一种GF-NOMA系统中的个性化接入方法技术方案

本发明专利技术公开了一种GF

【技术实现步骤摘要】
一种GF
‑
NOMA系统中的个性化接入方法


[0001]本专利技术涉及通信
，尤其涉及一种GF
‑
NOMA系统中的个性化接入方法。

技术介绍

[0002]GF
‑
NOMA系统通过结合免授权传输与非正交多址接入技术，在减小信令开销的同时增加了可用的资源块数目，被广泛应用于大规模接入场景。由于用户数量远大于资源块数目以及免授权方式的应用，无法单独为每个设备分配专用资源块，因此GF
‑
NOMA系统通常使用基于竞争的随机接入算法，即设备随机选取可用的传输资源块进行数据传输以满足大规模设备的连接需求。通过这种随机选择的方式，使得所有设备都有机会接入，同时也使得设备会被随机分散到所有可用资源块上，即便是在活跃概率等先验信息未知的条件下也在一定程度上减缓设备的碰撞问题。
[0003]考虑一种海量机器类通信场景，大量的MTC设备需要通过有限的物理资源通过免授权的方式进行上行接入。尽管免授权随机接入的方式可以在一定程度上减轻设备的碰撞问题，但是由于设备随机选择导频信号或者信道，导致无法有效地利用网络中各种可用的先验信息避免设备之间的碰撞，造成信息以及无线资源的浪费。
[0004]虽然目前已有文献使用强化学习的方法解决大规模MTC设备对传统的集中调度策略的挑战，但是大多是研究针对的是具有饱和流量的设备，而无法有效地解决突发流量的情况。针对这一情况，现有技术使用分布式Q
‑
learning方法，并考虑具有不同活跃概率的设备，根据设备的活跃概率制定奖励解决突发流量带来的挑战。
[0005]然而，该分布式Q
‑
learning方法得到的是一种无差别的接入方式，没有针对设备自身的特征进行个性化的分配，设备之间仅仅在活跃概率方面有差异，但是在优先级等方面没有区别。同时该方法所提出的基于活跃概率的奖励虽然在一定程度上可以避免多个设备选择同一个资源块，但是其与系统的目标函数之间不是完全的正相关，使得设备注重于自身利益的最大化而无法得到全局的最优解，存在提升的空间。同时，在目前已有的集中式方法中也大多是针对大众化的同质设备的无差别接入方式，缺乏针对多样化设备的个性化接入策略方面的研究。

技术实现思路

[0006]本专利技术针对传统的无差别接入策略的不足进行改进，提出一种GF
‑
NOMA系统中的个性化接入方法，旨在为不同紧急程度的设备分配具有针对性的个性化接入策略，以最大化系统的接入效率，同时优先满足高紧急程度设备的接入需求。
[0007]为了实现上述目的，本专利技术提供如下技术方案：
[0008]本专利技术提供的一种GF
‑
NOMA系统中的个性化接入方法，其中设备数据包的到达满足随机包到达模型，分别针对于两种不同的情况：
[0009]对于设备数量相对较少且计算能力有限的情况，使用结合注水算法与贪婪策略的集中式调度方法，在基站处根据设备的活跃概率的大小依次为设备分配合适的接入资源
块；以活跃概率作为设备的特征，其中活跃概率低的设备代表处于正常工作模式的设备，而活跃概率高的设备表示监测到异常情况的设备，需要有更高的接入优先级以便异常情况可以被及时处理，模型采取的目标函数为最大化系统的长期成功接入概率：
[0010][0011]其中p
suc
(i)代表第i个设备成功接入的概率；
[0012]对于设备数量较多且具有一定计算能力的情况，使用基于分布式Q
‑
learning的个性化接入算法，构造一个与目标函数完全正相关的基于活跃概率的全局奖励：
[0013][0014]其中M
k
表示选择第k个CTU的设备数量，p
suc_k
表示选择第k个CTU的成功接入概率，a为接入策略，T为时隙。
[0015]进一步地，结合注水算法与贪婪策略的集中式调度方法为：
[0016]假设每个子载波上的每个功率等级为一个独立的资源块，表示为：
[0017][0018]其中，CTU{0}表示不进行数据传输，允许设备即便有数据包产生时仍然可以选择不发送数据以减轻网络的拥塞；CTU{k}表示第k个竞争传输单元，SC{k}表示第k个子载波，p
h
表示高功率等级，p
l
表示低功率等级；
[0019]当多个设备选择同一资源块，即在同一个子载波上并以同一功率等级进行数据传输，则认为发生碰撞，设备接入失败，得到设备成功接入概率之和的解析表达式，表示为：
[0020][0021]其中，M
k
表示选择第k个CTU的设备数量，p
suc_k
表示选择第k个CTU的成功接入概率；
[0022]系统的目标函数为最大化所有资源块的成功接入概率之和，表示为：
[0023][0024]根据设备活跃概率的大小进行排序，按照活跃概率从大到小的顺序依次为其分配CTU，在每次分配过程中，基站根据所有CTU的占用情况，依次计算其对应的增益，进而根据贪婪策略将增益最大的CTU分配给对应设备。
[0025]进一步地，当活跃设备的数量过多时，除CTU{0}外所有可用的CTU的增益为负，此时增益最大的CTU变为CTU{0}＝0。
[0026]进一步地，对于设备D
m
而言，假设在其分配之前在CTU{k}上已分配的设备情况表
示为其中M
k
表示CTU{k}上已分配的设备数量，则若设备D
m
选择CTU{k}后该CTU的成功接入概率为：
[0027][0028]设备D
m
选择CTU{k}后可以取得的增益为：
[0029][0030]设备D
m
尝试选择所有CTU并计算求得对应的增益，选择可以取得最大增益的CTU。
[0031]进一步地，基于分布式Q
‑
learning的个性化接入算法包括：
[0032]首先，基站根据设备的历史记录[A
t
‑1,A
t
‑1,
…
]预测得到对应的活跃概率[p1,p2,
…
,p
M
]作为先验信息；
[0033]然后在训练过程中，所有的分布式设备[D1,D2,
…
D
M
]根据自身的Q表基于ε
‑
greedy策略做出决策{a1,a2,
…
a
M
}，其中a
m
代表设备D
M
在上行接入过程中所占用的CTU，基站根据接收信息计算得到全局奖励并广播给所有设备；
[0034]对于决策部分的ε
‑
greedy策略，设备会生成一个随机数，然后与参数ε进行比较决定选取随机动作random(A)或者最优动作
[0035]之后基站根据设备的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种GF
‑
NOMA系统中的个性化接入方法，其中设备数据包的到达满足随机包到达模型，其特征在于，针对于两种不同的情况：对于设备数量相对较少且计算能力有限的情况，使用结合注水算法与贪婪策略的集中式调度方法，在基站处根据设备的活跃概率的大小依次为设备分配合适的接入资源块；对于设备数量较多且具有一定计算能力的情况，使用基于分布式Q
‑
learning的个性化接入算法，构造一个与目标函数完全正相关的基于活跃概率的全局奖励。2.根据权利要求1所述的GF
‑
NOMA系统中的个性化接入方法，其特征在于，结合注水算法与贪婪策略的集中式调度方法为：假设每个子载波上的每个功率等级为一个独立的资源块，表示为：其中，CTU{0}表示不进行数据传输，允许设备即便有数据包产生时仍然可以选择不发送数据以减轻网络的拥塞；CTU{k}表示第k个竞争传输单元，SC{k}表示第k个子载波，p
h
表示高功率等级，p
l
表示低功率等级；当多个设备选择同一资源块，即在同一个子载波上并以同一功率等级进行数据传输，则认为发生碰撞，设备接入失败，得到设备成功接入概率之和的解析表达式，表示为：其中，M
k
表示选择第k个CTU的设备数量，p
suc_k
表示选择第k个CTU的成功接入概率；系统的目标函数为最大化所有资源块的成功接入概率之和，表示为：根据设备活跃概率的大小进行排序，按照活跃概率从大到小的顺序依次为其分配CTU，在每次分配过程中，基站根据所有CTU的占用情况，依次计算其对应的增益，进而根据贪婪策略将增益最大的CTU分配给对应设备。3.根据权利要求2所述的GF
‑
NOMA系统中的个性化接入方法，其特征在于，当活跃设备的数量过多时，除CTU{0}外所有可用的CTU的增益为负，此时增益最大的CTU变为CTU{0}＝0。4.根据权利要求2所述的GF
‑
NOMA系统中的个性化接入方法，其特征在于，对于设备D
m
而言，假设在其分配之前在CTU{k}上已分配的设备情况表示为其中M
k
表示C...

【专利技术属性】
技术研发人员：张治，吴迪，黄育侦，秦晓琦，刘宝玲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：