[论文解读] Massive Machine Type Communication with Data Aggregation and Resource Scheduling

Jing Guo, Salman Durrani+2 more|arXiv (Cornell University)|Nov 10, 2016

IoT Networks and Protocols参考文献 27被引用 3

一句话总结

本文提出了一种两阶段蜂窝mMTC框架，结合数据聚合与资源调度，以减少网络拥塞并提高可靠性。通过随机几何方法，分析了在随机调度（RRS）与信道感知调度（CRS）下信号干扰比（SIR）与成功概率，结果表明RRS在显著降低复杂度的同时，性能几乎与CRS相当，且过多的聚合阶段资源并不总能提升性能。

ABSTRACT

To enable massive machine type communication (mMTC), data aggregation is a promising approach to reduce the congestion caused by a massive number of machine type devices (MTDs). In this work, we consider a two-phase cellular-based mMTC network where MTDs transmit to aggregators (i.e., aggregation phase) and the aggregated data is then relayed to base stations (i.e., relaying phase). Due to the limited resources, the aggregators not only aggregate data, but also schedule resources among MTDs. We consider two scheduling schemes: random resource scheduling (RRS) and channel-aware resource scheduling (CRS). By leveraging the stochastic geometry, we present a tractable analytical framework to investigate the signal-to-interference ratio (SIR) for each phase, thereby computing the MTD success probability, the average number of successful MTDs and probability of successful channel utilization, which are the key metrics characterizing the overall mMTC performance. Our numerical results show that, although the CRS outperforms the RRS in terms of SIR at the aggregation phase, the simpler RRS has almost the same performance as the CRS for most cases with regards to the overall mMTC performance. Furthermore, the provision of more resources at the aggregation phase is not always beneficial to the mMTC performance.

研究动机与目标

• 为解决因大量低复杂度、低功耗设备导致的海量机器类通信（mMTC）网络拥塞问题。
• 设计一种两阶段mMTC架构，其中MTD首先向聚合器发送数据，随后聚合后的数据被中继至基站。
• 评估资源调度（特别是随机调度RRS与信道感知调度CRS）对系统性能的影响。
• 基于随机几何构建可 tractable 的分析框架，以建模干扰并计算关键性能指标，如成功概率与信道利用率。
• 研究聚合阶段资源分配与整体mMTC性能之间的权衡。

提出的方法

• 采用泊松点过程建模大规模蜂窝网络中的基站（BS）与聚合器，其位置服从泊松点过程分布。
• 应用随机几何方法，推导聚合阶段与中继阶段的信号干扰比（SIR）分布。
• 利用矩生成函数（MGF）技术与坎贝尔定理（Campbell’s theorem）计算活跃聚合器与基站带来的干扰。
• 实现两种资源调度方案：随机资源调度（RRS）与信道感知资源调度（CRS），后者根据信道质量优先分配资源。
• 推导出关键性能指标的闭式表达式：MTD成功概率、成功MTD的平均数量，以及信道利用率的成功概率。
• 采用空洞概率模型处理基站无活跃聚合器的情形，并使用伽马分布描述阴影衰落。

实验结果

研究问题

• RQ1 在mMTC网络的聚合阶段，资源调度（特别是RRS与CRS）如何影响SIR与成功概率？
• RQ2 增加聚合阶段的资源分配对整体mMTC性能有何影响？是否总能带来性能提升？
• RQ3 在大规模mMTC部署中，来自多个聚合器与基站的干扰如何影响数据传输的可靠性？
• RQ4 在实际场景中，特别是在存在真实干扰与资源限制的情况下，更简单的RRS方案能否实现接近复杂CRS方案的性能？
• RQ5 聚合阶段资源分配与系统整体可靠性与吞吐量之间的最优权衡是什么？

主要发现

• 信道感知资源调度（CRS）在聚合阶段的SIR高于随机资源调度（RRS），表明在最优调度下链路质量更优。
• 尽管SIR具有优势，RRS在成功概率与成功MTD数量方面几乎与CRS达到相同水平，表明其仅带来极小的性能损失，但复杂度显著降低。
• 增加聚合阶段分配的资源数量并不总能提升系统性能；超过某一临界点后，额外资源反而导致干扰增加，收益递减。
• 信道利用率的成功概率对每个基站的活跃聚合器数量极为敏感，当过多聚合器共享同一资源块时，性能显著下降。
• 基于随机几何的分析框架能准确预测系统性能，数值结果与理论推导高度一致，验证了其有效性。
• 空洞概率模型有效捕捉了基站无活跃聚合器的情形，提升了性能评估的准确性。