2023年NTN辅助物联网关键技术综述：IEEE IoT杂志发表最新研究成果

2023年10月，研究团队在IEEE物联网杂志发表综述论文《Key Issues in Wireless Transmission for NTN-Assisted Internet of Things》，探讨非地面网络（Non-Terrestrial Network，NTN）辅助的物联网物联网（物联网）。物联网 (IoT) 通信的关键技术。

图1 NTN辅助物联网系统框图

3GPP R17版本对NTN进行了标准化，使得5G无线网络可以全面支持NTN。 NTN通常分为天基网络和天基网络。天基网络由地球同步轨道（Geosynchronous Earth Orbit，GEO）、中地球轨道（MEO）、低地球轨道（LEO）卫星等组成，天基网络由飞机、飞艇、热气球等组成基于NTN的物联网通信主要可以分为间接NTN通信和直接NTN通信。间接NTN通信是指物联网设备通过地面的物联网网关连接到NTN基站（非地面基站，NTBS）。主要包括NTBS信号无法到达的室内区域，如智能建筑、自动停车系统、智能装配等应用场景。 ，此外，还包括一些物联网设备密集分布的室外场景，这就需要物联网网关来提高传输效率。直接NTN通信意味着物联网设备直接连接到NTBS。对于分布稀疏或移动速度快的物联网设备来说，建立固定在地面的物联网网关为其提供服务是不够经济和高效的。直接NTN通信例如智能物流。或者偏远地区快递等应用场景。

图2 NTN辅助物联网系统关键技术

论文讨论了海量连接、信道状态信息获取（CSI Acquisition）和资源分配等三项关键技术，如图2所示。

首先，讨论NTN辅助物联网通信中的巨大连接问题。与基于地面网络的物联网通信相比，在基于NTN的物联网通信场景中，NTBS与物联网设备之间通常距离较远，这会造成较大的传输延迟。因此，无授权通信技术比基于授权的通信技术更适用。物联网通信一般包括连接建立阶段和数据传输阶段。连接建立阶段通常采用随机接入(RA)，而数据传输阶段一般采用多址(MA)。 RA可以细分为两类：有源RA（SRA）和无源RA（Unsourced RA，URA）。对于SRA，NTBS将获取活动物联网设备的ID及其数据；而对于URA，NTBS只会获取活动物联网设备的数据，而不知道其ID。 SRA又可以分为Grant-based RA和Grant-free RA。基于授权的 RA 需要四个步骤：前导码发送、RA 响应、连接请求和争用解决来建立连接。为了减少信令开销，Grant-free RA的有源物联网设备可以直接将前导码发送到NTBS。因此只需要两个连接步骤。根据传输的数据块结构，URA可以进一步分为基于拼接的URA和基于签名的URA。

基于拼接的URA将传输的数据块划分为多个子块，然后NTBS对子块进行联合检测以恢复原始前导码；基于签名的URA将传输的数据块分为签名序列和信息序列，其签名序列用于操作信息序列，然后进行多用户检测。在数据传输阶段，为了支持物联网标准中高连接密度和低资源消耗的要求，非正交多址（NOMA）是一种有效的解决方案，它可以细分为电源域NOMA和码域NOMA。功率域NOMA利用物联网设备之间信道增益的差异，为要传输的数据流分配不同的功率。接收端采用串行干扰消除（Successive Interference Cancellation，SIC）恢复原始数据流；码域 NOMA 将数据流复杂化。用于对应不同扩频序列的物联网设备上，这些扩频序列通常具有稀疏性、低密度和低互相关性。此外，Grant-free NOMA将链路建立和数据传输两个阶段合而为一，允许物联网设备将数据和前导码一起发送给NTBS，而无需等待NTBS的响应，因此Grant-free NOMA有效降低了功耗和信令开销。

然后，根据NTN信道的特点，将NTN辅助的物联网通信系统中的信道状态信息获取问题分为两类：信道估计（Channel Estimation）和波束训练（Beam Training）。对于信道估计，一方面，针对NTBS和物联网设备的高传播延迟引起的过时CSI，通过分析NTN信道模型的时间和空间相关性，建立过时CSI和瞬时CSI之间的关系，并且基于该关系检测器设计了线性预测，以提高CSI采集的准确性；另一方面，快速移动的NTBS会引起多普勒频移。为了减少多普勒频移带来的不利影响，采用正交时频(Orthogonal TimeFrequency Space，OTFS)调制技术，可以利用延迟多普勒(DD)域的稀疏性进行信道估计和导频优化。压缩感知框架。同时，NOMA技术与OTFS技术的结合，使得活动用户检测（Active DeviceDetection，ADD）和信道估计能够联合进行，进一步减少导频开销。对于波束训练，面对NTN信道的高延迟和快速时间变化的挑战，地面网络中使用的静态码本的性能将会下降。因此可以考虑动态码本（Dynamic Codebook）根据时变参数批量调整码字。它减少了物联网通信的计算负担并提高了波束训练性能。为了快速进行波束训练，可以进一步使用动态分层码本。同时，为了获得更高精度的波束，可以通过引入机器学习（ML）和深度神经网络（DNN），利用NTBS或物联网设备的先验知识（例如移动轨迹）进行实时波束形成。 ）和其他技术可以帮助进一步减少培训开销。

图3 从空间、时间、频率、功率分配四个维度研究资源分配

最后，从功率域、频域、时域和空域四个维度讨论NTN辅助物联网通信中的资源分配问题，如图3所示。对于功率域，考虑NTBS与物联网之间的距离设备较长，需要较大的功率才能满足长距离传输的要求。另一方面，过多的功耗会导致物联网设备或NTBS需要频繁充电。因此，需要优化功率分配，以最小化系统总功率，同时确保服务质量。对于功率域NOMA，根据信道增益优化功率分配可以保证串行干扰消除的有效性，从而提高NOMA的性能。对于频域而言，由于物联网设备数量众多，频谱资源有限，频谱共享可以有效缓解频谱短缺问题。为了实现频谱共享，可以考虑认知无线电（CR）技术，它可以在不影响主要用户的情况下检测可用频谱并提高空闲频谱的利用率。对于时域而言，由于大多数物联网设备仅在一定时间内处于活动状态，并且大部分时间不需要数据传输，因此波束跳变（BH）技术成为提高资源利用率的有效手段。通过使用BH技术，同一时隙内仅点亮少量光束，从而减少了所需的硬件资源。可以根据需求动态分配时隙资源，提高资源利用率，避免同一时隙点亮相邻光束。波束减少波束之间的同信道干扰（Co Channel Interference，CCI）。对于空气域，可以通过设计波束形成（包括波束方向、波束宽度和波束形状）来提高频谱效率和能量效率。通过提高波束指向精度，从而提高波束对准增益，可以补偿NTBS长距离传输带来的信号衰减；通过设计波束宽度，一方面我们考虑扩大波束宽度以覆盖更多的物联网设备，另一方面我们考虑缩小波束宽度。利用波束宽度保证物联网设备的波束增益和服务质量，并进行合理的折衷优化；通过设计波束形状，例如包含波束零点的多主波束，可以减少不同物联网设备之间的空域干扰。除了设计模拟波束成形外，还可以设计数字波束成形来提高频谱效率和能源效率。

论文最后对未来可能的研究方向进行了展望，主要包括架构、软件复杂性、硬件复杂性和安全性四个方面。在架构方面，可以考虑异构网络以及多个NTBS之间的协作。在降低软件复杂度方面，可以考虑AI。在降低硬件复杂度方面，可以考虑使用可重构智能表面（RIS）。安全方面可以考虑安全率、安全容量、安全停电概率等方面。