and?Analysis?of?Random?Access?in?Narrow-band?Internet?of?Things[J].IEEE?Internet?of?Things?Journal,2018,5(3):1485-1493.]導(dǎo)出了終端發(fā)起隨機接入請求和數(shù)據(jù)包成功傳輸概率，基于馬爾可夫鏈對隊列長度和重傳次數(shù)建模，分析了終端數(shù)量、數(shù)據(jù)包生成率、重傳次數(shù)和隊列長度等對系統(tǒng)吞吐量的影響。