曹 逊，王 聪，赵几航，吴 霞，姚远翔

（陆军工程大学，江苏 南京 210001）

0 引 言

机器到机器（Machine to Machine，M2M）通信是物联网（Internet of Things，IoT）中的重要组成部分，目标是在最少的人工干预下实现不同机器设备之间的自主通信[1]。据估计，到2025年，物联网设备的数量将接近200亿台[2]。长期演进网络（如LTE、5G）因其广泛覆盖、基础设施完善等优点，为大规模机器类型通信（massive Machine Type Communication，mMTC）提供了现实基础。然而，作为一种针对人与人（Human to Human，H2H）通信的技术，LTE网络部署M2M通信面临诸多挑战[3]，其中之一就是M2M通信中的MTDS密度通常非常高[4]，会引起激烈的竞争，并显著降低随机接入（Random Access，RA）过程的接入效率。因此，正确设计用于M2M通信的RA协议尤为重要[5]。为了缓解激烈的竞争，已有许多方案被提出，包括自适应调整退避参数。它又分为调整接入类禁止因子q[6-8]和统一退避窗口（Unified Backoff window，UB）大小[9]，需适当调整RA过程中分配的前导码（Random Access Preamble，RAP）数量和时隙长度[10-12]，或者将所有机器类型设备（Machine Type Device，MTD）进行分组等[13]。上述方法中，自适应调整接入等级限制（Access Class Barring，ACB）因子和退避窗口大小的方案更受关注。该方法的关键在于准确设置最佳参数，并随网络变化及时进行调整。一般来说，可以将其分为集中式方案[14-16]和分布式方案[17-20]。

在集中式方案中，基站（Base Station，BS）确定退避参数，然后将它们广播到网络中的所有MTD。以前的大多数工作[6,8,14,16-21]提出，BS根据实时网络状态来确定积压的MTD的数量（即网络中待接入的MTD）。例如，通过每个时隙[14]中的空闲RAP数量和每个时隙[16]中成功的RAP或冲突的RAP的数量来估计积压MTD数量，并估算最优参数，然后BS向网络中的每个MTD广播建议的退避参数。……