范平志，李里，陳歡，程高峰，楊林杰，湯小波

（西南交通大學(xué)信息科學(xué)與技術(shù)學(xué)院，四川 成都 611756）

1 引言

“萬物互聯(lián)”已成為通信行業(yè)的重要發(fā)展方向，未來大部分終端設(shè)備都將連接網(wǎng)絡(luò)，逐漸聚合為規(guī)模龐大、高度智能的全球物聯(lián)網(wǎng)。2019 年12 月16 日，全球移動通信系統(tǒng)協(xié)會預(yù)測：全球物聯(lián)網(wǎng)設(shè)備將從2018 年的103 億個增長到2025 年的250 億個，其中企業(yè)物聯(lián)網(wǎng)連接數(shù)將在2024 年超過消費者物聯(lián)網(wǎng)連接數(shù)，并在2025 年達(dá)到133 億個[1]。因此，物聯(lián)網(wǎng)不僅將走進(jìn)人們生活的方方面面，也將深度融入各個垂直行業(yè)。人們有理由相信，在不遠(yuǎn)的將來，物聯(lián)網(wǎng)規(guī)模將遠(yuǎn)超移動互聯(lián)網(wǎng)，成為下一個萬億元規(guī)模的產(chǎn)業(yè)。5G 時代的來臨成為物聯(lián)網(wǎng)發(fā)展的催化劑[2]，而已開啟研究的6G 系統(tǒng)[3]更有可能成為全球大規(guī)模智能物聯(lián)網(wǎng)的承載者。為了支撐未來大規(guī)模物聯(lián)網(wǎng)應(yīng)用，國際標(biāo)準(zhǔn)化組織3GPP（3rd Generation Partnership Project）早在Release-13 版本就將大規(guī)模機(jī)器類通信（mMTC,massive machine type communication）作為其主要應(yīng)用場景之一。而隨著2020 年5G 商用元年的到來，國際電信聯(lián)盟（IMT,International Telecommunication Union）組織成員華為海思、諾基亞上海貝爾實驗室、高通、愛立信、中興、聯(lián)想等在Release-15 及后續(xù)版本制定中，針對mMTC 場景進(jìn)行了大量仿真實測[4-6]，對mMTC新型空口接入方案的可支持網(wǎng)絡(luò)密度、覆蓋能力、時延屬性、設(shè)備電池自持壽命、吞吐率等關(guān)鍵指標(biāo)進(jìn)行了大量分析論證。總體認(rèn)為，無論是業(yè)界已經(jīng)商用化布置的窄帶物聯(lián)網(wǎng)（NB-IoT,narrow band Internet of things）、LoRa（long range radio）、增強(qiáng)機(jī)器類通信（eMTC,enhanced MTC）技術(shù)[7]，還是新近發(fā)布的Release-15 版本都不足以支撐未來大規(guī)模物聯(lián)網(wǎng)業(yè)務(wù)。

大規(guī)模物聯(lián)網(wǎng)應(yīng)用主要面向智慧城市、智慧交通、智能電網(wǎng)、現(xiàn)代物流、現(xiàn)代農(nóng)業(yè)和環(huán)境檢測等以傳感器和數(shù)據(jù)采集為目標(biāo)的場景，終端設(shè)備包括智能水電氣表、智能垃圾桶、物流跟蹤器、自動販賣機(jī)、集裝箱標(biāo)簽、農(nóng)業(yè)/環(huán)境/工業(yè)中的各種傳感設(shè)備等，其業(yè)務(wù)具有以下顯著區(qū)別于傳統(tǒng)蜂窩網(wǎng)絡(luò)人與人通信的基本特征。

1) 終端設(shè)備數(shù)量龐大且覆蓋廣泛。根據(jù)3GPP規(guī)劃，mMTC 場景應(yīng)滿足每平方千米100 萬的連接密度[8]，未來甚至要求滿足每平方千米1 000 萬的連接密度[9]。

2) 數(shù)據(jù)分組短。國際電信聯(lián)盟認(rèn)為mMTC 場景下數(shù)據(jù)分組通常較短，一般不超過1 000 個字節(jié)。

3) 未來物聯(lián)網(wǎng)通信業(yè)務(wù)呈現(xiàn)較強(qiáng)偶發(fā)性和稀疏性[10]。

4) 時延容忍度高。

5) 終端設(shè)備小型化、低成本、低功耗。3GPP要求終端設(shè)備的電池壽命應(yīng)達(dá)到10 年以上[10]。

然而，目前尚不存在一種通信技術(shù)能夠解決上述大規(guī)模物聯(lián)網(wǎng)的各類新需求、新挑戰(zhàn)。因此，有必要從網(wǎng)絡(luò)協(xié)議、信號處理方法、硬件設(shè)備等多個層次出發(fā)，綜合應(yīng)用網(wǎng)絡(luò)切片、大規(guī)模多天線、智能反射面等大量新興通信前沿技術(shù)，以全面支撐未來車聯(lián)網(wǎng)、智能家居、數(shù)字農(nóng)業(yè)等各類物聯(lián)網(wǎng)場景，如圖1 所示。

特別地，對于大規(guī)模物聯(lián)網(wǎng)高達(dá)千萬的空閑用戶、上萬的同時活躍用戶、短分組數(shù)據(jù)發(fā)送、低能耗限制的業(yè)務(wù)特征，傳統(tǒng)隨機(jī)多址接入和編碼技術(shù)面臨巨大的挑戰(zhàn)。在傳統(tǒng)通信系統(tǒng)中，隨機(jī)接入是終端與網(wǎng)絡(luò)之間建立無線鏈路的必經(jīng)過程，只有在隨機(jī)接入完成之后，終端與網(wǎng)絡(luò)之間才能正常進(jìn)行數(shù)據(jù)傳輸。然而，如文獻(xiàn)[11]所述，當(dāng)小區(qū)內(nèi)用戶數(shù)超過3 萬個時，隨機(jī)接入性能開始明顯退化。即使采取接入類禁止（ACB，access class barring）[12]、自適應(yīng)接入類禁止（A-ACB，adaptive ACB）[13]、擴(kuò)展接入禁止（EAB，extended access barring）[12-14]等過載控制技術(shù)，隨著小區(qū)內(nèi)支持用戶個數(shù)的持續(xù)增加，整個系統(tǒng)的接入成功概率和前導(dǎo)序列碰撞概率也會大幅惡化。其根本原因是已有基于極低控制開銷、長碼，以及與時延無關(guān)的信息理論極限和編碼技術(shù)無法適用于大規(guī)模物聯(lián)網(wǎng)應(yīng)用。經(jīng)典的K 用戶多址接入（K-user multiple access）模型無法匹配大規(guī)模物聯(lián)網(wǎng)場景下的隨機(jī)接入特性，“碰撞概率波動極大，忙時忙死，閑時閑死；有效負(fù)載太低，隨機(jī)接入開銷極大”，已有理論碰撞模型難以刻畫實際應(yīng)用場景中的信號混疊特征。因此，亟須突破傳統(tǒng)長期演進(jìn)技術(shù)（LTE,long term evolution）框架下基于授權(quán)的隨機(jī)接入（GB-RA,grant-based random access）模式，設(shè)計新型大維隨機(jī)接入方法。

圖1 大規(guī)模物聯(lián)網(wǎng)關(guān)鍵技術(shù)和典型應(yīng)用場景

首先，改良基于授權(quán)的隨機(jī)接入方法仍在持續(xù)進(jìn)行，相繼出現(xiàn)了自適應(yīng)EAB[14]、多功能ACB[15]、基于機(jī)器學(xué)習(xí)的ACB[16]等新型過載控制方法。另一方面，基于壓縮感知技術(shù)的免授權(quán)隨機(jī)接入（GF-RA,grant-free random access）方法[17-18]實現(xiàn)了對傳統(tǒng)隨機(jī)接入機(jī)制的一次突破，使網(wǎng)絡(luò)用戶容量、接入能效的數(shù)量級提升成為可能。同時，非正交多址（NOMA,non-orthogonal multiple access）技術(shù)迅速發(fā)展，出現(xiàn)了功率域 NOMA[19]、碼域NOMA[20-21]、角度域NOMA[22]等多種技術(shù)。如何利用非正交技術(shù)支撐大規(guī)模隨機(jī)多址接入也是該領(lǐng)域的重要研究方向，如基于功率域NOMA[23]、SCMA（sparse code multiple access）、PDMA（pattern devision multiple access）[24]、MUSA（multi-user shared access）[25]等技術(shù)的一系列新型隨機(jī)多址接入方法。這些隨機(jī)接入方法雖不需要基站授權(quán)，但相較于免授權(quán)隨機(jī)接入又有一定的額外控制開銷，因此，可將它們稱為半免授權(quán)隨機(jī)接入方法。最后，基于不區(qū)別傳輸內(nèi)容是用戶身份還是有效負(fù)載、全網(wǎng)用戶使用統(tǒng)一碼本等核心思想，文獻(xiàn)[26]提出了隨機(jī)多址碼概念，分析了大規(guī)模隨機(jī)多址碼能效與譜效間的理論約束關(guān)系，從信息論角度揭示了大規(guī)模隨機(jī)接入系統(tǒng)性能上界（即 Polyanskiy界），并清晰表明無論是網(wǎng)絡(luò)理論體系的ALOHA協(xié)議、時隙化ALOHA（slotted ALOHA）協(xié)議等技術(shù)，還是傳統(tǒng)信息論與編碼體系的碼分多址（CDMA,code division multiple access）、NOMA 等技術(shù)，與Polyanskiy 界都存在相當(dāng)距離，還有明顯提升空間，為大規(guī)模隨機(jī)接入指出了新的研究方向。

針對上述大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入應(yīng)用需求，結(jié)合筆者部分研究工作，本文將主要分析討論如下內(nèi)容。

1) 闡明大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入巨量用戶共存、活躍用戶稀疏化、小分組傳輸?shù)牡湫吞卣?，分析傳統(tǒng)基于授權(quán)的隨機(jī)接入機(jī)制無法滿足大規(guī)模物聯(lián)網(wǎng)應(yīng)用需求的基本事實和根本原因，揭示設(shè)計新型隨機(jī)接入方法的必要性。

2) 從研究動機(jī)、系統(tǒng)模型、協(xié)議框架、算法流程、系統(tǒng)性能等多個角度分析免授權(quán)RA、半免授權(quán)RA、無用戶標(biāo)識RA 三大類新型大規(guī)模隨機(jī)接入技術(shù)，分析各類方法優(yōu)缺點，并指出這些方法面臨的挑戰(zhàn)與潛在的機(jī)遇。

3) 對大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入涉及的關(guān)鍵技術(shù)與共性問題進(jìn)行總結(jié)。揭示各主要技術(shù)方向上亟須解決的開放性問題，如算法復(fù)雜度過高難題，信號同步難題，缺乏理論界難題，共存用戶個數(shù)、活躍用戶檢測精度、接入開銷三者間互相制約難題等。

2 基于授權(quán)的隨機(jī)接入

LTE標(biāo)準(zhǔn)中GB-RA方法主要面向人與人（H2H,human to human）通信場景。因此，GB-RA 方法適用于活躍用戶數(shù)較少、傳輸數(shù)據(jù)量較大、傳輸速率要求較高的業(yè)務(wù)。但在未來大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入場景中，由于前導(dǎo)序列資源池規(guī)模有限，如LTE 中用于隨機(jī)接入的正交前導(dǎo)序列僅有64 個[27]，勢必造成嚴(yán)重的接入用戶碰撞問題，進(jìn)而使各類接入指標(biāo)嚴(yán)重退化，用戶體驗急劇下降。

本節(jié)首先討論傳統(tǒng)GB-RA 過程，并具體分析其在大規(guī)模物聯(lián)網(wǎng)應(yīng)用中的局限性。然后，對幾種GB-RA 重要改進(jìn)方案進(jìn)行介紹。最后，根據(jù)其性能表現(xiàn)，指出設(shè)計全新隨機(jī)接入方法的必要性。

2.1 GB-RA 流程

在傳統(tǒng)LTE 標(biāo)準(zhǔn)中，GB-RA 流程由用戶（UE）與基站間的四步握手過程組成，用戶與基站間的信令交互過程如圖2 所示[27]。

圖2 用戶與基站間的信令交互過程

步驟1各活躍用戶從ZC（Zadoff-Chu）序列循環(huán)移位生成的序列資源池中隨機(jī)選擇一個前導(dǎo)序列向基站發(fā)送?；緳z測接收到的前導(dǎo)序列，并通過該檢測過程估計各活躍用戶時間提前量（TA,timing advance），隨后為每個檢測到的前導(dǎo)序列分配上行資源授權(quán)（UG,uplink grant）和臨時身份標(biāo)識。

步驟2基站將每個前導(dǎo)序列對應(yīng)的TA 值和UG 信息打包在隨機(jī)接入響應(yīng)消息中，并向所有用戶廣播。

步驟3用戶對收到的隨機(jī)接入響應(yīng)消息進(jìn)行解析得到自身上行資源授權(quán)信息，隨后在基站指定的上行資源上發(fā)送L2/L3 消息。其中，L2/L3 消息由用戶連接請求消息和基站分配的臨時身份標(biāo)識等構(gòu)成。

步驟4若基站正確解調(diào)某用戶的L2/L3消息，則向該用戶反饋碰撞解決確認(rèn)信息。反之，基站將不會向該用戶反饋確認(rèn)消息，用戶由此判斷此次接入失敗。

在步驟1 中，若有2 個及以上的用戶選中同一種前導(dǎo)序列進(jìn)行發(fā)送，則會出現(xiàn)用戶碰撞事件，最終導(dǎo)致接入失敗。因此，有限的前導(dǎo)序列資源池規(guī)模嚴(yán)重制約了傳統(tǒng)LTE 標(biāo)準(zhǔn)中GB-RA 方法的接入能力。

此外，物理層上行共享信道（PUSCH,physical uplink shared channel）作為基站側(cè)可為用戶上行傳輸分配的資源，其有限的數(shù)量同樣制約了GB-RA方法的應(yīng)用前景。在大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入場景中，無碰撞的用戶數(shù)大于系統(tǒng)可分配PUSCH 資源數(shù)時，某些用戶會由于無法獲得上行授權(quán)而導(dǎo)致接入失敗。這一現(xiàn)象不僅浪費了物聯(lián)網(wǎng)用戶接入能量，也會降低前導(dǎo)序列資源池的利用效率。這是GB-RA 方法不適于大規(guī)模物聯(lián)網(wǎng)的另一重要原因。

2.2 GB-RA 的各類改進(jìn)方案

基于上述分析，前導(dǎo)序列資源池規(guī)模過小和PUSCH 資源數(shù)有限是導(dǎo)致GB-RA 方法不適用于大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入的2 個重要因素。針對這2 種資源的稀缺性問題，業(yè)界提出了許多針對GB-RA的增強(qiáng)方案，主要改進(jìn)思路可分為過載控制設(shè)計（節(jié)流）、前導(dǎo)序列資源池擴(kuò)展（開源）和上行授權(quán)資源碰撞解決（善用）3 個技術(shù)方向。

1) 過載控制設(shè)計

ACB 機(jī)制[12]是最經(jīng)典的用戶過載控制方法。基站廣播ACB 因子，活躍用戶將本地產(chǎn)生的隨機(jī)數(shù)與偵聽到的ACB 因子進(jìn)行比較，根據(jù)自身設(shè)備類型和比較結(jié)果決定是否發(fā)起隨機(jī)接入過程，若不能發(fā)起隨機(jī)接入，用戶進(jìn)行隨機(jī)回退。ACB 機(jī)制提出后，出現(xiàn)了大量基于ACB 機(jī)制的改良，如自適應(yīng)/動態(tài)ACB（A/D-ACB,adaptive/dynamic ACB）[13,28-29]、EAB[14,30]、基于服務(wù)質(zhì)量（QoS,quality of service）需求的ACB[31-32]、結(jié)合機(jī)器學(xué)習(xí)的ACB[16,33-35]、上行授權(quán)資源受限下的ACB[36]、基于時間提前量的ACB[37-38]等方案。圖3 總結(jié)了基于ACB 機(jī)制的各類代表性過載控制方案，相關(guān)仿真結(jié)果可見2.3 節(jié)。

圖3 基于ACB 機(jī)制的過載控制方案

2) 前導(dǎo)序列資源池擴(kuò)展

文獻(xiàn)[39]將m 序列進(jìn)行循環(huán)多普勒時延移位，以在序列長度受限下增加序列個數(shù)。文獻(xiàn)[40-41]提出了2 種后向兼容的前導(dǎo)序列資源池擴(kuò)展方法，將正交ZC 序列分別與m 序列或all-top 序列[42]進(jìn)行點乘，從而構(gòu)造出大量具有低相關(guān)區(qū)屬性的前導(dǎo)序列。表1 比較了文獻(xiàn)[41]中所提序列集與傳統(tǒng)ZC序列集的各項指標(biāo)，其中L為序列長度，NCS為ZC序列循環(huán)移位值，ZCm 表示ZC 序列與m 序列按位相乘后得到的低相關(guān)序列，ZCa 表示ZC 序列與all-top 序列按位相乘后得到的低相關(guān)序列。對比表1 的最后一列可知，通過將原ZC 序列間的零相關(guān)區(qū)弱化為低相關(guān)區(qū)，可顯著增大前導(dǎo)序列個數(shù)。前導(dǎo)序列資源池擴(kuò)展后，低相關(guān)區(qū)序列集可提供的物理隨機(jī)接入信道（PRACH,physical random access channel）數(shù)量比原ZC 序列集提升了L+1 倍。

改變活躍用戶前導(dǎo)序列發(fā)送結(jié)構(gòu)同樣能實現(xiàn)前導(dǎo)序列資源池的擴(kuò)展。3GPP 在文獻(xiàn)[43-44]等技術(shù)規(guī)范中建議使用多階段前導(dǎo)序列傳輸策略來克服其數(shù)量不足。

圖4 對比了單階段前導(dǎo)序列傳輸方式與兩階段前導(dǎo)序列傳輸方式，其中CP（cyclic prefix）表示循環(huán)前綴，GT（guard time）表示保護(hù)時間。在單階段方式中，前導(dǎo)序列需為一個較長的ZC 序列；在多階段方式中，前導(dǎo)序列長度、CP 以及GT 的選擇都更加靈活。這種將多個較短前導(dǎo)序列進(jìn)行組合拼接為某個用戶對應(yīng)前導(dǎo)序列的方法能顯著增大前導(dǎo)序列資源池規(guī)模。以文獻(xiàn)[43]中單階段采用長139 的ZC 序列，兩階段采用2 個長71 的ZC 序列進(jìn)行拼接為例，兩階段方式的可用序列總數(shù)是單階段的81 倍。此外，文獻(xiàn)[45]在每個單階段使用由不同ZC 根序列生成的子前導(dǎo)序列，進(jìn)一步增加了可用前導(dǎo)序列的總體數(shù)量。

表1 ZC 序列集與低相關(guān)區(qū)序列集特性比較

圖4 單階段前導(dǎo)傳輸與兩階段前導(dǎo)傳輸

3) 上行授權(quán)資源碰撞解決

如前文所述，若某個前導(dǎo)序列被多個用戶同時選中（即發(fā)生前導(dǎo)序列碰撞），則這些用戶隨后將在相同上行授權(quán)信道資源上發(fā)送各自L2/L3 連接請求消息，導(dǎo)致多個L2/L3 連接請求消息互相干擾，無法正確解調(diào)，也造成上行授權(quán)資源浪費。因此，如何在發(fā)生前導(dǎo)序列碰撞事件時仍能正確地解調(diào)多個互相干擾的L2/L3 連接請求消息，對提升GB-RA 性能有重要意義。表2 梳理了現(xiàn)有文獻(xiàn)中關(guān)于上行授權(quán)資源碰撞的解決策略。

2.3 挑戰(zhàn)與機(jī)遇：引入新型隨機(jī)接入方法的必要性

顯然，傳統(tǒng)GB-RA 方法嚴(yán)重受限于其前導(dǎo)序列資源池規(guī)模和上行授權(quán)資源數(shù)量。雖然可采用過載控制、碰撞解決等新機(jī)制進(jìn)行改良，但由表2 可知，這些增強(qiáng)型GB-RA 方法往往引入了復(fù)雜的信令交互過程，仍不適用于大規(guī)模隨機(jī)接入場景。具體而言，圖5[11]和圖6[11]展示了各類基于過載控制的GB-RA 方法的接入成功概率和前導(dǎo)序列碰撞概率仿真結(jié)果。由圖5 和圖6 可知，當(dāng)小區(qū)內(nèi)的UE總數(shù)為30 000 時，大部分隨機(jī)接入機(jī)制中UE 的接入成功率不足40%，且前導(dǎo)碰撞概率上升明顯，顯然，這與未來大規(guī)模物聯(lián)網(wǎng)的每平方千米100 萬連接密度的要求還有較大差距。因此，為滿足未來大規(guī)模小型化、低成本、低功耗的物聯(lián)網(wǎng)隨機(jī)接入需求，設(shè)計新型隨機(jī)接入方法非常必要。

表2 上行授權(quán)資源碰撞解決策略對比

圖5 基于過載控制的GB-RA 方法的接入成功率

圖6 基于過載控制的GB-RA 方法的前導(dǎo)序列碰撞概率

3 免授權(quán)隨機(jī)接入方法

由于當(dāng)前基于授權(quán)的隨機(jī)接入方法難以滿足未來大規(guī)模物聯(lián)網(wǎng)新場景，必須引入全新機(jī)制。近年來迅速發(fā)展的NOMA 技術(shù)可在時頻資源上實現(xiàn)多用戶高過載傳輸，為突破隨機(jī)接入傳統(tǒng)方法提供了信號處理層面的基石。在此背景下，3GPP 于2016 年正式提出GF-RA 概念[52]，相繼出現(xiàn)了功率域?免授權(quán)非正交多址[18]、基于碼的免授權(quán)非正交多址[24-25,53]、基于交織的免授權(quán)非正交多址[54]等一系列免授權(quán)傳輸技術(shù)。

上述各類免授權(quán)傳輸技術(shù)都做了以下重要共性假設(shè)[55]，即有效數(shù)據(jù)傳輸前，基站已完成了理想的活躍用戶身份檢測、信道估計和信號同步。如何以免授權(quán)方式完成上述工作，成為免授權(quán)隨機(jī)接入需要解決的核心難題之一。

為解決上述挑戰(zhàn)，研究人員利用大規(guī)模物聯(lián)網(wǎng)通信的稀疏特性，采用壓縮感知技術(shù)[56]來實現(xiàn)GF-RA。GF-RA 可同時完成活躍用戶身份檢測和信道狀態(tài)估計，顯著降低接入開銷，成為實現(xiàn)大規(guī)模物聯(lián)網(wǎng)免授權(quán)傳輸?shù)闹匾芯糠较?。本?jié)針對免授權(quán)傳輸中的重要環(huán)節(jié)GF-RA 進(jìn)行討論，重點圍繞核心壓縮感知技術(shù)，從理論框架、GF-RA 和性能界3 個方面展開討論，最后給出所面臨的一系列挑戰(zhàn)和機(jī)遇。

3.1 壓縮感知技術(shù)

壓縮感知是由斯坦福大學(xué)Donoho 教授及其學(xué)生Candes 在信號稀疏分解和逼近理論基礎(chǔ)上進(jìn)一步發(fā)展而來的信號處理方法[57-58]，在數(shù)字圖像處理[59-60]、通信信道估計[61]等領(lǐng)域被廣泛應(yīng)用。壓縮感知數(shù)學(xué)模型如圖7 所示，其中，z為觀測信號y在保存或傳輸過程中遇到的加性噪聲。

圖7 壓縮感知數(shù)學(xué)模型

若信號x∈CN×1為只含K（K?N）個非零元素的稀疏信號，則利用測量矩陣Φ對x進(jìn)行觀測，可得長度為L（K

若測量矩陣Φ滿足有限等距性質(zhì)（RIP,restricted isometry property）準(zhǔn)則，接收端可以基于信號y實現(xiàn)稀疏信號x的精確重構(gòu)。如果實際應(yīng)用中原始信號并不稀疏，可對原始信號進(jìn)行正交變換得到其稀疏表示x[62]。

1) 隨機(jī)接入借助壓縮感知的可行性

考慮小區(qū)用戶數(shù)為N的蜂窩上行鏈路，以xn∈{0,1}表征任意用戶n的活躍狀態(tài)。由于在大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入過程中大部分設(shè)備處于睡眠模式，屬于非活躍狀態(tài)，則由xn,1≤n≤N構(gòu)成的信號向量x=[x1,x2,…,xN]天然具備稀疏特性。這使基于壓縮感知的活躍用戶檢測成為可能。

具體而言，基站預(yù)先給每個用戶分配一條長度為L的前導(dǎo)序列φn。假設(shè)所有用戶已完成上行幀同步，活躍用戶發(fā)送前導(dǎo)序列。前導(dǎo)序列傳輸接收模型如圖7 所示。當(dāng)以各用戶前導(dǎo)序列為列構(gòu)成的測量矩陣Φ=[φ1,φ2,…,φN]滿足RIP 準(zhǔn)則時，基站可使用壓縮感知重構(gòu)算法，基于接收的信號y對活躍用戶身份進(jìn)行精準(zhǔn)估計，即對圖7 中x的非零元素索引值進(jìn)行精準(zhǔn)重構(gòu)。

當(dāng)前壓縮感知研究主要關(guān)注信號的稀疏表示、測量矩陣構(gòu)造方法，以及重構(gòu)算法設(shè)計。由于大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入過程中，待恢復(fù)信號x已天然具備稀疏特性，因此本節(jié)將聚焦后2 個研究問題。

2) 測量矩陣的評估準(zhǔn)則和構(gòu)造方法

文獻(xiàn)[62]提出，為精準(zhǔn)重構(gòu)稀疏信號x，測量矩陣Φ應(yīng)滿足K階RIP 準(zhǔn)則，即存在有限等距常數(shù)（RIC,restricted isometry constant）δK∈(0,1)，使式(1)成立。

文獻(xiàn)[62]還進(jìn)一步指出獨立同分布的高斯隨機(jī)矩陣滿足上述準(zhǔn)則，可用于構(gòu)造普適性壓縮感知測量矩陣。

但對于其他矩陣類型，要證明其是否滿足RIP準(zhǔn)則往往是NP 難題。因此，相繼出現(xiàn)了Spark 理論[63]以及統(tǒng)計有限等距性質(zhì)（STRIP,statistic restricted isometry property）準(zhǔn)則[64]等更簡單、定性的構(gòu)造準(zhǔn)則，為設(shè)計測量矩陣提供了其他理論依據(jù)。表3 列舉了幾種代表性序列構(gòu)造方法，并比較了基于它們所構(gòu)造測量矩陣的重構(gòu)精度、存儲開銷等性能。

表3 幾種代表性序列及其測量矩陣性能比較

3) 壓縮感知稀疏信號重構(gòu)算法

文獻(xiàn)[62]指出，當(dāng)測量矩陣Φ滿足RIP 準(zhǔn)則時，可將重構(gòu)視為線性規(guī)劃問題?；诖?，一系列基于凸優(yōu)化的稀疏信號重構(gòu)算法被相繼提出，如基追蹤（BP,basis pursuit）[67]、迭代閾值（IT,iterative thresholding）[68]以及LASSO（least absolute shrinkage and selection operator）[69]等。凸優(yōu)化方法能依靠較少的測量樣本實現(xiàn)較高的重構(gòu)精度，但極高的算法復(fù)雜度降低了其在通信系統(tǒng)中的實用性。為增強(qiáng)算法實用性，相繼出現(xiàn)了一系列貪婪算法，如匹配追蹤（MP,matching pursuit）[70]、正交匹配追蹤（OMP,orthogonal matching pursuit）[71]以及基于最大后驗概率的壓縮采樣匹配追蹤（MAP-CoSaMP,maximum a posteriori-compressive sampling matching pursuit）[72]等。

相較凸優(yōu)化算法，貪婪算法實現(xiàn)了更低的運算復(fù)雜度，但在重構(gòu)精度上有所損失。文獻(xiàn)[73]提出的近似消息傳遞（AMP,approximated message passing）在信號重構(gòu)精度和算法復(fù)雜度兩方面實現(xiàn)了更優(yōu)折中，成為近年來基于壓縮感知進(jìn)行活躍用戶檢測的主流算法。不同重構(gòu)算法的計算復(fù)雜度的比較如表4 所示。

表4 不同重構(gòu)算法的計算復(fù)雜度的比較

3.2 基于壓縮感知的用戶身份與信道狀態(tài)聯(lián)合檢測

文獻(xiàn)[17]針對CDMA系統(tǒng)中的多用戶檢測問題提出采用壓縮感知技術(shù)。此后，文獻(xiàn)[74]針對大規(guī)模隨機(jī)接入場景，提出基于壓縮感知的活躍用戶和信道狀態(tài)聯(lián)合檢測方法，將整個上行傳輸過程劃分為2 個部分，即活躍用戶身份與信道狀態(tài)檢測階段、活躍用戶數(shù)據(jù)傳輸階段。

1) 基于最小均方誤差（MMSE,minimum meansquare error）降噪的AMP

文獻(xiàn)[74]提出基于MMSE 進(jìn)行降噪的算法，即MMSE-AMP，來完成活躍用戶檢測。該算法最核心的改進(jìn)是將原AMP 中軟閾值降噪函數(shù)重新設(shè)計為

圖8 MMSE-AMP 與原AMP 性能比較

文獻(xiàn)[76]針對運算能力受限的低功耗物聯(lián)網(wǎng)設(shè)備，分析了MMSE-AMP 在大規(guī)模多天線系統(tǒng)中的性能。分析結(jié)果顯示，增加接收端天線可有效提升MMSE-AMP 檢測性能。但同時，大規(guī)模多天線系統(tǒng)存在飽和效應(yīng)，當(dāng)天線數(shù)量增大到一定程度后所得增益不再明顯。

文獻(xiàn)[77]針對實際基站往往無法預(yù)知整個服務(wù)小區(qū)內(nèi)全體用戶活躍稀疏度的問題，提出改進(jìn)的交叉校驗 MMSE-AMP（ICV-AMP,improved cross validation aided MMSE-AMP）。該算法將用戶前導(dǎo)序列分為觀測部分和校驗部分，一方面使用觀測部分同時估計活躍用戶身份和全體用戶稀疏度，另一方面使用校驗部分對所估計稀疏度準(zhǔn)確性進(jìn)行校驗，通過多次迭代上述過程得到與假設(shè)稀疏度理想已知時MMSE-AMP 相近似的檢測性能，而所提算法復(fù)雜度并沒有明顯增加。

2) 嵌入有效負(fù)載比特的隨機(jī)接入方法

文獻(xiàn)[76]的另一重要貢獻(xiàn)在于提出了嵌入信息位（EIB,embedded information bit）的隨機(jī)接入方法。該方法允許用戶在接入過程中直接使用前導(dǎo)序列傳遞少量有效負(fù)載比特，從而實現(xiàn)隨機(jī)接入和數(shù)據(jù)傳輸?shù)囊徊绞酵瓿?。該方法充分匹配了本文引言中所述大?guī)模物聯(lián)網(wǎng)小分組傳輸?shù)幕咎卣鳌?/p>

以某用戶需要傳輸τbit 有效負(fù)載為例?；绢A(yù)先給該用戶分配2τ條合法前導(dǎo)序列。該用戶根據(jù)τbit 有效負(fù)載實際取值，從2τ條合法序列中選擇一條作為本次隨機(jī)接入的前導(dǎo)序列進(jìn)行發(fā)送。這等價于將該用戶擴(kuò)展為2τ個虛擬用戶，然后讓τbit有效負(fù)載實際取值映射出的某個虛擬用戶進(jìn)入活躍狀態(tài)，最后基站利用壓縮感知算法檢測相關(guān)虛擬活躍用戶。顯然，一旦虛擬活躍用戶被正確檢測，則真實活躍用戶和τbit 有效負(fù)載都被成功檢測。

該方法的難點在于，小區(qū)用戶總數(shù)N如果以虛擬用戶個數(shù)統(tǒng)計會被擴(kuò)大若干倍，如果直接使用現(xiàn)有重構(gòu)算法會導(dǎo)致檢測性能嚴(yán)重惡化。因此Larsson等[76]對MMS-AMP 再次改進(jìn)，提出了M-AMP（modified-AMP），有效提升了EIB 方法傳輸性能。但相較于采用AMP 進(jìn)行活躍用戶檢測后再進(jìn)行數(shù)據(jù)傳輸?shù)姆椒?，其檢測精度存在一定差距，等價于用檢測精度的下降置換接入加傳輸一步式完成能力。

3.3 基于壓縮感知的隨機(jī)接入性能界

基于壓縮感知的活躍用戶檢測的性能受序列長度L、總用戶數(shù)N，以及活躍用戶數(shù)K等諸多因素綜合影響。定量刻畫活躍用戶檢測精度與各制約因素之間的關(guān)系有重要意義。本節(jié)旨在回顧相關(guān)研究現(xiàn)狀并給出筆者最新的一些研究結(jié)果。

1) 基于信息論的序列長度下界

文獻(xiàn)[78]從信息論角度出發(fā)，推導(dǎo)出在加性白高斯噪聲（AWGN,additive white Gaussian noise）信道中實現(xiàn)大規(guī)模隨機(jī)接入無誤檢測所需前導(dǎo)序列長度下界為

上述理論成果的局限在于，其分析并未針對任何具體檢測算法，所得下界較松弛，與AMP 實測性能存在較大差距，理論預(yù)測效果不佳。

2) 基于壓縮感知理論的序列長度下界研究

其中，C為常數(shù)。上式表明序列長度下界與稀疏度及總用戶數(shù)有關(guān)，但文獻(xiàn)[79]并未給出常數(shù)C的具體取值或求解方法，導(dǎo)致在實際應(yīng)用中仍無法指導(dǎo)用戶前導(dǎo)序列的最短化選擇。

3) 基于AMP 狀態(tài)演進(jìn)的序列長度下界研究

針對AMP，文獻(xiàn)[80]討論了信號重構(gòu)成功概率與ρ=K/L和δ=L/N間的約束關(guān)系。但是，在其分析中并未考慮衰落、噪聲等信道因素對AMP 檢測性能的影響。文獻(xiàn)[74]通過分析MMSE-AMP 狀態(tài)演化（SE,state evolution）過程，給出了經(jīng)歷衰落信道時，MMSE-AMP 重構(gòu)成功概率的分析方法?；谖墨I(xiàn)[74]，文獻(xiàn)[81]進(jìn)一步提出采用MMSE-AMP 時，為保證較高檢測精度，所需序列長度應(yīng)滿足

其中，P為信噪比，MSE(σa)為MMSE-AMP 的狀態(tài)演進(jìn)函數(shù)[74]。圖9 展示了文獻(xiàn)[81]所推導(dǎo)的MMSE-AMP 序列長度理論下界與測試值的對比，其中，目標(biāo)檢測精度為虛警和漏報概率均小于0.05。從圖9 可以看出，在不同的稀疏度和發(fā)射功率下，該理論下界與測試值均較接近。

圖9 MMSE-AMP 序列長度理論下界與測試值對比

3.4 免授權(quán)隨機(jī)接入面臨的挑戰(zhàn)與機(jī)遇

壓縮感知技術(shù)及其在大規(guī)模免授權(quán)隨機(jī)接入中的應(yīng)用潛力巨大，但同時存在很多亟待解決的問題，具體如下。

1) 低復(fù)雜度、高精度壓縮感知重構(gòu)算法設(shè)計

由表4 可知，即使是目前較先進(jìn)的壓縮重構(gòu)算法AMP 也需消耗相當(dāng)計算資源。而多天線系統(tǒng)是支撐未來大規(guī)模物聯(lián)網(wǎng)應(yīng)用的另一重要技術(shù)，多天線信號處理加壓縮感知是重要研究方向[75-76]，必然給整個通信系統(tǒng)帶來極高運算復(fù)雜度，影響算法實用性。因此，成數(shù)量級減少壓縮感知算法復(fù)雜度有重要意義。另一方面，壓縮感知算法的重構(gòu)精度直接決定大規(guī)模隨機(jī)接入的檢測成功概率，也是關(guān)鍵性能指標(biāo)。然而，根據(jù)3.2 節(jié)理論分析和各類約束關(guān)系可知，壓縮感知重構(gòu)算法復(fù)雜度和檢測精度相互制約。例如，文獻(xiàn)[82]基于二階Reed-Muller 序列提出的逐層檢測算法，雖然以較短序列長度支撐了龐大用戶群體，節(jié)省了運算復(fù)雜度，但其檢測能力非常有限。因此，如何實現(xiàn)復(fù)雜度更低、檢測精度更高的壓縮感知重構(gòu)算法，有效降低基站和用戶端序列存儲開銷和運算開銷極具挑戰(zhàn)。

2) 前導(dǎo)序列長度理論下界分析

壓縮感知框架下，用戶所需發(fā)送的前導(dǎo)序列長度理論下界值可指導(dǎo)序列長度的自適應(yīng)選擇，減少序列存儲、傳輸開銷，具有重要研究意義。然而正如3.3 節(jié)所述，當(dāng)前已有的各類理論結(jié)果存在應(yīng)用場景受限、過于松弛、存在未具化常參數(shù)等問題。具體而言，Donoho 等[80]對AMP 重構(gòu)精度的約束關(guān)系進(jìn)行了分析，但未考慮噪聲帶來的影響，前導(dǎo)序列和重構(gòu)算法抗噪性能分析仍有大量空白。從圖9 可以看出，文獻(xiàn)[81]所得理論下界在稀疏度數(shù)值增大時，與測試值間差距逐漸變大。因此，壓縮感知框架下的前導(dǎo)序列長度理論下界分析仍然任重而道遠(yuǎn)。

3) 異步場景下的隨機(jī)接入難題

已有模型大都假設(shè)用戶實現(xiàn)了理想信號同步。但在實際免授權(quán)隨機(jī)接入過程中，不同用戶存在不同定時偏差，這導(dǎo)致基站側(cè)接收到的多個前導(dǎo)序列無法完全同步。前導(dǎo)序列異步現(xiàn)象會導(dǎo)致基于壓縮感知的活躍用戶檢測算法性能急劇惡化，甚至完全失效，這也是壓縮感知算法在大規(guī)模隨機(jī)接入實用化中面臨的一大挑戰(zhàn)，但目前對該問題的研究較少。

異步場景下，現(xiàn)有活躍用戶壓縮感知檢測方法均假設(shè)由定時偏差導(dǎo)致的前導(dǎo)序列最大位移量γ非常有限。在此假設(shè)下，可借鑒3.2 節(jié)所述EIB 方法來處理異步問題，即將每種序列位移可能情況映射為一個虛擬用戶，這樣等價于將測量矩陣列維度和用戶總數(shù)擴(kuò)大了γ倍，基站仍可利用壓縮感知重構(gòu)算法檢測活躍用戶及其定時偏差[83-84]，但此方法也會極大地犧牲檢測精度。文獻(xiàn)[84]調(diào)整了異步場景下MMSE-AMP 的降噪函數(shù)，并給出不同用戶的差異化判決門限，實現(xiàn)了對活躍用戶身份、信道狀態(tài)以及定時偏差的聯(lián)合估計。但其檢測性能依賴于足夠長的前導(dǎo)序列。綜上，異步場景下的大規(guī)模隨機(jī)接入問題仍處于探索階段，有待深入研究。

4) 一步式隨機(jī)接入和數(shù)據(jù)傳輸方法

前述免授權(quán)隨機(jī)接入方法大多關(guān)注活躍用戶檢測問題和信道狀態(tài)估計問題，少有關(guān)注有效負(fù)載的傳輸方案。EIB 方法雖然可實現(xiàn)一步式隨機(jī)接入和數(shù)據(jù)傳輸，但需占用大量前導(dǎo)序列，且形成的數(shù)據(jù)負(fù)載能力也非常有限。然而，一步式隨機(jī)接入和數(shù)據(jù)傳輸方法對于減少大規(guī)模物聯(lián)網(wǎng)業(yè)務(wù)平均通信時延和控制開銷具有重要意義，值得研究。

4 半免授權(quán)大規(guī)模隨機(jī)接入方法

免授權(quán)隨機(jī)接入使蜂窩網(wǎng)絡(luò)支撐海量用戶共存成為可能。但網(wǎng)絡(luò)的隨機(jī)特性決定了免授權(quán)隨機(jī)接入只能在宏觀統(tǒng)計意義上達(dá)成全體用戶的平均接入成功概率和長期通信服務(wù)質(zhì)量。對于高負(fù)載時隙的特定用戶，免授權(quán)隨機(jī)接入仍無法保證其接入性能與后續(xù)通信質(zhì)量。為更好地平衡個體與整體的用戶體驗，半免授權(quán)隨機(jī)接入方法成為另一種解決途徑。

半免授權(quán)隨機(jī)接入的技術(shù)特點如下。1) 部分用戶在發(fā)送有效負(fù)載前需消耗一定控制開銷，但系統(tǒng)整體接入開銷仍遠(yuǎn)低于基于授權(quán)的傳統(tǒng)隨機(jī)接入過程；2) 完成授權(quán)不再成為用戶可傳輸有效負(fù)載的必備前提條件；3) 形式上往往呈現(xiàn)基于授權(quán)的傳統(tǒng)隨機(jī)接入與前述免授權(quán)隨機(jī)接入相融合的特征；4)以非正交多址、功率控制、資源調(diào)配、壓縮感知等為關(guān)鍵技術(shù)。

文獻(xiàn)[23]提出半免授權(quán)隨機(jī)接入概念，并基于功率域非正交多址技術(shù)[18,85]與認(rèn)知無線電機(jī)理[86]設(shè)計了其具體實現(xiàn)方案。

對小區(qū)用戶分組或分層是實現(xiàn)半免授權(quán)隨機(jī)接入的另一設(shè)計思路，由3GPP 提案[87]提出。

在此方向上，文獻(xiàn)[81]開展了相關(guān)研究，提出了一種兩級式群組化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和與之配合的兩步式自適應(yīng)隨機(jī)接入方法，部分研究結(jié)果將在4.2 節(jié)進(jìn)行描述。

4.1 功率域非正交多址與認(rèn)知無線電機(jī)理半免授權(quán)隨機(jī)接入方法

文獻(xiàn)[23]所提半免授權(quán)功率域非正交多址（SGF-NOMA,semi-grant-free power domain nonorthogonal multiple access）方案的核心思想和主要步驟如下。1) 將小區(qū)用戶劃分為高優(yōu)先級的授權(quán)主用戶和低優(yōu)先級的免授權(quán)次用戶；2) 根據(jù)認(rèn)知無線電技術(shù)中干擾可消除原理提出兩類用戶間的配對策略；3) 形成配對的用戶組基于功率域NOMA 技術(shù)復(fù)用系統(tǒng)信道資源；4) 配對組中主用戶沿用基于授權(quán)的隨機(jī)接入方法，而次用戶采用新型免授權(quán)非正交隨機(jī)接入方法。

基于上述思路，文獻(xiàn)[23]假設(shè)了2 種典型場景，初步提出了2 種配對方案，并對不同場景下使用不同配對方案的4 種組合進(jìn)行了理論性能分析。2 種典型場景具體如下：場景1，授權(quán)用戶靠近基站，免授權(quán)用戶位于小區(qū)邊緣，基站側(cè)SIC 過程中首先檢測授權(quán)用戶消息；場景2，免授權(quán)用戶靠近基站，授權(quán)用戶位于小區(qū)邊緣，基站側(cè)SIC 過程中首先檢測免授權(quán)用戶消息。2 種配對方案分別為開環(huán)方案（OL,open-loop）[88]和分布式競爭方案（DC,distributed-contention）[89]。場景1 采用開環(huán)方案，如圖10所示；場景2 采用分布式競爭方案，如圖11 所示。2 種配對方案的主要步驟與特性對比如表5 所示。

圖10 場景1 采用開環(huán)方案

4.2 基于分組的半免授權(quán)隨機(jī)接入方法

利用分組或分層技術(shù)支撐大規(guī)模隨機(jī)接入一直是標(biāo)準(zhǔn)提案和學(xué)術(shù)文獻(xiàn)探討的重要方向[87,90]。文獻(xiàn)[81]聚焦低功耗、時延不敏感型mMTC 業(yè)務(wù)，提出了群組化兩步式半免授權(quán)隨機(jī)接入方法。其核心思想和主要步驟如下。1) 根據(jù)地理位置將小區(qū)用戶分為若干大群，再在每個大群內(nèi)將互相鄰近、活躍度相似的多個用戶分為一組，每個用戶組選擇一個頭節(jié)點用戶代表該組全體成員完成隨機(jī)接入和數(shù)據(jù)傳輸，從而形成圖12 所示的兩級式群組化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。2) 與群組化網(wǎng)絡(luò)架構(gòu)相配合，將用戶隨機(jī)接入過程劃分為2 個時隙，在第一時隙，根據(jù)負(fù)載估計結(jié)果，基站調(diào)度各群接入優(yōu)先級和各群內(nèi)頭節(jié)點用戶的前導(dǎo)序列長度；在第二時隙，各群內(nèi)頭節(jié)點用戶基于壓縮感知技術(shù)完成免授權(quán)隨機(jī)接入。其關(guān)鍵技術(shù)在于：1) 群組化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的低開銷建立與維護(hù)方法；2) 基站側(cè)負(fù)載估計算法與用戶壓縮感知算法；3) 頭節(jié)點用戶前導(dǎo)序列長度自適應(yīng)選擇算法；4) 半免授權(quán)隨機(jī)接入方法整體性能優(yōu)化。

圖11 場景2 采用分布式競爭方案

1) 群組化網(wǎng)絡(luò)拓?fù)浼軜?gòu)的建立與維護(hù)

蜂窩小區(qū)內(nèi)物聯(lián)網(wǎng)用戶兩級式群組化網(wǎng)絡(luò)主要通過用戶注冊、用戶組初始化、周期性維護(hù)三大操作形成。

①用戶注冊：用戶開機(jī)或第一次切換入小區(qū)時，向基站發(fā)送注冊消息；基站根據(jù)該消息確定用戶的群歸屬，決策該用戶是否初始化為頭節(jié)點用戶，然后將相關(guān)決策反饋給用戶。

②用戶組初始化：頭節(jié)點用戶廣播建組消息；鄰近的非頭節(jié)點用戶偵聽并向頭節(jié)點用戶發(fā)送入組申請；用戶組初步建立后通過最小能耗算法重選最佳頭節(jié)點用戶；新選頭節(jié)點用戶向基站上報用戶組構(gòu)成情況。

③周期性維護(hù)：基站周期性向所有用戶廣播群組更新消息；偵聽到該消息的頭節(jié)點用戶重新發(fā)起建組流程；非頭節(jié)點用戶基于k-means 聚類算法[91]執(zhí)行用戶組成員優(yōu)化過程；優(yōu)化后，由頭節(jié)點用戶再次將用戶組構(gòu)成情況上報給基站。

圖12 蜂窩小區(qū)內(nèi)物聯(lián)網(wǎng)用戶兩級式群組化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)

2) 兩步式自適應(yīng)隨機(jī)接入方法

在第一時隙，接收到基站廣播的隨機(jī)接入機(jī)會（RAO,random access opportunity）消息后，活躍用戶組頭節(jié)點首先發(fā)送群級前導(dǎo)序列，該前導(dǎo)序列屬于傳統(tǒng)正交序列類型，如m 序列；然后，基站對各群負(fù)載情況進(jìn)行估計，決定各群接入優(yōu)先級以及頭節(jié)點用戶免授權(quán)隨機(jī)接入時所用非正交前導(dǎo)序列長度，并廣播這些決策結(jié)果。

在第二時隙，頭節(jié)點用戶偵聽基站決策結(jié)果以調(diào)整本地前導(dǎo)序列長度，并在基站指示的群接入時隙內(nèi)執(zhí)行第3 節(jié)所述基于壓縮感知的免授權(quán)隨機(jī)接入過程；基站采用3.2 節(jié)所述MMSE-AMP[74]聯(lián)合檢測頭節(jié)點用戶身份和相關(guān)信道狀態(tài)；最后，基站向頭節(jié)點用戶反饋接入結(jié)果，若成功，基站指示用于數(shù)據(jù)傳輸?shù)男诺蕾Y源塊。

表5 2 種配對方案的主要步驟與特性對比

群組化兩步式半免授權(quán)隨機(jī)接入方法性能仿真分析如下。群組化小區(qū)與未群組化小區(qū)活躍用戶身份檢測性能對比如圖13 所示，其中，小區(qū)總用戶數(shù)N=1 00000，小區(qū)活躍用戶稀疏度λ=0.05，前導(dǎo)序列長度固定時為L=512，K表示群個數(shù)，M表示群內(nèi)組個數(shù)，pM 和pF分別表示活躍用戶漏檢率和虛警率。

圖13 群組化小區(qū)與未群組化小區(qū)活躍用戶身份檢測性能對比

根據(jù)圖13 可知，群組化后活躍用戶檢測精度明顯高于未群組化的傳統(tǒng)小區(qū)，并且群個數(shù)越多，增益越大。但群個數(shù)增加也會帶來接入時延增高問題。另一方面，根據(jù)3.3 節(jié)所述壓縮感知理論可知，不同稀疏度下，完成精準(zhǔn)重構(gòu)所需序列長度也不相同。通過改變用戶平均活躍度，在保證活躍用戶身份檢測精度達(dá)到pF=pM <0.05的前提下，利用自適應(yīng)序列長度選擇算法確定活躍用戶所發(fā)前導(dǎo)序列長度。自適應(yīng)序列長度隨稀疏度變化情況如圖14所示。從圖14 可以看出，相對于L=512的固定序列長度方法，自適應(yīng)序列長度選擇算法顯著縮短了前導(dǎo)序列長度，減少了接入開銷和能耗。

圖14 自適應(yīng)序列長度隨稀疏度變化情況

相較于第3 節(jié)所述免授權(quán)隨機(jī)接入方法，基于分組的半免授權(quán)隨機(jī)接入方法具有以下優(yōu)勢。1) 以形成群組化網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)所需的少量調(diào)度、控制開銷為代價，顯著降低大規(guī)模隨機(jī)接入用戶碰撞概率；2) 基于群負(fù)載估計的自適應(yīng)序列長度選擇算法，可靈活匹配各群在用戶活躍度、群內(nèi)用戶總數(shù)等屬性上的差異性。

4.3 半免授權(quán)隨機(jī)接入面臨的挑戰(zhàn)與機(jī)遇

半免授權(quán)隨機(jī)接入方法在功率分配、資源調(diào)度、信道估計、干擾控制、接入與傳輸整體方案、理論界等許多問題上都有待進(jìn)一步研究。

1) 用戶劃分策略

用戶劃分策略是半免授權(quán)隨機(jī)接入方法中的重要設(shè)計環(huán)節(jié)。3GPP 提案[92]根據(jù)用戶所需傳輸分組長度完成分類，將傳輸長分組的用戶劃分為授權(quán)用戶，將傳輸短分組的用戶劃分為免授權(quán)用戶。前述SGF-NOMA 系統(tǒng)根據(jù)用戶QoS 需求完成分類，將高QoS 需求用戶劃分為授權(quán)用戶，將低QoS 需求用戶劃分為免授權(quán)用戶。文獻(xiàn)[81]所提群組化兩步式隨機(jī)接入系統(tǒng)根據(jù)用戶地理位置完成群劃分，并在此基礎(chǔ)上進(jìn)行組劃分。如何根據(jù)不同時延、帶寬、可靠性要求劃分用戶類型或形成群組以提高系統(tǒng)整體性能，以及如何低開銷地獲取完成用戶劃分所需的信息，都值得進(jìn)一步探討。

2) 用戶成組方案

前述SGF-NOMA 系統(tǒng)提出了開環(huán)和分布式競爭2 種用戶配對成組方案，本質(zhì)上遵循了功率域NOMA 技術(shù)依據(jù)接收功率大小形成用戶組的原理。文獻(xiàn)[93]在此基礎(chǔ)上，進(jìn)一步考慮上行信道狀態(tài)的影響，提出自適應(yīng)功率分配方案。對于兩級式群組化隨機(jī)多址接入系統(tǒng)，依據(jù)用戶地理位置和通信行為，讓地理位置毗鄰、活躍度相近的用戶構(gòu)成用戶組。這里僅給出了成組準(zhǔn)則，但實際系統(tǒng)中如何進(jìn)行分布式成組決策與控制，還有待深入研究。

3) 多用戶干擾控制與分析

半免授權(quán)隨機(jī)接入與數(shù)據(jù)傳輸方法使多個用戶復(fù)用相同信道資源，提高了系統(tǒng)頻譜效率，但也引入了多用戶干擾。因此，需要設(shè)計多用戶干擾控制機(jī)制并開展相關(guān)性能分析。SGF-NOMA 系統(tǒng)通過信道增益閾值和競爭時間窗口來調(diào)節(jié)復(fù)用授權(quán)用戶信道資源的免授權(quán)用戶數(shù)量。但信道增益閾值、競爭時間窗口等控制因素對系統(tǒng)干擾分布、中斷概率等性能的影響尚無分析?；诜纸M或分層技術(shù)來實現(xiàn)半免授權(quán)隨機(jī)接入時，組內(nèi)用戶間通信采用D2D（device-to-device）通信[94-95]，組頭節(jié)點與基站則采用小區(qū)蜂窩通信資源，可以采用文獻(xiàn)[96]所提δD-ILA 區(qū)域限制干擾控制算法，但該算法有待進(jìn)一步改進(jìn)。

4) 系統(tǒng)理論性能分析

半免授隨機(jī)接入方法尚處于初步研究階段，主要關(guān)注切實可行的算法、方案，但對所提算法、方案能達(dá)到的理論性能極限研究不多。例如，文獻(xiàn)[23]對用戶中斷概率進(jìn)行了分析，筆者對用戶所需前導(dǎo)序列長度下界進(jìn)行了分析，但對于接入成功概率、平均接入時延、系統(tǒng)用戶容量、用戶檢測精度等，尚需進(jìn)行相關(guān)理論研究。此外，對于信道狀態(tài)估計誤差影響、控制開銷大小等實際因素也需要給予關(guān)注。

5 無用戶標(biāo)識隨機(jī)接入方法

前文已指出，由于大規(guī)模物聯(lián)網(wǎng)中海量用戶共存，沿用基于授權(quán)的隨機(jī)接入方法將導(dǎo)致極端碰撞概率和高額信令開銷。為解決海量低活躍度用戶在相同時頻資源上的多址難題，麻省理工學(xué)院的Polyanskiy[26]提出了無用戶標(biāo)識隨機(jī)接入（URA,unsourced random access）概念，也被稱為隨機(jī)接入碼（RAC,random access code）技術(shù)。由于所有用戶共享相同的碼本，用戶傳輸前不需要完成身份標(biāo)識序列（SS,signature sequence）的分配，因此URA也被視為一種無協(xié)調(diào)免授權(quán)大規(guī)模隨機(jī)接入（UGFMA,uncoordinated grant-free massive random access），以便與基于協(xié)調(diào)的免授權(quán)大規(guī)模隨機(jī)接入（CGFMA,coordinated grant-free massive random access），如基于壓縮感知的免授權(quán)隨機(jī)接入相區(qū)別[97]。協(xié)調(diào)免授權(quán)與無協(xié)調(diào)免授權(quán)隨機(jī)接入在應(yīng)用場景、典型接入性能、方法特性上的對比如表6 所示。

URA 的核心特點如下。1) 接收端不需要識別活躍用戶的身份標(biāo)識，需要傳遞自身標(biāo)識的活躍用戶可以將標(biāo)識信息內(nèi)嵌入數(shù)據(jù)負(fù)載中。該機(jī)制使所有用戶可以共享相同的碼本進(jìn)行傳輸，避免了在海量用戶中進(jìn)行復(fù)雜的用戶身份標(biāo)識認(rèn)證與分配過程。2) 使用所有活躍用戶消息譯碼的平均錯誤概率衡量系統(tǒng)整體接入與傳輸性能。3) 針對傳統(tǒng)信息論不適用于大規(guī)模短分組通信場景的現(xiàn)狀，提出有限碼長理論作為隨機(jī)接入碼分析工具。

文獻(xiàn)[26]不僅提出了全新的隨機(jī)接入框架，還推導(dǎo)了該框架的性能邊界。其理論界分析表明，ALOHA 協(xié)議、slotted ALOHA 協(xié)議、時分多址等多種經(jīng)典的接入或多址方法都遠(yuǎn)遠(yuǎn)未達(dá)理論上界，還有明顯的性能提升空間。因此，近年來URA 技術(shù)在業(yè)界內(nèi)引起了廣泛關(guān)注，一系列URA 新框架和RAC 新編碼方案被相繼提出，成為當(dāng)前研究熱點。

從URA 框架下的用戶行為特征來看，URA 也可視為免授權(quán)隨機(jī)接入的一種。但由于其概念的新穎性和方法的基礎(chǔ)性，URA 值得特別關(guān)注。下面將基于URA 技術(shù)的實現(xiàn)細(xì)節(jié)，重點討論三大類研究方向：基于T-fold ALOHA 協(xié)議的URA 方法、基于編譯碼增強(qiáng)的URA 方法、基于用戶位置與發(fā)送內(nèi)容相關(guān)性的URA 方法。

5.1 基于T-fold ALOHA 協(xié)議的URA 方法

Polyanskiy 揭示了URA 框架的普適性，即已有大部分隨機(jī)接入或多址方案，如ALOHA 協(xié)議、slotted ALOHA 協(xié)議、時分多址、碼分多址、視干擾為噪聲（TIN,treat interference as noise）技術(shù)等都可看作URA 的特例。分析結(jié)果表明，這些傳統(tǒng)接入或多址技術(shù)并不適用于巨連接場景，與URA 理論界存在巨大差距。

Ordentlich 和Polyanskiy 提出了第一個適用于大規(guī)模巨連接場景的級聯(lián)編碼結(jié)構(gòu)URA 策略，即T-fold ALOHA 協(xié)議[98]。T-fold ALOHA 協(xié)議原理如圖15 所示，主要步驟如下。1) 用戶利用重疊碼（SC,superposed code）作為外碼（OC,outer code）對用戶原始數(shù)據(jù)進(jìn)行第一級編碼，該級編碼使接收端可從接收信號中分離不同用戶消息。2) 用線性二進(jìn)制碼（LBC,linear binary code）作為內(nèi)碼（IC,inner code）對第一級輸出碼字進(jìn)行第二級編碼，該級編碼使接收端可對抗信道衰落影響；第二級編碼完成后，數(shù)據(jù)分組的發(fā)送過程與傳統(tǒng)ALOHA 協(xié)議類似，且均假設(shè)經(jīng)歷以時隙為單位的時分信道。3) 用戶隨機(jī)選擇若干時隙，在各選定時隙上重復(fù)傳輸同一數(shù)據(jù)分組。在ALOHA 協(xié)議中，如果某個時隙被多個用戶選中，則其會承載多個用戶數(shù)據(jù)分組，導(dǎo)致多用戶數(shù)據(jù)間互相干擾，造成譯碼失敗。因此，相對ALOHA 協(xié)議而言，T-fold ALOHA 協(xié)議的最大改進(jìn)在于引入了重疊碼，使每個時隙上最多可同時承載T個用戶數(shù)據(jù)分組，而T的大小由重疊碼類型和重疊碼參數(shù)決定。相關(guān)仿真表明，在相同系統(tǒng)參數(shù)配置下，達(dá)到相同誤碼率性能時，T-fold ALOHA 協(xié)議所需發(fā)送功率遠(yuǎn)低于原ALOHA 協(xié)議和TIN 技術(shù)[98]。

表6 無協(xié)調(diào)免授權(quán)與協(xié)調(diào)免授權(quán)（基于壓縮感知的免授權(quán)）對比

圖15 T-fold ALOHA 協(xié)議原理

文獻(xiàn)[99]對文獻(xiàn)[98]中的T-fold ALOHA 協(xié)議進(jìn)行了改進(jìn)，重新設(shè)計了用戶傳輸時隙選擇方法，提出 了 T-fold IRSA（irregular repetition slotted ALOHA）協(xié)議。該文推導(dǎo)了T-fold IRSA 方案可達(dá)理論界，并利用密度進(jìn)化法優(yōu)化了活躍用戶數(shù)固定和活躍用戶數(shù)服從泊松隨機(jī)分布2 種場景下的系統(tǒng)參數(shù)，有效提高了T-fold ALOHA 協(xié)議的系統(tǒng)性能。文獻(xiàn)[100]研究了T-fold ALOHA 協(xié)議在瑞利衰落信道下的系統(tǒng)性能。文獻(xiàn)[101]在文獻(xiàn)[100]的基礎(chǔ)上，進(jìn)一步考慮了時間異步問題對T-fold ALOHA 協(xié)議性能產(chǎn)生的影響。這些面向?qū)嶋H工程難題的研究都進(jìn)一步提高了T-fold ALOHA 協(xié)議的可行性。

5.2 基于編譯碼增強(qiáng)的URA 方法

在原T-fold ALOHA 協(xié)議[98]中，為降低計算復(fù)雜度，采用線性二進(jìn)制碼作為內(nèi)碼，采用BCH 碼校驗陣構(gòu)造外碼。仿真結(jié)果表明，相較傳統(tǒng)隨機(jī)接入方法，T-fold ALOHA 協(xié)議實現(xiàn)了性能增益。但它與隨機(jī)接入碼Polyanskiy 界[26]之間仍存在明顯差距。

為此，研究人員嘗試采用糾錯能力更強(qiáng)的碼來充當(dāng)內(nèi)碼與外碼，并在接收端摒棄了內(nèi)碼與外碼各自獨立譯碼的架構(gòu)，轉(zhuǎn)而設(shè)計新型聯(lián)合譯碼算法。此類方法按照采用的編碼類型可分為基于低密度奇偶校驗碼（LDPC,low-density parity-check code）的T-fold ALOHA 協(xié)議和基于極化碼（PC,polar code）的T-fold ALOHA 協(xié)議。上述2 類方法的一般化原理流程如圖16 所示。

圖16 基于編譯碼增強(qiáng)的T-fold ALOHA 原理流程

1) 基于LDPC 碼的T-fold ALOHA 協(xié)議增強(qiáng)

文獻(xiàn)[102]采用多進(jìn)制 LDPC 碼作為 T-fold ALOHA 協(xié)議中的外碼，而內(nèi)碼采用LBC。相應(yīng)地，在接收端采用q階和積算法（QSPA,q-ary sum-product algorithm）作為外碼模塊譯碼算法，采用最大似然算法作為內(nèi)碼模塊譯碼算法。此外，外碼譯碼器與內(nèi)碼譯碼器根據(jù)因子圖進(jìn)行信息交互，整體形成迭代式聯(lián)合譯碼器（IJD,iterative joint decoder）。

文獻(xiàn)[103]則將用戶數(shù)據(jù)分為2 個部分。第一部分為擴(kuò)頻序列，用于標(biāo)識用戶身份并通過壓縮感知算法在接收端進(jìn)行感知；第二部分為有效負(fù)載，使用LDPC 碼進(jìn)行編碼保護(hù)。在接收端，文獻(xiàn)[103]針對T用戶二進(jìn)制輸入高斯多址信道設(shè)計了迭代聯(lián)合譯碼算法，還利用互信息轉(zhuǎn)換圖（EXIT Charts,extrinsic information transfer charts）工具優(yōu)化所用LDPC 碼內(nèi)碼因子圖，提高性能增益。

文獻(xiàn)[104]同樣將用戶數(shù)據(jù)分為2 個部分，即前導(dǎo)序列和有效負(fù)載，但區(qū)別在于：1) 只對所發(fā)前導(dǎo)序列在前導(dǎo)序列集中的索引號以及所發(fā)消息在消息集中的索引號進(jìn)行編碼，而不對前導(dǎo)序列本身和消息內(nèi)容進(jìn)行編碼；2) 根據(jù)前導(dǎo)序列索引號來決定編碼模塊使用的交織器，本質(zhì)上等價于引入了稀疏交織多址（sparse IDMA,sparse version of interleave-division multiple access）技術(shù)。其譯碼端沿用了文獻(xiàn)[103]中提出的迭代聯(lián)合譯碼器。

總體來看，上述方法通過引入糾錯能力強(qiáng)大的LDPC 碼，有效提高了T-fold ALOHA 協(xié)議的系統(tǒng)性能，縮小了與隨機(jī)接入碼理論界的差距。

2) 基于極化碼的T-fold ALOHA 協(xié)議增強(qiáng)

文獻(xiàn)[101]指出相較于文獻(xiàn)[102-103]提出的聯(lián)合迭代譯碼器，將TIN 技術(shù)與SIC 技術(shù)相結(jié)合，可實現(xiàn)更低復(fù)雜度、更強(qiáng)糾錯能力的譯碼方法。受此啟發(fā)，文獻(xiàn)[105]也在接收端同時采用了TIN 技術(shù)和SIC 技術(shù)。文獻(xiàn)[105]與文獻(xiàn)[101]的主要區(qū)別在于用極化碼取代LDPC 碼作為T-fold ALOHA 協(xié)議內(nèi)碼。此外，文獻(xiàn)[105]還基于隨機(jī)接入碼理論推導(dǎo)了T-fold ALOHA 協(xié)議以極化碼為內(nèi)碼，以TIN 加SIC技術(shù)為譯碼方法時的可達(dá)性能界。仿真結(jié)果顯示，文獻(xiàn)[105]所提方法相較文獻(xiàn)[101]有進(jìn)一步性能提升。

文獻(xiàn)[106]研究了以極化碼為內(nèi)碼的 T-fold IRSA 協(xié)議，在接收端設(shè)計了2 種譯碼算法，即迭代式聯(lián)合譯碼算法和聯(lián)合串行消除譯碼（JSCD,joint successive cancellation decoding）算法，此外還優(yōu)化了極化碼凍結(jié)比特挑選方法。仿真結(jié)果表明，在T-fold IRSA 協(xié)議框架下，相比于以LDPC 碼為內(nèi)碼，采用極化碼為內(nèi)碼能帶來更高性能增益。

文獻(xiàn)[107]在發(fā)射端將一次待發(fā)送消息分為2個部分。第一部分消息用于映射擴(kuò)頻序列，第二部分消息先進(jìn)行極化碼編碼，再使用第一部分消息所選擴(kuò)頻序列進(jìn)行擴(kuò)頻。在接收端，先依據(jù)序列相關(guān)性檢測用戶擴(kuò)頻序列，從而確定第一部分消息，再使用基于最小均方誤差準(zhǔn)則的對數(shù)似然比估計器和極化碼串行消除譯碼（SCD,successive cancellation decoding）算法來檢測第二部分消息。

文獻(xiàn)[108]令每個用戶按照某種概率分布隨機(jī)選擇極化碼碼長和傳輸功率來完成編碼和射頻發(fā)射。每個用戶選定的碼長、傳輸功率等參數(shù)利用壓縮感知技術(shù)進(jìn)行感知。接收端基于感知到的用戶編碼和傳輸參數(shù)，使用多用戶SIC 和極化碼串行消除算法進(jìn)行信號檢測。

3) 編碼增強(qiáng)型URA 方法性能對比分析

為比較前述各代表性URA 方法的性能，本文分析了譯碼錯誤概率ε<0.05時所需的最低信噪比，如圖17 所示。顯然，相較原始T-fold ALOHA 協(xié)議[98]，通過設(shè)計用戶傳輸時隙挑選方法，T-fold IRSA 協(xié)議[99]大幅提升了系統(tǒng)性能。而無論是以LDPC 碼[100]為內(nèi)碼還是以極化碼[105]為內(nèi)碼都可進(jìn)一步增強(qiáng)URA方法性能。更具體而言，隨著用戶規(guī)模不斷增大，相較于以LDPC 碼為內(nèi)碼以極化碼為內(nèi)碼的方法能夠獲得1 dB 以上的性能增益，距離隨機(jī)碼理論界僅相差約1 dB[109]。最后，在上述所有URA 方法中，極化碼結(jié)合擴(kuò)頻序列隨機(jī)映射的方法[107]在活躍用戶數(shù)少于225 時取得最佳系統(tǒng)性能；當(dāng)活躍用戶數(shù)大于250 時，極化碼結(jié)合隨機(jī)選擇碼長、發(fā)射功率的方法[108]實現(xiàn)了最佳系統(tǒng)性能。

圖17 各類代表性URA 方法系統(tǒng)性能比較

5.3 基于用戶位置與發(fā)送內(nèi)容相關(guān)性的URA 方法

URA 概念和T-fold ALOHA 協(xié)議[26,98]這一具體實現(xiàn)方法被提出時，并沒有考慮各用戶活躍狀態(tài)間的相關(guān)性，尤其未考慮活躍狀態(tài)與待發(fā)消息內(nèi)容間的相關(guān)性，而是假設(shè)各用戶活躍狀態(tài)完全隨機(jī)且相互獨立。但在很多物聯(lián)網(wǎng)應(yīng)用中，由于類型相同、功能相似、所處地理位置毗鄰等原因，多個設(shè)備發(fā)送消息內(nèi)容可能是對同一事件的觀測結(jié)果。由于待發(fā)消息內(nèi)容的一致性，導(dǎo)致各用戶活躍狀態(tài)呈現(xiàn)明顯相關(guān)性?；谏鲜鍪聦?，區(qū)別于各用戶活躍狀態(tài)隨機(jī)且獨立模型，文獻(xiàn)[109]引入各用戶活躍狀態(tài)相關(guān)性，提出了一種多用戶群體活躍或群體靜默的新模型，豐富了URA 體系下接入模型?；谑录?qū)動的隨機(jī)接入模型如圖18 所示[109]，其主要特點為特定物理事件（如1ξ）會導(dǎo)致特定集合內(nèi)（如1Λ）全部用戶（如Xk∈Λ1）進(jìn)入活躍狀態(tài)。

文獻(xiàn)[109]允許用戶發(fā)送2 種消息，即標(biāo)準(zhǔn)消息和報警消息。當(dāng)各用戶活躍行為遵循傳統(tǒng)獨立活躍模型時，用戶發(fā)送標(biāo)準(zhǔn)消息。當(dāng)各用戶活躍行為遵循新型相關(guān)性活躍模型時，由特定物理事件激活與之對應(yīng)的特定用戶集合。激活后，該集合中所有用戶都發(fā)送相同報警消息，以提高報警消息檢測可靠性。接收端譯碼器既能檢測標(biāo)準(zhǔn)消息又能檢測報警消息。文獻(xiàn)[109]更新了傳統(tǒng)URA 模型對錯誤激活概率的定義，其將報警消息對應(yīng)用戶集合外的其他用戶處于活躍狀態(tài)的概率視為錯誤激活概率。上述隨機(jī)接入方式被稱為帶報警的隨機(jī)接入碼（ARAC,alarm random access code）技術(shù)。文獻(xiàn)[109]根據(jù)隨機(jī)接入碼[26]理論，推導(dǎo)了該方案的頻譜效率與檢測性能界。理論與仿真結(jié)果顯示，該方案利用設(shè)備間活躍狀態(tài)與發(fā)送內(nèi)容的相關(guān)性，以犧牲一定頻譜效率為代價，大大提高了接收端檢測可靠性。

圖18 基于事件驅(qū)動的隨機(jī)接入模型

文獻(xiàn)[110]提出一種基于用戶類型的多址（TBMA,type-based multiple access）方法。其核心思想如下。1) 讓監(jiān)測同一特定事件的所有傳感器使用相同前導(dǎo)序列和碼本；2) 不同碼本之間并不完全正交，以增大碼本個數(shù)；3) 針對此種接入方式，為接收端設(shè)計相應(yīng)的新型消息傳遞算法；4) 基站直接通過檢測接收到的碼本即可判斷特定事件是否發(fā)生，避免對活躍傳感器逐個譯碼。仿真結(jié)果表明，在接入用戶間引入相關(guān)性，有利于提高系統(tǒng)性能。

文獻(xiàn)[111]在基于LDPC 碼的T-fold ALOHA 協(xié)議中進(jìn)一步考慮了用戶發(fā)送內(nèi)容的相關(guān)性。發(fā)送相同內(nèi)容的活躍用戶被映射到同一時隙進(jìn)行接入與傳輸。仿真結(jié)果顯示，此類根據(jù)內(nèi)容決定傳輸模式的方式也有利于提高系統(tǒng)性能。

5.4 URA 方法的機(jī)遇與挑戰(zhàn)

面向未來“萬物互聯(lián)”新時代，URA 方法具備特別優(yōu)勢，主要體現(xiàn)在以下幾個方面。

1) 更低接入能耗

低功耗、低成本、低復(fù)雜度是未來mMTC 業(yè)務(wù)對物聯(lián)網(wǎng)終端設(shè)備的核心要求，而降低接入能耗則是提出URA 方法的原始動機(jī)之一。URA 方法簡化了隨機(jī)接入步驟，避免了在隨機(jī)接入過程中收發(fā)大量控制信令；收發(fā)端均采用先進(jìn)編譯碼技術(shù)，降低了達(dá)到誤碼性能指標(biāo)時所需接入能耗。研究表明，達(dá)到相同誤碼性能時，URA 方法所需發(fā)送功率遠(yuǎn)低于傳統(tǒng)隨機(jī)接入方法，并且還有較大提升空間。

2) 兼容時延不敏感場景

在T-fold ALOHA 協(xié)議等代表性URA 方法中，活躍用戶隨機(jī)選擇若干時隙重復(fù)發(fā)送自身數(shù)據(jù)分組。若某個時隙上承載的用戶數(shù)據(jù)分組個數(shù)小于閾值T，則該時隙上可實現(xiàn)高譯碼成功概率。因此，如果單個活躍用戶的有效負(fù)載可在更大時隙范圍內(nèi)隨機(jī)上傳，則有利于降低用戶數(shù)據(jù)分組間的相互干擾。這等價于以更大的傳輸時延置換更高的譯碼性能。而在未來大規(guī)模物聯(lián)網(wǎng)應(yīng)用中確實存在如智能農(nóng)業(yè)、智能讀表等時延不敏感類業(yè)務(wù)，這為發(fā)揮URA 方法特色提供了現(xiàn)實場景。

3) 支撐隨機(jī)接入與數(shù)據(jù)傳輸一步式解決方案

免授權(quán)隨機(jī)接入的核心目標(biāo)就是提供隨機(jī)接入和數(shù)據(jù)傳輸?shù)囊徊绞浇鉀Q方案。但基于壓縮感知技術(shù)構(gòu)建的免授權(quán)方法，其數(shù)據(jù)傳輸能力非常有限，每次接入往往只能負(fù)載幾到幾十比特[76]。而URA 方法不再區(qū)分用戶身份標(biāo)識和有效負(fù)載，一般性地將用戶身份識別和有效負(fù)載傳輸統(tǒng)一為二進(jìn)制比特的編譯碼問題，提高了一步式解決方案的數(shù)據(jù)承載能力，極有可能成為實現(xiàn)免授權(quán)隨機(jī)接入的優(yōu)選技術(shù)方向。

4) 開放性框架

URA 方法重在提供一種隨機(jī)接入的新型框架。該框架具有充分開放性，一方面可以通過選取、組合、改造各種現(xiàn)有編譯碼技術(shù)來進(jìn)一步逼近理論性能界；另一方面，URA 方法也易于與其他前沿技術(shù)相結(jié)合。例如，雖然目前URA 方法大多假設(shè)單天線場景，但可方便地與大規(guī)模多天線技術(shù)相融合，從而大幅提升網(wǎng)絡(luò)可支持的總用戶數(shù)和活躍用戶數(shù)。

雖然URA 方法優(yōu)勢明顯，但仍面臨一些技術(shù)挑戰(zhàn)，主要有如下幾個方面。

1) 新型重疊編碼設(shè)計

T-fold ALOHA 協(xié)議以重疊碼為外碼，來實現(xiàn)每個時隙最多可承載T個用戶數(shù)據(jù)分組。T的最大取值成為決定其用戶承載能力的關(guān)鍵?，F(xiàn)有重疊碼設(shè)計可構(gòu)造出足夠大的碼本空間，但碼字重疊后仍可區(qū)分的用戶數(shù)T卻仍十分有限，所需碼字長度隨T呈指數(shù)增長。具體而言，現(xiàn)有T-fold ALOHA 協(xié)議普遍只做到T≤5 。因此，設(shè)計新型重疊碼，使相同碼字長度條件下可區(qū)分重疊用戶數(shù)T明顯提高，達(dá)到T≥10 水平，對提升T-fold ALOHA 協(xié)議實用化具有重要意義。

2) 非理想化活躍用戶檢測

現(xiàn)有基于編碼增強(qiáng)的URA 方法往往將活躍用戶身份檢測與有效負(fù)載譯碼解耦，即先采用壓縮感知技術(shù)進(jìn)行活躍戶身份檢測，再根據(jù)感知到的用戶擴(kuò)頻序列或交織規(guī)則進(jìn)行有效負(fù)載部分譯碼。顯然，前端活躍用戶身份檢測（即擴(kuò)頻序列或交織規(guī)則等的感知）的結(jié)果會嚴(yán)重影響后端有效負(fù)載的譯碼性能?，F(xiàn)有文獻(xiàn)均假設(shè)理想活躍用戶身份檢測，間接回避了上述問題。因此，研究活躍用戶身份檢測誤差對系統(tǒng)整體性能的影響，提高系統(tǒng)抗感知誤差能力具有重要實用價值。

3) 活躍用戶相關(guān)性影響與利用

雖然已有研究開始利用用戶活躍狀態(tài)相關(guān)性來提高系統(tǒng)檢測性能，但尚處于研究初期階段[92-94]，并未量化用戶間行為、分析發(fā)送內(nèi)容相關(guān)性等深入問題。例如，相同物理事件可在不同地理位置同時發(fā)生，而處于不同地理位置的傳感器將經(jīng)歷差異化通信信道，因此直接依賴接收信號數(shù)值判斷特定事件發(fā)生的判定方法[109]容易出現(xiàn)檢測錯誤。此外，高效的小區(qū)用戶快速成群算法也對提高該類方法性能有明顯作用。報警消息對應(yīng)特定用戶集的篩選方法，以及用戶如何支持2 種及以上報警消息也值得進(jìn)一步研究。

6 結(jié)束語

綜上所述，在大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入研究領(lǐng)域，已涌現(xiàn)出豐富研究成果。本文從系統(tǒng)模型、協(xié)議框架、算法流程、系統(tǒng)性能、重要結(jié)論等多個角度對其進(jìn)行了討論與梳理。由于已有技術(shù)還存在很多理想假設(shè)和開放性問題，因此本文第2～5 節(jié)給出了各類隨機(jī)接入方法面臨的挑戰(zhàn)與機(jī)遇。

具體而言，由于基于授權(quán)的傳統(tǒng)隨機(jī)接入方法與大規(guī)模物聯(lián)網(wǎng)通信的新型特征出現(xiàn)失配，必然遭遇性能回退乃至完全失效的困境。針對傳統(tǒng)授權(quán)式隨機(jī)接入的弊端，業(yè)界已提出基于控制負(fù)載、基于序列資源池擴(kuò)展、基于碰撞解決等多種改進(jìn)方案。然而，這些改進(jìn)方案仍難以從根本上實現(xiàn)突破。因此必須引入新型隨機(jī)接入方法?；谶@一背景，可以認(rèn)為免授權(quán)隨機(jī)接入、半免授權(quán)隨機(jī)接入以及基于編碼的無用戶標(biāo)識隨機(jī)接入都針對大規(guī)模物聯(lián)網(wǎng)核心需求和本質(zhì)特征進(jìn)行了重新設(shè)計，并與大規(guī)模物聯(lián)網(wǎng)通信新型特征形成了良好的匹配，具有很大的擴(kuò)展空間。如圖19 所示，壓縮感知技術(shù)、負(fù)載估計算法、非正交多址技術(shù)、群組化通信策略、D2D 通信、有限長編碼理論等大量前沿技術(shù)是支撐這3 類隨機(jī)接入方法，構(gòu)建新型大規(guī)模隨機(jī)接入系統(tǒng)的核心。從這些信號處理技術(shù)入手，也是理解、掌握乃至改進(jìn)新型隨機(jī)接入方法的重要途徑。

圖19 新型大規(guī)模隨機(jī)接入系統(tǒng)關(guān)鍵技術(shù)

從3 類方法研究現(xiàn)狀來看，它們都旨在實現(xiàn)接入開銷、接入成功概率、接入時延、接入用戶數(shù)量等核心性能指標(biāo)間的更佳折中。其中，免授權(quán)隨機(jī)接入和無用戶標(biāo)識隨機(jī)接入更追求“零開銷”特性，而半免授權(quán)隨機(jī)接入允許投入一定的必要開銷或容忍一定的必要時延，以期明顯提高接入質(zhì)量。

大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入面臨的挑戰(zhàn)與機(jī)遇如圖20 所示。從3 類方法面臨的挑戰(zhàn)來看，它們都有如下共性問題。1) 電磁環(huán)境復(fù)雜多變，如何高效實現(xiàn)頻譜感知？2) 用戶檢測運算代價高昂，如何降低算法復(fù)雜度？3) 物聯(lián)網(wǎng)業(yè)務(wù)類型多樣，如何匹配各業(yè)務(wù)特性需求？4) 各類新方法新框架性能邊界未知，有何理論界指導(dǎo)？更具體而言，可得以下結(jié)論。1) 低復(fù)雜度高精度壓縮感知重構(gòu)算法設(shè)計、用戶前導(dǎo)序列設(shè)計、異步難題解決方法、壓縮理論框架下序列長度理論下界分析等都是免授權(quán)隨機(jī)接入技術(shù)亟須開展的研究課題。2) 用戶劃分策略、用戶成組方案、多用戶干擾控制算法、多用戶功率分配方法、系統(tǒng)理論界推導(dǎo)等是提高半免授權(quán)隨機(jī)接入性能的重要研究方向。3) 增強(qiáng)重疊碼用戶區(qū)分能力、降低活躍用戶檢測誤差影響、活躍用戶相關(guān)性系統(tǒng)化研究則是無用戶標(biāo)識隨機(jī)接入需要克服的挑戰(zhàn)。

圖20 大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入面臨的挑戰(zhàn)與機(jī)遇

3 類方法未來潛在的機(jī)遇如下。1) Polyanskiy界等理論結(jié)果表明現(xiàn)有方法距理論界還有相當(dāng)距離，新型隨機(jī)接入方法還有明顯性能提升空間。2) 反向散射、智能反射面[112]等新型材料和硬件射頻技術(shù)的出現(xiàn)，為提升大規(guī)模物聯(lián)網(wǎng)各項性能提供了新的物理基礎(chǔ)。3) 基于人工智能的生成對抗網(wǎng)絡(luò)、聯(lián)邦學(xué)習(xí)等新型算法大量出現(xiàn)，智能與通信相結(jié)合已成為重要研究方向，對于提升大規(guī)模隨機(jī)接入性能極具潛力。