[论文解读] Novel Device-to-Device Discovery Scheme based on Random Backoff in LTE-Advanced Networks

Jiayi Zhang, Likai Deng+4 more|arXiv (Cornell University)|Jul 12, 2017

Advanced MIMO Systems Optimization参考文献 9被引用 3

一句话总结

本文提出了一种在长期演进-高级（LTE-Advanced）网络中使用随机退避机制的新型设备到设备（D2D）发现方案，以减少碰撞并提高发现效率。通过使D2D用户在发生碰撞后随机选择资源块并进行退避重传，该方案相比现有方法显著提高了发现概率并降低了平均发现延迟，且通过理论分析与仿真验证。

ABSTRACT

Device-to-Device (D2D) discovery is a key enabler of D2D communications for the direct exchange of local area traffic between proximity users (UEs) to improve spectral efficiency. The direct D2D discovery relies on the capabilities of the D2D UEs to autonomously indicate their presence to proximity D2D UEs. {Despite} its potential of reducing energy and signalling burden, the direct D2D discovery {has not drawn adequate attention}. In this paper, we propose a direct D2D discovery scheme based on the random backoff procedure, where D2D UEs randomly choose a backoff interval and retransmit a beacon. Compared with existing schemes, the performance of the proposed scheme can be significantly enhanced in terms of the discovery probability and the discovery delay. Several useful guidelines for its design are proposed based on our analysis. Finally, numerical results provide valuable insights on the performance tradeoff inherent to the proposed D2D discovery scheme.

研究动机与目标

• 解决现有研究中缺乏针对长期演进-高级网络中最小化信令与能量开销的直接D2D发现方案的问题。
• 克服网络辅助D2D发现方案的局限性，如高信令负载与电池消耗。
• 在多个用户同时尝试相互发现的密集D2D环境中，降低碰撞概率与发现延迟。
• 设计一种与现有LTE-A基础设施兼容的方案，利用随机接入过程中使用的随机退避机制。
• 提供基于理论分析与仿真的关键参数优化指导，如退避窗口大小与最大重传次数。

提出的方法

• 采用分布式D2D发现机制，每个设备独立选择一个资源块（RB）以发送信标。
• 实施随机退避程序：在首次传输发生碰撞的设备将重新选择一个随机退避窗口，并在后续资源块中重传。
• 使用球与桶组合数学模型，对碰撞概率、发现成功率与平均发现延迟进行理论评估。
• 使用离散时隙（DZs）建模系统，其中每个D2D用户在给定时间窗内随机选择一个资源块进行发现。
• 引入两个关键控制参数：最大重传次数 $ L_{ ext{max}} $ 与退避窗口大小 $ W $，以调节性能权衡。
• 基于概率分析，推导出平均发现用户数与平均发现延迟的闭式表达式。

实验结果

研究问题

• RQ1 与无退避方案相比，所提出的基于随机退避的D2D发现方案在发现概率方面有何提升？
• RQ2 退避窗口大小 $ W $ 对碰撞概率与发现效率有何影响？
• RQ3 最大重传次数 $ L_{ ext{max}} $ 如何影响平均发现延迟与发现用户数？
• RQ4 在不同网络负载下，发现延迟与发现成功率之间如何实现最优平衡？
• RQ5 通过调节 $ W $ 与 $ L_{ ext{max}} $，该方案能否实现目标发现概率？其性能权衡如何？

主要发现

• 在200个DZ周期内，当有1800个用户时，所提方案将平均发现D2D用户数提高至最多467个，显著优于现有方案。
• 当 $ L_{ ext{max}} = 2 $ 时，平均发现延迟 $ ar{D}_S $ 最小化至 $ ar{D}_S = 0.186 $，表明此时重传策略达到最优平衡。
• 增大退避窗口大小 $ W $ 可降低碰撞概率，尤其在D2D用户数从8增加到15时，其改善效果最为显著。
• 当 $ L_{ ext{max}} $ 从2增加到7时，由于更高的重传开销，发现用户数下降，但各曲线间的差距随 $ L_{ ext{max}} $ 增大而减小。
• 当 $ M ightarrow 2250 $ 个用户时，平均延迟趋于稳定在常数值，而发现用户数仍持续下降，表明在高负载下存在性能上限。
• 指标 $ ar{D}_S / M_i(S) $ 在 $ L_{ ext{max}} = 2 $ 时达到最小值0.186，表明该配置最优化了延迟与发现效率的比值。