面向5G-R大規模物聯網的新型多址方案

薛 珍，艾 渤，馬國玉，馬毅琰，李庚乾

(1.北京交通大學 軌道交通控制與安全國家重點實驗室, 北京 100044；2.鄭州中建深鐵軌道交通有限公司，河南 鄭州 450000)

高速鐵路是一種快捷便利的出行方式，極大地提高了人們的出行效率，對國家和地區的經濟發展具有重要的意義。如今，我國高速鐵路建設與發展全面提速，高速鐵路的智能化發展已成為國家重大戰略需求。與此同時，世界高速鐵路發達國家已相繼提出智能化發展戰略，智能高速鐵路已成為世界高速鐵路領域新的增長點與競爭點[1]。我國高速鐵路也在逐步向智能鐵路轉型升級[2]，研究人員將時下熱門的先進技術，如人工智能(Artificial Intelligence, AI)、云計算(Cloud Computing)、物聯網(Internet of Things，IoT)、大數據(Big Data)、區塊鏈(Blockchain)、建筑信息模型(Building Information Model，BIM)等應用到高速鐵路中，并不斷進行技術創新來提升鐵路信息化、智能化水平，我國智慧鐵路建設的總體技術水平已處于世界領先行列。智能高速鐵路的研究由面向車體的智能裝備技術、面向旅客的智能服務與運營技術、面向列車的智能建造技術三個方面組成，5G技術在高速軌道場景下的研究是實現上述三方面復雜的智慧型高速鐵路建設的必要條件[3]。隨著5G技術的成熟，5G公網在高速鐵路上的部署已經開始了相關試驗，而5G專網系統即鐵路5G系統(5G for Railway，5G-R)也已進入了研究探索階段[4]。中國國家鐵路集團發布的《新時代交通強國鐵路先行規劃綱要》中，明確表示科研人員要勇于創新，構建屬于自己的先進技術裝備體系，推進完善5G移動通信網絡、萬物互聯等基建應用，統籌規劃新一代移動通信專網建設，賦予鐵路智慧發展[5]。5G-R技術將在列車及其沿線地面間構建新型通信鏈路，滿足數據高傳輸速率、列車高速移動、信息高實時性、傳輸高可靠性的需求，在為乘客提供便利的同時，也將為鐵路商業用戶提供更多高水平、高性能的業務。由此可見，5G-R專網的建設對未來智能高速鐵路具有十分重要的意義, 國內外學術界和工業界對未來智能高速鐵路的關注度和期待值也越來越高[6]。

相較于之前的鐵路通信系統，5G-R專網不僅在原有移動寬帶的基礎上進一步提升用戶速率，并且也考慮了用戶的連接性需求及傳輸可靠性需求。國際電信聯盟在2015年定義了5G的三大應用場景：增強型移動寬帶(enhanced Mobile Broadband，eMBB)、超可靠與低時延通信(Ultra-Reliable Low Latency Communications，URLLC)、大規模機器類通信(massive Machine-Type Communications，mMTC)[7]在5G-R系統中同樣適用。隨著高速鐵路發展的大眾化和普遍化，人們對未來鐵路的旅客信息服務業務的期待與要求逐漸變高。eMBB適用于提高乘客乘車體驗的場景，主要特點為超高的數據傳輸速率和廣覆蓋下的移動性保證，5G-R專網下的車站將利用這一技術為高速鐵路乘客提供大帶寬無線服務、實時信息發布服務、應急告警服務等用以滿足旅客多種多樣的通信服務需求。同時，高速鐵路運輸生產業務的智能化要求也越來越高，URLLC場景在滿足毫秒級低時延的同時能夠保證列車高速移動情況下設備的高可靠性連接，5G-R專網下的未來高速鐵路軌將利用這一技術采集高清的軌道線路圖像，地面鐵路綜合監控中心可定點運算調取前方軌道情況視頻并進行智能分析，列車接收到分析結果后進行危情預警，從而能夠有效地檢測異物入侵、隧道結構、鐵軌等病害。此外，我國國土幅員遼闊，鐵路覆蓋范圍廣，沿線場景繁多復雜，鐵路的圍欄與出入口較多，若要實現智能鐵路的全覆蓋，必須配備并應用大規模的傳感器節點。mMTC場景包含大規模的設備，設備間的通信主要以小數據包的形式進行，主要應用在通信活躍度低及設備功耗低的環境中，所有設備并不會同時進行數據的傳輸，具有零星傳輸的特點[7]，適用于5G-R系統中使能未來物聯網中大規模的小型化傳感及作動設備。

在高速軌道交通中，海量的機器設備形成的大規模物聯網可以應用于設備故障檢測、列車狀態實時監測、環境監測、旅客上網等多種業務，是實現高速鐵路與軌道運營維護智能化的關鍵，但海量接入設備為多址技術帶來了更大的挑戰。在mMTC中，為盡可能減少或消除基于授權的隨機接入帶來的控制信令和開銷巨大等不足，研究人員將目光轉向免授權隨機接入技術。然而，由于免授權隨機接入技術中接入點與用戶之間缺乏協作、不再進行信令交互，接入點接收到的數據包都是匿名的，因此接入點需要對接收到的數據進行用戶識別。同時，高速鐵路的迅猛發展使得用戶數量急劇增加，然而受限于有限的無線電資源[8]，mMTC系統不能滿足海量用戶的激活與接入。為解決此類問題，各界學者針對mMTC免授權隨機接入過程提出了若干實現在碼域上的非正交多址技術[9]，主要包含基于碼本、交織及擴頻序列這三類多址技術[10]。圖樣分割多址(Patten Division Multiple Access, PDMA)技術是一種滿足5G無線網絡對大容量、大連接數的多樣化需求而提出的一種基于碼本的非正交多址接入方案。這一技術利用圖樣矩陣來表示數據與資源間的稀疏映射關系，模式的稀疏性直接影響到系統的容量性能和檢測復雜度[11]。稀疏碼分多址(Sparse Code Multiple Access, SCMA)是一種很有前景的基于碼本的非正交多址技術，它可以提供更高的頻譜效率和大規模連接，滿足5G無線通信系統的要求[12]。交織分割多址(Interleaved-Division Multiple Access, IDMA)技術是一種支持同一帶寬內大量用戶多址接入的基于交織的多址技術[13]?；趬嚎s感知的多用戶檢測(Compressive Sensing Based Multi-User Detection, CSMUD)技術是一種基于擴頻序列的多址技術，它利用壓縮感知理論有效地緩解了非正交擴頻序列間的互相關對用戶識別和數據檢測的影響[14]。但上述多址技術解決接收端碰撞的算法具有局限性，且未能解決多種系統性能需求的兼顧和權衡問題。此外，高速軌道交通中列車的超高速移動會帶來嚴重的多普勒效應，對系統性能的影響不可忽視。

最近，一種新興的面向mMTC場景的基于免授權隨機接入的多址方案被提出，稱為串聯擴頻多址(Tandem Spreading Multiple Access，TSMA)[15]。TSMA解決了mMTC場景中大規模用戶免授權隨機接入與有限的無線電資源這一矛盾，它將用戶發送的數據包進行分段，位于各個數據段上的經過調制后的符號將利用若干正交的擴展序列進行串聯擴展。TSMA利用有限的正交擴展序列生成大量的串聯擴展組合，將非正交的串聯擴展組合隨機分配給大規模的機器用戶，系統中所有用戶都將獲得一個非正交的串聯擴展組合。串聯擴展碼是TSMA通過特定的算法來篩選相應的序列組合形成的一個集合，該碼本內包含的串聯擴展組合具有一定特性，使其能夠保證大規模連接用戶在進行零星匿名上行傳輸時的用戶識別及數據檢測性能。高速軌道交通中利用海量物聯網設備對列車進行監測，這些大規模物聯網設備具有稀疏零星傳輸、小數據包傳輸數據、設備功耗較小及活躍度較低等特點?；诙尉幋a及串聯擴展，TSMA通過犧牲一定程度的用戶速率實現了mMTC系統中更高的連接性及可靠性，這與高速軌道交通中海量物聯網設備的通信需求相吻合。因此，TSMA具有支撐高速軌道交通場景中大規模終端可靠接入的潛力。

然而，在高速移動場景下系統不可避免地會受到多普勒效應的影響，目前TSMA尚未考慮到高速軌道交通中多普勒效應所帶來的載波頻率偏移(Carrier Frequency Offset，CFO)，因而本文在TSMA的基礎上研究面向5G-R大規模物聯網場景下高速移動對系統性能的影響。本文首先在正交頻分復用(Orthogonal Frequency Division Multiplex，OFDM)的基礎上介紹了多載波串聯擴展多址接入(Multi-Carrier Tandem Spreading Multiple Access，MC-TSMA)；同時研究了高速軌道交通中CFO對MC-TSMA性能的影響，得出每個子載波上CFO干擾的閉式表達式，并提出相應的改進方案；最后，基于高速移動對MC-TSMA進行了性能評估。結果表明，所提出方案可以有效地緩解高速軌道場景中由CFO引起的MC-TSMA性能下降。

1 系統模型

針對上述高速軌道交通mMTC場景，本文考慮一個單小區上行免授權隨機接入系統，包含單個車載基站及K個地面用戶終端。基站與用戶都配備了單天線，且以時隙的方式進行傳輸。由于mMTC業務中零星傳輸與小尺寸數據包傳輸特性，假設單個時隙內所有用戶激活的概率為pa且pa<<1，激活用戶將進行數據傳輸且數據包的尺寸要小于時隙長度。因此每個時隙內活躍用戶的數量是遵循二項分布B(K;pa)的。此外，MC-TSMA考慮單個用戶僅占用單個子載波，不同的用戶可占用相同的子載波，其數據的擴展在時域上進行，即時域擴展。因而，假設該系統在頻域中占用Nc個子載波，且Ka(i)表示第i個子載波上的激活用戶數，i=1,2,…,Nc，則全部的激活用戶Ka可以表示為

( 1 )

針對第i個子載波上第k個激活用戶，k=1,2,…,Ka(i)，考慮用戶數據傳輸將利用TSMA方案進行處理，因而單個子載波內能夠支持的最大用戶數量等于TSMA中串聯擴展碼本的尺寸。另外對于第l個OFDM符號，其所經歷的信道衰落表示為

hi,k,l=[hi,k,l,0hi,k,l,1…hi,k,l,Lh-10]T

( 2 )

式中：Lh為信道抽頭數。由于假設一個編碼段的用戶數據長度小于信道的相干時間，因而同一段中的數據符號所經歷的信道衰落是相同的。現有文獻中，開闊空間、路塹、高架橋、丘陵等不同場景下的高速軌道交通信道衰落隨機特性均利用萊斯分布刻畫[16-17]。此類模型下所經歷的信道衰落為

( 3 )

此外，在上行數據傳輸中，第i個子載波上第k個激活用戶所受到的歸一化CFOεi,k表示為

(4)

式中：fc為載波頻率；μ為高速列車移動速度；c為光速；Δf為子載波間隔；αi,k為該用戶與列車接收天線的角度。本文假設αi,k服從[-π,π]上的均勻分布，且CFO的幅度|εi,k|<1。這里若考慮窄子載波間隔Δf=3.75 kHz，載波頻率fc=2 GHz，在列車移動速度為500 km/h時|εi,k|僅約為0.25，因此對于CFO的假設合理。OFDM框架中的多址系統對小數量級的εi,k很敏感，其所帶來的載波間干擾(Inter-Carrier Interference，ICI)對系統性能產生明顯影響[18]。在原先OFDM框架下的擴頻系統中，ICI會破壞大量用戶擴頻碼片的正交性，從而嚴重降低系統性能。同時，在這種條件下進行CFO估計和估計復雜度很高。因而如前文所述，本文中系統采用時域擴展形式生成碼片，從而更易于保持擴頻碼片的正交性。

2 發射機設計

MC-TSMA系統結構見圖1。

圖1 MC-TSMA系統結構

2.1 段編碼

( 5 )

2.2 串聯擴展

在串聯擴展中，串聯擴展碼本C由廣義里德所羅門(General Reed-Solomon，GRS)碼生成[16]。設q為擴展因子，r表示碼本中任意兩兩串聯擴展組合能發生碰撞的最大次數，則碼本的最大尺寸為qr+1[16]。同時MC-TSMA在時域上進行擴展，因此每個子載波上可以支持最多qr+1個用戶。針對子載波i上激活用戶k第j段編碼段上的數據符號si,k,j，j=1,2,…,n，發射機根據擴展碼本C從正交擴展序列集合E選取相應的擴展序列進行擴展，其擴展后的碼片表示為

ζi,k,j=Ci,k,jsi,k,j

( 6 )

式中：Ci,k,j∈Cq(bm+Lp)×(bm+Lp)表示為

( 7 )

其中，ci,k,j為針對數據符號si,k,j所選取的擴展序列。

完成串聯擴展后，發射機將n段數據段的擴展碼片進行合并，而后將其映射至第i個子載波以生成頻域發送信號Xi,k∈CNc×qn(bm+Lp)，即矩陣Xi,k的第i行為擴展碼片。將Xi,k的第l列表示為Xi,k,l∈CNc×1，l=1,2,…,qn(bm+Lp)，即第l個OFDM符號，為了對抗符號間干擾(Inter-Symbol Interference，ISI)，發射機對Xi,k執行反快速傅里葉變換(Inverse Fast Fourier Transform，IFFT)，并添加長度為LCP>Lh的循環前綴(Cyclic Prefix，CP)。

3 接收機設計

3.1 接收信號

在接收端，本文假設全部激活用戶的信號同步到達接收機，異步到達的情況已在文獻[19]中進行了詳細研究。接收的合成信號可以寫為Y=[Y:,1Y:,2…Y:,qn(bm+Lp)]。在高速移動場景下，針對第l個OFDM符號的合成信號，即Y的第l列，將依次執行去CP操作和FFT后，可表示為

( 8 )

式中：Y:,l∈CNc×1，l=1,2,…,qn(bm+Lp)。Hi,k,l為第l個OFDM符號的信道卷積的矩陣形式，由于CP的添加，Hi,k,l為循環矩陣；F和FH分別表示FFT矩陣和IFFT矩陣，(·)H表示復共軛轉置操作；n:,l為加性高斯白噪聲，其分布為CN(0,σ2)，σ2為噪聲功率；Δi,k為CFO對角矩陣，其第u個對角元素可以表示為

( 9 )

3.2 用戶識別

公式(8)可以重寫為

(10)

其中

Yi,k,l=FHi,k,lΔi,kFHXi,k,l

(11)

(12)

(13)

其中,

(14)

式中:Ii,l為在第l個OFDM符號上第i個子載波受到的干擾，其來自相鄰子載波的數據，表示為

(15)

另外，在高速移動中，用戶識別必須考慮來自CFO的影響。對于BPSK調制系統而言，公式(15)中Ii,l的上界可以表達為

(16)

由于用戶激活服從伯努利分布，信道服從萊斯分布，則Ii,l服從伯努利高斯分布[20]。對于其他調制方式，也可根據Xi,k,l的調制符號值得出相應上界。綜上，基于高斯分布的累加特性，式(16)的期望可以寫為

(17)

式(17)即為CFO干擾的一個期望上界值。在能量檢測過程中減去正交擴展序列集合E與Bi的相關值便可得到新的檢測門限，從而消除了CFO對用戶識別的影響。

3.3 數據檢測

(18)

(19)

此后，利用所插入的導頻符號sp進行信道估計和信道補償。在信道估計中，本文基于最小二乘估計(Least Square Estimation，LSE)[21]得出

(20)

(21)

(22)

4 性能評估

考慮在郊區環境下，列車在高架橋上高速移動時，由列控中心、軌旁電子單元、調度集中、站間通信及安全數據網等組成的地面大規模設備與車載設備間的通信，通過鏈路級仿真來評估MC-TSMA的用戶識別性能和數據檢測性能。在本仿真中，地面設備用戶數量規模遠小于大規模物聯網系統中單個基站可承載的百萬級別連接用戶數量規模，大規模特性主要體現在設備用戶數量和擴展因子的比值。綜合前文所述，亦考慮列車可能處于富散射體環境的通信場景，故分別基于萊斯分布和瑞利分布的信道模型進行仿真分析，重點關注用戶識別和數據檢測的性能。此外，在相同資源分配和傳輸環境下，選取了“未進行CFO干擾估計和消除的MC-TSMA方案”(以下簡稱“原方案”)和“接收端已知信道狀態信息(Channel State Information，CSI)的MC-TSMA方案”(以下簡稱“CSI已知方案”)作為所提改進方案的性能比較基準。仿真參數如表1所示。

表1 仿真參數

高速移動場景下，用戶接收到的有用信號和噪聲都在不斷變化，因此，本節評估了改進方案在不同信噪比下的用戶識別性能和數據檢測性能，系統的用戶激活概率設定為pa=0.02。

圖2評估了改進方案在不同信噪比下的用戶識別性能。觀察可知，隨著SNR變大，噪聲對系統的干擾逐漸變弱，原方案漏警概率、改進方案虛警概率和漏警概率也隨之減小。但在不同SNR下，原方案虛警概率持續較高且不隨SNR而變化，這是由于原方案進行用戶識別時所設判決門限未考慮列車高速移動的影響，故出現了大量虛警用戶。此外，對比不同SNR下原方案和所提方案性能發現，所提方案較大改善了MC-TSMA系統在高速移動下的用戶識別性能，也反映出所提CFO估計方案和改進的用戶識別方式的可行性。

圖2 用戶激活概率pa=0.02時不同SNR下的用戶識別性能

圖3評估了改進方案在不同信噪比下的數據檢測性能。值得注意的是這里誤碼率定義為：當激活用戶的身份被正確識別且其數據包被完全正確解碼才被認定為該激活用戶被正確檢測，否則均記為誤碼。觀察可知，隨著SNR升高，三種方案的誤碼率均不斷降低，且在不同SNR下，所提出的CFO估計和用戶識別方式使得改進方案與原方案相比實現了較大的性能增益。在低SNR區域，所提方案的誤碼率略優于CSI已知的方案，這是由降低的判決門限帶來的，使得噪聲對用戶識別的影響得以減弱。然而，在高SNR區域，改進方案要達到足夠小的誤碼率的速度比CSI已知方案慢得多，這是因為改進方案沒有完全消除深衰落片段對數據恢復的影響，導致存在深衰落片段的用戶數據恢復失敗。這可以在之后工作中通過改進信道均衡方式和段解碼方式加以完善。與此同時，圖2和圖3說明，基于萊斯分布信道模型的系統性能優于基于瑞利分布的方案性能，這是由于主徑分量降低了信道深衰落的概率。

此外，基于5G-R大規模設備通信零星傳輸的特點，用戶激活概率不是一成不變的。因此，在固定信噪比為30 dB的條件下，本節評估了改進方案在不同用戶激活概率下的數據檢測性能，見圖4。這里誤碼率定義與圖3一致。觀察可知，在不同pa下原方案誤碼率均較高且在0.5附近，這反映出原方案不具備對高速場景下大量用戶接入的魯棒性。然而，改進方案和CSI已知方案在低pa區域誤碼率表現均較低，說明在所設置系統參數下，改進MC-TSMA方案能夠實現高速移動場景下pa較低時大量用戶可靠接入。此外，pa較低時，改進方案的誤碼率略高于CSI已知方案，與在圖3中的性能差距成因相同，是由深度衰落導致的。隨著pa升高，改進方案和CSI已知方案的誤碼率均逐漸升高，這是因為MC-TSMA所能支持用戶數受限于有限的碼本容量。由于激活用戶數目增加，不同用戶間的碰撞段不斷增多，由段解碼理論可知，若碰撞段數目超過n-m則該用戶即無法識別和正?；謴?，這可以在之后工作中通過增大碼本容量和n-m加以改進。

5 結束語

本文在串聯擴展多址的基礎上針對高速軌道交通中由高速移動引起的多普勒頻移進行了研究?；诙噍d波形式的串聯擴展多址接入方案，本文分析了由高速移動帶來的載波間干擾，提出相應的適應性方案，并利用數值仿真進行了性能評估。結果表明，所提出方案可以有效地緩解載波頻偏對多載波串聯擴展多址方案的影響，從而使串聯擴展多址具有潛力支撐5G大規模機器通信系統在高速軌道交通中的應用。