一种大规模MTC与H2H共存场景中基于H2H动态特性的资源分配方法与流程

本发明属于蜂窝物联网的资源分配技术领域，具体涉及一种大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法。

背景技术：

国际电信联盟无线电通信局(itu-r)在2015年就确定了5g的三大主要应用场景：增强移动宽带(enhancemobilebroadband，embb)、大规模机器类通信(massivemachinetypecommunication，mmtc)和超高可靠低时延通信(ultrareliable&lowlatencycommunication，urllc)。即将广泛部署5g网络的应用场景已经不仅仅是在传统的蜂窝网络中实现人与人(humantohuman，h2h)通信更高的速率和广域覆盖，还包括大规模的物联网应用。作为物联网的关键支撑技术，m2m(machinetomachine)通信将成为5g的最为重要的组成部分，利用传统蜂窝网络支持并实现m2m通信因此成为5g发展的重大研究领域，未来蜂窝网络设计将面对的是大规模mtc与h2h共存的网络场景。

3gpp标准化组织将通过蜂窝网络支持m2m业务的通信方式定义为机器类通信(machinetypecommunication，mtc)，并针对mtc对传统蜂窝网络做了适当调整，特别是针对大规模mtc接入可能导致网络拥塞，引入了接入类阻塞(accessclassbarring，acb)方法，其基本思想为将突发的大规模接入请求在时间上重新均匀分配，从而缓和瞬时的接入碰撞。另一方面，为了减少大规模mtc接入的信令开销，工业界和学术界普遍认可为mtc设计更加精简的随机接入和数据发送流程。

现有蜂窝网络的无线信道资源非常有限，很难同时支撑h2h和大规模mtc的接入与数据传输，因此需要针对大规模mtc与h2h共存场景设计更加合理的上行资源分配方案。现有研究通常仅考虑在随机接入过程中h2h与mtc之间的物理随机接入信道(prach)的分配问题，或者单独考虑h2h与mtc之间的物理上行共享信道(physicaluplinksharedchannel，pusch)的分配问题。极少数研究者联合考虑了大规模mtc与h2h共存场景下整个上行传输资源，但是这些研究者通常采用简化的模型，在分配pusch时假设资源总是充足，并且仅局限于最大化传输速率或者最小化能量消耗，而没有关注到h2h与mtc业务的服务质量的需求，特别是mtc业务接入传统蜂窝网络不能对网络中已有的h2h业务造成明显的影响。因此，有必要针对在mtc与h2h共存场景采用更加合理的数学建模分析资源分配问题，并在保证h2h业务成功传输的前提下对资源分配做优化设计，从而提升mtc的业务质量。

技术实现要素：

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法，相比现有研究更加准确地建模h2h业务的动态特性，在保障h2h业务的传输成功概率前提下，最大化大规模mtc业务的吞吐量。

本发明采用以下技术方案：

大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法，包括以下步骤：

s1、建立mtc与h2h共存场景的系统模型；

s2、对大规模mtc与h2h共存场景中资源分配基本参数进行分析；

s3、在每个随机接入机会中基站利用负载估计设置接入类阻塞检验的最佳门限，并推导每个随机接入机会内带有机器类通信设备身份信息的平均吞吐量；

s4、构建资源分配优化问题，在保证h2h业务成功传输概率的前提下最大化每个随机接入机会内mtc的吞吐量；

s5、采用马尔科夫链对h2h用户在网络中的状态进行建模，表征h2h业务传输的动态特性；

s6、基于步骤s5建立的马尔科夫链模型分析h2h用户在随机接入与数据发送中状态转移概率；

s7、根据h2h状态转移概率特性对h2h用户的平稳分布进行分析，计算h2h业务成功传输概率，并利用不动点迭代算法计算得到平稳分布下的到达速率；

s8：根据步骤s7得到的到达速率计算任意一个h2h用户接入网络并成功完成传输的概率，代入优化问题并采用三维搜索算法求解优化问题如下：

s.t.

其中，nrb为每个rao内资源块总数，为用于构建prach的资源块个数，np为prach上可用的前导码总数，为分配给mtc业务的前导码个数，ns为可以pusch的总数，为分配给mtc业务的pusch个数，tm为mtc业务在每个rao内的平均吞吐量，pf为h2h用户在一次随机接入中没有获取到pusch发送数据的概率，m为最大前导码重发次数，pr为h2h用户每次数据发送的重传概率，r为最大数据重传次数，pth为h2h业务所要求最低成功传输概率的阈值；

返回最大mtc吞吐量以及对应的资源配置方案参数集得到最优的资源配置方案。

具体的，步骤s1中，小区基站bs具有nh个h2h用户终端设备、以及nm个机器类通信设备，各个终端设备的业务到达独立且均为强度为λ1的泊松过程，则在小区网络中总的h2h业务到达服从强度为λh＝nhλi的泊松过程，每个终端设备业务到达后，每次到达对应的发送数据量为一服从均匀分布的随机变量面向物联网的通信设备到达模型服从贝塔分布，并且通常具有固定的数据包格式，每个带有机器类通信设备身份信息到达后发送数据量为一个常量大规模mtc与h2h共存场景中采用不同的随机接入与数据发送协议服务两种业务，h2h业务仍然采用传统蜂窝网络中原有的lte协议完成随机接入与数据发送，mtc业务采用简化的信令交互方式完成随机接入与数据发送。

进一步的，mtc业务具体为：

采用蜂窝网络中的接入类阻塞方法进行检验，通过接入类阻塞方法检验的机器类通信设备向基站发送带有机器类通信设备身份信息的前导码，基站通过解码识别出前导码无碰撞的机器类通信设备的设备id并答复随机接入响应消息，在随机接入响应消息中，基站为机器类通信设备分配物理上行共享信道，机器类通信设备随后在指定的物理上行共享信道上发送调度信息与小数据包，基站在解码成功后返回碰撞解决与接收反馈信息。

具体的，步骤s2中，在每个随机接入机会内，有个资源块用于构建物理随机接入信道，个资源块用于构建物理上行共享信道，为h2h业务分配个前导码与个物理上行共享信道，剩余个前导码与个物理上行共享信道分配给大规模mtc业务，资源配置参数集合根据最优的和取值确定资源分配方案。

具体的，步骤s3中，接入类阻塞方法检验的最佳门限每个随机接入机会内机器类通信设备的平均吞吐量tm为：

其中，为前导码没有碰撞的机器类通信设备平均个数，为每个rao内分配给大规模mtc的前导码，为每个rao内分配给大规模mtc的pusch个数，tm为个mtcd随机接入和数据传输需要消耗的pusch，为采用负载估计技术对当前rao内将发起接入请求的激活设备数的估计值。

具体的，步骤s4中，资源分配优化问题具体为：

s.t.psuccess≥pth

其中，tm为每个随机接入机会内机器类通信设备的平均吞吐量，优化变量包括每个随机接入机会用于构建prach的资源块用个数每个随机接入机会内分配给大规模mtc的前导码个数，以及每个随机接入机会内分配给大规模mtc的物理上行共享信道个数

第一个约束条件代表h2h业务成功传输概率要求，表示任意一个h2h用户接入网络并成功完成传输的概率psuccess不能小于给定的阈值pth；后面三个约束条件分别表示资源块、前导码以及物理上行共享信道的分配个数应当大于0，不超过总资源的数量要求。

具体的，步骤s5中，一个h2h用户在网络中将经历以下状态：

空闲状态：当一个h2h用户没有数据要发送时，该用户处于空闲状态；

随机接入状态：当一个h2h用户有数据要发送时，该用户首先进入随机接入状态，从分配给h2h的个前导码中随机选择一个前导码发送给基站，基站在收到前导码后将返回应答消息，即随机接入响应消息，一个h2h用户存在m+1个随机接入状态；

退避状态：随机接入和数据发送请求过程中失败的h2h用户将进行随机退避，进入退避状态，h2h用户最多发生m次退避，每次退避在时间窗口w中随机选择一个退避时间l＝0，…，w-1，共有m×w个退避状态；

连接请求状态：随机接入过程中前导码没有碰撞的h2h用户将向基站发起建立连接请求，向基站申请后续的pusch资源用于发送业务数据，h2h用户存在m+1个连接请求状态；

首次传输状态：若h2h用户在m次最大前导码重发次数内，成功申请到pusch资源进行数据发送，则进行首次传输状态，开始进行数据发送；在数据传输过程中，基站解码出现差错后h2h用户进行重传，重传概率为pr，每个h2h用户最大允许的数据重传次数为r，若基站第r次重传仍然解码出错，则h2h用户丢弃该数据，不再传输；

重传状态：h2h用户重新发送数据的状态，存在r个重传状态；

成功状态：若h2h用户在m次最大前导码重发次数内，成功申请到pusch资源进行数据发送，并且在r次最大允许的数据重传次数内成功完成数据传输，则该h2h用户进入成功状态；

丢弃状态：若h2h用户在m次最大前导码重发次数与r次最大允许的数据重传次数内没有成功完成数据传输，则该h2h用户进入丢弃状态，不再发起随机接入并丢弃本次数据，丢弃数据后，该h2h用户重新回到空闲状态。

具体的，步骤s6中，h2h用户发起随机接入后，发送前导碰撞的概率pc为：

其中，λn为每个rao内h2h用户发起随机接入到达强度，为分配给mtc业务的前导码个数，e为数学中的自然常数，第j次随机接入状态raj转换到退避状态boj，l的概率为pc/w，j＝1，…，m，l＝0，…，w-1；首次传输状态ft以及第k次重传状态rtk，k＝1，…，r转移到成功状态的概率均为1-pr，pr为h2h用户每次数据发送的重传概率。

具体的，步骤s7中，任意一个h2h用户接入网络并成功完成传输的概率psuccess表示为：

其中，πsuccess与πdrop分别为平稳分布下h2h用户处于成功状态与丢弃状态的概率，pf＝1-(1-pc)(1-pl)表示在h2h一次随机接入中没有获取到pusch发送数据的概率，获得任意一个h2h发起第一次接入后，总共至少需要发起j+1次随机接入请求的概率为则一个h2h恰好发起.j次随机接入请求的概率为为平稳分布下h2h用户处于第j个随机接入状态的概率，j＝1，…，m+1。

具体的，步骤s7中，平稳分布下的到达速率λt具体为：

s701：设定迭代次数i＝1，λt初值设为λt(0)，终止条件对应参数ε；

s702：i＝i+1，根据给定λt(i-1)按照马尔科夫状态转移模型计算第i次迭代对应的pf，记为pf(i)，按照下面迭代公式更新λt的值：

s703：令计算两次迭代差值立＝|λt(i)-λt(i-1)|

s704：若δ＜ε，则终止迭代，返回最新的；否则，重复步骤s702和s703。

与现有技术相比，本发明至少具有以下有益效果：

本发明所述的大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法在具体操作时，为了保证mtc业务接入传统蜂窝网络不能对网络中已有的h2h业务造成明显的影响，针对h2h与mtc业务特点，采用不同的随机接入与数据发送协议服务两种业务，即h2h业务仍然采用传统蜂窝网络中原有的lte协议完成随机接入与数据发送，而mtc业务采用精简的信令交互方式完成随机接入与数据发送，并提出在保证h2h业务成功传输概率的前提下对资源分配做优化设计，最大化每个rao内mtc的吞吐量。采用马尔科夫链对h2h用户在网络中的状态进行建模，利用状态之间的转移分析h2h用户动态特性，推到了h2h用户成功传输概率的表达式，最后利用不动点迭代算法、三维搜索算法求解最优的资源分配方案，实现在保证h2h业务成功传输概率的前提下每个rao内mtc最大化的吞吐量，在提高资源利用效率的同时最大化系统系能。

进一步的，步骤s1建立了大规模mtc与h2h共存场景的系统模型，采用不同的到达模型、数据传输模型以及信令交互方式对两种不同特点的业务分别进行建模，能够更加合理的表征出mtc与h2h共存网络的场景特点，从而更有针对性地根据不同业务的服务质量要求进行资源分配的优化设计。

进一步的，步骤s2在s1建立的系统模型基础上对资源分配基本参数进行分析，将资源分配问题队对应到实际的蜂窝网络时频资源块的配置上，明确指出资源分配方案需要却ing的三个变量为：用于构建物理随机接入信道的个数分配给大规模mtc业务的前导码个数以及分配给大规模mtc业务的物理上行共享信道个数从而确定资源分配的优化变量，为后续优化问题的建立提供了理论分析基础。

进一步的，步骤s3给出了最佳的接入类阻塞检验最佳门限，并推出每个随机接入机会内带有机器类通信设备身份信息的平均吞吐量，反映了mtc业务指标与资源分配方案的关系，为后续优化问题的建立提供了优化目标函数。

进一步的，步骤s4在步骤s2和s3的基础上，构建了在保证h2h业务成功传输概率的前提下最大化mtc的吞吐量的优化问题，明确了最佳的资源分配方案需要满足的约束条件和优化目标，是整个资源分配优化设计的核心，提供了一种在大规模mtc与h2h共存场景中保障不同业务服务质量和提高系统综合性能的解决方案。

进一步的，为了分析并表示步骤s4中构建优化问题中h2h业务成功传输概率，需要对h2h业务在随机接入与数据发送过程中的状态转移规律进行分析。步骤s5引入马尔科夫链模型，可以清晰地反映h2h用户随着信令交互流程而产生的状态变化，为进一步分析h2h业务状态转移规律提供数学分析的工具。

进一步的，步骤s6基于步骤s5的马尔科夫链模型分析推导了h2h用户在随机接入与数据发送中状态转移概率，全面反映了h2h各个状态之间转移的动态特性，为进一步分析并表示h2h业务成功传输概率提供理论依据。进一步的，步骤s7在步骤s6的状态转移概率分析基础上，推导出平稳分布下h2h业务成功传输概率，代入步骤s4中优化问题，则可以采用数学公式完整地表示出优化问题，从而可以进行后续的优化问题求解。

综上所述，本发明适用于大规模mtc与h2h共存场景，针对两种业务的不同特点采用更加合理随机接入和数据发送流程，并通过数学建模研究资源分配问题，提出在保证h2h业务成功传输的前提下对资源分配做优化设计，利用马尔科夫链分析h2h业务随机接入和数据发送流程中的动态特性，推出h2h业务成功传输概率表达式，构建了最大化mtc吞吐量的优化问题，实现在保证h2h业务服务质量的前提下，提升系统资源利用率和综合性能。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为大规模mtc与h2h共存的系统模型图；

图2为mtc业务采用的信令交互流程图；

图3为本发明根据h2h用户动态构建的马尔科夫链状态转移图；

图4为mtc吞吐量随h2h用户业务到达速率的变化曲线图；

图5为mtc吞吐量随h2h终端设备数的变化曲线图。

具体实施方式

请参阅图1，本发明一种大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法，考虑如下系统模型：

在大规模机器类通信(machinetypecommunication，mtc)与传统人与人(humantohuman，h2h)通信共存的蜂窝网络中，考虑一个小区基站bs的覆盖范围，其中，有nh个h2h用户终端设备(h2huserequipment，hue)、以及nm个机器类通信设备(machinetypecommunicationdevice，mtcd)，各个hue的业务到达独立且均为强度为λ1的泊松过程，则在小区网络中总的h2h业务到达服从强度为λh＝nhλi的泊松过程，每个hue业务到达后通常有不同的数据发送请求，每次到达对应的发送数据量为一服从均匀分布的随机变量单位为字节(bytes)。而面向物联网的mtcd的到达模型服从贝塔分布，并且通常具有固定的数据包格式，每个mtcd到达后发送数据量为一个常量单位为字节(bytes)。考虑到mtcd每次发送的数据包较小，可以采用简化的信令交互方式完成随机接入和数据发送。因此针对h2h与mtc业务特点，大规模mtc与h2h共存场景中采用不同的随机接入与数据发送协议服务两种业务，即h2h业务仍然采用传统蜂窝网络中原有的lte协议完成随机接入与数据发送，而mtc业务采用精简的信令交互方式完成随机接入与数据发送，其基本交互信令即流程为如图2所示。

请参阅图2，本发明一种大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法，mtc业务信令交互具体步骤为：要接入基站的mtcd首先采用蜂窝网络中的接入类阻塞(accessclassbarring，acb)方法进行检验，通过acb检验的mtcd向基站发送带有机器类通信设备身份信息(mtcdid，下文简称id)的前导码(preamble)，基站通过解码识别出前导码无碰撞的mtcd设备id并答复随机接入响应消息(randomaccessresponse，rar)，在rar消息中，基站为这些mtcd分配物理上行共享信道(physicaluplinksharedchannel，pusch)，mtcd随后在指定的pusch上发送调度信息与小数据包，基站在解码成功后将返回碰撞解决与接收反馈信息。

蜂窝网络中将无线信道资源按照时间和频率上二维的资源块(resourceblock，rb)形式进行分配，每个资源块的时域宽度为1ms，频域中宽度为12个连续的子载波，每个子载波在频域内占15khz，资源块是蜂窝网络中进行资源分配的是最小物理资源。在上行接入与数据传输过程中，上行资源块用于构建两类无线信道，即物理随机接入信道(prach)与物理上行共享信道(physicaluplinksharedchannel，pusch)。prach在时间上周期性出现，每一个周期代表一次随机接入机会(randomaccessopportunity，rao)，其周期间隔为trao，在每个rao内，共有nrb个资源块，其中个资源块用于构建prach，个资源块用于构建pusch，则有：

蜂窝网络中常见的prach配置通常在时域上占1ms，在频域上占6×12个子载波，因此一个prach需要消耗12个资源块，而每个prach可用于hue与mtcd在随机接入过程发送54个正交的前导码(preamble)，则构建一个前导码平均需要个资源块，因此每个rao中可用的正交前导码个数为其中，函数|x|表示取不超过x的最大整数。同理，构建一个pusch需要消耗ns个资源块，则每个rao中可用的pusch个数为为了保障mtc业务接入传统蜂窝网络不能对网络中已有的h2h业务造成明显的影响，在每个rao中基站首先为h2h业务分配个前导码与个pusch，剩余的个前导码与个pusch将分配给大规模mtc业务。则有：

通过上述分析可知，资源分配方案其实就是确定以及这六个变量的取值，由于部分变量之间存在相互耦合的等式约束，实际在方案设计中只需要确定和这三个变量构成一个资源配置参数集合一旦确定这三个变量则可以唯一确定资源分配的方案，因此，大规模mtc与h2h共存场景中在随机接入与数据发送过程中的资源分配问题就是要确定最优的和取值，从而最大化提升系统的性能。

在每个rao中基站利用蜂窝网络的负载估计技术获取当前rao内将发起接入请求的激活设备数na，mtcd发起接入前的进行acb检验的最佳门限(即acb因子)为其中，为分配给大规模mtc业务的前导码个数，为采用当前rao内将发起接入请求的激活设备数的估计值，na为激活设备数的真实值，不考虑估计误差时有则每个rao平均有个mtcd可以通过acb检验并发起随机接入请求，在随机接入请求中，这些mtcd从个前导码中随机选择一个并附上设备id发送给基站，前导码没有碰撞的mtcd(即该mtcd所选择的前导码与其他mtcd均不相同)将收到基站答复的随机接入响应消息(randomaccessresponse，rar)，并按照rar指示在指定的pusch上发送调度信息(大小为字节)与小数据包(大小为字节)，每个pusch最大可支持发送bs字节，则一个mtcd将消耗个pusch，其中，函数表示取大于x的最小整数。

按照概率论公式推导得，前导码没有碰撞的mtcd平均个数为由于每个rao中分配给mtcd的pusch只有个，因此每个rao平均最大可支持个mtcd完成数据发送，则平均每个rao最大可支持的mtcd数量，即每个rao内mtcd的平均吞吐量为：

为了保证mtc业务接入传统蜂窝网络不能对网络中已有的h2h业务造成明显的影响，需要对资源分配进行优化设计。由于h2h业务对时延和传输速率要求较高，大规模mtc业务通常更强调增大吞吐量而对时延相对容忍，本方法在保证h2h业务成功传输概率的前提下对资源分配做优化设计，最大化每个rao内mtc的吞吐量(其定义为每个rao内平均成功发送数据的mtcd数量)，因而可以构建下面的优化问题：

s.t.psiccess≥pth

其中，tm为每个rao内mtcd的平均吞吐量，优化变量包括每个rao用于构建prach的资源块用个数每个rao内分配给大规模mtc的前导码个数，以及每个rao内分配给大规模mtc的pusch个数第一个约束条件代表h2h业务成功传输概率要求，表示任意一个h2h用户接入网络并成功完成传输的概率psuccess不能小于给定的阈值pth。后面三个约束条件分别表示资源块、前导码以及pusch的分配个数应当大于0但是又不能超过总资源的数量要求。通过求解上述优化问题，即可在保证h2h业务成功传输概率的前提下对资源分配得到最大化mtc吞吐量所对应的最优资源分配方案，即求得最优的与的取值，这三个变量构成一个资源配置参数集合

要求解上述优化问题，首先需要表示出任意一个h2h用户接入网络并成功完成传输的概率psuccess，因此必须要针对h2h用户的业务特点进行建模和分析求解。在蜂窝网络中，h2h用户采用lte规定协议完成随机接入与数据发送，可采用马尔科夫链对h2h用户在网络中的状态进行建模，利用状态之间的转移分析h2h用户在随机接入与数据发送中的动态特性。按照随机接入与数据发送的动态过程，一个h2h用户在网络中将经历以下状态：

1、空闲(idle)状态：当一个h2h用户没有数据要发送时，该用户处于空闲状态，该状态用idle表示；

2、随机接入(randomaccess，ra)状态：当一个h2h用户有数据要发送时，该用户首先进入随机接入状态，从分配给h2h的个前导码中随机选择一个前导码发送给基站，基站在收到前导码后将返回应答消息，即随机接入响应消息(randomaccessresponse，rar)。在rar中将为每个接收到的前导码分配相应的pusch，用于发送下一步信令数据(在3gpplte标准中称为message3，简称为msg3)，由于存在不同h2h用户选择相同前导码的情况，这些用户设备将在发送msg3时产生碰撞，基站无法识别碰撞的消息将造成这些h2h用户接入失败；另一方面，没有碰撞的设备将收到基站反馈信息，并向基站发起建立连接请求，向基站申请后续的pusch资源用于发送业务数据，由于基站在每个rao内为h2h用户分配pusch个数为这表明在一定时间内，基站能够为h2h提供的pusch资源有限，当h2h用户需要的pusch资源超过限度时，必定存在h2h用户在一定等待时间内无法获取pusch而导致数据传输失败。在随机接入和数据发送请求过程中失败的h2h用户将进行随机退避，即在退避窗口内随机选择一段时间，在该时间段内不再发起随机接入，而在退避结束后在新的rao内重新发起随机接入，同时规定每个h2h用户最大重新发起随机接入请求的次数，也是就最大前导码重发次数为m，若h2h用户前导码重发m次后仍然在随机接入或数据发送请求过程中失败，则丢弃数据，不再进行发送。因此，一个h2h用户存在m+1个随机接入状态(第一次随机接入和m次重新发起随机接入)，表示为raj，j＝1，…，m+1。

3、退避(backoff)状态：随机接入和数据发送请求过程中失败的h2h用户将进行随机退避，进入退避状态，由于h2h用户存在最多可以重新发起m次随机接入，因此，h2h用户最多可以发生m次退避，每次退避在时间窗口w中随机选择一个退避时间i＝0，…，w-1，因此，共有m×w个退避状态，表示为boj，l，j＝1，…，m，l＝0，…，w-1。

4、连接请求(connectionrequest，cr)状态：随机接入过程中前导码没有碰撞的h2h用户将向基站发起建立连接请求，向基站申请后续的pusch资源用于发送业务数据，由于h2h用户存在最多可以重新发起m次随机接入，因此，h2h用户存在m+1个连接请求状态，表示为crj，j＝1，…，m+1。

5、首次传输(firsttransmission，ft)状态：若h2h用户在m次最大前导码重发次数内，成功申请到pusch资源进行数据发送，则进行首次传输状态，开始进行数据发送，表示为ft。在数据传输过程中，基站解码可能出现差错，则要求h2h用户进行重传，重传概率为pr，同时规定每个h2h用户最大允许的数据重传次数为r，若基站第r次重传仍然解码出错，则h2h用户丢弃该数据，不再传输。

6、重传(retransmission)状态：h2h用户重新发送数据的状态，由于总共最大允许的数据重传次数为r，故存在r个重传状态，表示为rtk，k＝1，…，r。

7、成功(success)状态：若h2h用户在m次最大前导码重发次数内，成功申请到pusch资源进行数据发送，并且在r次最大允许的数据重传次数内成功完成数据传输，则该h2h用户进入成功状态，该状态用success表示。

8、丢弃(drop)状态：若h2h用户在m次最大前导码重发次数与r次最大允许的数据重传次数内没有成功完成数据传输，则该h2h用户进入丢弃状态，不再发起随机接入并丢弃本次数据，该状态用drop表示。在丢弃数据后，该h2h用户重新回到空闲状态。

下面对h2h用户在随机接入与数据发送中的状态转移概率进行分析。由于每个h2h用户的业务到达是强度为λ1的泊松过程，因此在一个rao内，该h2h用户从空闲状态idle转换为随机接入状态ra1的转移概率为每个rao内，由于新增发起随机接入的h2h用户与之前rao由于失败退避到本rao内的用户将同时发起随机接入，分别用λh与λr表示这两类用户的泊松到达速率，其中λh＝nhλi表示新到达的h2h用户强度，则两类用户总的到达速率为λt＝λh+λr，每个rao内发起随机接入的用户数nt到达将服从强度为λn＝λttrao的泊松分布，其概率分布表示为：

在nt＝n，m＝0，1，…的条件下，可以求得h2h用户发生在随机接入时选择前导码发生碰撞的条件概率为：

结合全概率公式，h2h用户发起随机接入后，发送前导碰撞的概率为

利用指数函数的泰勒展开式-∞＜x＜∞，上式可进一步化简为：

对于碰撞的h2h用户，将从退避窗口w中随机选择一个退避时间l∈0，…，w-1，进入退避状态，因此，第j次随机接入状态raj转换到退避状态boj，l的概率为pc/w，j＝1，…，m，l＝0，…，w-1。

在h2h用户发送前导码后，基站将为每个发送的前导码分配pusch资源用于后续信令msg3的发送，设单位时间内h2h用户选择的前导码个数，即前导码到达速率为λa，其中有一部分前导为碰撞前导码，即同一个前导码被多个h2h用户选择将会导致msg3的碰撞，只有无碰撞的前导码对应的用户才能收到基站反馈，并进一步请求用于发送数据的pusch。设无碰撞的前导码到达速率为λs，则λa与λs可由下面的公式近似求得：

其中，x是每个rao内被h2h用户选择的前导码个数，其概率分布可以用泊松分布表示为

其中，表示单位时间内一个前导码被h2h用户选择的次数。则有则在单位时间内h2h用户对pusch资源需求的数量为：

其中，函数表示取大于x的最小整数，为h2h用户发送msg3的数据大小，单位为字节，为h2h用户发送数据长度的平均值，由于则而单位时间内基站分配给h2h的pusch总数为当h2h用户对pusch资源需求的数量超过基站分配的资源数时，将造成一部分h2h用户无法在有限时间内获取相应的资源发送数据，从而导致数据发送失败。在实际系统中，h2h用户通常有一定的时延要求，即要求业务数据到达后，必须在给定的等待时间t内开始传输，如果h2h用户超过等待时间t仍然为获得足够的pusch传输数据，则将丢弃该数据，进入空闲状态，等待下一次数据发送。可以按照先到先服务的原则，将h2h用户请求pusch的过程建模为一个不耐烦顾客队列，即用户进入队列后只等待时间t，超过t仍未开始服务则离去，成为损失顾客。结合上述分析，队列的到达速率为λ，服务速率为μ，结合排队论理论，采用m/m/1模型求得顾客损失的概率为：

其中，ρ＝λ/μ为队列的负载，ω＝e^{-μ(1-ρ)(t1/μ)}。顾客损失即对应h2h用户无法获取足够pusch而导致数据传输失败的情况，数据发送请求过程中失败的h2h用户将进行随机退避，将从退避窗口w中随机选择一个退避时间l∈0，…，w-1，进入退避状态，因此，第j次连接请求状态crj转换到退避状态boj，l的概率为pl/w，j＝1，…，m，l＝0，…，w-1。

如果处于连接请求状态的h2h用户在等待时间t内获得基站分配的pusch则将转换到首次传输状态进行第一次数据传输，状态的转换概率为1-pl，在首次数据传输完毕后，基站可能会由于解码错误要求h2h用户进行数据重传，设最大重传次数为r，如果重传r次基站仍然没有解码成功则h2h用户丢弃该数据包进入丢弃状态drop，因此首次传输状态ft转移到第一次重传状态rt1、第κ次重传状态rtk转移到第k+1次重传状态rtk+1(k＝1，…，r-1)、以及第r次重传状态rtr转移到drop状态的转移概率均为重传概率pr。如果h2h用户在重传r次数内成功完成数据发送则将进入成功状态success，因此，首次传输状态ft以及第κ次重传状态rtk，k＝1，…，r转移到成功状态success的概率均为1-pr。

请参阅图3，本发明所述的大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法，结合上述h2h状态转换特性，对h2h用户的平稳分布进行分析。采用πidle，πft，πsuccess表示h2h的平稳分布，分别表示h2h处于在空闲状态idle、第j次随机接入状态raj、第j次连接请求状态crj、第j次退避时长为l的退避状态boj，l(j＝1，…，m+1，l＝0，…，w-1)、首次传输状态ft、第k次重传状态rtk(k＝1，…，r)、成功状态success以及丢弃状态drop的平稳分布概率。根据马尔科夫链的状态转移概率，可以得到平稳分布概率之间的关系：

经过整理化简，可以得到任意一个h2h用户接入网络并成功完成传输的概率psuccess表示为：

其中，πsuccess与πdrop分别为平稳分布下h2h用户处于成功状态与丢弃状态的概率，pf＝1-(1-pc)(1-pl)表示在h2h一次随机接入中没有获取到pusch发送数据的概率，结合前面关于马尔科夫链的状态转移分析结果，在平稳分布的条件下的λt应当等于新到达的h2h用户强度λh与每个h2h发起随机随机接入平均次数ntx的乘积，即λt＝λhntx，根据转移概率比值，可以求得任意一个h2h发起第一次接入后，总共至少需要发起j+1次随机接入请求的概率为则一个h2h恰好发起j次随机接入请求的概率为为平稳分布下h2h用户处于第j个随机接入状态的概率，j＝1，…，m+1。

由于存在随机接入请求存在最大前导码重发次数限制，一个h2h恰好发起m+1次随机接入请求的概率为因此，每个h2h发起随机随机接入平均次数ntx可表示为：

对于给定的资源分配方案(如前所述，该方案由一组与的取值唯一确定)，在平稳分布的条件下，pf是仅关于请求到达速率λt的函数，因此ntx也是λt的函数，又由于平稳分布下的λt＝λhnkx，因此λt满足下面的不动点方程：

故可采用不动点迭代算法求解平稳分布下的λt，具体步骤为：

第一步：设定迭代次数i＝1，λt初值设为λt(0)，终止条件对应参数ε；

第二步：i＝i+1，根据给定λt(i-1)按照马尔科夫状态转移模型计算第i次迭代对应的pf，记为pf(i)，并按照下面迭代公式更新λt的值：

第三步：令计算两次迭代差值δ＝|λt(i)-λt(i-1)|

第四步：若δ＜ε，则终止迭代，返回最新的；否则，重复第二步、第三步。

根据不动点迭代算法求解出的平稳分布下的λt，可以得到平稳分布下的pf，并进一步得到任意一个h2h用户接入网络并成功完成传输的概率因此，本方法所提出的在保证h2h业务成功传输概率的前提下对资源分配做优化设计、以实现最大化每个rao内mtc的吞吐量的优化问题最终表示为：

s.t.

该优化问题可以采用三维搜索算法求解，用伪代码表示如下：

初始化：设置对应的资源配置方案参数集s＝{0，0，0}；

for

for

for

利用不动点迭代算法求解平稳分布下的λt

根据λt按照马尔科夫状态转移模型计算pf；

最后返回以及对应的资源配置方案参数集

按照上述算法得到的即为在保证h2h业务成功传输概率的前提下每个rao内mtc最大化的吞吐量，对应的资源配置方案参数集即是最优的资源分配方案。

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

采用数值分析对大规模mtc与h2h共存场景中基于h2h动态特性的资源分配方法进行评估。如果没有明确指出，则仿真实验的参数设置为：h2h用户终端设备(hue)个数nh＝1000，机器类通信设备(mtcd)个数nm＝10000，各个hue的业务到达独立且均为强度为λ1＝0.01的泊松过程，每个hue的业务到达对应的发送数据量即服从均匀分布其中h2h用户发送msg3的数据大小mtcd的到达模型服从贝塔分布，每个mtcd到达发送的调度信息与业务数据量分别为与随机接入机会rao的周期间隔为trao＝5ms，每个rao内共有nrb个资源块，按照不同系统带宽nrb取值如下(仿真中如未明确说明则系统带宽为3mhz)：

构建一个前导码平均需要个资源块，构建一个pusch需要消耗ns＝1个资源块，每个pusch最大可支持发送bs＝36bvtes。在随机接入过程中的退避窗口w＝20ms，h2h成功传输概率阈值pth＝95％，最大前导码重发次数为m＝9，h2h用户请求pusch的等待时间t＝40ms，最大允许的数据重传次数为r＝5，数据重传概率pr＝0.02。

图4为每个rao内mtc的最大吞吐量随h2h用户业务到达速率λ1的变化曲线图，当h2h用户业务到达速率较小，且h2h业务数据包较小时，多余的资源可以用于mtcd的数据发送，随着h2h用户业务到达速率的增大，系统为了保证h2h用户的成功传输概率，将资源优先分配给h2h用户的数据传输，可支持的mtc最大吞吐量将有所下降，特别是当h2h具有较大的业务数据量时，mtc吞吐量下降明显。

图5为每个rao内mtc的最大吞吐量随h2h终端设备数nh的变化曲线图，在给定的到达速率条件下，当h2h用户的业务数据量较小时，随着h2h终端设备数增大，可支持的mtc吞吐量变化并不明显，而当h2h用户业务数据量较大时，系统为了保证h2h用户的成功传输概率，将资源优先分配给h2h用户的数据传输，这时mtc吞吐量有比较明显的下降。图5还对比了不同带宽下mtc吞吐量随h2h终端设备数变化的情况，可以看到在带宽较小时，随着h2h终端设备数增大，mtc吞吐量下降至0，这种情况下系统将无法支持mtc，因此在实际大规模mtc与h2h共存系统设计时，应当选择具有较大带宽配置。

综上所述，本发明适用于大规模mtc与h2h共存场景，针对两种业务的不同特点采用更加合理随机接入和数据发送流程，并通过数学建模研究资源分配问题，提出在保证h2h业务成功传输的前提下对资源分配做优化设计，利用马尔科夫链分析h2h业务随机接入和数据发送流程中的动态特性，推出h2h业务成功传输概率表达式，构建了最大化mtc吞吐量的优化问题，实现在保证h2h业务服务质量的前提下，提升系统资源利用率和综合性能。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。