一种低轨卫星物联网的大规模免授权随机接入方法技术

本发明专利技术公开了一种低轨卫星物联网的大规模免授权随机接入方法。激活的物联网设备根据所分配的前导序列，构建出相应的张量形式的前导序列，在每个时隙的开始部分通过上行信道将张量形式的前导序列发送给低轨卫星。低轨卫星基于接收到的信号恢复成设备状态矩阵，然后利用阈值法检测出激活的设备。对于检测为激活状态的设备，基于设备状态矩阵估计出相应的信道状态信息。本发明专利技术为具有大规模物联网设备接入的低轨卫星物联网提供了一种简单却有效的免授权随机接入方法。授权随机接入方法。授权随机接入方法。

【技术实现步骤摘要】
一种低轨卫星物联网的大规模免授权随机接入方法


[0001]本专利技术涉及无线通信领域，尤其涉及一种低轨卫星物联网的大规模免授权随机接入方法。

技术介绍

[0002]随着物联网的快速发展，海量物联网设备需要接入无线网络。然而，大量的物联网设备分布在海洋、森林、山陵和沙漠等边远地区，这些地区并没有较好的无线覆盖。无论从建设成本还是维护难度考虑，低轨卫星是实现全球无缝覆盖的有效手段，因此亟需研究面向低轨卫星物联网的巨址接入技术。为了降低物联网设备的接入时延，需要根据低轨卫星通信的特点，设计免授权的随机接入技术，满足海量物联网设备的巨址接入需求。
[0003]然而现有的卫星通信随机接入方案，主要依赖于能够有充足的接入资源以及静态的地面
‑
卫星链路。可是，在低轨卫星支持的物联网中，由于低轨卫星的移动性，地面
‑
卫星链路会随着卫星的移动从而迅速变化，因此来自物联网设备的大规模接入可能会导致接入资源短缺。因此，现有的卫星通信随机接入方案无法与低轨卫星支持的物联网相匹配。尽管免授权随机接入方案可以提高频谱效率并降低传输延迟，但现有免授权随机接入方案中的联合激活检测和信道估计算法是针对瑞利信道而不是地面
‑
卫星链路信道设计的。在瑞利信道模型中，波传播中的视线(LoS)分量可以忽略，而散射分量占主导地位。但是，对于地面—卫星链路信道，信道组成比较复杂，需要同时考虑LoS分量和散射分量。

技术实现思路

[0004]本专利技术的目的是为了解决上述方案中物联网设备的接入时延较高、地面——卫星链路信道复杂等问题，提出了一种低轨卫星物联网的大规模免授权随机接入方法。
[0005]本专利技术所采用的具体技术方案如下：
[0006]一种低轨卫星物联网的大规模免授权随机接入方法，其包括如下步骤：
[0007]S1、对于所有K个物联网设备中的每一个物联网设备d
k
，其所分配的前导序列为s
k
，通过一种张量信号构建方法，构建出该物联网设备d
k
张量形式的前导序列T
k
，k＝1，...K，其中K为物联网设备的总数量；在每个时隙的开始部分，所有激活的物联网设备同时将张量形式的前导序列发送给低轨卫星，低轨卫星接收到的信号为Y；
[0008]S2、低轨卫星基于接收到的信号Y，根据一种基于张量的贝叶斯学习方法将信号Y恢复成设备状态矩阵M
X
，其中M
X
的第k列为物联网设备d
k
的状态信息，k＝1，...K；
[0009]S3、低轨卫星基于恢复出的设备状态矩阵M
X
，利用一种阈值判断方法检测出处在激活状态的物联网设备；
[0010]S4、对于被检测为激活状态的每个物联网设备，利用一种信道估计方法获得对应的信道状态估计信息。
[0011]作为优选，步骤S1中，所述张量信号构建方法为：
[0012]对于每个物联网设备的前导序列s
k
，其长度为L，将其平均切分成d段，其中第i段
为a
k，i
，i＝1，2...d；然后按照下式构建发射信号：其中，τ
i
表示a
k，i
的维度，i＝1，2，...，d，符号
°
表示向量外积。
[0013]作为优选，所述d取3。
[0014]作为优选，步骤S2中，所述基于张量的贝叶斯学习方法具体步骤为：
[0015]a)输入卫星接收到的前导序列信号Y以及迭代次数T，初始化当前迭代轮次t＝0；
[0016]b)根据下式对当前迭代轮次对应的信道的中值矩阵和协方差矩阵进行参数更新：
[0017][0018][0019]其中，F
β
表示噪声系数β的期望，A
i
表示由所有a
k，i
构成的张量因子矩阵，其中A
i
的第k列为a
k，i
，k＝1，2...K；y(d+1)表示张量信号Y按模态d+1展开的矩阵；表示参数v
k
的期望，k＝1，2，...K；(
·
)
‑1表示矩阵求逆；表示均值估计参数μ
k
的一阶矩，均值估计参数μ
k
为超参数；M表示天线的数量，diag()为对角矩阵，
⊙
表示Hadmard积，
◇
表示Khatri
‑
rao积，上标H表示共轭转置，上标*表示求共轭的操作；和为初始预设参数；
[0020]c)基于前一迭代轮次得到的信道的中值矩阵和协方差矩阵根据下面的公式对信道分布的方差估计参数和进行参数更新：
[0021][0022][0023]其中，δ是初始值，表示均值估计参数μ
k
的一阶矩，表示均值估计参数μ
k
的二阶矩，表示中值矩阵的第k列，M
X
(m，k)表示位于中值矩阵的第m行第k列的元素，表示位于协方差矩阵第k行第k列的元素；
[0024]d)根据下式对信道分布的均值估计参数和进行参数更新：
[0025][0026][0027]再令则由和得到超参数μ
k
的均值和二阶矩为：
[0028][0029][0030]其中，Gamma[]表示伽玛函数，H[]表示合流超几何函数1F1；
[0031]e)根据下面的公式对噪声系数β的期望F
β
进行参数更新：
[0032][0033][0034][0035]其中，τ
i
表示A
i
的行维度，Tr()表示求迹，表示对矩阵求F范数；
[0036]f)将当前迭代轮次t加1后，重复步骤b)～e)进行下一轮迭代，共迭代T轮次后，最终输出信道的中值矩阵作为设备状态矩阵M
X
。
[0037]作为优选，初始值δ设为10
‑6。
[0038]作为优选，步骤S3中，所述阈值判断方法为：
[0039]设定阈值θ0＝M*(0.15*α)2，其中α是M
X
中的最大元素；依次遍历中值矩阵M
X
∈C
M
×
K
中的每一列，对于中值矩阵M
X
∈C
M
×
K
中的任意第k列M
X
(：，k)，若范数则物联网设备d
k
判定为激活状态，反之，若则物联网设备d
k
判定为非激活状态。
[0040]作为优选，步骤S4中，所述信道估计方法为：
[0041]若物联网设备d
k
被检测为激活设备，则低轨卫星基于设备状态矩阵M
X
，提取出M
X
的第k列数据作为物联网设备d
k
的信道状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低轨卫星物联网的大规模免授权随机接入方法，其特征在于包括如下步骤：S1、对于所有K个物联网设备中的每一个物联网设备d
k
，其所分配的前导序列为s
k
，通过一种张量信号构建方法，构建出该物联网设备d
k
张量形式的前导序列T
k
，k＝1，...K，其中K为物联网设备的总数量；在每个时隙的开始部分，所有激活的物联网设备同时将张量形式的前导序列发送给低轨卫星，低轨卫星接收到的信号为Y；S2、低轨卫星基于接收到的信号Y，根据一种基于张量的贝叶斯学习方法将信号Y恢复成设备状态矩阵M
x
，其中M
X
的第k列为物联网设备d
k
的状态信息，k＝1，...K；S3、低轨卫星基于恢复出的设备状态矩阵M
X
，利用一种阈值判断方法检测出处在激活状态的物联网设备；S4、对于被检测为激活状态的每个物联网设备，利用一种信道估计方法获得对应的信道状态估计信息。2.根据权利要求1所述的一种低轨卫星物联网的大规模免授权随机接入方法，其特征在于，步骤S1中，所述张量信号构建方法为：对于每个物联网设备的前导序列s
k
，其长度为L，将其平均切分成d段，其中第i段为a
k，i
，i＝1，2...d；然后按照下式构建发射信号：其中，τ
i
表示a
k，i
的维度，i＝1，2，...，d，符号表示向量外积。3.根据权利要求1所述的一种低轨卫星物联网的大规模免授权随机接入方法，其特征在于，所述d取3。4.根据权利要求1所述的一种低轨卫星物联网的大规模免授权随机接入方法，其特征在于，步骤S2中，所述基于张量的贝叶斯学习方法具体步骤为：a)输入卫星接收到的前导序列信号Y以及迭代次数T，初始化当前迭代轮次t＝0；b)根据下式对当前迭代轮次对应的信道的中值矩阵和协方差矩阵进行参数更新：更新：其中，E
β
表示噪声系数β的期望，A
i
表示由所有a
k，i
构成的张量因子矩阵，其中A
i
的第k列为a
k，i
，k＝1，2...K；y(d+1)表示张量信号Y按模态d+1展开的矩阵；表示参数v
k
的期望，k＝1，2，...K；(
·
)
‑1表示矩阵求逆；表示均值估计参数μ
k
的一阶矩，均值估计参数μ
k
...

【专利技术属性】
技术研发人员：应铭，陈晓明，邵晓丹，
申请(专利权)人：浙江大学，
类型：发明
国别省市：