论文部分内容阅读
随着通信技术的发展,卫星物联网逐渐成为通信网络中最重要的通信系统之一,可以广泛应用于航海监测、救援救灾、目标跟踪、智慧城市、油气勘探等场景中,也日渐成为未来6G空天地一体化网络（Space-Air-Ground Integrated Networks,SAGIN）的重要组成部分。由于基于免授权的随机接入协议无需资源调度和信令交互,因此成为了卫星物联网中最重要的接入方案之一。但随着物联网设备的海量增长和未来网络的智能化需要,卫星物联网随机接入协议也面临着巨大的挑战。一方面,海量的物联网设备通过传统随机接入协议接入卫星物联网中会导致设备分组的剧烈碰撞,从而造成低吞吐量甚至最终导致严重的网络拥塞;另一方面,智能物联网设备正日趋小型化,这对卫星物联网设备的复杂度及能耗也提出了新的挑战。本文针对目前卫星随机接入系统普遍存在的低吞吐量、吞吐量线性区较小、过临界负载点吞吐量陡降和网络拥塞以及MTC终端低功耗等关键问题,分别从随机非正交传输、多维度联合优化和新型智能控制算法三个角度展开了对典型低轨道卫星（Low Earth Orbit,LEO）星间非协作的随机接入关键技术研究,提出了若干个具有较高接入效率的随机接入协议。论文的主要研究内容与贡献包括以下几个方面:1.在随机非正交传输的卫星随机接入方面,针对能量受限的卫星随机接入协议的峰值吞吐量低和吞吐量线性区较小等问题,提出了三种随机非正交传输的随机接入协议。首先,提出了基于随机预编码（Randomly Pre-coded,RPC）的随机接入协议,该协议采用码域非正交多址接入（Non-orthogonal Multiple Access,NOMA）的多元复序列对分组进行预编码处理,设备通过预编码随机复用的方式将预编码后的各分组传输到子帧内的相应时隙,接收端采用最小均方误差结合连续干扰消除算法（Minimum-Mean-Squared-Error-Successive-Interference-Cancellation,MMSE-SIC）和子帧间迭代干扰消除技术进行多时隙多用户联合检测,通过物理层和介质访问控制层（Media Access Control,MAC）联合设计致使吞吐量和丢包率（Packet Loss Rate,PLR）性能得到极大增强。其次,提出了基于随机交织复用（Random Interleaving Multiplexing,RIM）的随机接入协议,设备通过随机选取的交织器网格,将数据映射到随机选择的子帧内,接收端采用最大后验概率（Maximum-a-Posteriori,MAP）检测算法和子帧间干扰消除技术来解码子帧内碰撞的分组,增大了吞吐量线性区和峰值吞吐量。最后,提出了基于之字形（ZigZag）译码的随机接入协议,通过设计基于分段的分组结构并利用调制编码技术形成分组在时隙内不同的映射模式,该协议采用分组段级的ZigZag译码算法及合并技术来消除碰撞环路中的分组,提高了系统吞吐量。2.在多维度联合优化的卫星随机接入方面,针对卫星物联网随机接入协议的吞吐量线性区较小和吞吐量过低等问题,提出了三种多维度联合优化的随机接入协议。首先提出了基于功率域NOMA的编码时隙ALOHA协议（NOMA Coded Slotted ALOHA,NOMA-CSA）,该协议采用线性分组码对数据段进行编码,并通过功率域NOMA规则以不同的功率级传输编码后的数据段。利用密度进化方法分析了该协议的PLR性能,并对不同功率级下码度分布和的功率分布进行联合优化,从而最大化了系统性能。其次,提出了基于上行功率控制的最优模式复用的CSA（Uplink Power Control Based Optimal Pattern Multiplexing-CSA,UPC-OPM-CSA）协议,通过对设备空间分组以进行最优功率控制,并优化了用户选择模式的度分布以及编码度分布以进行最优模式复用,接收端采用消息传递算法结合SIC技术（Message Passing Algorithm-SIC,MPA-SIC）译码冲突分组,最大化了系统吞吐量。最后,提出了极化多天线的 CSA 协议（Polarized Multiple Input Multiple Output-CSA,PM-CSA）,该协议引入了空间极化域,通过采用单时隙检测算法及虚拟MIMO下的多时隙多用户联合检测算法来解决分组碰撞问题,并对用户度分布进行了优化,极大地提高了系统性能。3.在新型智能控制的卫星随机接入方面,针对高负载下分组冲突导致的吞吐量陡降和网络拥塞问题,提出了两种新型智能控制的随机接入协议。首先,提出了基于协作解耦分布式Q学习的稀疏码多址接入的时隙ALOHA协议（Collaborative Decoupled Distributed Q-Learning-Sparse Coded Multiple Access-Slotted ALOHA,CDDQL-SCMA-SA）,通过构建最优化问题以找出MTC设备选择子帧和码本的最佳策略,从而最大限度地提高吞吐量。为了解该最优化问题,提出了一种基于解耦分布式Q学习的算法,其中每个设备分别利用两个独立的DQL机制根据接收到的反馈信号自动选择其子帧和码本。该方案利用子帧和码本之间的解耦关系降低了动作集的维数,有效地缩短了收敛时间。其次,提出了分布式Q学习增强能量收集非规则重复时隙ALOHA协议（Distributed Q-Learning Enhanced Energy Harvesting Irregular Repetition Slotted ALOHA,EEH-IRSA）,该协议充分利用了用户间能量收集的能量差异造成的传输功率分集和捕获效应,并通过优化设备分组度分布最大化了系统性能,同时采用DQL算法实现设备自适应接入,解决了过载时的网络拥塞问题。该算法通过学习能量收集时隙等效于学习功率-接入时隙的二维学习,可以极大地提高系统吞吐量。