[论文解读] RAN Slicing for Massive IoT and Bursty URLLC Service Multiplexing: Analysis and Optimization

Peng Yang, Xing Xi+4 more|arXiv (Cornell University)|Jan 13, 2020

Energy Harvesting in Wireless Networks参考文献 40被引用 8

一句话总结

本文提出了一种无线接入网（RAN）切片的资源优化框架，实现了海量物联网（mIoT）与突发性超可靠低时延通信（URLLC）服务的高效共存。通过将随机接入信道（RACH）成功概率建模为队列状态动态，并构建联合优化问题，作者设计了一种具有可证明收敛性与紧密误差界约束的切片资源优化（SRO）算法，在共享基础设施场景下显著提升了接入可靠性与能效。

ABSTRACT

Future wireless networks are envisioned to serve massive Internet of things (mIoT) via some radio access technologies, where the random access channel (RACH) procedure should be exploited for IoT devices to access the networks. However, the theoretical analysis of the RACH procedure for massive IoT devices is challenging. To address this challenge, we first correlate the RACH request of an IoT device with the status of its maintained queue and analyze the evolution of the queue status. Based on the analysis result, we then derive the closed-form expression of the random access (RA) success probability, which is a significant indicator characterizing the RACH procedure of the device. Besides, considering the agreement on converging different services onto a shared infrastructure, we investigate the RAN slicing for mIoT and bursty ultra-reliable and low latency communications (URLLC) service multiplexing. Specifically, we formulate the RAN slicing problem as an optimization one to maximize the total RA success probabilities of all IoT devices and provide URLLC services for URLLC devices in an energy-efficient way. A slice resource optimization (SRO) algorithm exploiting relaxation and approximation with provable tightness and error bound is then proposed to mitigate the optimization problem. Simulation results demonstrate that the proposed SRO algorithm can effectively implement the service multiplexing of mIoT and bursty URLLC traffic.

研究动机与目标

• 为解决在海量物联网（mIoT）网络中分析随机接入信道（RACH）过程的挑战，由于设备随机接入与队列动态导致理论建模困难。
• 在共享无线接入网（RAN）基础设施上实现mIoT与突发性URLLC服务的高效共存，克服干扰与资源竞争问题。
• 将RAN切片问题建模为随机接入（RA）成功概率与能效的联合优化，确保mIoT与URLLC设备的服务质量（QoS）保障。
• 设计一种切片资源优化（SRO）算法，采用松弛与近似技术，具备可证明的紧致性与误差界，适用于实际部署。
• 通过仿真验证所提框架的有效性，展示在接入可靠性与资源效率方面的性能提升。

提出的方法

• 本文通过将设备接入尝试与所维护的传输队列状态相关联，对RACH过程进行建模，实现对访问概率随时间动态跟踪。
• 基于队列演化推导出随机接入（RA）成功概率的闭式表达式，作为mIoT设备的关键性能指标。
• 将RAN切片问题建模为非凸优化问题，旨在最大化总RA成功概率，同时确保URLLC服务的可靠性与能效。
• 提出一种切片资源优化（SRO）算法，利用凸松弛与近似技术将非凸问题转化为可处理形式，具备可证明的收敛性与有界误差。
• 算法结合拉格朗日松弛与Karush-Kuhn-Tucker（KKT）条件，推导最优性条件，并证明最优解中波束成形矩阵的秩至多为1。
• 理论分析证明，近似误差由可行区间内三阶导数最大差值有界，确保松弛的紧致性。

实验结果

研究问题

• RQ1 在设备接入随机且队列状态动态演化的海量物联网网络中，如何对随机接入（RA）成功概率进行解析建模？
• RQ2 突发性URLLC业务对共享RAN基础设施中mIoT设备性能有何影响？如何缓解干扰？
• RQ3 如何对RAN切片进行优化，以在能效约束下同时最大化mIoT的RA成功概率并保障URLLC服务的可靠性？
• RQ4 可采用哪些近似与松弛技术求解非凸RAN切片优化问题，以实现可证明的收敛性与误差界？
• RQ5 在mIoT与URLLC混合场景下，所提出的SRO算法相较于基线方案在接入可靠性与能效方面表现如何？

主要发现

• 通过建模mIoT设备的队列状态演化，本文推导出RA成功概率的闭式表达式，实现了对RACH过程性能的精确评估。
• 所提出的SRO算法具备高速收敛性与紧密的误差界，其近似误差由可行区间内三阶导数的最大差值有界。
• 仿真结果表明，SRO算法能有效支持共享RAN上的mIoT与突发性URLLC服务，相比基线方案显著提升了RA成功概率与能效。
• 证明了每个用户最优波束成形矩阵的秩至多为1，简化了波束成形设计，支持低复杂度实现。
• 理论分析确认SRO算法中采用的松弛方法保持了紧致性，确保解始终接近全局最优且误差有界。
• 该框架成功缓解了小区内干扰，并支持异构服务间的动态资源分配，验证了其在未来的5G/6G网络中的可行性。