[论文解读] Adaptive Transmission Parameters Selection Algorithm for URLLC Traffic in Uplink

Aleksei Shahsin, Andrey Belogaev+2 more|arXiv (Cornell University)|Feb 26, 2021

Advanced MIMO Systems Optimization参考文献 16被引用 4

一句话总结

本文提出了一种用于5G网络中非调度上行URLLC业务的自适应传输参数选择算法。通过基于基站（gNB）长期信噪比（SNR）统计动态调整调制编码方案（MCS）和重传次数，该算法在满足严格URLLC可靠性与时延要求的前提下，相比固定鲁棒配置，将信道资源消耗降低了50%以上。

ABSTRACT

Ultra-Reliable Low-Latency Communications (URLLC) is a novel feature of 5G cellular systems. To satisfy strict URLLC requirements for uplink data transmission, the specifications of 5G systems introduce the grant-free channel access method. According to this method, a User Equipment (UE) performs packet transmission without requesting channel resources from a base station (gNB). With the grant-free channel access, the gNB configures the uplink transmission parameters in a long-term time scale. Since the channel quality can significantly change in time and frequency domains, the gNB should select robust transmission parameters to satisfy the URLLC requirements. Many existing studies consider fixed robust uplink transmission parameter selection that allows satisfying the requirements even for UEs with poor channel conditions. However, the more robust transmission parameters are selected, the lower is the network capacity. In this paper, we propose an adaptive algorithm that selects the transmission parameters depending on the channel quality based on the signal-to-noise ratio statistics analysis at the gNB. Simulation results obtained with NS-3 show that the algorithm allows meeting the URLLC latency and reliability requirements while reducing the channel resource consumption more than twice in comparison with the fixed transmission parameters selection.

研究动机与目标

• 解决非调度上行传输中URLLC可靠性与网络容量之间的权衡问题。
• 通过避免固定且过度鲁棒的传输参数，降低信道资源消耗。
• 实现长期稳定传输参数配置，以最小化控制信令开销。
• 开发一种基于SNR统计、可适应时变信道条件的动态参数选择机制。

提出的方法

• 该算法利用基站（gNB）收集的长期SNR统计数据，估算所有候选传输参数组合的分组丢失率（PLR）。
• 采用双阈值机制：PLRlow和PLRhigh，仅在可靠性显著偏离目标时触发参数自适应。
• 窗口大小W控制SNR与PLR估计的平均 timescale，平衡自适应速度与稳定性。
• 传输参数（MCS与K）的选择以最小化资源使用（RBG数量）为目标，同时确保PLR ≤ 10−5。
• 通过依赖K次重复与Chase合并技术，避免反馈信令，实现低时延传输。
• 最优参数选择以固定MCS 0和理论最优值为基准，用于性能评估。

实验结果

研究问题

• RQ1 如何自适应地选择传输参数，以在满足URLLC可靠性与时延约束的前提下最小化资源使用？
• RQ2 窗口大小W对参数自适应的稳定性与效率有何影响？
• RQ3 PLRlow与PLRhigh阈值如何影响资源消耗与自适应频率？
• RQ4 与固定鲁棒配置相比，动态参数选择能在多大程度上减少信道资源使用？
• RQ5 该算法能否在最小化控制信令与重配置开销的前提下实现接近最优的性能？

主要发现

• 所提算法相比固定选择最鲁棒MCS（MCS 0）的配置，将信道资源消耗减少两倍以上。
• 当SNRwb ≥ −1 dB时，该算法在RBG使用方面接近理论最优性能。
• 随着窗口大小W增大，资源消耗趋近最优水平，表明长期自适应具有稳定性。
• 当W = 1秒时，参数重配置频率平均降低至每40秒一次，提升了网络稳定性。
• PLRhigh固定为10−5（对应99.999%可靠性），而PLRlow随窗口大小增加，大窗口下趋近于PLRhigh。
• 该算法支持长期参数配置，显著降低了非调度上行传输的控制信令开销。