18、面向机器类型通信（MTC）的分布式冲突解决自组织时分多址（TDMA）方案解析

面向机器类型通信（MTC）的分布式冲突解决自组织时分多址（TDMA）方案解析

1. 系统吞吐量

为了评估不同媒体访问控制（MAC）协议的频谱效率，我们研究了最大可实现系统吞吐量 (S_{sys})，其定义为：
[S_{sys} = \sum_{d = 1}^{N_d} S_d]
其中，(S_d) 是设备 (d) 的上行链路吞吐量，每个设备的吞吐量定义为成功数据包传输的速率。假设数据包大小固定为 (P_s)，则 (S_d) 可通过经验公式 (\frac{K_{suc,d}P_s}{T_m}) 计算，其中 (K_{suc,d}) 是设备 (d) 成功传输的数据包数量，(T_m) 是测量周期。

当系统负载（即到达率）较低时，所有协议的系统吞吐量 (S_{sys}) 都随 (\mu_{sys}) 线性增加。但随着系统负载进一步增加，不同协议的系统吞吐量会达到饱和：载波监听多路访问（CSMA）为 9.5 Mbps，伪周期控制 MAC（PCMAC）为 10.3 Mbps，伪时分多址（PTDMA）为 10.5 Mbps，自组织时分多址（SO - TDMA）为 11.25 Mbps，上限为 11.5 Mbps。由此可见，SO - TDMA 的性能优于 CSMA、PTDMA 和 PCMAC。

协议	饱和吞吐量（Mbps）
CSMA	9.5
PCMAC	10.3
PTDMA	10.5
SO - TDMA	11.25
上限	11.5

2. 公平性

已知 CSMA 在高流量负载条件下公平性较差。PTDMA 中每个设备的资源分配相等，在伪帧级别实现了较高的公平性。而 SO - TDMA 中，网络中活动设备占用信道的百分比是自适应的，且由每个活动设备独立优化。

为了说明 MAC 协议相对于设备数量 (N_d) 的短期可实现公平性，我们计算了 Jain 指数 (J(S_1, S_2, \ldots, S_{N_d}))，并在非重叠的 2 秒周期内进行平均。结果表明，尽管 SO - TDMA 具有动态特性，但它仍能保持较高的短期公平性，Jain 公平指数大于 0.9，证实了其向公平性的单调收敛。PTDMA 和 PCMAC 由于其固定时隙持续时间，每个设备在帧中都有一个时隙，除了一些偶尔的冲突外，它们的公平性较好，接近完美。不过，SO - TDMA 在其他性能指标上，如延迟中断概率、有效容量和吞吐量方面，表现优于这些协议。

graph LR
    A[CSMA] -->|高负载公平性差| B(公平性问题)
    C[PTDMA] -->|固定时隙分配| D(高公平性)
    E[SO - TDMA] -->|自适应优化| F(较高短期公平性)
    F -->|其他指标优| G(综合性能好)

3. 碰撞概率

系统吞吐量低的一个原因可能是大量的碰撞，这在随机接入方案中是不可避免的。因此，基于竞争的 MAC 协议的碰撞概率是评估其性能的重要指标。网络碰撞概率可以通过经验公式计算：
[P_c = \frac{1}{N_d} \sum_{d = 1}^{N_d} \frac{K_{col,d}}{K_{tot,d}}]
其中，(K_{col,d}) 是设备 (d) 发生碰撞的数据包数量，(K_{tot,d}) 是设备 (d) 传输的数据包总数。

对于 (N_d = 5) 和 (N_d = 10) 的情况，不同协议的碰撞概率有所不同。PTDMA 的碰撞概率最低，SO - TDMA 的碰撞概率明显低于 CSMA。与 PCMAC 相比，当 (N_d = 5) 时，SO - TDMA 的碰撞概率较低；当 (N_d = 10) 且负载较高（即到达率 > 8 Mbps）时，SO - TDMA 的碰撞概率较高，但即使在 (N_d = 10) 的最坏情况下，其碰撞概率也相对较小（最大为 0.3）。这主要是因为 PTDMA 和 PCMAC 采用固定时隙长度，而 SO - TDMA 的时隙长度是动态的。

4. 设备动态性的影响

为了研究设备动态性对 SO - TDMA 的影响，我们观察了更多设备加入网络时，使用 SO - TDMA 的不同设备传输时隙的收敛过程。结果显示，SO - TDMA 的收敛时间较短（约 1 秒）。即使在设备变化周期非常短的极端移动情况下，设备动态性也不会导致网络不稳定。在最后一个阶段，当两个设备同时加入网络时，SO - TDMA 也能在几个伪帧内收敛到理想的 (T_{s,d}) 值。

综上所述，SO - TDMA 在有效容量、延迟中断概率和系统吞吐量方面优于 CSMA、PTDMA 和 PCMAC，这得益于所有设备改进的自组织信道访问方式，同时避免了碰撞，提高了机器类型通信（MTC）网络的频谱利用率。

面向机器类型通信（MTC）的分布式冲突解决自组织时分多址（TDMA）方案解析

5. 方案总结

在之前的研究中，提出了多种接入方案以提升网络性能和设备通信效率：
- 虚拟M2M网络接入方案 ：通过马尔可夫决策过程（MDP）最大化网络吞吐量，引入策略树制定最优接入策略，并提出高效启发式算法，在数据包交付率和隔离方面显著优于TDMA、CSMA和DEB。
- 可重构接入方案 ：自适应调整帧中无需求分配和随机接入段的划分，利用互补几何规划和单项式近似开发迭代算法，相比DQ方案在吞吐量和隔离方面表现更优。
- 学习算法与阈值方案 ：采用汤普森采样获取设备数据包到达概率，将问题建模为阈值多臂老虎机，提出的阈值可重构接入方案能达到最优遗憾界。
- 协调结构方案 ：针对设备通过不同无线技术访问非授权频段的情况，提出协调结构，由中央控制器更新调度和参数，保障WiFi吞吐量要求。
- 支持NOMA的可重构方案 ：在帧中为基于NOMA、OMA和随机接入的段分配不同时长，通过迭代算法优化，采用合适的设备配对方案可提升性能。
- 分布式接入方案（SO - TDMA） ：结合CSMA和TDMA概念，减少信令开销。设备先使用CSMA接入信道，再通过学习方案收敛到TDMA，根据前一帧空闲时隙数量调整时隙长度，最终所有设备时隙长度收敛相同，保证公平性。

6. 潜在未来研究方向

虽然已经取得了一定的成果，但仍有许多方面可以进一步探索，以提升MTC系统的性能。

6.1 相关流量研究

目前的研究主要集中在设备独立生成数据包的场景，但在一些M2M应用中，设备传输的数据包在空间和时间上往往高度相关，例如温度测量系统或智能电网系统。为了提高可重构接入方案的性能，可以考虑以下步骤：
1. 开发检测算法 ：设计合适的算法来检测设备之间的流量相关性。
2. 利用相关信息 ：根据检测到的相关性信息，更高效地为设备分配无线电资源。
3. 考虑冗余数据 ：对于相关数据可能被视为冗余的情况，避免不考虑相关性的资源分配导致的次优性能。
4. 制定算法 ：在相关流量参数未知的情况下，将可重构接入方案调度问题建模为全局多臂老虎机问题，提出基于汤普森采样的算法，并推导其性能。

6.2 大规模MIMO应用

大规模MIMO技术可以增加AP/BS的天线数量，提高频谱效率，支持更多设备同时传输。为了研究该技术对可重构接入方案的影响，可以采取以下措施：
1. 获取信道状态信息 ：使用正交导频序列估计信道系数，并用于上行波束成形。
2. 动态分配导频序列 ：由于导频序列数量有限，需要动态地将其分配给设备。
3. 优化时隙分配 ：在可重构接入方案的分配段中，将多个设备分配到同一时隙，并为每个设备分配不同的导频序列，以满足设备的速率要求。

graph LR
    A[相关流量研究] --> B(开发检测算法)
    B --> C(利用相关信息)
    C --> D(考虑冗余数据)
    D --> E(制定算法)
    F[大规模MIMO应用] --> G(获取信道状态信息)
    G --> H(动态分配导频序列)
    H --> I(优化时隙分配)

7. 总结

综上所述，SO - TDMA在多个性能指标上表现出色，为MTC网络的频谱利用带来了显著提升。同时，未来研究方向如相关流量和大规模MIMO的探索，有望进一步挖掘MTC系统的潜力，为其性能提升提供更多可能。通过不断的研究和创新，我们可以期待MTC网络在未来能够更好地满足各种应用的需求。

研究方向	具体内容	操作步骤
相关流量研究	考虑设备间流量相关性，优化资源分配	开发检测算法、利用相关信息、考虑冗余数据、制定算法
大规模MIMO应用	利用大规模MIMO技术提升频谱效率	获取信道状态信息、动态分配导频序列、优化时隙分配