楊 磊，龍 偉

(1.成都航空職業(yè)技術(shù)學(xué)院 信息工程學(xué)院，四川 成都 610100；2.電子科技大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，四川 成都 610031)

0 引 言

NB-IoT(窄帶物聯(lián)網(wǎng))是一種能夠與蜂窩網(wǎng)絡(luò)融合演進(jìn)的低成本、高可靠性、高安全性的廣域物聯(lián)網(wǎng)新技術(shù)，與傳統(tǒng)移動(dòng)通信技術(shù)相比，具備低功耗、大連接、廣覆蓋、低成本等關(guān)鍵特性[1，2]，同時(shí)對(duì)時(shí)延不敏感、支持設(shè)備超長待機(jī)，因此可廣泛應(yīng)用于多種垂直行業(yè)，如智慧冷鏈、智能樓宇、智慧城市等。在國家大力支持下，已成為目前流行的物聯(lián)網(wǎng)通信方式[3，4]。NB-IoT得到了全球主要的通信標(biāo)準(zhǔn)組織3GPP的支持，這意味著它與現(xiàn)有的移動(dòng)網(wǎng)絡(luò)技術(shù)兼容。NB-IoT采用現(xiàn)有的LTE-AOFDMA技術(shù)，由于擴(kuò)展了覆蓋范圍，一個(gè)NB-IoT小區(qū)中的IoT設(shè)備具有較大幅度的信號(hào)質(zhì)量變化。為了避免大量重復(fù)傳輸導(dǎo)致終端功耗過大，網(wǎng)絡(luò)被劃分為不同的覆蓋等級(jí)(coverage enhancement level，CE level)，并為每個(gè)覆蓋等級(jí)配置不同參數(shù)，以確保終端能正常接收信號(hào)且不會(huì)過度耗能[5]。與LTE類似，NB-IoT設(shè)備終端初始化網(wǎng)絡(luò)時(shí)需要執(zhí)行隨機(jī)接入(random access，RA)過程才能實(shí)現(xiàn)上行同步，從而獲取上行鏈路授權(quán)資源。因此隨機(jī)接入過程是NB-IoT通信的關(guān)鍵步驟[6-8]。在典型基于NB-IoT的監(jiān)測系統(tǒng)中(如智能抄表)，交換消息中的上行傳輸占主導(dǎo)地位，隨機(jī)接入過程代表了設(shè)備與基站之間的一種關(guān)鍵關(guān)系。然而，當(dāng)隨機(jī)接入過程建立在競爭機(jī)制上，大量設(shè)備同時(shí)發(fā)出傳輸請求時(shí)，網(wǎng)絡(luò)性能會(huì)出現(xiàn)明顯下降。因此，研究隨機(jī)接入行為并進(jìn)行精確的評(píng)估，對(duì)于智能監(jiān)測基礎(chǔ)設(shè)施非常重要[9，10]。

1 相關(guān)工作

目前研究人員已設(shè)計(jì)出一些隨機(jī)過程分析模型用于NB-IoT系統(tǒng)性能評(píng)估。Harwahyu等[11]給出了隨機(jī)接入過程的詳細(xì)模型，考慮設(shè)備的到達(dá)過程、退避方案、NPRACH的持續(xù)時(shí)間以及NPRACH在多個(gè)CE等級(jí)中的定時(shí)偏移，然后利用聯(lián)合優(yōu)化技術(shù)來最大化目標(biāo)時(shí)延約束下的接入成功概率。然而，該方案存在一定的缺陷。它只考慮了具有相同起始時(shí)間的不同類的隨機(jī)接入機(jī)會(huì)(random access opportunity，RAO)，從而約束了總的子載波數(shù)。與標(biāo)準(zhǔn)[12，13]有較明顯的差異。Chen等[14]推導(dǎo)了隨機(jī)用戶的RACH成功概率的精確閉合表達(dá)式，包括重復(fù)值和接收信干噪比值，把問題建模成一個(gè)目標(biāo)函數(shù)為最大化RACH成功概率的聯(lián)合優(yōu)化問題。通過將二維資源表映射為一維資源塊向量，調(diào)用多對(duì)一匹配算法來進(jìn)行求解。Hwang等[15]分別考慮了標(biāo)準(zhǔn)前導(dǎo)設(shè)計(jì)和新的檢測與同步算法，提出了一種高效的疊加NB-IoT NPRACH前導(dǎo)碼檢測與同步算法，重點(diǎn)研究了前導(dǎo)傳輸對(duì)檢測概率的影響，分析了理論檢測性能，發(fā)現(xiàn)在加性高斯白噪聲(AWGN)和瑞利衰落信道下均存在最大耦合損耗。然而，由于只考慮了隨機(jī)接入前導(dǎo)傳輸，并沒有將隨機(jī)訪問過程作為一個(gè)整體來分析。Baracat等[16]研究了與隨機(jī)接入過程相關(guān)的3GPP主要參數(shù)，以確定它們?nèi)绾斡绊懢W(wǎng)絡(luò)容量、平均時(shí)延和歸一化流速率的設(shè)計(jì)。然而，該方法完全忽略了多個(gè)覆蓋類。Harwahyu等[17]的方案也存在類似的問題，其方案試圖以最優(yōu)的方式交換重復(fù)和重傳值來達(dá)到一個(gè)目標(biāo)成功概率。Malik等[18]提出了干擾場景下基于協(xié)作迭代以及資源感知分配的方案，可以降低能耗且改善數(shù)據(jù)傳輸率。Jiang等[19]通過考慮不同的中斷條件，推導(dǎo)了時(shí)間相關(guān)干擾下的成功概率。事實(shí)上，這類評(píng)估模型設(shè)置了嚴(yán)格的假設(shè)條件，與3GPP規(guī)范有一定的差距，無法適配真實(shí)場景。Romain等[20]提出了基于隊(duì)列的理論模型，用以評(píng)估競爭的過程，包括信令、連接釋放和上下行消息，然而模型忽略了不同設(shè)備密度的場景差異。Hamonagan等[21]給出了NB-IoT在穩(wěn)態(tài)條件下大量設(shè)備隨機(jī)接入過程的仿真測試，考慮了具有重試限制的退避機(jī)制，具有一個(gè)覆蓋增強(qiáng)等級(jí)，測試結(jié)果表明發(fā)送數(shù)據(jù)包的概率對(duì)性能也會(huì)產(chǎn)生影響。Li等[22]研究了一種時(shí)隙ALOHA窄帶認(rèn)知無線電物聯(lián)網(wǎng)系統(tǒng)，其中設(shè)備可以通過頻譜感知?jiǎng)討B(tài)接入空閑的無線信道，推導(dǎo)了不同傳感機(jī)制下RACH的吞吐量，但是該文缺乏了對(duì)RACH程序(如退避、重傳和檢測概率)過程的分析。

針對(duì)現(xiàn)有工作的不足，本文對(duì)NB-IoT的隨機(jī)接入過程進(jìn)行了建模分析，系統(tǒng)量化了不同覆蓋類、全局和本地傳輸嘗試計(jì)數(shù)器、退避時(shí)間、前導(dǎo)重傳、覆蓋類切換等場景，通過模型評(píng)估碰撞、成功接入率，平均接入時(shí)延等性能，從而提供了優(yōu)化網(wǎng)絡(luò)參數(shù)配置的依據(jù)，可以更好地支持符合3GPP的NB-IoT隨機(jī)接入過程的實(shí)現(xiàn)。

2 系統(tǒng)模型

2.1 NB-IoT隨機(jī)接入過程

NB-IoT的隨機(jī)接入過程是為確保設(shè)備能夠有效、安全地與網(wǎng)絡(luò)建立連接而設(shè)計(jì)的。通過這一過程，大量的設(shè)備可以在高效和可擴(kuò)展的方式下與網(wǎng)絡(luò)通信，使NB-IoT成為適合大規(guī)模IoT部署的理想選擇。NB-IoT中的隨機(jī)接入過程與LTE中的隨機(jī)接入過程類似[12]，但每個(gè)CE等級(jí)的參數(shù)設(shè)置不同，NB-IoT遵循基于競爭的隨機(jī)接入，隨機(jī)過程和前導(dǎo)碼如圖1所示。

圖1 隨機(jī)接入過程與前導(dǎo)碼

用戶設(shè)備(user equipment，UE)在網(wǎng)絡(luò)初始接入時(shí)執(zhí)行隨機(jī)接入，獲取上行資源進(jìn)行數(shù)據(jù)傳輸。隨機(jī)接入包括4個(gè)步驟。當(dāng)UE從休眠模式開啟或關(guān)閉時(shí)，它通過解碼主同步和次同步信號(hào)與下行鏈路同步。UE對(duì)主信息塊(master information block，MIB)進(jìn)行解碼，確定系統(tǒng)信息塊(system information block，SIB)的周期性和時(shí)序細(xì)節(jié)。

步驟1 發(fā)送隨機(jī)接入前導(dǎo)

設(shè)備首先從一組預(yù)定義的前導(dǎo)序列中選擇一個(gè)隨機(jī)接入前導(dǎo)，然后在隨機(jī)接入信道(PRACH)上發(fā)送這個(gè)前導(dǎo)。下行鏈路周期性廣播的系統(tǒng)信息塊攜帶參考信號(hào)接收功率(reference signal receiving power，RSRP)門限和窄帶物理隨機(jī)接入信道(narrowband physical random access channel，NPRACH)配置信息。NPRACH是用于前導(dǎo)碼傳輸?shù)纳闲行诺?。在頻域上，將180 kHz的上行帶寬劃分為48個(gè)3.75 kHz的子載波。由于跳頻跨越了12個(gè)子載波，因此每個(gè)CE等級(jí)至少應(yīng)有12個(gè)子載波。在NPRACH中，每個(gè)CE等級(jí)中的子載波數(shù)目應(yīng)該是12的倍數(shù)，并且總共有48個(gè)子載波。在確定CE等級(jí)和NPRACH參數(shù)后，UE在NPRACH中通過分配給其CE類的子載波集合中隨機(jī)選擇一個(gè)子載波來傳輸前導(dǎo)碼。

步驟2 隨機(jī)接入響應(yīng)

一旦網(wǎng)絡(luò)偵聽到前導(dǎo)，它會(huì)通過下行控制信道(narrowband physical downlink control channel，NPDCCH)發(fā)送一個(gè)隨機(jī)接入響應(yīng)(random access response，RAR)給設(shè)備，RAR包含用于設(shè)備的臨時(shí)標(biāo)識(shí)(temporary cell RNIT，TC-RNTI)、時(shí)間對(duì)齊信息以及初始上行資源分配。接收到前導(dǎo)序列后，eNB將向其檢測到的嘗試隨機(jī)接入的UE采用隨機(jī)接入響應(yīng)方式進(jìn)行應(yīng)答。RAR消息在窄帶物理下行共享信道(NPDSCH)上調(diào)度，并在下行控制信道的下行控制信息(DCI)字段上指示。UE利用其無線網(wǎng)絡(luò)臨時(shí)標(biāo)識(shí)(RA-RNTI)識(shí)別其DCI，并在NPDSCH上解碼DCI得到RAR消息。如果UE在響應(yīng)窗口內(nèi)沒有收到任何RAR消息，則RA過程被視為失敗；從步驟1開始重新啟動(dòng)RA過程。RAR消息沒有解碼或解碼失敗可能表明信道狀況已惡化，可能需要改善覆蓋情況。因此，在RA重新嘗試期間，若無線條件太差而導(dǎo)致無法接收RAR，UE可以在達(dá)到當(dāng)前CE等級(jí)下允許的嘗試上限后嘗試更高的CE等級(jí)。

步驟3 發(fā)送RRC消息

UE收到RAR后，使用在RAR期間分配的上行鏈路資源發(fā)送小區(qū)臨時(shí)標(biāo)識(shí)發(fā)送第一個(gè)消息，通常是一個(gè)連接請求消息，包含設(shè)備的身份和連接的原因。為了避免沖突和確保網(wǎng)絡(luò)正確解碼，設(shè)備可能會(huì)使用復(fù)制技術(shù)將消息發(fā)送多次。如果兩個(gè)或多個(gè)UE在前導(dǎo)傳輸過程中選擇相同的初始子載波，那么這些UE將收到相同的TC-RNTI。因此，這些UE將通過隨機(jī)接入響應(yīng)期間分配的相同資源來傳輸TC-RNTI。這就導(dǎo)致了碰撞。碰撞后的UE在等待退避時(shí)間段后需要重新發(fā)送前導(dǎo)碼。

步驟4 競爭解決

在最后一步，eNB對(duì)解碼后的TC-RNTI做出響應(yīng)。如果UE在競爭解決計(jì)時(shí)器到期之前收到已解碼的TC-RNTI，則隨機(jī)接入成功，數(shù)據(jù)傳輸開始。若沒收到響應(yīng)，UE等待退避時(shí)間并重新發(fā)送前導(dǎo)，直到達(dá)到最大嘗試次數(shù)。

考慮到NB-IoT設(shè)備的特點(diǎn)，即大量設(shè)備可能會(huì)同時(shí)嘗試接入網(wǎng)絡(luò)，隨機(jī)接入過程通常會(huì)采取一些優(yōu)化以處理大規(guī)模的設(shè)備接入請求?；谇皩?dǎo)的選擇、重試機(jī)制和重復(fù)傳輸?shù)恼{(diào)整，使得隨機(jī)接入過程可以適應(yīng)不同的網(wǎng)絡(luò)條件和設(shè)備密度。

2.2 評(píng)估模型

考慮一個(gè)多小區(qū)多用戶NB-IoT系統(tǒng)，假設(shè)信道功率增益h為單位均值的指數(shù)分布隨機(jī)變量，基站eNB服從齊次泊松點(diǎn)過程(HPPP)分布，強(qiáng)度為λeNB， 設(shè)備服從HPPP分布，密度為λD。 在NB-IoT小區(qū)中定義了C個(gè)覆蓋類，eNB根據(jù)估計(jì)路徑損耗把一個(gè)設(shè)備分配給一個(gè)覆蓋類。令A(yù)Mj為設(shè)備在覆蓋類j中能夠執(zhí)行的最大RACH嘗試次數(shù)，AMG為設(shè)備在所有覆蓋類別中能夠全局執(zhí)行的RACH最大嘗試次數(shù)，則AMj≤AMG。

NB-IoT中隨機(jī)接入信道時(shí)序如圖2所示。對(duì)于NPRACH信道，UE通過在NPRACH上發(fā)送前導(dǎo)碼啟動(dòng)隨機(jī)接入過程，對(duì)包含前導(dǎo)碼的子幀進(jìn)行重復(fù)發(fā)送的次數(shù)取決于UE處測量的參考信號(hào)接收功率值。RA失敗有兩種原因：一是UE傳輸?shù)那皩?dǎo)碼產(chǎn)生沖突，二是eNB無法檢測前導(dǎo)碼。當(dāng)產(chǎn)生沖突時(shí)，UE執(zhí)行退避機(jī)制，UE可以在同一覆蓋類中重傳前導(dǎo)碼，直到最大允許傳輸次數(shù)AMj。

圖2 隨機(jī)接入信道時(shí)序

如果NPRACH因信號(hào)中斷而失敗，則在覆蓋范圍內(nèi)執(zhí)行AMj次接入嘗試后，UE移動(dòng)到更高等級(jí)的覆蓋類。通過利用MTC流量選擇合適的退避窗口大小、前導(dǎo)重復(fù)次數(shù)，優(yōu)化NPRACH從而提高接入概率。這些參數(shù)的選擇會(huì)影響調(diào)度延遲和子幀擴(kuò)展等性能，如退避窗口的選擇會(huì)影響UE在嘗試下一個(gè)RA之前的等待時(shí)間，重復(fù)次的選擇將影響傳播的子幀數(shù)。

令TL為給定的時(shí)限，則覆蓋類j在TL中的最大時(shí)隙數(shù)為

(1)

其中，ρj為覆蓋類j中的NPRACH周期。令λD，j[0] 是覆蓋類別j中設(shè)備在RA過程開始(t=0)時(shí)的密度，相應(yīng)地，區(qū)域中設(shè)備平均數(shù)為Mj[0]， 活動(dòng)設(shè)備的概率pa∈[0，1] 服從泊松分布，令SCj表示在覆蓋類別j中子載波數(shù)，所有的SCj子載波被RA選擇的概率相等，則選擇相同子載波的活動(dòng)設(shè)備密度為

(2)

對(duì)于給定的λD，a[0] 和λeNB， 文獻(xiàn)[20]給出了存在I個(gè)有源干擾(選擇相同子載波的UE)的概率

(3)

如前所述，一個(gè)NPRACH前導(dǎo)碼由4個(gè)符號(hào)組構(gòu)成，這些符號(hào)組重復(fù)一個(gè)由eNB定義的重復(fù)次數(shù)R。在存在I個(gè)干擾源的情況下，eNB成功接收一個(gè)隨機(jī)選擇的設(shè)備重傳Rj次前導(dǎo)碼的概率可計(jì)算為

(4)

其中，P(θ1，…θr) 是eNB成功接收到4×θr前導(dǎo)碼的概率，即在r次重復(fù)傳輸?shù)那闆r下，所有4組前導(dǎo)碼都被成功接收。若接收的前導(dǎo)沒有沖突，則eNB進(jìn)行解碼，RA過程被認(rèn)為是成功的。NPRACH成功概率可計(jì)算為

(5)

假設(shè)時(shí)隙足夠大，使得UE在服務(wù)時(shí)隙內(nèi)知道其RA嘗試是否成功，則t=0時(shí)完成RA的設(shè)備個(gè)數(shù)為

Sj[0]=Mj[0]×PRj[0]

(6)

沖突的設(shè)備的數(shù)量為

Cj[0]=Mj[0]-Sj[0]

(7)

在一次接入嘗試中，沖突的設(shè)備可從 [0，Wj] 中隨機(jī)選擇一個(gè)窗口值來執(zhí)行退避機(jī)制。第n個(gè)時(shí)隙的設(shè)備數(shù)為前一時(shí)隙傳輸周期中所有選擇退避窗口的沖突設(shè)備數(shù)，因此，在第n個(gè)時(shí)隙嘗試接入網(wǎng)絡(luò)的設(shè)備數(shù)量可計(jì)算為

(8)

(9)

若TL時(shí)間段內(nèi)存在靜態(tài)信道，則可設(shè)定TMb=TMG， 即設(shè)備不會(huì)從低覆蓋類向高覆蓋類移動(dòng)。PRj[n]，Sj[n] 和Cj[n] 可以通過迭代計(jì)算，那么對(duì)于直到slj，max時(shí)隙時(shí)的所有CE等級(jí)的傳輸，平均成功概率為

(10)

當(dāng)服務(wù)器訪問NPDCCH隊(duì)列時(shí)，設(shè)有q個(gè)等待服務(wù)的請求，則有

(11)

其中，Gu，Gd分別為上行服務(wù)和下行服務(wù)到達(dá)率，fj表示屬于第j類設(shè)備的比例，d表示兩個(gè)連續(xù)NPDCCH實(shí)例之間的平均時(shí)間間隔。因此，新到達(dá)RA消息服務(wù)開始前的平均等待時(shí)間為Dw=0.5qDt， 其中Dt為NPDCCH中的平均服務(wù)時(shí)間。以u(píng)為控制包的平均傳輸時(shí)間，cj為j類每個(gè)控制包必須傳輸?shù)母北緮?shù)，則第j類的平均傳輸時(shí)間為Dtj=cju。 則有

(12)

物理上行共享信道NPUSCH可視為是一個(gè)排隊(duì)系統(tǒng)，其中服務(wù)器處理分配給NPUSCH的每個(gè)上行鏈路幀中的部分請求，因?yàn)橘Y源預(yù)留只發(fā)生在NPRACH期間，所以到達(dá)NPUSCH的服務(wù)請求可視為服從泊松過程，平均批次大小為

(13)

(14)

其中，vj是第j類的平均上行傳輸速率。該排隊(duì)系統(tǒng)是一個(gè)BPP/G/1系統(tǒng)，因此，可以得到第j類的數(shù)據(jù)傳輸延遲為

(15)

3 實(shí)驗(yàn)分析

3.1 仿真設(shè)置

仿真實(shí)驗(yàn)中假定存在理想物理層，將時(shí)間劃分為大小相等的時(shí)隙，時(shí)隙長度為NPRACH周期。對(duì)大量時(shí)隙進(jìn)行仿真，統(tǒng)計(jì)平均值誤差。根據(jù)3GPP的規(guī)定，上行鏈路的重復(fù)次數(shù)可以達(dá)到2次方的128次，即 {1，2，4，8，16，32，64，128}， 系統(tǒng)參數(shù)見表1。在本文方案的模擬中。相關(guān)設(shè)置參考了3GPP為MTC定義的流量模型[12]，包括UE的類型、應(yīng)用層行為、不同覆蓋級(jí)別的用戶分布、連接密度等，相關(guān)流量參數(shù)見表2。

表1 系統(tǒng)參數(shù)

表2 流量參數(shù)

3.2 結(jié)果分析

首先，為考查模型的有效性，仿真實(shí)驗(yàn)對(duì)比了在整個(gè)配置參數(shù)空間上窮盡搜索獲得的最大成功接入率MAX_PS和利用優(yōu)化獲得的MAX_PS。事實(shí)上，采用窮盡搜索的模式來尋找最優(yōu)配置只存在理論可行性，它將會(huì)耗費(fèi)大量的計(jì)算資源。實(shí)驗(yàn)?zāi)康闹皇且运鼮榛鶞?zhǔn)來衡量模型優(yōu)化的有效性。設(shè)置退避窗口搜索空間為 {0，256，512，1024，2048，4096，8192，16384，32768，65536，131072，262144，524255}，子載波數(shù)的搜索空間為 {0，12，24，36，48}。 UE在所有覆蓋率中的最大傳輸數(shù)的搜索空間為 {3，4，5，6，7，8，10，20，50，100，200}。 圖3顯示的實(shí)驗(yàn)以MAX_PS最大化為目標(biāo)，驗(yàn)證了基于評(píng)估模型來優(yōu)化參數(shù)配置的效果?？紤]數(shù)據(jù)包到達(dá)時(shí)隙服從possion分布和beta分布兩種場景。對(duì)于possion過程，窮盡搜索用possion-exhuastion圖例表示，優(yōu)化過程用possion-opt圖例表示。對(duì)beta分布，窮盡搜索用beta-exhuastion表示，優(yōu)化過程用beta-opt表示。實(shí)驗(yàn)結(jié)果顯示，不論是在beta分布或者possion分布下，利用評(píng)估模型得到的優(yōu)化結(jié)果，都可以逼近窮盡搜索找到的最優(yōu)配置，表明評(píng)估模型是有效的。此外，服從possion分布的MAX_PS相對(duì)較高，即數(shù)據(jù)包到達(dá)模式也會(huì)對(duì)最大成功接入率產(chǎn)生一定的影響。

圖3 最大成功接入率

圖4顯示不同覆蓋類中的時(shí)延分布情況，對(duì)于早期數(shù)據(jù)傳輸EDT，TBS表示在Msg3中傳輸?shù)淖畲髷?shù)據(jù)大小。圖4(a)是CE0下獲得的每個(gè)數(shù)據(jù)包大小和連接方式的延遲分布，當(dāng)使用Release 13優(yōu)化時(shí)，數(shù)據(jù)包大小對(duì)延遲有很高的影響，在EDT優(yōu)化下，兩種數(shù)據(jù)包大小的延遲分布非常相似。這是因?yàn)?，在使用EDT時(shí)，網(wǎng)絡(luò)指示的TBS必須完整發(fā)送，所以如果用戶信息少于TBS，則在Msg3中添加padding直到完成。這在邏輯上降低了與TBS相比在數(shù)據(jù)量較小時(shí)的效率。因此，使用較小的TBS可以提高EDT效率；作為對(duì)比，圖4(b)顯示在CE1的情況下觀察到延遲值增加幅度較大。這主要是由于物理信道重復(fù)次數(shù)的增加。在這種情況下，Release 13優(yōu)化的延遲值有更明顯的增幅，這是隨著重復(fù)次數(shù)的增加，傳輸數(shù)據(jù)的時(shí)間也隨之增加，從而導(dǎo)致更多的延遲。相反，減少傳輸用戶數(shù)據(jù)的消息數(shù)量，正如EDT那樣，提高了效率，降低了延遲。

圖4 時(shí)延分布

圖5顯示了訪問時(shí)延與退避窗口、重復(fù)次數(shù)的關(guān)系。更高的重復(fù)值增加了訪問延遲，因?yàn)槿舸嬖诟嗟闹貜?fù)傳輸，eNB必須等到所有重復(fù)的子幀接收以后才開始對(duì)前導(dǎo)解碼。此外，重復(fù)次數(shù)決定了NPUSCH和NPRACH之間的信道分配。因此，冗余的重傳將導(dǎo)致信道資源利用效率低下以及高訪問延遲，而對(duì)訪問成功率沒有任何增益。類似地，在密集的MTC通信中，為每個(gè)UE提供更少的RAO數(shù)量可以獲得更好的接入成功概率。給定RAO/UE，提供較小的RAO可以有效地消除UE對(duì)RA的競爭，從而在后續(xù)的時(shí)隙中降低設(shè)備密度，這將增加訪問延遲，因?yàn)楦嗟脑O(shè)備將通過執(zhí)行重傳方案來完成隨機(jī)接入。

圖5 時(shí)延變化

圖6顯示高度密集的傳感器場景。M為均勻分布在半徑為1.5 km的單元格內(nèi)的靜止設(shè)備數(shù)量，平均每秒鐘就有M/60個(gè)不同的移動(dòng)終端想要傳輸一個(gè)前導(dǎo)消息，選擇的上行調(diào)度策略為先進(jìn)先出，為了增加統(tǒng)計(jì)顯著性，每次模擬均用不同的種子重復(fù)150次。系統(tǒng)性能通過隨機(jī)接入過程中涉及的設(shè)備數(shù)量以及沖突概率進(jìn)行評(píng)估。圖中顯示了每一組模擬的估計(jì)沖突率和仿真沖突概率之間的誤差百分比。對(duì)于95%的置信區(qū)間，可以看出評(píng)估結(jié)果和仿真結(jié)果非常類似。當(dāng)M為10 000時(shí)，沖突概率始終高于1000，表明在高負(fù)荷狀況下，系統(tǒng)性能下降明顯，因?yàn)镹PRACH配置不足以滿足前導(dǎo)傳輸?shù)钠骄鶖?shù)量。

圖6 沖突概率

圖7顯示了退避窗口、重復(fù)次數(shù)和RAO/UE對(duì)NPRACH成功概率的影響?？梢钥闯?，NPRACH的性能可以通過優(yōu)化重復(fù)值、退避窗口(BW)大小和子載波分配來提高。當(dāng)給定時(shí)間范圍內(nèi)RAO/UE的平均數(shù)>1時(shí)，可認(rèn)為通信產(chǎn)生擁塞。圖中顯示較大的BW在高擁塞流量下具有更好的性能，而較小的BW在低擁塞流量下具有更好的性能。這是因?yàn)檩^大的退避窗口通過UE隨時(shí)間的擴(kuò)散來卸載網(wǎng)絡(luò)流量。當(dāng)設(shè)備密度較低時(shí)，前導(dǎo)沖突可以通過重傳解決，較低的退避窗口可以在規(guī)定的時(shí)間范圍內(nèi)實(shí)現(xiàn)更多的重傳機(jī)會(huì)。前導(dǎo)碼重復(fù)值僅根據(jù)路徑損耗參數(shù)確定。如果重復(fù)度值小于這個(gè)值，信號(hào)中斷的概率會(huì)增加(相應(yīng)地，前導(dǎo)檢測概率降低)，如果重復(fù)度遠(yuǎn)高于這個(gè)值，物理層的檢測概率可能會(huì)增加，但是并不能保證提高數(shù)據(jù)鏈路層的接入成功概率。

圖7 RACH成功率

作為對(duì)比，圖8顯示利用不同模型選擇的參數(shù)對(duì)接入成功率的影響。提出的模型在實(shí)驗(yàn)圖例中用OurModel表示，文獻(xiàn)[2]基于馬爾科夫模型進(jìn)行評(píng)估，實(shí)驗(yàn)圖例用Markov-based表示。文獻(xiàn)[21]基于隊(duì)列模型進(jìn)行評(píng)估，實(shí)驗(yàn)圖例用queues-based表示。其中物聯(lián)網(wǎng)設(shè)備數(shù)量從20到90變化，最大重復(fù)次數(shù)為5，子載波數(shù)量為3，迭代次數(shù)設(shè)置為30?？梢杂^察到，在幾種場景下RACH成功概率都會(huì)隨著物聯(lián)網(wǎng)設(shè)備數(shù)量的增加而降低，這主要是因?yàn)殡S著設(shè)備數(shù)的增加，每個(gè)子載波上都會(huì)產(chǎn)生干擾。而通過OurModel進(jìn)行優(yōu)化，同時(shí)考慮了子載波分配、起始時(shí)間選擇和重復(fù)值的分配，構(gòu)建了一個(gè)聯(lián)合優(yōu)化問題，基于最優(yōu)子載波和重復(fù)值的分配性能優(yōu)于傳統(tǒng)的固定重復(fù)值的情況，相較Markov-based而言，在OurModel中優(yōu)化了NRPACH起始時(shí)間，可視為從時(shí)域上隔離了覆蓋等級(jí)，進(jìn)一步提升RACH成功率。而queues-based中沒有充分考慮多個(gè)覆蓋類，不能有效地處理接入消息的突發(fā)擁塞。

圖8 不同模型優(yōu)化結(jié)果

4 結(jié)束語

本文提出了一種NB-IoT隨機(jī)接入信道的評(píng)估模型，分析了各種參數(shù)對(duì)隨機(jī)接入成功概率和接入時(shí)延的影響，通過利用MTC流量選擇合適的退避窗口大小、前導(dǎo)重復(fù)次數(shù)，優(yōu)化NPRACH從而提高接入概率。實(shí)驗(yàn)分析結(jié)果表明，重復(fù)值應(yīng)僅基于路徑損耗參數(shù)計(jì)算，與設(shè)備密度無關(guān)，較大的退避窗口在高擁塞的MTC流量中提供更好的隨機(jī)接入成功概率，較小的退避窗口在低擁塞流量中提供更好的接入成功率，基于最優(yōu)子載波和重復(fù)值的分配比傳統(tǒng)固定值具有更好性能。未來的工作可以考慮以下幾個(gè)方面：一是安全性和隱私性的加強(qiáng)。隨著IoT設(shè)備越來越多地融入人們的日常生活，如何確保設(shè)備在隨機(jī)接入過程中的安全性和隱私性成為了一個(gè)值得關(guān)注的研究方向。二是低功耗機(jī)制的改進(jìn)。雖然NB-IoT已經(jīng)是一個(gè)低功耗技術(shù)，但隨著設(shè)備的電池技術(shù)和能源收集技術(shù)的進(jìn)步，如何進(jìn)一步優(yōu)化設(shè)備的功耗仍是一個(gè)關(guān)鍵的研究領(lǐng)域。三是多接入點(diǎn)和異構(gòu)網(wǎng)絡(luò)的協(xié)同。在復(fù)雜的部署環(huán)境中，可能存在多個(gè)接入點(diǎn)或不同類型的網(wǎng)絡(luò)，如何在這樣的環(huán)境中協(xié)調(diào)不同的接入過程也是一個(gè)重要的問題。