一种基于随机接入时机动态分配的接入方案

摘要

随着物联网（IoT, internet of things）的快速发展，机器类型通信（MTC, machine type communication）在生活中的应用大幅增长，机器类设备（MTD, machine type device）的部署也越来越密集。在这种情况下，如果发生断电断网等突发情况，在设备通电的瞬间将会有大规模的MTD同时向基站发起接入，设备接入基站需要完成下行同步、接收系统消息和随机接入（RA, random access）等过程。然而基站所能分配的前导资源是有限的，无法满足如此庞大的接入需求，从而造成网络阻塞，影响设备的接入概率和接入时延。为了减轻RA的接入冲突，提出了一种基于上下行子帧和物理随机接入信道（PRACH, physical random access channel）配置的动态随机接入时机（RO, random access occasion）调整方案，以及针对时延要求高的部分MTD分配特定的前导资源，仿真结果表明该方案能够有效提高系统的吞吐量，降低设备的接入时延。

关键词： 机器类型通信 ; 随机接入 ; RO动态分配 ; 接入时延

0 引言

随着物联网（IoT, internet of things ）技术的快速发展与广泛应用，机器到机器（M2M, machine to machine）通信备受关注。M2M通信作为物联网中的关键技术，目标是在尽可能少的人为干预的情况下自主实现机器与机器之间的通信[1]。据相关统计，预计到2025年，IoT设备的数量将达到200亿台，从而真正走进万物互联的时代[2]。3GPP针对人与人（H2H, human to human）通信已经提出了相对完善的接入标准，这为 M2M 通信提供了现实基础[3]。然而不同于 H2H，M2M 通信面临着更多不同的问题与挑战，其中对接入性能影响最为严重的就是机器类设备（MTD, machine type device）部署密集程度远大于普通的用户设备（UE, user equipment）， MTD 在面对突发情况时，会出现大规模设备同时发起接入，这将会引起非常激烈的竞争，造成网络的阻塞从而大大降低接入效率[2]。同时，在这种断电断网等突发大规模设备同时接入的场景下，部分MTD对时延的要求十分敏感，需要快速完成接入，如车联网系统、工业机器物联网设备等，而其他MTD 如生活智能家居、智能设备等，较长的接入时延对这些 MTD 并不会造成太大的影响，但此时所有MTD同时发起随机接入，MTD公平竞争随机接入资源，因此无法满足这些对时延敏感要求高的设备的服务质量，大大降低了系统的吞吐量，影响日常工作和生活的需求。因此，如何在现有的H2H通信技术基础上，设计出更适合 MTD 的随机接入技术显得尤为重要[3]。

为了缓解大规模 MTD 同时发起随机接入所导致的网络阻塞问题，近年来已有多个国内外学者提出了一些改进的随机接入（RA, random access）机制。3GPP针对IoT提出了不同的回避时间指示（BI, backoff indicator），在LTE或NR中，当UE发起接入请求Msg1后但并没有收到对应的随机接入响应（RAR, random access response）或没有完成冲突解决时，基站会给 UE 分配一个 BI 值，UE 根据 BI值查表获得一个回避时间范围，然后在0到该回避时间值之间随机选择一个值进行回避等待，从而避免大量的 UE 在同一个动态随机接入时机（RO, random access occasion）上发起随机接入从而避免严重的冲突发生[2]。由于IoT中MTD数量的庞大， 3GPP配置了更大的可选BI值从而有效地降低冲突发生的概率。文献[4]中所提出的基于退避的策略，给当前网络中发起接入的普通 UE 和其他 MTC 分别设置一个回避退让的时间，从而达到缓解冲突的目的。但该方案仅适用于当前发起接入的设备较少时的场景。当此时发起接入的设备数十分庞大时，该回避退让方案则不能发挥作用[4]。文献[5]中提出了接入控制限制（ACB, access control barring）方案。ACB方案是在MTD完成下行同步进行随机接入之前，基站会给所有MTD广播下发一个ACB接入控制因子，ACB控制因子取值范围为0～1，每个MTD同时会产生一个对应的 0～1 的随机数，如果MTD产生的随机数小于ACB控制因子，则该设备发起随机接入请求与基站完成随机接入连接，如果MTD产生的随机数大于ACB控制因子，则该 MTD在这次 RO放弃发起随机接入请求，当下一个 RO 到来时，重复之前的操作直到完成ACB 校验才能发起随机接入请求[5]。ACB 控制方案本质上就是让每个发起接入的 MTD 以控制因子大小的概率发起接入，从而降低每个 RO 上发起接入的总设备数，以此减少发生冲突的概率。文献[6]在 ACB 控制方案的基础上，提出了一个基于退避预测的 ACB 动态接入新方案，文献[6]根据系统中重传的 MTD 数和状态转移过程估计实时的活跃的 MTD 数，从而建立了一种基于退避预测原则的估计模型，结合建立的估计模型，通过调整ACB控制因子，从而能够优化成功接入的设备数，从而提高接入成功率[6]。文献[7]提出在设备接入基站之前，基站首先选择该设备是否在该基站发起接入，从而将当前在该基站上同时发起接入的设备分散到其他基站上，从而降低接入冲突，但该方案存在明显的缺陷，只适用于当前环境是多基站的场景[7]。以上的方案虽然可以在一定程度上减少冲突的概率，提高 MTD的接入成功率，但均是通过减少在同一时刻发起随机接入的设备数量来实现的，并没有从根本上解决随机接入资源短缺的问题。

本文首先提出了一种基于上下行子帧和PRACH 配置的动态 RO 调整方案，在发生断电断网等特殊情况时，根据不同的上下行子帧配置及PRACH资源配置，可以动态调整分配用于随机接入的其他上行资源。其次根据地理位置将发起的MTD 进行聚类，不同簇下的 MTD 选择不同的RO，实现随机接入前导码（RAP, random access preamble）的复用，从而降低随机接入冲突概率，同时基站根据 MTD 选择的不同的簇可以在该簇指定的RO上接收RAP，省去了盲检的开销。除此之外，针对时延要求高的部分 MTD 分配特定的RAP，保证时延要求高的MTD尽快完成接入，从而提高系统的吞吐量。

1 系统模型

1.1 随机接入过程

UE 开机后和基站建立连接需要完成基于竞争的随机接入[8]。MTD的随机接入过程类似于3GPP协议规定的LTE随机接入，同样是在接收到基站广播下发的系统信息块（SIB, system information block）后，通过4步完成随机接入，4步随机接入过程如图1所示。

图1

图1   4步随机接入过程[9]

1) 基站通过系统消息将PRACH资源配置广播给MTD，MTD选择可用的PRACH资源，同时随机选择一个RAP在指定的PRACH上发起随机接入请求，即Msg1[10]。

2) 基站在PRACH上盲检RAP，在物理下行共享信道（PDSCH, physical downlink shared channel）上下发 RAR，MTD 解码 PDSCH 从而获得自己对应的RAR[11]。

3) MTD根据RAR中的信息确定发送Msg3的时频资源[9]。如果在第一步有多个 MTD 在同一个PRACH 上选择了相同的 RAP，则这些 MTD 发生冲突。

4) 如果 MTD 接收到基站返回的冲突解决消息，并且其中携带的标识符与其在之前Msg3中上报给基站的相符，则随机接入成功。否则UE认为此次接入失败[12]。

从以上随机接入步骤可知，如果有大量的MTD同时发起随机接入请求，RAP资源的有限性必然会造成大量的随机接入冲突[10]。发生冲突的MTD会占用相同的上行资源，由于同信道间的干扰将可能导致基站无法正确接收任一个上行资源，从而所有MTD 均随机接入失败。因此，当且仅当在同一个RO上只有一个MTD选择了一个前导码（preamble），该MTD才能完成随机接入。

1.2 随机接入成功概率

综上所述，MTD 每次随机接入请求能够成功完成建立的概率为

P=(M−1M)N−1　　　　(1)P=(M−1M)N−1　　　　(1)

其中，M为可用的preamble数目，且最多为64个。N为在同一RO上发起随机接入的MTD数目，因此当给定可用preamble数量M时，同一时刻发起随机接入的 MTD 越多，则冲突概率就越大，接入成功的概率越小。

1.3 随机接入时延

MTD 完成随机接入的时延主要为首次发起随机接入请求到完成随机接入 RRC 连接建立所经历的时间。由于当 MTD 随机接入失败时，会重新发起随机接入，因此MTD的接入时延可以忽略4步随机接入的时延，只需要考虑 MTD 首次发起随机接入请求到随机接入成功的这一次发起随机接入请求之间的时延。

1.4 吞吐量分析

考虑到发起随机接入的 MTD 中有部分 MTD是时延敏感设备，即要求随机接入时延比普通MTD更低，因此在本文中定义吞吐量为给定仿真时间 T内时延敏感 MTD 接入成功率与非时延敏感 MTD的接入成功率的加权求和，具体计算式如式(2)。

ϕ=xn⋅w1+yN−n⋅w2　　　　(2)ϕ=xn⋅w1+yN−n⋅w2　　　　(2)

其中，N为发起随机接入的MTD总数，n为发起随机接入的时延敏感MTD数目，则N-n为非时延敏感的MTD数，x为给定仿真时间T内完成随机接入的时延敏感MTD总数，y为给定仿真时间T内完成随机接入的非时延敏感MTD总数，w1为时延敏感设备吞吐量权值，w2为非时延敏感设备吞吐量权值。

2 动态随机接入时机分配算法

在 MTD 发起随机接入请求前需要完成两个工作：在生成的可选preamble中随机选择一个可用的preamble；确定PRACH的时频位置[9]。关于PRACH的时域位置，3GPP 中规定按照 SIB2 中 PRACH Configuration Index的指示进行选择，PRACH资源分配见表1。

表1   PRACH资源分配

根据 SIB2 中不同的物理随机接入信道配置索引，MTD 可以选择不同子帧发起随机接入。如果索引等于8，指示了 PRACH 可用的时域资源为在每一系统帧上的1号子帧和6号子帧。根据3GPP协议的规定，在每一系统帧内可用于PRACH的时域资源较少，当同一时间在同一系统帧上有大规模的 MTD 发起随机接入时，势必导致大量 MTD 选择同一个子帧，即选择相同的RO发起随机接入，使得每个 MTD 随机接入成功概率大大降低。然而在TDD中3GPP协议规定的每个系统帧内的上下行子帧配比见表2。

其中，D是指分配为下行子帧，U是分配为上行子帧，S为可灵活配置的子帧。由表2可知，根据不同的上行-下行配置，在一个帧内会分配有不同数目的上行子帧，而协议在时域上只给分配了固定的可用的PRACH资源见表1，然而在MTD断电断网等突发情况发生时，此时由于大规模的 MTD都将用于发起随机接入，从而占用PRACH资源[9]。综上所述，本文研究内容即在突发情况发生时，将一个系统帧内其他的可用上行子帧用于 PRACH，实现在时域上的preamble复用。基于RO动态分配方案模型如图2所示。

图2

图2   基于RO动态分配方案模型

表2   上下行子帧配比

首先，基站根据上下行子帧配比及 PRACH配置索引确定时域上前导码复用的个数 k，并广播下发给所有MTD，所有MTD根据自己的位置进行聚类，生成k个簇。基站给每个簇内的MTD分配了确定的RO，基站在MTD所在的簇对应的RO上接收preamble从而避免盲检的开销。考虑到时延敏感 MTD 对时延要求更高，因此分配固定数目的preamble用于时延敏感MTD的接入，因此时延敏感 MTD 在指定分配的用于时延敏感设备的preamble中随机选择一个，其他MTD在剩余的 preamble 中随机选择。随后，MTD 在基站所指定的RO上发起随机接入，如果没有其他设备和该 MTD 选择同样的 preamble，则该设备随机接入成功，否则在基站指定的 BI 范围内随机选择一个回避退让时间进行等待，然后重新发起随机接入。

3 仿真结果和分析

3.1 仿真环境

仿真环境具体设置如下：为了便于计算与对比，假设N个MTD均在同一个系统帧内的RO上发起随机接入，其中时延敏感 MTD 占总 MTD 的10%，共有M个preamble资源用于基于竞争的随机接入，其中有m个preamble用于时延敏感MTD的随机接入，其余的preamble用于非时延敏感MTD的随机接入。假设基站初始所指示的在一个系统帧内的RO个数为1，BI值的分配见表3。

表3   BI值的分配

根据不同的 BI 值，基站分配了不同范围的退避时间范围，如当发起随机接入的MTD数小于250时，当 MTD 随机接入失败时不进行等待，直接在下一个RO上再次发起随机接入。当MTD数大于250 时，在指定的退避时间参数范围内随机选择一个等待时间进行退避，之后再重新发起随机接入。仿真具体参数见表4。

表4   仿真具体参数

 

3.2 仿真结果及分析

吞吐量随MTD数的变化如图3所示，由于本文对吞吐量的定义为：给定仿真时间T内时延敏感MTD接入成功率与非时延敏感MTD的接入成功率的加权求和，因此随着发起接入的设备数的增加，系统吞吐量会大幅降低。图中实线为不考虑时延敏感设备，虚线为考虑时延敏感设备，即在每一次发起随机接入的RO上为时延敏感设备分配固定的6个preamble资源，用于时延敏感设备的随机接入。结果表明，由于为时延敏感MTD分配了preamble资源，因此，能够保证时延敏感MTD的优先接入，从而实现系统吞吐量的小幅度提升。

图3

图3   吞吐量随MTD数的变化

随机接入时延随MTD的变化如图4所示，同样由于发起随机接入的设备数越来越多，产生随机接入冲突的概率越来越大，从而导致 MTD 的接入时延大幅度增加。此时，虽然给时延敏感 MTD 分配了固定的preamble资源，但由于本文考虑的时延为所有MTD完成随机接入的时延，因此可以看到，考虑时延敏感设备对所有 MTD 完成随机接入的时延影响不大。

图4

图4   随机接入时延随MTD的变化

不同复用次数下吞吐量的变化如图5所示，描述了在 MTD 聚类生成 k 个簇即确定的复用次数 k下，同时考虑为时延敏感MTD分配特定preamble资源，系统的吞吐量随着发起随机接入设备数增加的变化情况。仿真结果表示，按照 MTD 的位置进行聚类分簇后，按照基站的配置，不同簇内的MTD选择不同的 RO 发起随机接入，实现在时域上的preamble复用，从而大大降低了在同一RO上发起随机接入的MTD总数。根据式(1)在可用preamble资源不变的情况下，减少发起接入的设备数，使得随机接入成功的概率大幅度增加，因此随着复用次数k的增加，系统的吞吐量可以得到有效的提升。

图5

图5   不同复用次数下吞吐量的变化

不同复用次数下接入时延的变化如图6所示，描述了在MTD聚类生成k个簇即确定的复用次数k下，同时考虑为时延敏感MTD分配特定preamble资源，所有MTD完成随机接入的接入时延随着发起接入的设备总数增加的变化情况。当不考虑preamble在时域上的复用时，随着发起随机接入设备数的增加，MTD随机接入时延逐渐增加，其中在MTD数达到2 000以上时，接入时延增加更加迅速，这是因为不同 BI值的选择导致MTD平均回避时间更大，从而影响接入时延。随着分配多个可用RO，实现preamble在时域上的复用，从而降低了在一个 RO 上发起接入的MTD 数，提高了 MTD 的随机接入成功概率，同时MTD的BI值也会降低，即在不减小接入成功概率的情况下同时减小了回避退让的时间，从而使得所有MTD的接入时延大幅降低。

图6

图6   不同复用次数下接入时延的变化

各种方案下吞吐量随接入设备数量变化如图7所示，各种方案下接入时延随接入设备数量变化如图8所示。基于Backoff指示的方案和基于ACB方案只是通过减少在同一时刻发起随机接入的设备数量实现的，并没有从根本上解决随机接入资源短缺的问题。而本文提出的动态接入方案将所有MTD按照位置进行聚类形成 2 个簇，实现前导资源在时域上的复用，同时考虑到MTD中的时延敏感设备，因此能够持续有效提高系统吞吐量并降低接入时延。

图7

图7   各种方案下吞吐量随接入设备数量变化

 

图8

图8   各种方案下接入时延随接入设备数量变化

 

4 结束语

本文针对 M2M 通信中，大规模的 MTD 同时向基站发起随机接入的场景，提出了一种基于上下行子帧和PRACH配置的动态RO调整，以及针对时延要求高的部分 MTD 分配特定的前导资源的方案。在该方案中，首先，基站根据当前的上下行子帧分配以及当前PRACH资源配置计算出复用次数k，然后所有MTD按照位置进行聚类形成k个簇，基站为每个簇分配用于随机接入的 RO，每个簇内的MTD选择对应的RO发起随机接入，基站在其对应的RO上接收preamble，避免了盲检的开销。其次，考虑MTD中存在部分少量的时延敏感设备，基站为时延敏感MTD预留特定的preamble资源，用于时延敏感MTD发起随机接入。仿真结果表明，本文提出的方案能够有效地提高 MTD 的接入概率，降低设备的接入时延，同时提高系统的吞吐量。