面向大規(guī)模物聯(lián)網(wǎng)的隨機(jī)接入：現(xiàn)狀、挑戰(zhàn)與機(jī)遇

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(wàn)物互聯(lián)”已成為通信行業(yè)的重要發(fā)展方向，未來(lái)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(dòng)通信系統(tǒng)協(xié)會(huì)預(yù)測(cè)：全球物聯(lián)網(wǎng)設(shè)備將從2018 年的103 億個(gè)增長(zhǎng)到2025 年的250 億個(gè)，其中企業(yè)物聯(lián)網(wǎng)連接數(shù)將在2024 年超過(guò)消費(fèi)者物聯(lián)網(wǎng)連接數(shù)，并在2025 年達(dá)到133 億個(gè)[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(gè)垂直行業(yè)。人們有理由相信，在不遠(yuǎn)的將來(lái)，物聯(lián)網(wǎng)規(guī)模將遠(yuǎn)超移動(dòng)互聯(lián)網(wǎng)，成為下一個(gè)萬(wàn)億元規(guī)模的產(chǎn)業(yè)。5G 時(shí)代的來(lái)臨成為物聯(lián)網(wǎng)發(fā)展的催化劑[2]，而已開(kāi)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(lái)大規(guī)模物聯(lián)網(wǎng)應(yīng)用，國(guó)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(lèi)通信（mMTC,massive machine type communication）作為其主要應(yīng)用場(chǎng)景之一。而隨著2020 年5G 商用元年的到來(lái)，國(guó)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(shí)驗(yàn)室、高通、愛(ài)立信、中興、聯(lián)想等在Release-15 及后續(xù)版本制定中，針對(duì)mMTC 場(chǎng)景進(jìn)行了大量仿真實(shí)測(cè)[4-6]，對(duì)mMTC新型空口接入方案的可支持網(wǎng)絡(luò)密度、覆蓋能力、時(shí)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?？傮w認(rèn)為，無(wú)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(lèi)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(lái)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(cè)等以傳感器和數(shù)據(jù)采集為目標(biāo)的場(chǎng)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(dòng)販賣(mài)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(chǎng)景應(yīng)滿(mǎn)足每平方千米100 萬(wàn)的連接密度[8]，未來(lái)甚至要求滿(mǎn)足每平方千米1 000 萬(wàn)的連接密度[9]。

2) 數(shù)據(jù)分組短。國(guó)際電信聯(lián)盟認(rèn)為mMTC 場(chǎng)景下數(shù)據(jù)分組通常較短，一般不超過(guò)1 000 個(gè)字節(jié)。

3) 未來(lái)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(shí)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(lèi)新需求、新挑戰(zhàn)。因此，有必要從網(wǎng)絡(luò)協(xié)議、信號(hào)處理方法、硬件設(shè)備等多個(gè)層次出發(fā)，綜合應(yīng)用網(wǎng)絡(luò)切片、大規(guī)模多天線(xiàn)、智能反射面等大量新興通信前沿技術(shù)，以全面支撐未來(lái)車(chē)聯(lián)網(wǎng)、智能家居、數(shù)字農(nóng)業(yè)等各類(lèi)物聯(lián)網(wǎng)場(chǎng)景，如圖1 所示。

特別地，對(duì)于大規(guī)模物聯(lián)網(wǎng)高達(dá)千萬(wàn)的空閑用戶(hù)、上萬(wàn)的同時(shí)活躍用戶(hù)、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(wú)線(xiàn)鏈路的必經(jīng)過(guò)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(hù)數(shù)超過(guò)3 萬(wàn)個(gè)時(shí)，隨機(jī)接入性能開(kāi)始明顯退化。即使采取接入類(lèi)禁止（ACB，access class barring）[12]、自適應(yīng)接入類(lèi)禁止（A-ACB，adaptive ACB）[13]、擴(kuò)展接入禁止（EAB，extended access barring）[12-14]等過(guò)載控制技術(shù)，隨著小區(qū)內(nèi)支持用戶(hù)個(gè)數(shù)的持續(xù)增加，整個(gè)系統(tǒng)的接入成功概率和前導(dǎo)序列碰撞概率也會(huì)大幅惡化。其根本原因是已有基于極低控制開(kāi)銷(xiāo)、長(zhǎng)碼，以及與時(shí)延無(wú)關(guān)的信息理論極限和編碼技術(shù)無(wú)法適用于大規(guī)模物聯(lián)網(wǎng)應(yīng)用。經(jīng)典的K 用戶(hù)多址接入（K-user multiple access）模型無(wú)法匹配大規(guī)模物聯(lián)網(wǎng)場(chǎng)景下的隨機(jī)接入特性，“碰撞概率波動(dòng)極大，忙時(shí)忙死，閑時(shí)閑死；有效負(fù)載太低，隨機(jī)接入開(kāi)銷(xiāo)極大”，已有理論碰撞模型難以刻畫(huà)實(shí)際應(yīng)用場(chǎng)景中的信號(hào)混疊特征。因此，亟須突破傳統(tǒng)長(zhǎng)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(jì)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(chǎng)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(guò)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(shí)現(xiàn)了對(duì)傳統(tǒng)隨機(jī)接入機(jī)制的一次突破，使網(wǎng)絡(luò)用戶(hù)容量、接入能效的數(shù)量級(jí)提升成為可能。同時(shí)，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(kāi)銷(xiāo)，因此，可將它們稱(chēng)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(hù)身份還是有效負(fù)載、全網(wǎng)用戶(hù)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(wú)論是網(wǎng)絡(luò)理論體系的ALOHA協(xié)議、時(shí)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(duì)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(hù)共存、活躍用戶(hù)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(wú)法滿(mǎn)足大規(guī)模物聯(lián)網(wǎng)應(yīng)用需求的基本事實(shí)和根本原因，揭示設(shè)計(jì)新型隨機(jī)接入方法的必要性。

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

3) 對(duì)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(wèn)題進(jìn)行總結(jié)。揭示各主要技術(shù)方向上亟須解決的開(kāi)放性問(wèn)題，如算法復(fù)雜度過(guò)高難題，信號(hào)同步難題，缺乏理論界難題，共存用戶(hù)個(gè)數(shù)、活躍用戶(hù)檢測(cè)精度、接入開(kāi)銷(xiāo)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(chǎng)景。因此，GB-RA 方法適用于活躍用戶(hù)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(lái)大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入場(chǎng)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(gè)[27]，勢(shì)必造成嚴(yán)重的接入用戶(hù)碰撞問(wèn)題，進(jìn)而使各類(lèi)接入指標(biāo)嚴(yán)重退化，用戶(hù)體驗(yàn)急劇下降。

本節(jié)首先討論傳統(tǒng)GB-RA 過(guò)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(duì)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(jì)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(hù)（UE）與基站間的四步握手過(guò)程組成，用戶(hù)與基站間的信令交互過(guò)程如圖2 所示[27]。

圖2 用戶(hù)與基站間的信令交互過(guò)程

步驟1各活躍用戶(hù)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(gè)前導(dǎo)序列向基站發(fā)送?；緳z測(cè)接收到的前導(dǎo)序列，并通過(guò)該檢測(cè)過(guò)程估計(jì)各活躍用戶(hù)時(shí)間提前量（TA,timing advance），隨后為每個(gè)檢測(cè)到的前導(dǎo)序列分配上行資源授權(quán)（UG,uplink grant）和臨時(shí)身份標(biāo)識(shí)。

步驟2基站將每個(gè)前導(dǎo)序列對(duì)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(hù)廣播。

步驟3用戶(hù)對(duì)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(hù)連接請(qǐng)求消息和基站分配的臨時(shí)身份標(biāo)識(shí)等構(gòu)成。

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

在步驟1 中，若有2 個(gè)及以上的用戶(hù)選中同一種前導(dǎo)序列進(jìn)行發(fā)送，則會(huì)出現(xiàn)用戶(hù)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(hù)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(chǎng)景中，無(wú)碰撞的用戶(hù)數(shù)大于系統(tǒng)可分配PUSCH 資源數(shù)時(shí)，某些用戶(hù)會(huì)由于無(wú)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(fèi)了物聯(lián)網(wǎng)用戶(hù)接入能量，也會(huì)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(lèi)改進(jìn)方案

基于上述分析，前導(dǎo)序列資源池規(guī)模過(guò)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(gè)重要因素。針對(duì)這2 種資源的稀缺性問(wèn)題，業(yè)界提出了許多針對(duì)GB-RA的增強(qiáng)方案，主要改進(jìn)思路可分為過(guò)載控制設(shè)計(jì)（節(jié)流）、前導(dǎo)序列資源池?cái)U(kuò)展（開(kāi)源）和上行授權(quán)資源碰撞解決（善用）3 個(gè)技術(shù)方向。

1) 過(guò)載控制設(shè)計(jì)

ACB 機(jī)制[12]是最經(jīng)典的用戶(hù)過(guò)載控制方法。基站廣播ACB 因子，活躍用戶(hù)將本地產(chǎn)生的隨機(jī)數(shù)與偵聽(tīng)到的ACB 因子進(jìn)行比較，根據(jù)自身設(shè)備類(lèi)型和比較結(jié)果決定是否發(fā)起隨機(jī)接入過(guò)程，若不能發(fā)起隨機(jī)接入，用戶(hù)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(dòng)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(shí)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(lèi)代表性過(guò)載控制方案，相關(guān)仿真結(jié)果可見(jiàn)2.3 節(jié)。

圖3 基于ACB 機(jī)制的過(guò)載控制方案

2) 前導(dǎo)序列資源池?cái)U(kuò)展

文獻(xiàn)[39]將m 序列進(jìn)行循環(huán)多普勒時(shí)延移位，以在序列長(zhǎng)度受限下增加序列個(gè)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?cái)U(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(diǎn)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(xiàng)指標(biāo)，其中L為序列長(zhǎng)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(duì)比表1 的最后一列可知，通過(guò)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(gè)數(shù)。前導(dǎo)序列資源池?cái)U(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(hù)前導(dǎo)序列發(fā)送結(jié)構(gòu)同樣能實(shí)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(lái)克服其數(shù)量不足。

圖4 對(duì)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(shí)間。在單階段方式中，前導(dǎo)序列需為一個(gè)較長(zhǎng)的ZC 序列；在多階段方式中，前導(dǎo)序列長(zhǎng)度、CP 以及GT 的選擇都更加靈活。這種將多個(gè)較短前導(dǎo)序列進(jìn)行組合拼接為某個(gè)用戶(hù)對(duì)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(zhǎng)139 的ZC 序列，兩階段采用2 個(gè)長(zhǎng)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(gè)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(gè)前導(dǎo)序列被多個(gè)用戶(hù)同時(shí)選中（即發(fā)生前導(dǎo)序列碰撞），則這些用戶(hù)隨后將在相同上行授權(quán)信道資源上發(fā)送各自L(fǎng)2/L3 連接請(qǐng)求消息，導(dǎo)致多個(gè)L2/L3 連接請(qǐng)求消息互相干擾，無(wú)法正確解調(diào)，也造成上行授權(quán)資源浪費(fèi)。因此，如何在發(fā)生前導(dǎo)序列碰撞事件時(shí)仍能正確地解調(diào)多個(gè)互相干擾的L2/L3 連接請(qǐng)求消息，對(duì)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(guò)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(guò)程，仍不適用于大規(guī)模隨機(jī)接入場(chǎng)景。具體而言，圖5[11]和圖6[11]展示了各類(lèi)基于過(guò)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(shí)，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(lái)大規(guī)模物聯(lián)網(wǎng)的每平方千米100 萬(wàn)連接密度的要求還有較大差距。因此，為滿(mǎn)足未來(lái)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(jì)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(duì)比

圖5 基于過(guò)載控制的GB-RA 方法的接入成功率

圖6 基于過(guò)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(mǎn)足未來(lái)大規(guī)模物聯(lián)網(wǎng)新場(chǎng)景，必須引入全新機(jī)制。近年來(lái)迅速發(fā)展的NOMA 技術(shù)可在時(shí)頻資源上實(shí)現(xiàn)多用戶(hù)高過(guò)載傳輸，為突破隨機(jī)接入傳統(tǒng)方法提供了信號(hào)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(lèi)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(hù)身份檢測(cè)、信道估計(jì)和信號(hào)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(lái)實(shí)現(xiàn)GF-RA。GF-RA 可同時(shí)完成活躍用戶(hù)身份檢測(cè)和信道狀態(tài)估計(jì)，顯著降低接入開(kāi)銷(xiāo)，成為實(shí)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(duì)免授權(quán)傳輸中的重要環(huán)節(jié)GF-RA 進(jìn)行討論，重點(diǎn)圍繞核心壓縮感知技術(shù)，從理論框架、GF-RA 和性能界3 個(gè)方面展開(kāi)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(hào)稀疏分解和逼近理論基礎(chǔ)上進(jìn)一步發(fā)展而來(lái)的信號(hào)處理方法[57-58]，在數(shù)字圖像處理[59-60]、通信信道估計(jì)[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(guān)測(cè)信號(hào)y在保存或傳輸過(guò)程中遇到的加性噪聲。

圖7 壓縮感知數(shù)學(xué)模型

若信號(hào)x∈CN×1為只含K（K?N）個(gè)非零元素的稀疏信號(hào)，則利用測(cè)量矩陣Φ對(duì)x進(jìn)行觀(guān)測(cè)，可得長(zhǎng)度為L(zhǎng)（K

若測(cè)量矩陣Φ滿(mǎn)足有限等距性質(zhì)（RIP,restricted isometry property）準(zhǔn)則，接收端可以基于信號(hào)y實(shí)現(xiàn)稀疏信號(hào)x的精確重構(gòu)。如果實(shí)際應(yīng)用中原始信號(hào)并不稀疏，可對(duì)原始信號(hào)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(hù)數(shù)為N的蜂窩上行鏈路，以xn∈{0,1}表征任意用戶(hù)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(guò)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(hào)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(hù)檢測(cè)成為可能。

具體而言，基站預(yù)先給每個(gè)用戶(hù)分配一條長(zhǎng)度為L(zhǎng)的前導(dǎo)序列φn。假設(shè)所有用戶(hù)已完成上行幀同步，活躍用戶(hù)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(hù)前導(dǎo)序列為列構(gòu)成的測(cè)量矩陣Φ=[φ1,φ2,…,φN]滿(mǎn)足RIP 準(zhǔn)則時(shí)，基站可使用壓縮感知重構(gòu)算法，基于接收的信號(hào)y對(duì)活躍用戶(hù)身份進(jìn)行精準(zhǔn)估計(jì)，即對(duì)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(hào)的稀疏表示、測(cè)量矩陣構(gòu)造方法，以及重構(gòu)算法設(shè)計(jì)。由于大規(guī)模物聯(lián)網(wǎng)隨機(jī)接入過(guò)程中，待恢復(fù)信號(hào)x已天然具備稀疏特性，因此本節(jié)將聚焦后2 個(gè)研究問(wèn)題。

2) 測(cè)量矩陣的評(píng)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(hào)x，測(cè)量矩陣Φ應(yīng)滿(mǎn)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(dú)立同分布的高斯隨機(jī)矩陣滿(mǎn)足上述準(zhǔn)則，可用于構(gòu)造普適性壓縮感知測(cè)量矩陣。

但對(duì)于其他矩陣類(lèi)型，要證明其是否滿(mǎn)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(jì)有限等距性質(zhì)（STRIP,statistic restricted isometry property）準(zhǔn)則[64]等更簡(jiǎn)單、定性的構(gòu)造準(zhǔn)則，為設(shè)計(jì)測(cè)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(cè)量矩陣的重構(gòu)精度、存儲(chǔ)開(kāi)銷(xiāo)等性能。

表3 幾種代表性序列及其測(cè)量矩陣性能比較

3) 壓縮感知稀疏信號(hào)重構(gòu)算法

文獻(xiàn)[62]指出，當(dāng)測(cè)量矩陣Φ滿(mǎn)足RIP 準(zhǔn)則時(shí)，可將重構(gòu)視為線(xiàn)性規(guī)劃問(wèn)題?；诖?，一系列基于凸優(yōu)化的稀疏信號(hào)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(cè)量樣本實(shí)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(shí)用性。為增強(qiáng)算法實(shí)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(yàn)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(shí)現(xiàn)了更低的運(yùn)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(hào)重構(gòu)精度和算法復(fù)雜度兩方面實(shí)現(xiàn)了更優(yōu)折中，成為近年來(lái)基于壓縮感知進(jìn)行活躍用戶(hù)檢測(cè)的主流算法。不同重構(gòu)算法的計(jì)算復(fù)雜度的比較如表4 所示。

表4 不同重構(gòu)算法的計(jì)算復(fù)雜度的比較

3.2 基于壓縮感知的用戶(hù)身份與信道狀態(tài)聯(lián)合檢測(cè)

文獻(xiàn)[17]針對(duì)CDMA系統(tǒng)中的多用戶(hù)檢測(cè)問(wèn)題提出采用壓縮感知技術(shù)。此后，文獻(xiàn)[74]針對(duì)大規(guī)模隨機(jī)接入場(chǎng)景，提出基于壓縮感知的活躍用戶(hù)和信道狀態(tài)聯(lián)合檢測(cè)方法，將整個(gè)上行傳輸過(guò)程劃分為2 個(gè)部分，即活躍用戶(hù)身份與信道狀態(tài)檢測(cè)階段、活躍用戶(hù)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(lái)完成活躍用戶(hù)檢測(cè)。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(jì)為

圖8 MMSE-AMP 與原AMP 性能比較

文獻(xiàn)[76]針對(duì)運(yùn)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(xiàn)系統(tǒng)中的性能。分析結(jié)果顯示，增加接收端天線(xiàn)可有效提升MMSE-AMP 檢測(cè)性能。但同時(shí)，大規(guī)模多天線(xiàn)系統(tǒng)存在飽和效應(yīng)，當(dāng)天線(xiàn)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(duì)實(shí)際基站往往無(wú)法預(yù)知整個(gè)服務(wù)小區(qū)內(nèi)全體用戶(hù)活躍稀疏度的問(wèn)題，提出改進(jìn)的交叉校驗(yàn) MMSE-AMP（ICV-AMP,improved cross validation aided MMSE-AMP）。該算法將用戶(hù)前導(dǎo)序列分為觀(guān)測(cè)部分和校驗(yàn)部分，一方面使用觀(guān)測(cè)部分同時(shí)估計(jì)活躍用戶(hù)身份和全體用戶(hù)稀疏度，另一方面使用校驗(yàn)部分對(duì)所估計(jì)稀疏度準(zhǔn)確性進(jìn)行校驗(yàn)，通過(guò)多次迭代上述過(guò)程得到與假設(shè)稀疏度理想已知時(shí)MMSE-AMP 相近似的檢測(cè)性能，而所提算法復(fù)雜度并沒(méi)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(hù)在接入過(guò)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(shí)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(hù)需要傳輸τbit 有效負(fù)載為例?；绢A(yù)先給該用戶(hù)分配2τ條合法前導(dǎo)序列。該用戶(hù)根據(jù)τbit 有效負(fù)載實(shí)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(jià)于將該用戶(hù)擴(kuò)展為2τ個(gè)虛擬用戶(hù)，然后讓?duì)觔it有效負(fù)載實(shí)際取值映射出的某個(gè)虛擬用戶(hù)進(jìn)入活躍狀態(tài)，最后基站利用壓縮感知算法檢測(cè)相關(guān)虛擬活躍用戶(hù)。顯然，一旦虛擬活躍用戶(hù)被正確檢測(cè)，則真實(shí)活躍用戶(hù)和τbit 有效負(fù)載都被成功檢測(cè)。

該方法的難點(diǎn)在于，小區(qū)用戶(hù)總數(shù)N如果以虛擬用戶(hù)個(gè)數(shù)統(tǒng)計(jì)會(huì)被擴(kuò)大若干倍，如果直接使用現(xiàn)有重構(gòu)算法會(huì)導(dǎo)致檢測(cè)性能?chē)?yán)重惡化。因此Larsson等[76]對(duì)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(hù)檢測(cè)后再進(jìn)行數(shù)據(jù)傳輸?shù)姆椒?，其檢測(cè)精度存在一定差距，等價(jià)于用檢測(cè)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(hù)檢測(cè)的性能受序列長(zhǎng)度L、總用戶(hù)數(shù)N，以及活躍用戶(hù)數(shù)K等諸多因素綜合影響。定量刻畫(huà)活躍用戶(hù)檢測(cè)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(zhǎng)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(shí)現(xiàn)大規(guī)模隨機(jī)接入無(wú)誤檢測(cè)所需前導(dǎo)序列長(zhǎng)度下界為

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

2) 基于壓縮感知理論的序列長(zhǎng)度下界研究

其中，C為常數(shù)。上式表明序列長(zhǎng)度下界與稀疏度及總用戶(hù)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(shí)際應(yīng)用中仍無(wú)法指導(dǎo)用戶(hù)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(zhǎng)度下界研究

針對(duì)AMP，文獻(xiàn)[80]討論了信號(hào)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(duì)AMP 檢測(cè)性能的影響。文獻(xiàn)[74]通過(guò)分析MMSE-AMP 狀態(tài)演化（SE,state evolution）過(guò)程，給出了經(jīng)歷衰落信道時(shí)，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(shí)，為保證較高檢測(cè)精度，所需序列長(zhǎng)度應(yīng)滿(mǎn)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(zhǎng)度理論下界與測(cè)試值的對(duì)比，其中，目標(biāo)檢測(cè)精度為虛警和漏報(bào)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(cè)試值均較接近。

圖9 MMSE-AMP 序列長(zhǎng)度理論下界與測(cè)試值對(duì)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(shí)存在很多亟待解決的問(wèn)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(jì)

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(jì)算資源。而多天線(xiàn)系統(tǒng)是支撐未來(lái)大規(guī)模物聯(lián)網(wǎng)應(yīng)用的另一重要技術(shù)，多天線(xiàn)信號(hào)處理加壓縮感知是重要研究方向[75-76]，必然給整個(gè)通信系統(tǒng)帶來(lái)極高運(yùn)算復(fù)雜度，影響算法實(shí)用性。因此，成數(shù)量級(jí)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(cè)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(lèi)約束關(guān)系可知，壓縮感知重構(gòu)算法復(fù)雜度和檢測(cè)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(cè)算法，雖然以較短序列長(zhǎng)度支撐了龐大用戶(hù)群體，節(jié)省了運(yùn)算復(fù)雜度，但其檢測(cè)能力非常有限。因此，如何實(shí)現(xiàn)復(fù)雜度更低、檢測(cè)精度更高的壓縮感知重構(gòu)算法，有效降低基站和用戶(hù)端序列存儲(chǔ)開(kāi)銷(xiāo)和運(yùn)算開(kāi)銷(xiāo)極具挑戰(zhàn)。

2) 前導(dǎo)序列長(zhǎng)度理論下界分析

壓縮感知框架下，用戶(hù)所需發(fā)送的前導(dǎo)序列長(zhǎng)度理論下界值可指導(dǎo)序列長(zhǎng)度的自適應(yīng)選擇，減少序列存儲(chǔ)、傳輸開(kāi)銷(xiāo)，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(lèi)理論結(jié)果存在應(yīng)用場(chǎng)景受限、過(guò)于松弛、存在未具化常參數(shù)等問(wèn)題。具體而言，Donoho 等[80]對(duì)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(lái)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(shí)，與測(cè)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(zhǎng)度理論下界分析仍然任重而道遠(yuǎn)。

3) 異步場(chǎng)景下的隨機(jī)接入難題

已有模型大都假設(shè)用戶(hù)實(shí)現(xiàn)了理想信號(hào)同步。但在實(shí)際免授權(quán)隨機(jī)接入過(guò)程中，不同用戶(hù)存在不同定時(shí)偏差，這導(dǎo)致基站側(cè)接收到的多個(gè)前導(dǎo)序列無(wú)法完全同步。前導(dǎo)序列異步現(xiàn)象會(huì)導(dǎo)致基于壓縮感知的活躍用戶(hù)檢測(cè)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(shí)用化中面臨的一大挑戰(zhàn)，但目前對(duì)該問(wèn)題的研究較少。

異步場(chǎng)景下，現(xiàn)有活躍用戶(hù)壓縮感知檢測(cè)方法均假設(shè)由定時(shí)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(lái)處理異步問(wèn)題，即將每種序列位移可能情況映射為一個(gè)虛擬用戶(hù)，這樣等價(jià)于將測(cè)量矩陣列維度和用戶(hù)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(cè)活躍用戶(hù)及其定時(shí)偏差[83-84]，但此方法也會(huì)極大地犧牲檢測(cè)精度。文獻(xiàn)[84]調(diào)整了異步場(chǎng)景下MMSE-AMP 的降噪函數(shù)，并給出不同用戶(hù)的差異化判決門(mén)限，實(shí)現(xiàn)了對(duì)活躍用戶(hù)身份、信道狀態(tài)以及定時(shí)偏差的聯(lián)合估計(jì)。但其檢測(cè)性能依賴(lài)于足夠長(zhǎng)的前導(dǎo)序列。綜上，異步場(chǎng)景下的大規(guī)模隨機(jī)接入問(wèn)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(hù)檢測(cè)問(wèn)題和信道狀態(tài)估計(jì)問(wèn)題，少有關(guān)注有效負(fù)載的傳輸方案。EIB 方法雖然可實(shí)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(duì)于減少大規(guī)模物聯(lián)網(wǎng)業(yè)務(wù)平均通信時(shí)延和控制開(kāi)銷(xiāo)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(hù)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(guān)統(tǒng)計(jì)意義上達(dá)成全體用戶(hù)的平均接入成功概率和長(zhǎng)期通信服務(wù)質(zhì)量。對(duì)于高負(fù)載時(shí)隙的特定用戶(hù)，免授權(quán)隨機(jī)接入仍無(wú)法保證其接入性能與后續(xù)通信質(zhì)量。為更好地平衡個(gè)體與整體的用戶(hù)體驗(yàn)，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(diǎn)如下。1) 部分用戶(hù)在發(fā)送有效負(fù)載前需消耗一定控制開(kāi)銷(xiāo)，但系統(tǒng)整體接入開(kāi)銷(xiāo)仍遠(yuǎn)低于基于授權(quán)的傳統(tǒng)隨機(jī)接入過(guò)程；2) 完成授權(quán)不再成為用戶(hù)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(wú)線(xiàn)電機(jī)理[86]設(shè)計(jì)了其具體實(shí)現(xiàn)方案。

對(duì)小區(qū)用戶(hù)分組或分層是實(shí)現(xiàn)半免授權(quán)隨機(jī)接入的另一設(shè)計(jì)思路，由3GPP 提案[87]提出。

在此方向上，文獻(xiàn)[81]開(kāi)展了相關(guān)研究，提出了一種兩級(jí)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(wú)線(xiàn)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(hù)劃分為高優(yōu)先級(jí)的授權(quán)主用戶(hù)和低優(yōu)先級(jí)的免授權(quán)次用戶(hù)；2) 根據(jù)認(rèn)知無(wú)線(xiàn)電技術(shù)中干擾可消除原理提出兩類(lèi)用戶(hù)間的配對(duì)策略；3) 形成配對(duì)的用戶(hù)組基于功率域NOMA 技術(shù)復(fù)用系統(tǒng)信道資源；4) 配對(duì)組中主用戶(hù)沿用基于授權(quán)的隨機(jī)接入方法，而次用戶(hù)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(chǎng)景，初步提出了2 種配對(duì)方案，并對(duì)不同場(chǎng)景下使用不同配對(duì)方案的4 種組合進(jìn)行了理論性能分析。2 種典型場(chǎng)景具體如下：場(chǎng)景1，授權(quán)用戶(hù)靠近基站，免授權(quán)用戶(hù)位于小區(qū)邊緣，基站側(cè)SIC 過(guò)程中首先檢測(cè)授權(quán)用戶(hù)消息；場(chǎng)景2，免授權(quán)用戶(hù)靠近基站，授權(quán)用戶(hù)位于小區(qū)邊緣，基站側(cè)SIC 過(guò)程中首先檢測(cè)免授權(quán)用戶(hù)消息。2 種配對(duì)方案分別為開(kāi)環(huán)方案（OL,open-loop）[88]和分布式競(jìng)爭(zhēng)方案（DC,distributed-contention）[89]。場(chǎng)景1 采用開(kāi)環(huán)方案，如圖10所示；場(chǎng)景2 采用分布式競(jìng)爭(zhēng)方案，如圖11 所示。2 種配對(duì)方案的主要步驟與特性對(duì)比如表5 所示。

圖10 場(chǎng)景1 采用開(kāi)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(shí)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(hù)分為若干大群，再在每個(gè)大群內(nèi)將互相鄰近、活躍度相似的多個(gè)用戶(hù)分為一組，每個(gè)用戶(hù)組選擇一個(gè)頭節(jié)點(diǎn)用戶(hù)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(jí)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(hù)隨機(jī)接入過(guò)程劃分為2 個(gè)時(shí)隙，在第一時(shí)隙，根據(jù)負(fù)載估計(jì)結(jié)果，基站調(diào)度各群接入優(yōu)先級(jí)和各群內(nèi)頭節(jié)點(diǎn)用戶(hù)的前導(dǎo)序列長(zhǎng)度；在第二時(shí)隙，各群內(nèi)頭節(jié)點(diǎn)用戶(hù)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(kāi)銷(xiāo)建立與維護(hù)方法；2) 基站側(cè)負(fù)載估計(jì)算法與用戶(hù)壓縮感知算法；3) 頭節(jié)點(diǎn)用戶(hù)前導(dǎo)序列長(zhǎng)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(chǎng)景2 采用分布式競(jìng)爭(zhēng)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(hù)兩級(jí)式群組化網(wǎng)絡(luò)主要通過(guò)用戶(hù)注冊(cè)、用戶(hù)組初始化、周期性維護(hù)三大操作形成。

①用戶(hù)注冊(cè)：用戶(hù)開(kāi)機(jī)或第一次切換入小區(qū)時(shí)，向基站發(fā)送注冊(cè)消息；基站根據(jù)該消息確定用戶(hù)的群歸屬，決策該用戶(hù)是否初始化為頭節(jié)點(diǎn)用戶(hù)，然后將相關(guān)決策反饋給用戶(hù)。

②用戶(hù)組初始化：頭節(jié)點(diǎn)用戶(hù)廣播建組消息；鄰近的非頭節(jié)點(diǎn)用戶(hù)偵聽(tīng)并向頭節(jié)點(diǎn)用戶(hù)發(fā)送入組申請(qǐng)；用戶(hù)組初步建立后通過(guò)最小能耗算法重選最佳頭節(jié)點(diǎn)用戶(hù)；新選頭節(jié)點(diǎn)用戶(hù)向基站上報(bào)用戶(hù)組構(gòu)成情況。

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

圖12 蜂窩小區(qū)內(nèi)物聯(lián)網(wǎng)用戶(hù)兩級(jí)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(shí)隙，接收到基站廣播的隨機(jī)接入機(jī)會(huì)（RAO,random access opportunity）消息后，活躍用戶(hù)組頭節(jié)點(diǎn)首先發(fā)送群級(jí)前導(dǎo)序列，該前導(dǎo)序列屬于傳統(tǒng)正交序列類(lèi)型，如m 序列；然后，基站對(duì)各群負(fù)載情況進(jìn)行估計(jì)，決定各群接入優(yōu)先級(jí)以及頭節(jié)點(diǎn)用戶(hù)免授權(quán)隨機(jī)接入時(shí)所用非正交前導(dǎo)序列長(zhǎng)度，并廣播這些決策結(jié)果。

在第二時(shí)隙，頭節(jié)點(diǎn)用戶(hù)偵聽(tīng)基站決策結(jié)果以調(diào)整本地前導(dǎo)序列長(zhǎng)度，并在基站指示的群接入時(shí)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(guò)程；基站采用3.2 節(jié)所述MMSE-AMP[74]聯(lián)合檢測(cè)頭節(jié)點(diǎn)用戶(hù)身份和相關(guān)信道狀態(tài)；最后，基站向頭節(jié)點(diǎn)用戶(hù)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(duì)方案的主要步驟與特性對(duì)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(hù)身份檢測(cè)性能對(duì)比如圖13 所示，其中，小區(qū)總用戶(hù)數(shù)N=1 00000，小區(qū)活躍用戶(hù)稀疏度λ=0.05，前導(dǎo)序列長(zhǎng)度固定時(shí)為L(zhǎng)=512，K表示群個(gè)數(shù)，M表示群內(nèi)組個(gè)數(shù)，pM 和pF分別表示活躍用戶(hù)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(hù)身份檢測(cè)性能對(duì)比

根據(jù)圖13 可知，群組化后活躍用戶(hù)檢測(cè)精度明顯高于未群組化的傳統(tǒng)小區(qū)，并且群個(gè)數(shù)越多，增益越大。但群個(gè)數(shù)增加也會(huì)帶來(lái)接入時(shí)延增高問(wèn)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(zhǎng)度也不相同。通過(guò)改變用戶(hù)平均活躍度，在保證活躍用戶(hù)身份檢測(cè)精度達(dá)到pF=pM <0.05的前提下，利用自適應(yīng)序列長(zhǎng)度選擇算法確定活躍用戶(hù)所發(fā)前導(dǎo)序列長(zhǎng)度。自適應(yīng)序列長(zhǎng)度隨稀疏度變化情況如圖14所示。從圖14 可以看出，相對(duì)于L=512的固定序列長(zhǎng)度方法，自適應(yīng)序列長(zhǎng)度選擇算法顯著縮短了前導(dǎo)序列長(zhǎng)度，減少了接入開(kāi)銷(xiāo)和能耗。

圖14 自適應(yīng)序列長(zhǎng)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(shì)。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(kāi)銷(xiāo)為代價(jià)，顯著降低大規(guī)模隨機(jī)接入用戶(hù)碰撞概率；2) 基于群負(fù)載估計(jì)的自適應(yīng)序列長(zhǎng)度選擇算法，可靈活匹配各群在用戶(hù)活躍度、群內(nèi)用戶(hù)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(jì)、干擾控制、接入與傳輸整體方案、理論界等許多問(wèn)題上都有待進(jìn)一步研究。

1) 用戶(hù)劃分策略

用戶(hù)劃分策略是半免授權(quán)隨機(jī)接入方法中的重要設(shè)計(jì)環(huán)節(jié)。3GPP 提案[92]根據(jù)用戶(hù)所需傳輸分組長(zhǎng)度完成分類(lèi)，將傳輸長(zhǎng)分組的用戶(hù)劃分為授權(quán)用戶(hù)，將傳輸短分組的用戶(hù)劃分為免授權(quán)用戶(hù)。前述SGF-NOMA 系統(tǒng)根據(jù)用戶(hù)QoS 需求完成分類(lèi)，將高QoS 需求用戶(hù)劃分為授權(quán)用戶(hù)，將低QoS 需求用戶(hù)劃分為免授權(quán)用戶(hù)。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(hù)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(shí)延、帶寬、可靠性要求劃分用戶(hù)類(lèi)型或形成群組以提高系統(tǒng)整體性能，以及如何低開(kāi)銷(xiāo)地獲取完成用戶(hù)劃分所需的信息，都值得進(jìn)一步探討。

2) 用戶(hù)成組方案

前述SGF-NOMA 系統(tǒng)提出了開(kāi)環(huán)和分布式競(jìng)爭(zhēng)2 種用戶(hù)配對(duì)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(hù)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(duì)于兩級(jí)式群組化隨機(jī)多址接入系統(tǒng)，依據(jù)用戶(hù)地理位置和通信行為，讓地理位置毗鄰、活躍度相近的用戶(hù)構(gòu)成用戶(hù)組。這里僅給出了成組準(zhǔn)則，但實(shí)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(hù)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(gè)用戶(hù)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(hù)干擾。因此，需要設(shè)計(jì)多用戶(hù)干擾控制機(jī)制并開(kāi)展相關(guān)性能分析。SGF-NOMA 系統(tǒng)通過(guò)信道增益閾值和競(jìng)爭(zhēng)時(shí)間窗口來(lái)調(diào)節(jié)復(fù)用授權(quán)用戶(hù)信道資源的免授權(quán)用戶(hù)數(shù)量。但信道增益閾值、競(jìng)爭(zhēng)時(shí)間窗口等控制因素對(duì)系統(tǒng)干擾分布、中斷概率等性能的影響尚無(wú)分析?；诜纸M或分層技術(shù)來(lái)實(shí)現(xiàn)半免授權(quán)隨機(jī)接入時(shí)，組內(nèi)用戶(hù)間通信采用D2D（device-to-device）通信[94-95]，組頭節(jié)點(diǎn)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(shí)可行的算法、方案，但對(duì)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(duì)用戶(hù)中斷概率進(jìn)行了分析，筆者對(duì)用戶(hù)所需前導(dǎo)序列長(zhǎng)度下界進(jìn)行了分析，但對(duì)于接入成功概率、平均接入時(shí)延、系統(tǒng)用戶(hù)容量、用戶(hù)檢測(cè)精度等，尚需進(jìn)行相關(guān)理論研究。此外，對(duì)于信道狀態(tài)估計(jì)誤差影響、控制開(kāi)銷(xiāo)大小等實(shí)際因素也需要給予關(guān)注。

5 無(wú)用戶(hù)標(biāo)識(shí)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(hù)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(kāi)銷(xiāo)。為解決海量低活躍度用戶(hù)在相同時(shí)頻資源上的多址難題，麻省理工學(xué)院的Polyanskiy[26]提出了無(wú)用戶(hù)標(biāo)識(shí)隨機(jī)接入（URA,unsourced random access）概念，也被稱(chēng)為隨機(jī)接入碼（RAC,random access code）技術(shù)。由于所有用戶(hù)共享相同的碼本，用戶(hù)傳輸前不需要完成身份標(biāo)識(shí)序列（SS,signature sequence）的分配，因此URA也被視為一種無(wú)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(wú)協(xié)調(diào)免授權(quán)隨機(jī)接入在應(yīng)用場(chǎng)景、典型接入性能、方法特性上的對(duì)比如表6 所示。

URA 的核心特點(diǎn)如下。1) 接收端不需要識(shí)別活躍用戶(hù)的身份標(biāo)識(shí)，需要傳遞自身標(biāo)識(shí)的活躍用戶(hù)可以將標(biāo)識(shí)信息內(nèi)嵌入數(shù)據(jù)負(fù)載中。該機(jī)制使所有用戶(hù)可以共享相同的碼本進(jìn)行傳輸，避免了在海量用戶(hù)中進(jìn)行復(fù)雜的用戶(hù)身份標(biāo)識(shí)認(rèn)證與分配過(guò)程。2) 使用所有活躍用戶(hù)消息譯碼的平均錯(cuò)誤概率衡量系統(tǒng)整體接入與傳輸性能。3) 針對(duì)傳統(tǒng)信息論不適用于大規(guī)模短分組通信場(chǎng)景的現(xiàn)狀，提出有限碼長(zhǎng)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(shí)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(lái)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(diǎn)。

從URA 框架下的用戶(hù)行為特征來(lái)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(shí)現(xiàn)細(xì)節(jié)，重點(diǎn)討論三大類(lèi)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(hù)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(shí)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(chǎng)景，與URA 理論界存在巨大差距。

Ordentlich 和Polyanskiy 提出了第一個(gè)適用于大規(guī)模巨連接場(chǎng)景的級(jí)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(hù)利用重疊碼（SC,superposed code）作為外碼（OC,outer code）對(duì)用戶(hù)原始數(shù)據(jù)進(jìn)行第一級(jí)編碼，該級(jí)編碼使接收端可從接收信號(hào)中分離不同用戶(hù)消息。2) 用線(xiàn)性二進(jìn)制碼（LBC,linear binary code）作為內(nèi)碼（IC,inner code）對(duì)第一級(jí)輸出碼字進(jìn)行第二級(jí)編碼，該級(jí)編碼使接收端可對(duì)抗信道衰落影響；第二級(jí)編碼完成后，數(shù)據(jù)分組的發(fā)送過(guò)程與傳統(tǒng)ALOHA 協(xié)議類(lèi)似，且均假設(shè)經(jīng)歷以時(shí)隙為單位的時(shí)分信道。3) 用戶(hù)隨機(jī)選擇若干時(shí)隙，在各選定時(shí)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(gè)時(shí)隙被多個(gè)用戶(hù)選中，則其會(huì)承載多個(gè)用戶(hù)數(shù)據(jù)分組，導(dǎo)致多用戶(hù)數(shù)據(jù)間互相干擾，造成譯碼失敗。因此，相對(duì)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(gè)時(shí)隙上最多可同時(shí)承載T個(gè)用戶(hù)數(shù)據(jù)分組，而T的大小由重疊碼類(lèi)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(shí)，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(wú)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(duì)比

圖15 T-fold ALOHA 協(xié)議原理

文獻(xiàn)[99]對(duì)文獻(xiàn)[98]中的T-fold ALOHA 協(xié)議進(jìn)行了改進(jìn)，重新設(shè)計(jì)了用戶(hù)傳輸時(shí)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(hù)數(shù)固定和活躍用戶(hù)數(shù)服從泊松隨機(jī)分布2 種場(chǎng)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(shí)間異步問(wèn)題對(duì)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(jì)算復(fù)雜度，采用線(xiàn)性二進(jìn)制碼作為內(nèi)碼，采用BCH 碼校驗(yàn)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(shí)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(cuò)能力更強(qiáng)的碼來(lái)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(dú)立譯碼的架構(gòu)，轉(zhuǎn)而設(shè)計(jì)新型聯(lián)合譯碼算法。此類(lèi)方法按照采用的編碼類(lèi)型可分為基于低密度奇偶校驗(yàn)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(lèi)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(hù)數(shù)據(jù)分為2 個(gè)部分。第一部分為擴(kuò)頻序列，用于標(biāo)識(shí)用戶(hù)身份并通過(guò)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(duì)T用戶(hù)二進(jìn)制輸入高斯多址信道設(shè)計(jì)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(hù)數(shù)據(jù)分為2 個(gè)部分，即前導(dǎo)序列和有效負(fù)載，但區(qū)別在于：1) 只對(duì)所發(fā)前導(dǎo)序列在前導(dǎo)序列集中的索引號(hào)以及所發(fā)消息在消息集中的索引號(hào)進(jìn)行編碼，而不對(duì)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(hào)來(lái)決定編碼模塊使用的交織器，本質(zhì)上等價(jià)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(lái)看，上述方法通過(guò)引入糾錯(cuò)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(shí)現(xiàn)更低復(fù)雜度、更強(qiáng)糾錯(cuò)能力的譯碼方法。受此啟發(fā)，文獻(xiàn)[105]也在接收端同時(shí)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(mén)-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(shí)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(jì)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L(fǎng)DPC 碼為內(nèi)碼，采用極化碼為內(nèi)碼能帶來(lái)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(gè)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(cè)用戶(hù)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(duì)數(shù)似然比估計(jì)器和極化碼串行消除譯碼（SCD,successive cancellation decoding）算法來(lái)檢測(cè)第二部分消息。

文獻(xiàn)[108]令每個(gè)用戶(hù)按照某種概率分布隨機(jī)選擇極化碼碼長(zhǎng)和傳輸功率來(lái)完成編碼和射頻發(fā)射。每個(gè)用戶(hù)選定的碼長(zhǎng)、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(hù)編碼和傳輸參數(shù)，使用多用戶(hù)SIC 和極化碼串行消除算法進(jìn)行信號(hào)檢測(cè)。

3) 編碼增強(qiáng)型URA 方法性能對(duì)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(cuò)誤概率ε<0.05時(shí)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(guò)設(shè)計(jì)用戶(hù)傳輸時(shí)隙挑選方法，T-fold IRSA 協(xié)議[99]大幅提升了系統(tǒng)性能。而無(wú)論是以L(fǎng)DPC 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(hù)規(guī)模不斷增大，相較于以L(fǎng)DPC 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(hù)數(shù)少于225 時(shí)取得最佳系統(tǒng)性能；當(dāng)活躍用戶(hù)數(shù)大于250 時(shí)，極化碼結(jié)合隨機(jī)選擇碼長(zhǎng)、發(fā)射功率的方法[108]實(shí)現(xiàn)了最佳系統(tǒng)性能。

圖17 各類(lèi)代表性URA 方法系統(tǒng)性能比較

5.3 基于用戶(hù)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(shí)現(xiàn)方法被提出時(shí)，并沒(méi)有考慮各用戶(hù)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(hù)活躍狀態(tài)完全隨機(jī)且相互獨(dú)立。但在很多物聯(lián)網(wǎng)應(yīng)用中，由于類(lèi)型相同、功能相似、所處地理位置毗鄰等原因，多個(gè)設(shè)備發(fā)送消息內(nèi)容可能是對(duì)同一事件的觀(guān)測(cè)結(jié)果。由于待發(fā)消息內(nèi)容的一致性，導(dǎo)致各用戶(hù)活躍狀態(tài)呈現(xiàn)明顯相關(guān)性?；谏鲜鍪聦?shí)，區(qū)別于各用戶(hù)活躍狀態(tài)隨機(jī)且獨(dú)立模型，文獻(xiàn)[109]引入各用戶(hù)活躍狀態(tài)相關(guān)性，提出了一種多用戶(hù)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(dòng)的隨機(jī)接入模型如圖18 所示[109]，其主要特點(diǎn)為特定物理事件（如1ξ）會(huì)導(dǎo)致特定集合內(nèi)（如1Λ）全部用戶(hù)（如Xk∈Λ1）進(jìn)入活躍狀態(tài)。

文獻(xiàn)[109]允許用戶(hù)發(fā)送2 種消息，即標(biāo)準(zhǔn)消息和報(bào)警消息。當(dāng)各用戶(hù)活躍行為遵循傳統(tǒng)獨(dú)立活躍模型時(shí)，用戶(hù)發(fā)送標(biāo)準(zhǔn)消息。當(dāng)各用戶(hù)活躍行為遵循新型相關(guān)性活躍模型時(shí)，由特定物理事件激活與之對(duì)應(yīng)的特定用戶(hù)集合。激活后，該集合中所有用戶(hù)都發(fā)送相同報(bào)警消息，以提高報(bào)警消息檢測(cè)可靠性。接收端譯碼器既能檢測(cè)標(biāo)準(zhǔn)消息又能檢測(cè)報(bào)警消息。文獻(xiàn)[109]更新了傳統(tǒng)URA 模型對(duì)錯(cuò)誤激活概率的定義，其將報(bào)警消息對(duì)應(yīng)用戶(hù)集合外的其他用戶(hù)處于活躍狀態(tài)的概率視為錯(cuò)誤激活概率。上述隨機(jī)接入方式被稱(chēng)為帶報(bào)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(cè)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(jià)，大大提高了接收端檢測(cè)可靠性。

圖18 基于事件驅(qū)動(dòng)的隨機(jī)接入模型

文獻(xiàn)[110]提出一種基于用戶(hù)類(lèi)型的多址（TBMA,type-based multiple access）方法。其核心思想如下。1) 讓監(jiān)測(cè)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(gè)數(shù)；3) 針對(duì)此種接入方式，為接收端設(shè)計(jì)相應(yīng)的新型消息傳遞算法；4) 基站直接通過(guò)檢測(cè)接收到的碼本即可判斷特定事件是否發(fā)生，避免對(duì)活躍傳感器逐個(gè)譯碼。仿真結(jié)果表明，在接入用戶(hù)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(hù)發(fā)送內(nèi)容的相關(guān)性。發(fā)送相同內(nèi)容的活躍用戶(hù)被映射到同一時(shí)隙進(jìn)行接入與傳輸。仿真結(jié)果顯示，此類(lèi)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(lái)“萬(wàn)物互聯(lián)”新時(shí)代，URA 方法具備特別優(yōu)勢(shì)，主要體現(xiàn)在以下幾個(gè)方面。

1) 更低接入能耗

低功耗、低成本、低復(fù)雜度是未來(lái)mMTC 業(yè)務(wù)對(duì)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(dòng)機(jī)之一。URA 方法簡(jiǎn)化了隨機(jī)接入步驟，避免了在隨機(jī)接入過(guò)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(shí)所需接入能耗。研究表明，達(dá)到相同誤碼性能時(shí)，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(shí)延不敏感場(chǎng)景

在T-fold ALOHA 協(xié)議等代表性URA 方法中，活躍用戶(hù)隨機(jī)選擇若干時(shí)隙重復(fù)發(fā)送自身數(shù)據(jù)分組。若某個(gè)時(shí)隙上承載的用戶(hù)數(shù)據(jù)分組個(gè)數(shù)小于閾值T，則該時(shí)隙上可實(shí)現(xiàn)高譯碼成功概率。因此，如果單個(gè)活躍用戶(hù)的有效負(fù)載可在更大時(shí)隙范圍內(nèi)隨機(jī)上傳，則有利于降低用戶(hù)數(shù)據(jù)分組間的相互干擾。這等價(jià)于以更大的傳輸時(shí)延置換更高的譯碼性能。而在未來(lái)大規(guī)模物聯(lián)網(wǎng)應(yīng)用中確實(shí)存在如智能農(nóng)業(yè)、智能讀表等時(shí)延不敏感類(lèi)業(yè)務(wù)，這為發(fā)揮URA 方法特色提供了現(xiàn)實(shí)場(chǎng)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(hù)身份標(biāo)識(shí)和有效負(fù)載，一般性地將用戶(hù)身份識(shí)別和有效負(fù)載傳輸統(tǒng)一為二進(jìn)制比特的編譯碼問(wèn)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(shí)現(xiàn)免授權(quán)隨機(jī)接入的優(yōu)選技術(shù)方向。

4) 開(kāi)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(kāi)放性，一方面可以通過(guò)選取、組合、改造各種現(xiàn)有編譯碼技術(shù)來(lái)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(xiàn)場(chǎng)景，但可方便地與大規(guī)模多天線(xiàn)技術(shù)相融合，從而大幅提升網(wǎng)絡(luò)可支持的總用戶(hù)數(shù)和活躍用戶(hù)數(shù)。

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

1) 新型重疊編碼設(shè)計(jì)

T-fold ALOHA 協(xié)議以重疊碼為外碼，來(lái)實(shí)現(xiàn)每個(gè)時(shí)隙最多可承載T個(gè)用戶(hù)數(shù)據(jù)分組。T的最大取值成為決定其用戶(hù)承載能力的關(guān)鍵?，F(xiàn)有重疊碼設(shè)計(jì)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(hù)數(shù)T卻仍十分有限，所需碼字長(zhǎng)度隨T呈指數(shù)增長(zhǎng)。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(jì)新型重疊碼，使相同碼字長(zhǎng)度條件下可區(qū)分重疊用戶(hù)數(shù)T明顯提高，達(dá)到T≥10 水平，對(duì)提升T-fold ALOHA 協(xié)議實(shí)用化具有重要意義。

2) 非理想化活躍用戶(hù)檢測(cè)

現(xiàn)有基于編碼增強(qiáng)的URA 方法往往將活躍用戶(hù)身份檢測(cè)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(hù)身份檢測(cè)，再根據(jù)感知到的用戶(hù)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(hù)身份檢測(cè)（即擴(kuò)頻序列或交織規(guī)則等的感知）的結(jié)果會(huì)嚴(yán)重影響后端有效負(fù)載的譯碼性能。現(xiàn)有文獻(xiàn)均假設(shè)理想活躍用戶(hù)身份檢測(cè)，間接回避了上述問(wèn)題。因此，研究活躍用戶(hù)身份檢測(cè)誤差對(duì)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(shí)用價(jià)值。

3) 活躍用戶(hù)相關(guān)性影響與利用

雖然已有研究開(kāi)始利用用戶(hù)活躍狀態(tài)相關(guān)性來(lái)提高系統(tǒng)檢測(cè)性能，但尚處于研究初期階段[92-94]，并未量化用戶(hù)間行為、分析發(fā)送內(nèi)容相關(guān)性等深入問(wèn)題。例如，相同物理事件可在不同地理位置同時(shí)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(lài)接收信號(hào)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(cè)錯(cuò)誤。此外，高效的小區(qū)用戶(hù)快速成群算法也對(duì)提高該類(lèi)方法性能有明顯作用。報(bào)警消息對(duì)應(yīng)特定用戶(hù)集的篩選方法，以及用戶(hù)如何支持2 種及以上報(bào)警消息也值得進(jìn)一步研究。

6 結(jié)束語(yǔ)

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(gè)角度對(duì)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(kāi)放性問(wèn)題，因此本文第2～5 節(jié)給出了各類(lèi)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(duì)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?cái)U(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(shí)現(xiàn)突破。因此必須引入新型隨機(jī)接入方法。基于這一背景，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(wú)用戶(hù)標(biāo)識(shí)隨機(jī)接入都針對(duì)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(jì)，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(jì)算法、非正交多址技術(shù)、群組化通信策略、D2D 通信、有限長(zhǎng)編碼理論等大量前沿技術(shù)是支撐這3 類(lèi)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(hào)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(lèi)方法研究現(xiàn)狀來(lái)看，它們都旨在實(shí)現(xiàn)接入開(kāi)銷(xiāo)、接入成功概率、接入時(shí)延、接入用戶(hù)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(wú)用戶(hù)標(biāo)識(shí)隨機(jī)接入更追求“零開(kāi)銷(xiāo)”特性，而半免授權(quán)隨機(jī)接入允許投入一定的必要開(kāi)銷(xiāo)或容忍一定的必要時(shí)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(lèi)方法面臨的挑戰(zhàn)來(lái)看，它們都有如下共性問(wèn)題。1) 電磁環(huán)境復(fù)雜多變，如何高效實(shí)現(xiàn)頻譜感知？2) 用戶(hù)檢測(cè)運(yùn)算代價(jià)高昂，如何降低算法復(fù)雜度？3) 物聯(lián)網(wǎng)業(yè)務(wù)類(lèi)型多樣，如何匹配各業(yè)務(wù)特性需求？4) 各類(lèi)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(jì)、用戶(hù)前導(dǎo)序列設(shè)計(jì)、異步難題解決方法、壓縮理論框架下序列長(zhǎng)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(kāi)展的研究課題。2) 用戶(hù)劃分策略、用戶(hù)成組方案、多用戶(hù)干擾控制算法、多用戶(hù)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(hù)區(qū)分能力、降低活躍用戶(hù)檢測(cè)誤差影響、活躍用戶(hù)相關(guān)性系統(tǒng)化研究則是無(wú)用戶(hù)標(biāo)識(shí)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(lèi)方法未來(lái)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(xiàng)性能提供了新的物理基礎(chǔ)。3) 基于人工智能的生成對(duì)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(duì)于提升大規(guī)模隨機(jī)接入性能極具潛力。