大规模机器类通信系统的多址接入技术研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:num184015922
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着通信技术的飞速发展,未来将更加注重物与物之间的通信,而大规模机器类通信(mMTC, massive Machine Type Communication)场景作为第五代移动通信(5G, 5th Generation)的重要应用场景之一,能够给海量终端设备提供通信服务,满足未来的物联网通信需求。而面临着mMTC场景内终端设备数量巨大、数据包短小频繁等特点,传统的多址接入技术已经无法满足通信需求。因此,需要设计出适合 mMTC 场景的多址接入技术。本文将围绕mMTC多址接入技术进行研究,对免信令多址接入(GFMA, Grant-free Multiple Access)技术和传统的随机接入技术进行优化和改进。
  首先,本文介绍了免信令多址接入技术和随机接入技术在mMTC场景中应用的优势,详细介绍了免信令多址接入技术和随机接入技术的细节,并分析了可能存在的异步问题和导频冲突问题。
  接着,针对免信令接入技术中存在的异步问题,提出了拓宽时间窗口的检测方法,建立了含有时延的数学模型,保证每个可能的活跃用户都能被检测到。另一方面,对建立的数学模型进行修正,使之成为标准的压缩感知多矢量测量(MMV, Multiple Measurement Vector)问题,并基于正交匹配追踪算法(OMP, Orthogonal Matching Pursuit)提出了增强分组正交匹配追踪算法(EG-OMP, Enhanced Grouping-OMP),该算法能够利用模型的分组特性,联合进行活跃用户检测和信道估计,同时能够对活跃用户的离散时延进行估计。仿真及分析表明,本文提出的模型和算法的活跃用户检测性能以及信道估计性能优于传统OMP算法,且能够应用于存在异步的mMTC场景。
  然后,针对传统随机接入技术中存在的导频冲突问题,利用时移导频能够解决小区间干扰的优势和小区分区增加空间检测维度的做法,提高时隙内支持通信的终端设备的数量。本文提出了集中式场景下的基于时移导频的随机接入方案(ERA-TSP, Enhanced Random Access with Time-shifted Pilot),详细介绍了方案的流程及导频检测方法,分析了该方案在集中式mMTC 场景内的冲突概率、平均冲突概率和平均接入时延等性能。仿真结果表明,与传统随机接入方案相比,ERA-TSP 方案有着较低的导频冲突概率和较短的平均接入时延,能够应用在集中式大规模机器类通信场景中。
  最后,针对分布式场景下天线单元分布在小区内的特点,利用天线单元数量多能够提高同一时隙接入终端设备的数量的优点以及时移导频的优势,提出了分布式场景下的基于时移导频的分布式随机接入方案(D-ERA-TSP, Distributed Enhanced Random Access with Time-shifted Pilot),详细介绍了该方案的工作流程,分析了该方案的导频冲突概率和平均接入时延的性能。仿真结果表明,D-ERA-TSP 方案能够有效降低分布式场景内导频冲突概率和接入时延,能够应用在分布式mMTC场景内。
  综上所述,本文主要研究了免信令多址接入技术和随机接入技术在大规模机器类通信场景中的应用,集中研究了存在异步时延的情况和导频冲突的情况,并针对性地提出了改进方案。研究表明,本文提出的异步免信令多址接入技术和基于时移导频的随机接入技术能够分别解决相应的问题。
其他文献
第五代移动通信采用包括大规模多输入多输出(MIMO, Multiple-Input Multiple-Output)在内的多项关键技术,显著提升无线通信的频谱效率与连接数量等性能。然而,系统的能耗和成本随之迅速增长。如何在不牺牲服务质量的前提下提高能效和成本效益,成为发展可持续绿色5G网络过程中面临的重要挑战之一。环境反向散射利用周围环境中的射频(RF, Radio frequency)信号作为通
学位
第五代移动通信技术(5G)需要支持不同应用场景下的不同需求,因此需要千倍于4G的网络容量、毫秒级的延迟、超密集大规模组网以及较低的能效比。为了满足这些需求,大规模MIMO系统、毫米波等新技术成为了5G的核心技术。然而,现有的传统通信理论在5G复杂的应用场景下表现出了很多局限性,例如信道场景建模困难、系统优化困难等。因此,最近几年飞速发展的深度学习和人工智能技术,因为其精度高、鲁棒性强、不需要复杂特
学位
随着移动通信技术的发展,移动智能终端已逐步成为人们日常生产生活中不可或缺的一部分。由其有效提高频谱效率的特性,大规模多输入多输出(MIMO, Multi-Input-Multi-Output)成为新一代移动通信系统至关重要的技术之一。本文围绕移动环境下大规模MIMO系统下行传输性能提升问题,从如何提升基站侧获取的信道状态信息性能、以及如何在非完美信道状态信息(CSI,Channel State I
学位
大规模多输入多输出(MIMO,multiple-input multiple-output)和毫米波通信技术由于能够提供更大的带宽,显著提升通信容量,在第五代(5G,5th generation)移动通信系统中起着至关重要的作用。但是在毫米波大规模MIMO接收机中大量的射频链和高精度的模数转换器(ADCs,analog-to-digital converters)会造成巨大的功率消耗,其中ADC的
学位
移动数据业务的迅猛增长、频谱资源的日趋紧缺以及能源消耗的大幅提高对第五代(5G, 5th Generation)移动通信系统之后的通信系统提出了更高的要求。未来超五代(B5G,Beyond 5th Generation)或者第六代(6G,6th Generation)移动通信系统在提供增强宽带移动互联的同时,还将支持种类繁多的物联网应用,其上下行链路业务流量将呈现较大的动态变化,需要引入灵活的无线
学位
2008 年,Ar?kan 教授提出极化码 (Polar code) 的编码和译码方式,证明了对于二进制离散无记忆信道,这种全新的编码方式可以达到香农极限。然而,随着新兴的物联网(IoT)技术及其应用的快速发展,人们对极化码译码器译码效率的要求快速提高,随之而来的是译码器硬件复杂度的增加,这使得设计者们必须不断地在译码性能和硬件复杂度之间寻求平衡。  首先,我们将近似计算技术引入极化码的BP译码器
学位
近些年来随着数据业务和无线应用急剧增长,传统的频谱资源日益紧缺,可见光通信(VLC, Visible Light Communication)作为射频通信的一种重要补充,受到越来越广泛的关注。室内可见光通信可以利用泛在的发光二极管(LED, Light Emitting Diode)同时实现照明与通信,具有频段与射频不冲突且无须授权、节能环保、保密性好等优点。尽管可见光通信具有潜在的巨大带宽,LE
近年来,随着移动互联网产业的飞速发展,移动应用数据量呈现爆炸式增长态势,第五代移动通信技术(5G,5th Generation Mobile Communication)应运而生。作为5G的关键技术,多天线技术和毫米波通信技术是当今5G研究中的两大热点。多天线技术通过波束成形可以有效补偿毫米波信号的严重传输损耗,而波长较短的毫米波有利于大规模天线阵列的集成化,两者结合可以带来大带宽、高频谱效率、高
学位
极化码是一种可以逼近信道容量的信道编码方法,并被用于5G增强移动带宽控制信道的差错控制。极化码通过计算信道转移概率,区分出信道容量趋近于1与0的信道,分别用比特位和冻结位,使得编码数据具有较好的纠错性能。本文主要围绕极化码的译码问题,分别对Polar码的SCL译码算法、BP译码算法进行了改进,还尝试用神经网络机器学习方法来实现Polar码的译码。主要工作如下:  一、针对传统的SCL算法,提出了自
学位
高数据速率服务的爆炸性需求对无线通信系统提出了巨大挑战,分布式大规模多输入多输出(Multiple Input Multiple Output, MIMO)被视为解决这项挑战的关键技术之一,受到了广泛研究。分布式大规模MIMO系统结合了大规模MIMO和分布式天线系统的优势,可以提高系统的频谱效率、能量效率以及系统的覆盖率等。然而,由于硬件成本以及系统功率消耗的限制,实际系统中可能配置价格低廉但是性
学位