在5G大连接物联网场景下,针对大连接物联网设备(massive machine type communication device,mMTCD)的接入拥塞现象,提出了基于价值差异探索的双重深度Q网络(double deep Q network with value-difference based exploration,VDBE-DDQN)算法。该算法着重解决了在多小区网络环境下mMTCD接入基站的问题,并将该深度强化算法的状态转移过程建模为马尔可夫决策过程。该算法使用双重深度Q网络来拟合目标状态—动作值函数,并采用基于价值差异的探索策略,可以同时利用当前条件和预期的未来需求来应对环境变化,每个mMTCD根据当前值函数与网络估计的下一时刻值函数的差异来更新探索概率,而不是使用统一的标准,从而为mMTCD选择最佳基站。仿真结果表明,所提算法可有效提高系统的接入成功率。
在LTE-A网络的过载场景中,机器类通信(Machine Type Communication,MTC)设备的突发性接入会使得网络发生严重的拥塞,甚至死锁,造成网络的接入效率低下.在可用前导资源有限的前提下,根据实时负载数控制发起接入的设备数可以有效降低前导的碰撞概率,但是控制方法尚不明确.为此,本文提出了一种接入类别限制(Access Class Barring,ACB)的动态接入机制来优化海量MTC的随机接入性能.建立了一种基于退避预测的估计模型,该模型根据重传的设备数和状态转移过程估计出了实时活跃的设备数.结合估计模型和ACB参数调整可以最优化实时成功接入的设备数,能够有效地提高设备的接入成功率.本文在不同负载强度场景下,将提出的ACB动态接入机制和现有的动态ACB机制的接入性能进行了比较.仿真结果证明,本文提出的ACB动态接入机制的接入成功率为100%.而且,与现有的ACB动态接入机制相比,所提的新方案的平均接入时延更低.
