海量机器类终端同步入网性能分析与接入控制

The concurrent data transmission from massive machine type communications (MTC) devices within a short time period makes the traffic flow of MTC more bursty, which directly causes the well-known congestion problem of MTC and invalidates the traffic models based on Poisson assumption. The researches on the statistical description of this burstiness and the performance analysis and access control of carrier network beyond Poisson assumption are still in very initial step and are rarely reported in state of the art literatures. To tackle these challenges, this project takes the initiatives to discuss some prime issues for MTC traffic engineering beyond Poisson assumption. The major topics include: statistical description and analysis of the superposition of non-independent random sequences of events within finite support range, dedicated traffic models and traffic bounds for MTC, stability analysis and stabilizing techniques for multi-channel slotted aloha, energy efficient design for multi-channel slotted aloha. All these together would help to improve the methodology of traffic engineering for MTC and support the long-term deployment of MTC applications.

海量MTC终端短时间内同步入网时其业务模式将表现出明显的瞬时突发特性。该特性将造成承载网络严重的流量过载或网络拥塞，也使得基于齐次泊松过程和复合泊松过程的流量分析理论难以直接应用且目前尚无一种公认的统计描述方法。“如何描述该瞬时突发性并据此完成承载网络的性能分析及优化设计”成为制约MTC进一步推广应用的瓶颈和亟待解决的突出难题。为适应MTC的业务特性和发展需求，本项目将重点研究海量MTC终端同步入网时其瞬时突发性的统计描述方法，并据此建立MTC专属的流量模型，完成承载网络的性能评估与优化设计，完善MTC流量分析理论。主要研究内容包括：突破有限支撑区间内非独立点过程聚合效应的统计描述，建立MTC专属的队列模型和具有QoS保障的界模型，完成多信道S-ALOHA协议的稳定性分析、稳定化设计和高能效设计，以期为MTC的推广应用提供理论基础和技术支撑。

本项目面向5G海量机器类通信（mMTC）和高可靠超低时延通信（uRRLC）两大应用场景，重点研究了海量机器类终端同步入网时多信道S-ALOHA性能分析与优化设计、NB-IoT覆盖增强与超低功耗技术的优化设计、人工智能与物联网融合的智慧城市示范应用（即智慧停车）等内容，后期将研究领域扩展到了车联网V2V信道建模与5G动态频谱接入算法。主要工作与成果：1）给出任意业务激励时多信道S-ALOHA时延与功耗的统计特性分析办法，解决了海量机器类终端同步入网时4G网络随机接入信道与5G免调度协议的性能分析难问题；2）提出带回退机制的NB-IoT覆盖类别更新机制、给出NB-IoT盲重传机制的时延与功耗的折中关系，解决了NB-IoT性能分析缺乏理论支撑的问题；3）针对室内外停车场图层缺失、室内停车场定位信号缺失两个问题，提出融合视频监控、机器学习等技术的智能室内外停车系统，该系统目前正在重庆大学校内停车场进行试验测试。依托上述研究内容，项目执行期内共发表论文24篇（其中SCI检索13篇、EI检索11篇）、另外还有3篇文章处于审稿状态，申请国家发明专利3项；培养青年教师4名、博士研究生3名、硕士研究生7名。完成了申请书中的研究内容，在专利和人才培养等方面超额完成了预期成果数。成果促进了4G/5G物联网技术和标准的发展。