基于特征空间和小包理论的蜂窝物联网预编码研究

With the rapid development of the Internet of Things (IoT), massive devices require service of high efficiency and quality for small packet communication. Massive MIMO-NOMA is a promising way to meet this demand, hence it has become a hot topic to research the precoding algorithm of high performance in IoT Systems. However, influenced by the massive connectivity and the small packet, the communication in this architecture is quite different from that of the traditional cellular network, thus the research on precoding algorithm is challenged. This project intends to study the precoding algorithm from three complementary perspectives, using random matrix theory, deterministic equivalence theory, small-packet information theory and optimization technology. Firstly, consider a scenario where some users are distributed as crowds while others are not. A precoding algorithm based on interference classification and mitigation is proposed by using eigen-space and successive interference cancellation. Secondly, consider a scenario where small packet communication happens sporadically. A two-step precoding algorithm based on optimal power allocation is proposed by using the small-packet information theory and the free distance concept of signal detection. Finally, an efficient channel estimation mechanism based on the user activity model is studied, in order to design the high-performance precoders. The results of this project support the precoder design for the cellular IoT systems in key theories and technologies.

随着物联网的迅猛发展，海量用户设备对小数据包通信提出了高效率、高质量的服务需求。Massive MIMO-NOMA为蜂窝物联网满足该需求带来了无限的潜能，因此相应的高性能预编码算法成为当前的研究热点。然而，受海量连接和小数据包特点的影响，此系统的通信与传统蜂窝网不尽相同，由此对预编码算法的研究提出挑战。本项目拟运用随机矩阵理论、确定等价理论、小包信息理论和优化技术等，从三个互为补充的角度研究预编码。首先，面向海量用户疏密分布的场景，利用矩阵的特征空间和串行干扰消除技术，提出基于干扰分类减轻的预编码算法。然后，面向小数据包零星通信的场景，利用小包信息理论和信号检测的自由距离概念，提出基于最优功率分配的两步式预编码算法。最后，面向高性能的预编码设计，利用用户活跃度模型研究高效的信道估计机制。研究结果为蜂窝物联网的预编码设计提供关键的理论和技术支撑。

在万物互联的时代，物联网具有用户规模大、业务类型多的特点。海量用户设备对不同类型的数据包交互，提出了高效率、高质量的服务需求。以大规模多天线、非正交多址接入等为核心的新一代通信技术，为满足该需求带来了无限的潜能。本项目围绕如何挖掘用户特征来适应海量连接、如何设计适用于小数据包的传输算法、如何设计低开销的信道状态信息估计策略等问题展开，从海量连接、小数据包、信道状态三个特点出发，利用随机矩阵理论、小包信息理论，以及优化算法、智能算法等，研究了低开销、低复杂度的物联网系统分析方法和管理算法，进而实现和速率等系统性能的提升。第一项工作从多个维度挖掘用户的潜在特点，研究能够有效支撑用户海量连接的方法。先针对用户疏密分布的特点，利用特征空间的相关性，提出了基于干扰分类减轻的预编码算法；再针对云辅助通信中，多服务器间数据交互开销较大的问题，提出了两层树形数据中心网络迭代式分析方法。第二项工作从用户的业务需求和数据特点出发，研究能够有效支撑不同类型数据分组的方法。先针对业务类型多的需求，利用排队论和深度强化学习方法，提出了面向业务类型的调度算法；再针对特定数据包的特点，提出了面向小数据包通信的和速率分析方法与预编码算法，以及面向成像数据的业务卸载算法。第三项工作从信道状态信息在复杂环境下往往难获取、误差大的现实问题出发，通过分析两类不同的信道状态信息反馈误差，提出了基于标量量化和随机矢量量化反馈的和速率分析方法。以上内容相辅相成，从不同的角度共同构成了物联网研究中，以海量连接和小数据包通信为驱动的关键理论和技术支撑。