Mean Field-based Dynamic Backoff Optimization for MIMO-enabled Grant-Free NOMA in Massive IoT Networks

📄 arXiv: 2410.12497v1 📥 PDF

作者: Haibo Wang, Hongwei Gao, Pai Jiang, Matthieu De Mari, Panzer Gu, Yinsheng Liu

分类: eess.SY, eess.SP

发布日期: 2024-10-16

备注: 31 pages, 13 figures

期刊: Journal on Internet of Things 2024, 6, 17-41

DOI: 10.32604/jiot.2024.054791

💡 一句话要点

针对大规模物联网中MIMO-NOMA免授权接入，提出基于平均场动态退避优化方案

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 6G物联网 免授权随机接入 NOMA MIMO 平均场博弈 动态退避 大规模连接

📋 核心要点

  1. 现有随机接入方法难以在动态信道和严重上行干扰下，为大规模物联网设备提供低延迟和高能效的接入。
  2. 论文提出基于平均场博弈的动态退避方案，将多用户优化问题转化为平均场博弈，降低计算复杂度，实现设备级的最优退避策略。
  3. 仿真结果表明，所提出的MFDB方案在静态和动态信道下，均能显著降低接入延迟和累积成本，优于现有随机接入方法。

📝 摘要（中文）

为了应对6G物联网中超密集设备带来的海量连接、超低延迟和能源效率挑战，本文探索了基于非正交多址接入(NOMA)的免授权随机接入(GFRA)方案，以支持具有高频谱效率和低接入延迟的大规模物联网设备。特别地，本文关注于优化每个设备在向支持多输入多输出(MIMO)的基站传输时间敏感数据样本时的退避策略，同时考虑能量约束。为了应对动态变化的信道和由于无协调免授权接入造成的严重上行干扰，我们将优化问题建模为一个多用户非合作动态随机博弈(MUN-DSG)。为了避免设备数量增长带来的维度灾难，该优化问题被转化为平均场博弈(MFG)，其纳什均衡可以通过求解相应的Hamilton-Jacobi-Bellman (HJB)和Fokker-Planck-Kolmogorov (FPK)方程来实现。因此，提出了一种基于平均场的动态退避(MFDB)方案，作为每个设备的最优GFRA解决方案。大量的仿真结果表明，在静态和动态信道下，与接入类禁止(ACB)、时隙ALOHA和最小退避(MB)等现有随机接入方法相比，所提出的MFDB方案可以在多个传输帧中实现最小的接入延迟和累积成本。

🔬 方法详解

问题定义：论文旨在解决大规模物联网(IoT)场景下，基于MIMO-NOMA的免授权随机接入(GFRA)中的动态退避优化问题。现有方法，如ACB、ALOHA等，无法有效应对动态信道和严重上行干扰，导致接入延迟高、能量效率低。多用户优化问题复杂度高，难以直接求解。

核心思路：论文的核心思路是将多用户非合作动态随机博弈(MUN-DSG)转化为平均场博弈(MFG)。通过平均场近似，将每个设备的决策与其他设备的平均行为关联，从而将高维优化问题分解为低维问题，显著降低计算复杂度。每个设备根据平均场信息动态调整退避策略，以达到纳什均衡。

技术框架：整体框架包含以下几个主要阶段：1) 系统建模：建立基于MIMO-NOMA的GFRA系统模型，考虑能量约束和动态信道；2) 问题建模：将退避优化问题建模为MUN-DSG；3) 平均场转换：将MUN-DSG转化为MFG，推导相应的HJB和FPK方程；4) 求解HJB和FPK方程：通过数值方法求解HJB和FPK方程，得到最优退避策略；5) 方案实现：设计基于平均场的动态退避(MFDB)方案，每个设备根据平均场信息调整退避概率。

关键创新：最重要的技术创新点是将平均场博弈理论应用于MIMO-NOMA的GFRA退避优化。与传统方法相比，该方法能够有效降低计算复杂度，并实现设备级的动态优化。通过考虑能量约束和动态信道，提出的MFDB方案能够更好地适应实际应用场景。

关键设计：关键设计包括：1) 基于能量约束的退避概率调整；2) HJB和FPK方程的数值求解方法；3) 平均场信息的估计和反馈机制。具体参数设置和损失函数未在摘要中详细说明，属于未知信息。

📊 实验亮点

仿真结果表明，所提出的MFDB方案在静态和动态信道下，与ACB、Slotted-ALOHA和MB等现有随机接入方法相比，能够显著降低接入延迟和累积成本。具体的性能提升数据未在摘要中给出，属于未知信息。

🎯 应用场景

该研究成果可应用于6G物联网中的大规模设备接入场景，例如智能城市、工业自动化、环境监测等。通过优化退避策略，可以显著降低接入延迟，提高频谱效率和能量效率，从而提升物联网系统的整体性能。该方法为未来超密集物联网设备的有效接入提供了一种有潜力的解决方案。

📄 摘要（原文）

In the 6G Internet of Things (IoT) paradigm, unprecedented challenges will be raised to provide massive connectivity, ultra-low latency, and energy efficiency for ultra-dense IoT devices. To address these challenges, we explore the non-orthogonal multiple access (NOMA) based grant-free random access (GFRA) schemes in the cellular uplink to support massive IoT devices with high spectrum efficiency and low access latency. In particular, we focus on optimizing the backoff strategy of each device when transmitting time-sensitive data samples to a multiple-input multiple-output (MIMO)-enabled base station subject to energy constraints. To cope with the dynamic varied channel and the severe uplink interference due to the uncoordinated grant-free access, we formulate the optimization problem as a multi-user non-cooperative dynamic stochastic game (MUN-DSG). To avoid dimensional disaster as the device number grows large, the optimization problem is transformed into a mean field game (MFG), and its Nash equilibrium can be achieved by solving the corresponding Hamilton-Jacobi-Bellman (HJB) and Fokker-Planck-Kolmogorov (FPK) equations. Thus, a Mean Field-based Dynamic Backoff (MFDB) scheme is proposed as the optimal GFRA solution for each device. Extensive simulation has been fulfilled to compare the proposed MFDB with contemporary random access approaches like access class barring (ACB), slotted-Additive Links On-line Hawaii Area (ALOHA), and minimum backoff (MB) under both static and dynamic channels, and the results proved that MFDB can achieve the least access delay and cumulated cost during multiple transmission frames. Keywords: 6G; Internet of Things; grant-free random access; NOMA; dynamic backoff