一种面向电力物联网海量终端的接入控制与资源分配方案的制作方法

本发明属于无线通信领域，具体涉及面向电力物联网海量终端的接入控制与资源分配方案。通过激励部分延迟容忍的机器类通信(mtc)设备推迟其访问需求，以换取更高的访问机会，可以很好的缓解高峰时期基站接入压力。基于lyapunov优化设计了一种长期跨层在线资源分配方法，该方法在完整信道状态信息未知的情况下联合优化速率控制，功率分配和信道选择，可以提高资源分配效率。

背景技术：

过去十年见证了从移动互联网向物联网(iot)时代的转变，数十亿物理设备，物体和机器等连接到移动电话和笔记本电脑网络。通过利用超可靠和超响应的网络连接，可以实现一系列“控制”类应用，如电力物联网。在众多电力物联网的核心技术中，机器对机器(m2m)通信在自主数据采集和交换以及远程可访问性方面发挥着关键作用。它提供灵活，可扩展，可靠的平台，以提供电力物联网服务和应用。

然而，电力物联网对现有的m2m通信技术提出了新的挑战，其中一些概述如下。首先，电力物联网需要大量的机器类型通信(mtc)设备，例如传感器，致动器，以提供全面的覆盖。由于资源有限，当大量mtc设备在高峰时间同时连接到网络时，随机接入的冲突概率会急剧增加，从而导致严重的接入延迟和能耗。平缓峰值时间接入需求的潜在解决方案是在延迟方面探索多样化的服务质量(qos)要求。传统方法假设基站(bs)知道所有设备的完美信息，考虑到隐私和安全问题以及信令开销的高昂成本，这在实际实现中可能过于乐观。

其次，应动态分配和优化资源，以支持电力物联网应用的严格qos要求。大多数现有工作主要关注物理层的性能，但忽略了上层要求。他们只是假设mtc设备具有无限的传输数据，并且不考虑数据积压是有限且动态的情况。资源可能被错误地分配给那些传输数据很少的设备，这将导致了巨大的资源浪费。此外，这些工作只关注资源分配的短期优化而忽略了长期网络运营目标和约束。从长远角度来看，这将导致严重的性能下降。本发明针对这两个主要挑战进行了研究。

技术实现要素：

本发明提出了一种两阶段接入控制和资源分配算法。在第一阶段，提出了一种基于契约理论的激励机制，激励部分延迟容忍的机器类通信(mtc)设备推迟其访问需求，以换取更高的访问机会。在第二阶段，基于lyapunov优化，提出了一种长期跨层在线资源分配方法，该方法在完整信道状态信息未知的情况下联合优化速率控制，功率分配和信道选择。特别地，联合功率分配和信道选择问题被公式化为二维匹配问题，并且通过基于定价的稳定匹配方法来解决。具体过程如下。

图1为电力物联网海量终端接入模型图。由基站，m个延迟容忍设备和k个延迟敏感设备组成，两类设备分别表示为和从mtc设备到bs的上行链路数据传输涉及两个阶段：接入控制和资源分配。在接入控制阶段，bs可以对允许访问网络的设备数量施加一些限制。主要通过推迟延迟容忍设备的接入时间缓解高峰时期设备的接入压力，同时，设备将获得相应的奖励，即更大的接入概率。

在资源分配阶段，考虑连接到bs的k个延迟敏感mtc设备,采用时隙模型。在第t个时隙，应用程序要求设备dsk应该检测rk(t)比特的数据，它们在被发送到bs之前首先存储在dsk的缓冲器中，即队列k。令vk(t)表示时隙t处队列k的物理层传输速率。即rk(t)和vk(t)表示进入或离开队列的数据量。特别地，rk(t)和vk(t)还分别从应用层和物理层的角度指定应该向bs发送多少数据。令qk(t)表示数据积压，即在队列k缓冲的数据量。

1)接入控制阶段：一种简单的接入控制机制是访问类限制(acb)方案。最初，bs在[0；1]广播acb禁止因子b0到所有延迟容忍的mtc设备。在接收到b0之后，任何mtc设备dtm将在[0；1]内均匀地生成随机接入码，即am。当且仅当am≤b0时，允许设备dtm连接到bs。实际上，b0也是访问概率。

将延迟容忍设备的最大可容忍时间定义为设备类型，相比于低类型的设备，高类型的设备更可能推迟较大的时间接入。根据m个延迟容忍设备的最大容忍时延，将其按照升序分为m类，表示为θ＝{θ1，…，θm，…θm}，其中θ1＜…＜θm…＜θm，m＝1，…，m。bs可以基于历史数据估计设备类型的统计信息。将设备dtm’属于类型θm的概率表示为pm’，m，可以得到假设该概率分布是独立同分布的，因此，pm’，m的第一个下标m’可以被移除，可以简化为pm。假设bs可以获得关于pm的统计信息。

基于acb机制，基站为m个延迟容忍mtc设备设计m项条款，每一项条款对应一个设备。设备在类型θm的情况下签订合同项目(tm，bm)，tm和bm分别表示类型为θm的延迟容忍设备推迟接入的时间和其相应的奖励。这里，奖励指bs将其访问概率从b0增加到b0+bm。然后，bs广播所有合同项目，并且每个延迟容忍mtc设备将选择合同项目以最大化其收益。

在项目条款(tm，bm)下，类型为θm的设备效用函数为：

um(tm，bm)＝θmbm-γtm，

其中γ为设备推迟接入时间tm所需的成本。

考虑m种设备类型时，基站的预期效用为：

基站的目标是在信息不对称的情况下，通过优化每个项目条款最大化预期效用，因此相应的目标函数为：

p1：

s.t.c1：θ1b1-γ1t1＝0，

c2：γmtm＝γmtm-1+θm(bm-bm-1)，2≤m≤m，

c3：0≤b1＜…＜bm＜…＜bm，

c4：

c1、c2、和c3分别为个人理性、激励兼容性和单调性约束，c4为tm的上界。其中，个人理性约束条件表示为：在选择签订契约(tm，bm)后，类型为θm的延迟容忍设备的效用非负；激励兼容性约束条件表示为：类型为θm的设备只有在选择为其设计的专属契约时才能够获得最大收益；单调性约束为：类型为θm的设备的奖励高于类型为θm-1的设备的奖励，低于类型为θm+1的设备的奖励。通过使用kkt(karush-kuhn-tucher)条件求解目标函数中的最优契约，该契约规定了延迟容忍设备推迟接入时间与获得的奖励之间的关系。在设立契约之后，基站广播契约，并且每个设别选择其期望的契约项目以最大化其收益。

2)资源分配阶段：在访问控制之后，只有k个延迟敏感的mtc设备连接到bs。对于设备dsk，队列k的积压qk变化如下：

qk(t+1)＝[qk(t)-vk(t)]⁺+rk(t)

我们将dk定义为队列k的传输延迟。依据利特尔法则，平均延迟约束由下式给出

对于设备dsk，应用层满足度uk与采集速率rk(t)正相关，uk定义为：

uk[rk(t)]＝aklog2[rk(t)]

其中αk是表示rk(t)重要性的服务相关参数，可以看作是设备dsk的相应服务的优先级。对数函数表示满意度的边际增量随着rk(t)的增大逐渐下降。

我们假设有n个正交子信道，其集合定义为其中信道选择指示符表示为xk，n(t)，它是一个二值变量，xk，n(t)＝1表示子信道sn分配给设备dsk，否则，xk，n(t)＝0。设备dsk的传输速率由下式给出：

其中wn(t)表示子信道sn的带宽，pk(t)是设备dsk的发送功率。gk，n(t)是信道增益，σ0是噪声功率。

实际上，m2m网络的寿命和连接性高度依赖于底层mtc设备的电池状态。部署mtc设备后，很难更换电池。因此，需要长期平均功耗约束来确保m2m网络的可靠运行，表示如下：

其中，表示网络的总能耗，pmean为功耗的时间平均约束上限。优化目标是最大化所有mtc设备的时间平均满意度，由下式给出：

优化问题表示为：

p2：

s.t.c5：

c6：

c7：

c8：

c9：

c10：

c11：

c12：

通过虚拟队列的概念，可以将长期时间平均约束转换为队列稳定性约束。与时间平均功耗和时延相关联的虚拟队列分别由下式给出：

z(t+1)＝[z(t)-pmean]⁺+e(t)，

依据lyapunov优化方法，李雅普诺夫函数定义如下：

李雅普诺夫漂移可以指示两个相邻时隙中队列积压的变化。一阶条件李雅普诺夫漂移由下式给出：

根据李雅普诺夫漂移加惩罚理论，在给定非负控制参数v的情况下，得出漂移减奖励的上限为：

上式右边的第一项仅涉及速率控制变量{rk(t)}，右边的第二，第三和第四项只涉及功率分配和信道选择变量{pk(t)}和{xk，n(t)}。原始的长期优化问题能够被解耦为短期的相互独立的速率控制和联合信道选择和功率分配子问题，去除相关常数项，分别表示如下：

a.速率控制子问题：

p3：

s.t.c6.

其中，f1[rk(t)]＝qk(t)rk(t)-vuk[rk(t)]。p3是凸规划问题，可以通过使用kkt条件来解决。

b.联合信道选择与功率分配子问题

p4：

s.t.c5，c7～c9.

其中，

由于整数变量和连续变量耦合在一起，因此p4是np难的。为了提供易处理的解决方案，p4可以转换为二维匹配问题，设备建立对不同信道的喜好表。当mtc设备和不同的信道匹配时能够达到不同的性能，为了解决p4，mtc设备对信道sn的喜好为：

其中，φ(dsk)＝sn代表设备dsk选择信道sn，为选择某一信道后所解得的最优功率。λn是选择相应信道的价格，其初始值为零。

根据建立的喜好表，在匹配过程中执行“提出申请”和“提高价格”的过程，以获得设备和信道之间的稳定匹配。设备先向它最喜欢的信道提出匹配申请，如果该信道只有这一个申请者，信道将会与之临时匹配。当多个设备向同一信道提出申请时，将会发生申请冲突。为了解决同时有多个设备对向同一信道提出申请的申请者冲突问题，引入“价格”的概念，信道的价格没有实际意义，只是在匹配过程中作为匹配成本而存在。当同一信道接收到多个设备的匹配申请时，它的价格就会每次增加δλn，使得设备和信道匹配的成本增加。随着匹配的成本增加，设备就向其他信道提出申请。当匹配结束时，设备与信道之间的匹配达到稳定状态。

附图说明：

图1是电力物联网终端接入系统模型图。

图2是仿真参数图。

图3是m2m设备效益与不同契约条款关系图。

图4是所提激励机制缓解高峰基站接入压力效果图。

图5是虚拟队列z队列稳定性与时隙变化关系图。

图6所提李雅普诺夫优化算法性能对比图。

具体实施方式

本发明的实施方式分为两个步骤，第一步为建立模型，第二步为算法的实施。其中，建立的系统模型如图1所示，它和

技术实现要素：
中电力物联网海量终端接入模型图的介绍完全对应。

1)对于系统模型，由基站获取设备的类型分布概率和用户需求，考虑到基站不能掌握设备的精确信息，普通的激励机制不再适用，急需设计一种针对信息不对称情况的激励机制。目前，契约理论已经广泛应用于无线网络的优化。如图1所示，基站负责小区内的资源协调与任务分配，在设计契约之后向延迟容忍的m2m设备广播契约项目，延迟容忍设备选择相应的契约以缓解基站高峰时段的压力。接入控制阶段之后，考虑连接到bs的k个延迟敏感mtc设备的资源分配问题，包含速率控制，功率分配和子信道选择。由于队列信息和信道状态的不断变化，一种长期的网络优化方法极为需要。

2)为了解决上述问题，首先要设计一种有效的激励机制激励延迟容忍设备推迟其接入接入基站时间。由于该过程中基站不能知道设备的精确信息，使得设计激励机制更加复杂。通过设计针对每种类型设备的契约项目，在个人理性、激励兼容性和单调性约束下最大化基站的预期效用。为了使问题易于处理，通过探索相邻设备类型之间的关系来减少个人理性和激励兼容性约束的个数。然后，通过使用karush-kuhn-tucker(kkt)条件求解目标函数。

其次采用李雅普诺夫优化算法将时延敏感设备接入资源分配的长期网络优化问题转化成短期优化问题，再根据李雅普诺夫漂移加惩罚定理，将速率控制子问题和功率分配子问题分解成相互独立的优化问题。因为到达速率的独立同分布特点，可以用传统的kkt条件求解速率控制问题。将功率分配和信道选择问题建模为一个双边匹配问题，提出基于定价的匹配算法，根据动态的喜好使m2m设备和信道之间达到稳定的匹配。

对于本发明，我们进行了大量仿真。下面针对接入控制和资源分配阶段分别进行讨论。

图3是m2m设备效益与不同契约条款关系图。仿真结果显示了类型4、类型7和类型10的m2m设备在不同契约条款下的效益。结果表明，当且仅当设备选择专门为其设计的契约时，m2m设备的效益才能最大化。此外，数值结果也表明，设备的效用随着设备类型的增加而增加。

图4是所提激励机制缓解高峰基站接入压力效果图。仿真结果表明，应用接入控制后，峰值时间访问需求可以得到有效平滑。原因为，一些延迟容忍的m2m设备推迟了他们对基站的访问时间以获得更高的访问概率，这有效地将访问需求从高峰时间转移到非高峰时间。

尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

图5显示了虚拟功率队列z的队列长度与时隙的关系。研究表明，虚拟队列z的队列积压在经过一段时间后，其队列长度在一定范围内进行变化。网络的稳定性可以得到保证。

图6为所提李雅普诺夫优化算法性能对比图。图6(a)所示为每个设备的平均数据队列积压，矩形框区域包含队列积压值的第二和第三四分位数，图中显示所提方案的队列积压波动远小于对比算法的队列积压波动。此外，所提出的方案的最大值和中值都较低。图6(b)显示了平均能效性能，其计算为(比特/焦耳)。所提出的方案可以实现大多数设备的更高的平均能量效率。原因是对比算法仅考虑物理层分配，并将功率资源分配给那些信息很少的设备，这导致了明显的积压波动和低能效。

尽管为说明目的公开了本发明的具体实施和附图，其目的在于帮助理解本发明的内容并据以实施，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换、变化和修改都是可能的。因此，本发明不应局限于最佳实施例和附图所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。