基于蜂窝窄带的物联网资源管理关键技术研究

宋 扬

(安徽电气工程职业技术学院，安徽合肥 230001)

0 引言

随着物联网概念以及技术的发展，它改变了人们的生活方式，并且被认为是信息化进程的里程碑.通信技术作为物联网的技术基础，其中NBIOT作为当前蜂窝窄带物联网中前沿的技术，在广域网的蜂窝网络中，它支持低功耗设备的数据连接，由此也被称之为低功耗广域网，具备覆盖广、连接多、速率低、成本低、功耗少、架构优等特点.物联网作为新型的智能技术受到了国家和各大企业的广泛关注，蜂窝NB-IOT技术也随之得到了高度的重视.工信部也在逐步的标准化NB-IOT技术以适应日益增长的物联网发展需求，例NB-IOT模块大小、封装等.随着窄带物联网技术的快速发展，对于物联网中资源的管理以及安全问题研究具有非常重要的现实意义.

1 窄带物联网技术

1.1 窄带物联网

窄带物联网是新型的物联网技术，其具备以下特点：

(1)功耗低：NB-IOT设备采用了AA(5 000 mAh)电池，同时也支持拓展不连续接技术以及节能模式，它的使用时限可达10年之久；

(2)覆盖广：NB-IOT在技术方面相比传统的GSM模式，在功率谱密度、帧发送数量、低阶调制等各个方面的性能都更高；

(3)成本低：NB-IOT降低了元件的复杂程度，并对硬件设备进行了优化，由此大幅的降低了整体的硬件设备成本；

(4)连接多：应用3GPP的容量模型进行理论计算后发现，NB-IOT在小区内的容量可以达到50 K以上.

1.2 窄带物联网架构

窄带物联网架构是基于4 G LTE网络架构基础上根据窄带物联网特点而设计的总体架构.

(1)系统组网

根据物联网接入到无线通信中信息流的过程，系统组网框架如图1所示.图1中窄带物联网中终端连接不同行业各个终端机的数据采集，且在未来发展趋势中，通过芯片就可以实现网络的对接；在采集到终端机数据后，通过基站来进行数据传输，当前窄带物联网基本使用三大运行商建设的LTE基站，频带部署方式大部分都采用独立部署、保护带部署、带内部署等；窄带物联网核心网的主要目的为连接云平台和基站之间的数据连接；云平台可充分应用大数据、云计算等关键对不同通信数据进行处理，然后将处理好的结果反馈给相关的终端设备；业务层则会收集终端设备信息，并实现对终端设备的控制管理.

图1 架构图Fig.1 Architecture diagram

1.3 物理层关键技术

窄带物联网通信过程较为复杂，且NB-IoT物理层结构中只有一个LTE资源块，由此为了节约成本，可以直接将其部署在GSM或TLE频谱上，主要部署方式有以下方式：

(1)带内模式：该种模式LTE频带会内嵌NB-IoT频段，如图2中的(a)，两者都共用一个基站，共享下行发射功率，必须协同调度处理无线资源.

(2)带间模式：在LTE频带保护区间内会存在NB-IoT频段，如图2中(b)，该种方式仍然共享基站的发射功率，但在基站调度过程中LTE和NB-IoT要使用不同的协同方式，由此该种模式相对来说更为简单.

(3)单独模式：NB-IoT频段直接应用GSM中专属频段，如图2中(c).该种方式LTE、NB-IoT都有各自的基站，由此可以独占该基站下的发射功率，由此覆盖范围更大.

图2 NB-IoT频带分布图Fig.2 NB-IoT frequency band distribution map

窄带物联网下行物理层应用正交频分多址(Orthogonal Frequency Division Multiple Access，OFDMA)技术，它的帧结构和LTE帧结构保持了一致性.在频域上，窄带物联网的带宽均为15 KHz子载波，每个时隙均为0.5 ms，每个子帧均为1ms，一个帧结构为10 ms.而在上行信道的窄带物联网帧与LTE帧结构有很大的不同，它支持两种不同上行传输模式：单子载波传输，在该传输模式下数据传输过程中只用一个子载波实现；多子载波传输，在该传输模式下数据传输过程中可采用多个子载波实现.

在资源单元(Resource Unit，RU)是在上行共享信道上可以进行数据传输最小窄带物理可调度单元，具体的RU如图3，它应用单载波频分多址技术，每个时隙为0.5 ms，每个子帧为1 ms.在信道传输过程中，一次性用户的数据都会有确定传输次数的数据信道、控制信道，这就可以显著的提高解码的精确性.

图3 NB-IoT上行资源单元示意图Fig.3 Schematic diagram of NB-IoT uplink resource unit

2 上行资源调度算法

在窄带物联网上行资源调度过程中，应用单子载波模式下对资源进行分配时，资源单位必须是连续的.在实际的窄带物联网业务中划分以下两类：正常业务报告、异常业务报告.正常业务报告包含了基础的网络指令、软件更新等；异常业务报告包含异常类型业务.根据两者业务存在的差异，本文采用不同的方式来解决.

2.1 异常业务报告

窄带物联网中，通常都会包含多个蜂窝小区，由此假设每个小区有N个用户，每个用户都是激活状态，基站在资源调度过程会给每个用户都分配资源，由此在每个TTI中，必须要满足同一个用户的RU单元都是连续的，且每个RU也必然只能分配给一个用户.

在网络传输过程中，无线网络频率变化会导致用户网络信道质量的下降以及RU值衰落，根据3GPP协议中规定的信道衰落模型如式(1)表示TTI中用户i的平均频率效率：

(1)

上式中，IRU,i则是窄带物理网中用户i在某个时刻分配的RU集合，X表示带宽的RU个数，Isub,i则表示用户i分配到的子载波结合，γk,i表示信噪比SINR.

γk,i的计算方式如下式2：

(2)

由此可以获取得到用户i在t时刻分配到RU上的速率如下式：

(3)

当前运用较为广泛的正比公平算法调度原则为满足度量值最大的用户，其中度量值λi的计算方式如下：

虽然该种方式可以在一定程度上满足用户调度资源的公平性，但在资源调度过程中，由于必须满足“RU连续性”需求，由此无法将独立的单个RU按照比例公平度量值将资源分配给各个用户，这就会导致出现无法满足所有用户对于资源的请求现象.

针对上述现象，本文改进了RU度量值的计算方式，忽略了业务过程中时延、优先级等要求，具体如下：

(4)

优化后的度量值就可以被快速的分配给相关需求用户i.

此外还针对RU来连续性优化子载波个数，根据载波宽度以及覆盖面积的不同，物联网会选择适合的传输模式来完成资源的调度，由此构造相对应的UE-RU矩阵，其中X表示RU个数，Y表示一个RU中的子载波个数.具体的矩阵如表1.

2.2 正常业务报告

在窄带物联网资源调度管理中，正常业务报告业务划分为以下几种类型：

(1)软件的更新等这类业务在常规应用频率较低，因此在资源调度过程中要优先保证业务数据发送完毕，并优先资源调度级别；

(2)物联网终端资源请求数量非常大，在调度资源时若每次都遍历所有用户，必然会增加调度时间成本；

(3)终端请求业务中数据量较小，频率高，由此对于速率要求并没有太大的要求，同时这些业务量对于时延也并没有太大的要求，由此在正常业务报告会重点关注用户信道质量对资源分配，但为了防止出现用户“饿死”现象，调用周期后期会出现限制时限.

通过分析正常业务报告特点后，设计了分阶段调度算法来优化资源调度，基本流程为：均分窄带物联网时间轴，并确定每个周期数值，并将周期内的调度划分为两种，轮询调度、最高效调度，具体如图4.

图4 正常业务报告改进算法Fig.4 Improved algorithm for normal business reporting

在每个周期T内调度资源前都会直接进入到最高效调度阶段，在该阶段内每个RU中资源调度基于用户信道质量，优先被调度到的用户量表明RU中可以传输的数据量最多，由此可知最高效调度阶段内，用户被调用的顺序是由信道质量和用户传输数据量多少决定的，通过以上改进算法可以高效的提升系统吞吐量.但若一直应用该种方式则会导致质量较差的信道用户无法被调用，由此在每个周期T结束后，窄带物联网会遍历用户队列，并采用轮询调度算法直至队列中所有用户数据都已经发送完成.

3 物理层安全策略

在通信网络中，通信数据的安全性至关重要，很多窃听者只要破译加密算法就可以获取得到通信网络中所有数据.而传统的加密安全方案采用网络层加密算法来实现数据安全传输，但该种方式是以高复杂性来实现.物理层安全相比网络层加密方式，它充分了利用无线信道的特性来确保传输数据的安全性，且上层结构中无需进行安全设置，以此来实现高效率的数据安全传输.协作通信是指网络中两个节点之间的数据通信是通过辅助节点来完成，辅助节点生成的分集增益可以显著优化信道质量.

本文充分结合物理层和协作通信的优势，设计了防窃听网络信道模型，在模型中包含了四种不同类型的节点方式：源节点(S)、中继节点(RF)、窃听节点(Eva)、目的节点(D).当S给D发送了信号x时，RI同时会发射一个带波束赋形因子是独立于x的干扰信号z，该信号可以给Eva造成干扰.因此安全通信容量的提升则可以通过调节波束赋行因子实现，计算过程如下：

式中，w表示波束赋行因子，PS表示S的发射功率，nD表示D处的高斯白噪声，hSD表示S和D之间的信道增益矩阵，hRFD表示RF和D之间的信道增益矩阵.

E(Eva节点的简称)的接收信号为：

式中，nE表示E处的高斯白噪声，hSE表示S和E之间的信道增益矩阵，hRFE表示RF和E之间的信道增益矩阵.

根据香农定理计算得到D、E的信道容量公式分别为：

式中b表示系统带宽.

物理层安全模型下的安全容量为：

4 实验结果分析

本次仿真实验采用无线网络规划平台，通过在该平台上加载窄带物联网模块后实现对调度资源的仿真实验.仿真环境设置为：电子地图面积为10 km，精度为20 m，部署了一个LTE基站.

仿真参数：系统带宽(200 KHz)、频段(900 MHz)、网络制式(HD-FDD)、基站数(1)、小区数量(1)、最大发射功率(23)、天线功率(15 dBi)、接收天线(2)、发送天线(1)、终端高度(1.5 m)、基站高度(30 m).

在异常业务报告资源调度仿真实验中，采用正比公平算法作为本文的对比算法，结果对比如图5.根据结果分布图可知：在进行资源调度时，本文异常业务报告的系统吞吐量为112 kbps～208 kbps；正比公平算法的吞吐量为104 kbps～184 kbps，可知系统吞吐量明显由提升.

图5 异常业务报告吞吐量概率分布Fig.5 Probability distribution of abnormal business report throughput

两个算法的平均吞吐量以及吞吐均方差如表2，本文算法相比正比公平算法的平均吞吐量、均方差都稍微大一点.出现上述原因的根本原因在于本文算法在进行资源调度时，每次都是通过拓展资源来确保“RU连续性”，正比公平算法则每次都调度最大度量值的RU资源，并没有考虑“RU”连续性.

在正常业务报告资源调度仿真实验中，采用轮询公平算法作为本文的对比算法，结果对比如图6.根据结果分布图可知：在进行资源调度时，本文正常业务报告的系统吞吐量为123 kbps～201 kbps；轮询公平算法的吞吐量为90 kbps～142 bps，可知系统吞吐量明显由提升.

图6 正常业务报告吞吐量概率分布Fig.6 Probability distribution of normal business report throughput

5 结论

蜂窝窄带物联网技术中的NBIoT技术凭借多种优势而受到学术界的广泛关注，本文在介绍了窄带物联网技术的优势和架构的同时，对上行资源调度算法进行了详细了分析.对网络业务中正常业务报告和异常业务报告分别进行了资源调度优化，在正常业务报告中应用分阶段调度算法；在异常业务报告中通过改进了RU度量值的计算方式、基于“RU连续性”优化子载波个数来优化，并且通常仿真实验对优化模型进行验证，认为本文所提出的算法可以有效的提升系统的吞吐量.希望本文可以通过调度算法的优化，为物联网这种新兴智能技术的发展提供一些技术参考.