论文部分内容阅读
机器对机器(Machine to Machine,M2M)通信是一种不需要人为干预的机器设备之间的通信。作为物联网(Internet of Things)的关键技术之一,M2M通信被广泛应用于交通、金融、智能家居、环境监测和智能电网等多个领域。移动蜂窝网络具有高速率传输、大范围覆盖、高可靠性、易于部署等特点,是物联网业务的理想载体。但是现有蜂窝网络主要针对人对人(Human to Human,H2H)通信进行优化和设计,而M2M通信独特的业务特点会对蜂窝网络造成挑战。比如低功耗广覆盖(Low Power Wide Area,LPWA)类业务,物联网网络中存在海量机器类通信(Machine Type Communication,MTC)连接需求,这些连接设备速率要求低、时延不敏感,但是对功耗和覆盖非常敏感,而蜂窝网容量有限不能满足大规模MTC设备频繁接入的需求。因此在第五代移动通信系统(the 5th Generation mobile communication technology,5G)中,解决大规模设备接入问题成为5G的关键场景之一。本文针对5G蜂窝网络中LPWA类物联网业务接入问题,提出了基于非授权频谱的覆盖性增强的窄带M2M系统设计方案。针对蜂窝网中M2M通信资源调度问题,提出了基于强化学习的分布式M2M调度算法。本文主要研究内容和创新点如下:1.针对LPWA类业务特性和授权频谱资源紧张问题,提出一种部署在非授权频谱的覆盖性增强的窄带M2M系统。本文详细介绍了系统的物理层设计方案,同时针对M2M通信覆盖增强的研究,提出了在发送端采用重传机制和低阶调制编码,接收端采用多种相应接收机制的方案达到低功耗、广覆盖目的。仿真结果证明了提出窄带的M2M系统相比LTE系统可以获得10～21dB的覆盖增强。2.针对蜂窝网中M2M通信资源调度问题,本文面向5G网络,根据M2M通信业务流量、时延等将M2M业务进行分类。根据M2M业务类型将类型相同的终端设备分成一个簇,基于位置信息将簇内设备分成多个接入组,然后选出组长设备代表全体组内成员申请调度资源。在分组的基础上,提出一种基于强化学习的分布式M2M调度算法,将调度问题建模为多智能体学习机,具有强化学习能力的组长设备们通过基于收集到的环境信息,通过试错的方式寻找最优的无线调度资源完成数据传输。通过与其他先存方法对比,仿真结果证明了该算法的可行性、公平性和优势。