基于5G大规模机器类通信关键技术的应用与研究

基于5G大规模机器类通信关键技术的应用与研究

许晨

国家知识产权局专利局专利审查协作广东中心

摘要：随着时代的发展，5G技术逐渐成为当今较为热门的研究领域，其以万物互联为基础，相关业务形态产生巨大变化，成为一种多技术、多业务融合网络。通过发展5G技术能够实现低时可靠通信、大规模机器通信，扩展移动带宽。文章先分析了机器类通信特点，随后介绍了大规模机器类通信传输技术，最后介绍了传感数据采集处理，包括以CS为基础的数据采集和无线传感网，希望能给相关人士提供有效参考。

关键词：5G；机器类通信；传输技术

一、机器类通信特点

当下已经基本实现了5G的需求愿景，其基础特征逐渐明确，相信在未来将会覆盖虚拟现实、车联网和物联网等多个领域。机器类通信在物理网领域中一直是重点研究内容，也是物联网中的核心场景之一，针对通信和带宽提出了可靠性、实时性等要求[1]。第三代合作中，将机器类通信定义为一种数据通信类型，涉及到多种不需实施人机交互内容，和传统移动通信形式相比，机器类通信所需投入成本更低，同时还可以实现海量链接。机器类通信还与两种通信场景相关，一是机器类通信相关设备和多个或单个机器类通信服务器通信。二是机器类通信各个设备之间实施通信。其中网络算子可以为机器类通信的服务器提供网络连接服务，适合那些被网络算子所控制的服务器，同时也可以应用到不被网络算子控制的机器类通信服务器中，即机器类通信相关设备和服务器通信主要包括算子空间内部和外部服务器两种形式。此外爱立信还把机器类通信根据5G技术不同需求划分成关键机器类通信和大规模的机器类通信两种形式，其中大规模的机器类通信可以促进实现海量数据连接，而关键机器类通信，可以满足可靠性、低延时性要求较高的机器类通信活动中。而作为5G代表场景之一的大规模式机器类通信，其带宽比较灵活，具有可扩展性，是一种低速率的信息传输方式，是以数据采集和传感器我核心的场景。在大规模的机器类通信中，通常需要对海量数据进行收集和处理，压缩感知理论也叫做CS理论，可以将稀疏信号进行成功恢复，从而提高信号的传输能力。此外，压缩感知理论还能应用到车联网当中，进行数据采集。

二、大规模机器类通信传输技术

大规模部署物联网中以低速率和少量数据为主，无线传输可以物联网中的所有传感器全部连接起来，其中物联网对于无线传输具有成本、安全、带宽、数据速率和范围等方面的需求，同时在能耗方面也较为严格。当下物联网相关无线传输也逐渐朝着低功耗广域网发展。在机器类通信领域中，广域网发展速度较快，具体可以从大容量、低功耗和覆盖范围广等层面体现出来，同时符合大规模的机器类通信对于无线传输功能要求。大规模5G机器类通信为了适应新时期海量数据信息的采集传输需求，相继诞生各种无线传输技术。

机器类通信领域中的储备多址接入技术多达15种，因为大规模的机器类通信中相关用户比较分散稀疏，其中主要以稀疏码和非正交的多址接入技术为主。以蜂窝技术为基础的机器类通信也会成为5G技术新时期发展主流。窄带物联网是以蜂窝为基础的物联网技术，窄带频率是180KHZ。LORA是一种以线性扩频机制为基础的扩频方法，可以应用到远距离传输当中，该技术和NB-LOT技术通常应用在智能家居和智能电表两方面，都属于LPWAN。此外，大规模的机器类通信存在较大的数据处理需求，而CS技术可以将稀疏信号成功恢复，将其应用到机器类通信当中，可以提升信息传输性能。

三、传感数据采集处理

（一）以CS为基础的数据采集

物联网内大规模的机器类通信场景需要采集、处理海量信息，相关用户的稀疏性使CS成为一种适合的数据采集措施。以CS技术为基础的数据采集：（1）正规子空间定位。去噪恢复算法在CS技术应用中发挥着重要的作用，结合压缩测量值和原始稀疏信号中的噪声因素分析，提出RSP恢复去噪算法。该算法先对数据进行预处理，减少因加性噪声所导致的噪声折叠问题，随后在加性噪声中通过正规测量矩阵列确定非零指数，并将最小均方误差保留下来，更新信号中最高值。相关研究结果证明，RSP和正交匹配算法相比，能够进一步提高信号的恢复率，降低重构误差[2]。（2）以CS模拟为基础的循环采样矩阵、随机正交循环矩阵。为了进一步降低硬件复杂度，相关团队提出一种以CS技术为基础的SCM-ACS机制。结合序列循环位移，该机制可以把物理并行信道数据缩减到1。相关研究证明，SCM-ACS机制和MWC相比，其恢复性能更为突出。此外，以CS技术为基础的RCOM-ACS也能用来减轻MWC硬件复杂度，但和SCM-ACS不同，其主要通过周期函数循环位移控制物理并行信道综合数量。

（二）无线传感网

下面介绍无线传感器网络中的数据采集和处理：（1）以数据采集算法为基础的自回归模型。当下，CS技术理论在大规模的机器类通信场景中，已经在传感器网络中广泛推广开来，同时CS理论还提出了一种富有强大竞争力的数据采集算法，可以有效优化相关能效。传感器节点还可以约束能量，

CS机制可以促进传感器网络控制传感器节点的通信往来。在上述环境背景下，提出一种适合传感器网络的CS机制ARDG，其可以对信号进行重构，并降低数据通信数量。在从前各项研究中，这种以优化问题为基础的自回归模型，主要应用于数据通信的连续重构和控制中，同时在ARDG机制中，实施重构工作前，AR参数能够通过历史传感参数实施预估，此外还涉及到空间联系性，不会被传感领域限制。在明确AR参数后，把去噪算法应用到AR模型内，从而对相关数据信息进行重构。相关研究证明，ARDG性能在重构能效和重构质量等方面更加突出，其综合性能也要比随机游动机制要强。（2）分布储存式的网络压缩编码。在WSNS中，分布储存是其中一项基础性能，特别是在各种灾难场景中，为了进一步提高能量存储效率，提出CNCDS机制，其利用CS理论、网络编码等技术和传感数据相关性，可以通过控制收发数量提高综合能效。通过分析相关理论发现，通过CNCDS机制实施测量矩阵工作，可以提高CS覆盖性能。

四、面向5G绿色通信的关键技术

（一）异构网络能效模型

结合信息的相关容量传输需求，可以保障数据传播的速率能够得到有效提升，实现能量消耗的降低。目前，网络用户对于无线蜂窝数据的需求量不断上涨，将会导致网络能量耗能的剧增。绿色通信技术需要关注性能以及能耗之间的权衡，应对未来5G移动通信网络异构化的问题，成立统一的能效模型，将其作为全新的协调基础。在未来，各类异构化的网络能量效率的测量主要标准工作，便是建立相应的网络模型。

2.2高能效小站密集模型

在高能效小站密集模型上，高能效小站密集模型在一定程度上，能够更好地完成能量效率的提升以及系统容量的优化。此技术能够实现5G通信网络技术的性能指标以及效率的有效成长。在移动通信网络中，其网络的部署环境较为复杂。因此，需要全面均衡并调节网络中的5G节点，确保用户业务的分布密集情况。且能够根据选择的难易程度，使其能够安置在不同的位置，给更多用户提供相应服务。承载的网络流量越多，越能够有效的提高网络整体能效。在

结语

综上所述，随着科技的发展，在人们未来生活中，5G技术将无处不在，大规模机器类通信可以促进5G发展实现万物互联。但因该技术目前依然处于一种初级起步阶段，因此还存在一定缺陷，需要进行深入研究，从而提升信息传输效率。

参考文献

[1]张彦清,胡月,孙文汇.5G移动网络绿色通信的相关关键技术[J].电子测试,2020(01):137-138.

[2]邹伟民,王琮,孟雨亭.基于5G移动通信网络的绿色通信关键技术研究[J].中国新通信,2019,21(16):23-24.

[3]Krishna K. Murali,Madhan M. Ganesh,Ashok P.. Performance predictions of VCSEL based cascaded fiber-FSO RoF system for 5G applications[J]. Optik,2022,257.

[4]赵丽彤.面向5G的大规模机器类通信关键技术研究及标准化[D].北京邮电大学,2018.

[5]宫诗寻,陶小峰.5G大规模机器类通信中的传输技术[J].中兴通讯技术,2017,23(03):20-23.