1、1/66摘要摘要海量接入技術是可以解決海量接入問題的技術的統稱。6G 對連接密度提出了更高的需求，面向海量連接場景，6G 連接密度的愿景是千萬終端/km2。6G 通過萬物互聯真正實現數字化社會，讓人獲得與環境之間自然的、啟發式的、無處不在的交互，每個人將會觸發數十到數百個終端連接到 6G 網絡，預計機器型終端的交互周期從 5G 的 1 天或 2 小時降到秒級。6G 對低時延也提出了更高的需求，特別是其中的機器型終端偶發小包傳輸，需要將啟動接入到建立 RRC（Radio Resource Control，無線資源控制）連接的時延進一步降低，實現至簡接入。6G 對 mMTC 場景進一步演進，提出

2、Massive Communication 場景，潛在的接入終端數量巨大，可達到每平方公里千萬終端以上。同時，6G 中針對 eMBB 和 URLLC 場景演進形成的Immersive Communication和HRLLC場景對連接密度和時延等指標提出了更高的需求。為了滿足這些需求，需要研究海量接入技術。本白皮書的目標是建立海量接入技術的框架，研究海量接入技術的應用場景和需求，識別論證需要解決的技術問題，提供解決問題的技術路線以及具體的技術方案。首先分析海量接入技術的使用場景，給出不同用例對“連接密度”、“時延”、“數據發送頻率”、“數據包大小”等指標的需求。然后結合具體用例的需求，分析對海量

3、接入技術的需求，包括簡化通信流程，提升連接密度、降低通信時延等方面。進而研究海量接入關鍵技術，對業界提出的主流技術方向無源多址接入方案進行研究，提出非協調隨機接入和傳輸技術、高效無連接傳輸技術、基于 ODMA 的多用戶編譯碼方法、稀疏 IDMA 無源多址技術。在此基礎上，研究優化的發射機設計方案和接收機設計方案，提出基于虛擬用戶分割的多址方案、基于資源跳躍的多址方案、模式分割的隨機接入方案、基于稀疏結構變換迭代接收機、容量最優且低復雜度的迭代接收機和多用戶編碼方案。最后，對提出的關鍵技術進行整合和分類，提煉形成實現海量接入的技術路線。2/66目錄目錄1.引言（中信科）引言（中信科）.32.海量

4、接入技術的應用場景（中信科、中國聯通）海量接入技術的應用場景（中信科、中國聯通）.53.重要用例重要用例.73.1ToC 的數字孿生世界（中信科）.73.2 密集緊要連接的車聯網（中興、中信科）.93.3 極低功耗物聯網（vivo）.114.基本需求（中信科）基本需求（中信科）.135.海量連接的通信海量連接的通信流程流程（中信科、（中信科、vivo）.146.海量接入關鍵技術海量接入關鍵技術.186.1 無源多址接入方案.186.1.1 非協調隨機接入和傳輸技術（中信科）.186.1.2 高效無連接傳輸（中興）.206.1.3 基于 ODMA 的多用戶編譯碼方法（西電）.326.1.4 稀疏

5、 IDMA 無源多址技術（中國移動）.356.2 發射機設計方案.406.2.1 基于虛擬用戶分割的多址方案（DOCOMO）.406.2.2 基于資源跳躍的多址方案（北交）.426.2.3 模式分割的隨機接入方案（北科）.466.3 接收機設計方案.486.3.1 基于稀疏結構變換迭代接收機（北科）.486.3.2 容量最優且低復雜度的迭代接收機和多用戶編碼方案（西電、浙大）.517.技術路線（中信科）技術路線（中信科）.578.總結與展望（中信科）總結與展望（中信科）.60參考文獻參考文獻.61貢獻單位貢獻單位.64縮寫術語縮寫術語.653/661.引言（中信科）引言（中信科）隨著物聯網、人

6、工智能等新興技術的快速發展，人們對于通信技術的需求也越來越高。5G 技術的出現，為人們提供了更快、更穩定、更可靠的通信服務。然而，隨著物聯網設備數量的不斷增加，海量設備接入已成為當今通信領域的關鍵挑戰之一，傳統的通信技術已經無法滿足海量設備的接入需求。因此，研究和設計海量接入技術成為了 6G時代的重要課題。目前，多個標準化組織均開展了 6G 研究，在新型多址接入技術上取得了重大進展。其中，ITU 考慮了一種面向應用的動態接入方案，在一個總體的框架下根據不同的應用場景使用不同類型的多址接入方案，為不同多址接入方案的融合提供了可能，有助于新型多址接入技術的標準化推動。IMT 2030 新型多址接入

7、技術任務組在技術概念、研究進展、面臨挑戰、研究方向等方面達成了共識，研究范圍涵蓋了發射側的基本傳輸方式，以及接收側的信號處理過程，為后續進行新型多址接入技術的研究提供了可參考的方向，有助于聚焦待解決的問題，進行專項突破。同時在 2022 年 11 月發布了關鍵技術研究報告，提出基于 NOMA（Non-Orthogonal MultipleAccess，非正交多址接入）的無用戶標識的海量接入技術有望大幅度提升終端的連接密度，有力支持 6G 低功耗、超大規模連接等場景，作為物理層空口技術的基礎進行深入研究。FuTURE 論壇在 2020 年和 2022年分別發布了6G 愿景與技術趨勢白皮書1和演進

8、的多址接入技術白皮書2，內容涵蓋了不需要網絡充分協調的 Grant-free 技術，同時提出將隨機接入技術和多址傳輸技術進行融合的設計思路。6G FlagShip 指出在大連接場景中，NOMA 是關鍵技術，需要解決用戶激活檢測和數據譯碼的問題，提出研究不需要充分協調的 NOMA 技術。與此同時，學術界在 NOMA 技術領域取得了重大突破，提出了巨址技術3。所有終端采用相同的碼本對信息序列編碼，編碼比特經過調制后在共享資源上采用slot-ALOHA 進行傳輸。其主要的特點是不需要為傳輸分配終端 ID，被稱為無源（unsourced）或非協調（uncoordinated）多址接入，成為學術界的研究

9、熱點。近年來學術界在 6G 新型多址接入技術上做了許多方面的研究工作，普遍認為海量機器類終端通信是 6G 的一個重要場景，其性能指標需求較 5G 有進一步的提升，有必要引入新型多址接入技術來應對隨之而來的各項挑戰。針對前導/導頻設計、信道估計、多用戶激活檢測等關鍵問題，現在已有許多研究結合壓縮感知、多用戶編碼、深度學習等技術，提出了 URA(Unsourced Random Access,無源隨機接入)/UMA(Unsourced Multiple Access,無源多址接入)方案，URA 多址技術的核心思想是不需要協調調度，也不需要單獨的接入過程，同時進行接入和數據傳輸，能夠有效簡化接入流程

10、，降低信令開銷，是學術界研究的 6G 新型多址接入主流方案，也是絕大部分多址研究工作的方案基礎。目前學術界提出的 URA 方案主要分為兩類，一類是利用內外級聯碼的設計，同時傳輸前導和數據，實現接入和數據傳輸過程的融合。另一類是著重于減輕內外碼的耦合。由于內外碼級聯的方式，往往需要一些額外的冗余信息，導致頻譜效率降低。因此，該類方案主要是利用一些特殊的相關信息，如空間相關性、信道相關性等，來消除連接編碼。本白皮書旨在探討 6G 時代海量接入技術的研究與發展，建立海量接入技術的框架，包括應用場景、技術需求、待解決的主要問題、可行的技術路線、若干關鍵技術等方面，為 6G 技術的發展提供有力的支持。第

11、 2 章根據業務特征和指標需求的不同，介紹了海量接入技術的兩大應用場景。第 3 章詳細介紹海量接入技術在 6G 中的重要用例，包括To C 的數字孿生世界、密集緊要連接的車聯網、極低功耗物聯網。第 4 章根據場景用例4/66對“連接密度”、“時延”、“終端數據發送頻率”等指標的需求分析 6G 對海量接入技術的需求，通過簡化通信流程來降低時延、優化技術方案來提升連接密度。第 5 章介紹海量連接的通信流程，包括簡化的安全機制和傳輸機制。第 6 章分析了待解決的主要問題，深入探討了滿足這些需求的具體關鍵技術，包括非協調隨機接入和傳輸技術、高效無連接傳輸技術、基于 ODMA 的多用戶編譯碼方法、稀疏

12、IDMA 無源多址技術、基于虛擬用戶分割的多址方案、基于資源跳躍的多址方案、模式分割的隨機接入方案、基于稀疏結構變換迭代接收機、容量最優且低復雜度的迭代接收機和多用戶編碼方案等。第 7 章以技術演進的視角，提煉形成未來海量接入技術的發展路線，包括非正交、非協調、隨機接入和多址傳輸融合、接收機設計等方面。第 8 章進行總結和展望。本白皮書對于推動 6G 時代海量接入技術的研究和發展具有重要意義。首先，本白皮書提出了海量接入技術的基本框架和通用需求，為后續研究提供了指導和參考。其次，本白皮書詳細介紹了海量接入技術的關鍵技術方案，為相關領域的研究提供了思路和方向。最后，本白皮書充分討論了需要解決的需

13、求問題及對應的技術路線，為未來工作提供了共識和基礎。我們相信，在各方的共同努力下，海量接入技術將會得到更好的發展和應用，在物聯網及諸多相關領域做出重要貢獻，為構建更加美好的智能社會奠定基礎，為人們的生活帶來更多的便利和創新。5/662.海量接入技術的應用場景（中信科、中國聯通）海量接入技術的應用場景（中信科、中國聯通）相比 4G 和 5G，6G 連接密度的提升將會是非常明顯的。4G 的連接密度是每平方公里 2000 個連接，5G 的連接密度是每平方公里一百萬個連接，當前，業界普遍認為 6G的連接密度將達到每平方公里一千萬個連接或者更大的連接數。從終端類型來看，在海量連接場景中，會有多種終端設備

14、類型，除了傳統的 IoT 設備外，還會引入新型無源低功耗終端設備。2023 年 6 月，ITU 完成了 IMT 面向 2030 及未來發展的框架和總體目標建議書4，提出 6G 的六大使用場景。一方面，對 5G 中的 eMBB（Enhanced Mobile Broadband，增強移動帶寬）、mMTC（Massive Machine Type Communication，大規模機器類型通信）、URLLC（Ultra-Reliable Low-Latency Communications，超高可靠低時延通信）場景進行演進，提出了 Immersive Communication、Massive C

15、ommunication、Hyper Reliable andLow-Latency Communication 場景；另一方面，在 5G 場景的基礎上進行擴展，提出了Ubiquitous Connectivity、Integrated Artificial Intelligence and Communication、IntegratedSensing and Communication 場景。Massive Communication 場景的典型用例包括智能城市、交通、物流、健康、能源、環境監測、農業以及許多其他領域，例如需要支持各種無電池或長壽命電池的物聯網設備的應用。Massive C

16、ommunication 場景需要支持高連接密度，建議書中給出的連接密度需求是 106 108devices/km2。并且根據具體的用例，需要支持不同的數據速率、功耗、移動性、覆蓋范圍以及安全性和可靠性等指標?，F有技術中，終端需要先接入網絡，接入成功后再進行數據傳輸，能夠支持的終端數量受限于數據傳輸資源和網絡的協調信令資源。6G 的 Massive Communication 場景對連接密度提出了更高的要求，相比于 5G 最大需要提升 100 倍。6G 中的場景能夠支持多種典型用例和終端設備類型，在業務模型上相較于 5G 也將提出新的要求，例如終端的數據發送頻率有所提升。5G mMTC 業務模

17、型5給出的終端數據發送頻率為 1 message/2hours/device，IMT-2030（6G）推進組提到在超大規模連接場景中終端數據發送頻率從一天一次到幾毫秒一次不等6。終端數量的增加和終端數據發送頻率的提升，使單位時間內需要同時接入的用戶數進一步提高，預計每毫秒需要支持數百個終端同時接入。在有限的數據傳輸資源和網絡協調信令資源下，如何支持海量終端的通信，是需要解決的問題。因此，有必要研究海量接入技術來支持更大的終端連接數。Massive Communication 場景對連接密度提出了更高的要求，而對時延一般要求不高，往往可以容忍相對較大的時延，例如在數秒內完成端到端通信即可。在實際

18、的應用場景中，有時候不僅需要考慮能夠支持的終端數量，同時對傳輸的數據包大小、端到端通信時延、數據傳輸的可靠性等指標均會提出要求。例如，部分應用場景的連接密度不需要像 Massive Communication 場景一樣達到 108devices/km2，支持約 106devices/km2即可，但對端到端通信時延提出了更高的要求，往往需要在毫秒級（比如車聯網、智慧工廠等應用場景）。還有一些應用場景對傳輸的數據包大小提出了更高的要求，例如需要傳輸數百到數千字節大小的數據包（比如數字孿生應用場景）。在滿足更高時延要求、更大傳輸數據包的基礎上，進一步支持海量終端的接入，面臨著較大的挑戰，需要研究能夠

19、滿足高時延要求、支持更大數據包傳輸的海量接入技術。根據業務特征、指標需求的不同，海量接入技術的應用場景分為兩大類：一類應用6/66場景為 Massive Communication 場景，需要支持很大的終端數量（例如 108devices/km2），對時延不敏感，通常傳輸的是突發的小數據包，對應的關鍵指標能力如圖 2-1 中的橙色曲線所示，對連接密度的要求很高，但對數據發送頻率、時延、數據包大小、可靠性等指標要求較低；另一類應用場景為在支持較大終端數量（例如 106devices/km2）的同時，對傳輸的數據包大小、端到端通信時延、數據傳輸的可靠性等諸多指標提出更高要求的場景，這類應用場景綜合

20、了Massive Communication、Immersive Communication和HRLLC場景的特征，是三個場景的結合，對應的關鍵指標能力如圖 2-1 中的藍色曲線所示，對連接密度的要求低于第一類應用場景，但是對數據發送頻率、時延、數據包大小、可靠性等的要求高于第一類應用場景。圖 2-1 海量接入技術的應用場景海量接入技術能夠支持海量終端的連接，滿足上述場景的需求。一方面，可以實現6G 中對于連接密度、時延等指標的要求。另一方面，海量接入技術在數字孿生和極低功耗物聯網等要求部署海量設備的用例中，可以作為一項底層技術，用于支持這些用例下的終端接入和數據傳輸。7/663.重要用例重要

21、用例3.1 ToC 的數字孿生世界（中信科）的數字孿生世界（中信科）數字孿生綜合運用感知、計算、建模、仿真、通信等技術，實現物理世界和數字世界兩個世界之間的實時交互和無縫連接，廣泛應用于智能制造、智慧城市、智慧農業、健康醫療等領域7。數字孿生將對 6G 網絡的架構和能力提出諸多挑戰，需要滿足巨大的設備連接數、高吞吐量、低時延傳輸等要求，以便能夠精確實時地捕捉物理世界的細微變化和傳輸交互信息。比如，技術指標需求包括：連接密度支持 107 108devices/km2，空口時延小于 1ms，傳輸速率達到 MbpsGbps，差錯概率小于 10-5等6。數字孿生在消費側（C 端）和產業側（B 端）有著

22、廣泛應用，能夠激發人們在虛擬世界中的創造和交流，加強人們對物理世界規律的掌握。ToC 的數字孿生世界在物理世界、數字世界的基礎上，增加了一個由人的感官、身體、智力和價值觀組成的人類世界，實現三個世界之間的信息交互，旨在以人為中心，為人提供個性化的、實時的、沉浸式的體驗。具有全連接（all-inclusive connectivity）、實時（real time）、準確性（correct）三個典型特征。圖 3-1 ToC 數字孿生世界以“沉浸式游覽故宮”為例，對 ToC 的數字孿生世界具有的下列典型特征進行說明：個性化的體驗：基于故宮搭建 ToC 的數字孿生世界，虛擬的故宮景象能夠適配游客的個人

23、喜好，提升觀賞體驗。對連接密度要求較高，需要支持 106devices/km2的連接密度，以實現游客個性化的體驗。實時的體驗：虛擬的景象需要與建筑和文物進行適配，實時的展現在游客面前，實現虛實的無縫融合。對時延要求較高，需要滿足毫秒級的端到端通信時延。沉浸式的體驗：類似 MR（Mixed Reality，混合現實技術）效果，真實的建筑和文物疊加虛擬的景象，把宮殿氣勢、色彩美學、歷史沉淀等還原和展示出來，給游客帶來足夠震撼的沉浸式體驗。對傳輸的數據包大小要求較高，需要滿足數百到數千字節的數據包傳輸，以達到良好的沉浸式體驗。8/666G 和 5G 相比在沉浸式體驗方面有顯著的區別和更高的要求，相對

24、于 5G，6G 將在傳輸速度、網絡時延、連接密度和可靠性等方面提供更高的性能。傳輸速度：5G 的目標傳輸速度是 20Gbps，6G 的目標傳輸速度預計將達到 1Tbps，這將使得沉浸式體驗更加流暢和真實。網絡時延：6G 預計將實現低至 1ms 的超低時延，相比于 5G 中 1-10ms 的時延，將大大提高沉浸式體驗中實時交互的性能，減少時延對用戶體驗的影響。連接密度：5G 支持的連接密度為每平方公里 100 萬個連接，6G 預計將支持每平方公里 1000 萬個連接，這意味著 6G 將能夠在高連接密度的場景中提供更高質量的沉浸式體驗?？煽啃裕簽闈M足沉浸式的需求，6G 預計將在可靠性方面顯著提升，

25、例如針對關鍵任務和實時交互應用，提供 99.9999%的服務可靠性。在這個用例中，對終端設備類型、終端設備數量、狀態上報頻率等業務特征的估算如表 3-1 所示。表 3-1 沉浸式游覽故宮業務模型終端設備類型終端設備數量狀態上報頻率終 端 數量/每秒估算依據游客攜帶的智能終端104105約 1/min103104根據故宮游客數估算建筑保護傳感器104105約 1/min103104參考 TR 22.840 中的用例展示文物傳感器104105約 1/min103104根據故宮在展文物數估算現實環境感知成像設備103104約 1/s103104根據故宮面積估算倉儲文物傳感器105106約 1/hou

26、r103104參考 TS 22.011 中的用例總計（每秒接入和傳輸的終端數量）104105近似估算結果ToC 的數字孿生世界以人為中心，在支持海量設備通信的基礎上，為了提供滿足用戶需求的個性化的、實時的、沉浸式的體驗，相比于 Massive Communication 場景，對數據傳輸時延和數據包大小均提出了更高的要求，大約需要支持 106devices/km2的連接密度，每毫秒數百個終端的通信，同時要求滿足毫秒級的端到端時延，在不同的用例中，數據包大小在數百到數千字節不等?，F有技術中先接入后進行數據傳輸的方式，會導致較大的數據傳輸時延，在 ToC 的數字孿生世界中，影響用戶體驗。因此，需要

27、研究海量接入技術，簡化初始接入到多址傳輸過程的信令交互，降低時延。9/663.2 密集緊要連接的車聯網（中興、中信科）密集緊要連接的車聯網（中興、中信科）高密度車聯網的信息傳輸，具有海量和突發兩個特點，而車聯網信息傳輸又有低時延高可靠的需求。在海量、突發的信息傳輸場景要滿足低時延高可靠的需求是非常大的挑戰。進一步的，由于車輛節點的快速移動，導致車聯網網絡拓撲迅速變化，使得海量、突發、低時延、高可靠這些通信需求同時滿足更為困難。在高密度車輛分布的情況下，大規模車輛信息交換時競爭選擇資源產生的沖突是eV2X 性能下降的主要原因。如 TR 22.886 中定義了一種 US Freeway 密集場景，

28、假設在每條高速公路上有 10 個車道,對于三條高速公路交叉的路口，車輛密度為每平方公里3100-4300 輛車8。不管是 LTE-V 還是 IEEE802.11p/IEEEl609 都面臨這個難題。具體而言，如圖 3-2 所示，大量車輛頻繁信息交換的場景，會存在多個車輛同時廣播自己的消息的情況。TR36.885 中定義的 V2V 的傳輸包大小為 190/300/800 Bytes9。由于車輛之間沒有協作，每輛車的傳輸信號生成，傳輸資源的選擇都是自主決定的，就會出現不同車輛選擇了相同的傳輸資源，而且傳輸信號的生成方式也一樣的情況，也即傳輸發生了“碰撞”，這會給其他車輛接收這些廣播消息帶來很大的困

29、難。另一方面，傳統的 V2V 信息傳輸方案，不管是 LTE-V，還是 IEEE802.11p/l609，本質上都是基于半雙工傳輸機制的，即每輛車選擇了在某個信道上發射的話，就不會在這個信道上接收了，這會導致“漏收”的問題：即如果不止一輛車在某個信道廣播自己的數據包的話，這些車輛就都收不到對方的數據包，如圖 3-2 所示，這對高可靠性來說是非常不利的。雖然現有方法可以通過改良的感知機制結合更大的時頻資源來減少“漏收率”，但依然難以確保不會出現漏收，這必然嚴重降低 V2V 傳輸的可靠性。10/66圖 3-2 大量車輛頻繁信息交換場景密集緊要連接車聯網場景所涉及的具體業務包括編隊行駛、高級駕駛、擴展

30、傳感器業務、遙控駕駛和車輛質量服務支持等，表 3-2 針對這幾類業務的具體用例列出它們的典型需求8。表 3-2 車聯網典型用例需求場景分類場景分類數據載荷數據載荷數據到達率數據到達率設備密度設備密度時延要求時延要求自動駕駛6000 字節10/shigh connection density10-100ms自動編隊6000 字節50/shigh connection density20ms駕駛控制1600 字節-9840 輛車/km2100ms11/663.3 極低功耗物聯網（極低功耗物聯網（vivo）在 6G“萬物智聯，數字孿生”的總體愿景下10，物聯網的發展前景廣闊，物聯網終端的連接需求強勁

31、。比如，市場分析機構 IoTAnalytics 指出11，到 2025 年的物聯網終端需求將超過 270 億。雖然 NB-IoT（Narrow Band Internet of Things，窄帶物聯網）和 RedCap 等標準已經可以實現物聯網的部分需求，但依然面臨一些挑戰，特別是這類終端在大規模部署時的成本依然較高，且終端運行需要電池支撐，無法免維護長時間運行，限制了物聯網的應用場景。因此，針對這些問題，需要發展極低功耗物聯網技術，降低物聯網終端的成本，追求無源化部署和弱維護運營，同時，繼承蜂窩網絡在廣域覆蓋、可管可控、可信安全等方面的優勢。具體而言，極低功耗物聯網終端可能有幾種形態：純無

32、源終端：自身無任何有源器件，無法自主生成載波信號。在發送信號時，終端通過調整天線的阻抗，改變網絡側提供的激勵信號的幅度和/或相位，從而完成信號的發送，這樣的信號發送方式被稱為反向散射通信。純無源終端的工作功耗可以維持在 uW 量級。半無源終端：具備電容等儲能單元，但儲能的能力比電池要小，無法自主生成載波信號，需要通過反向散射通信完成信號的發送。與純無源終端不同的是，半無源終端可以通過儲存的能量對反向散射信號進行放大。半無源終端的工作功耗可以維持在幾十到百 uW 量級。有源低功耗終端：具有較大的儲能單元，可以采集并儲存環境中的能量，比如射頻信號、太陽能、光能、熱能等。這類終端具備載波生成能力，能

33、力接近傳統的物聯網終端，但復雜度需要遠低于 NB-IoT 設備。有源低功耗終端的工作功耗可以維持在 mW 量級。從應用場景來看，極低功耗物聯網可以廣泛地應用在工業制造、智慧交通、倉儲物流、智能家居等方面，承擔控制信息下發、數據采集、定位等業務。工業制造：工業 4.0 的愿景是打造一個數據驅動、智能協作的自動化規劃、生產和維護平臺，一方面需要引入極低功耗物聯終端用于管理生產線上的材料堆放、運輸和消耗情況，另一方面也需要部署大量的具備傳感功能的極低功耗物聯終端用于感知生產環境的信息，用于及時調整生產、加工的各個步驟。此外，還需要給各類生產加工設備嵌入極低功耗物聯終端，用于及時獲取各類加工制造環節的

34、控制指令。智慧交通：智慧交通是構建智慧城市的一個核心訴求，需要通過在道路部署具備流量、壓力等傳感功能的極低功耗物聯終端，輔助云端的城市大腦及時獲取道路、車輛和行人的動態信息，從而進行最優的道路規劃、堵亂點預警和消除等決策，提升交通效率，規避潛在風險。倉儲物流/資產管理：倉儲物流和資產管理類的應用都要求對貨物或資產實現準確的識別和追蹤，而倉儲物流更是需要考慮貨物流轉過程中的高動態性。對于低價值的貨物，可能以托盤、集裝箱為單位安裝極低功耗物聯終端進行管理，而對于較高價值的貨物，則可能會為每個貨物都安裝極低功耗物聯終端。得益于極低功耗物聯終端的低成本優勢，部署門檻有望進一步降低，為較低價值的12/6

35、6貨物也單獨安裝終端，從而進一步提升管理粒度。因此，考慮到貨物堆疊放置的情況，終端的部署密度可能會非?？捎^。智能家居：智能家居的本質是為用戶提供人性化、健康和便捷的生活模式，提升用戶的生活質量，這就首先需要通過部署極低功耗物聯終端連接大量的環境傳感器和家庭電器，從而能夠根據環境信息及時控制相關電器，達到自動化控溫控濕、預警瓦斯泄露、檢測入侵并自動報警等目的。此外，個人物品查找也是智能家居的一個重要應用，大量的小體積高價值物品容易隨意放置且難以及時查找，比如鑰匙、身份證等。通過為這些物品安裝極低功耗物聯終端，可以及時定位獲取這些物品的位置，方便人們快捷尋找丟失的物品。上述的幾個重要應用場景所涉及

36、的具體業務包括資產或貨物盤點業務、傳感數據業務、定位業務和控制業務，表 3-3 分別對這幾類業務列出它們對連接的典型需求12。表 3-3 極低功耗物聯網典型用例需求場景分類場景分類部署場景部署場景數據載荷數據載荷數據到達率數據到達率設備密度設備密度時延要求時延要求資產或貨物盤點室內或室外 256bits 1/s 1.5/m2 1s傳感數據室內 800bits 20/hour 1.5/m2 30s室外 0.01/m2定位室內 1000bits 1/hour 0.25/m2 1s室外 1/hour 0.01/m2控制室內 800bits0.53/hourN/A 1.5/m2 10s室外 200bi

37、ts 2/m2圖 3-3 物聯網發展趨勢13總體來說，相較于現有的蜂窩物聯技術，比如 NB-IoT、eMTC（enhanced Machine-TypeCommunication，增強型機器類型通信）等，極低功耗物聯技術具有更低功耗、更低成本、更低速率的特征，而正是這些特征極大地拓寬了應用場景和應用側的部署動力，使得網絡需要支撐更多的連接密度和連接數量。13/664.基本需求（中信科）基本需求（中信科）隨著移動互聯網、物聯網和大數據等相關技術的高速發展，人們對于數據傳輸速率、時延和連接密度的需求越來越高，現有的接入技術中，終端需要先完成初始接入，然后再進行數據傳輸，整個過程涉及多次信令交互，需

38、要消耗大量時間和資源。第 3 章中對海量接入技術的重要用例進行了介紹，對應的通信需求如表 4-1 所示：表 4-1 海量接入技術重要用例的通信需求場景用例場景用例連接密度連接密度數據發送頻率數據發送頻率平均數據包大小平均數據包大小平均通信時延平均通信時延ToC 的數字孿生世界的數字孿生世界約 106/km21/s-1/h數百到數千字節毫秒級密集緊要連接的車聯網密集緊要連接的車聯網105-106/km210/s-1/min數百到數千字節毫秒級極低功耗物聯網極低功耗物聯網106-107/km21/s-1/h數十字節秒級對于 Massive Communication 和其他需要支持大規模連接的應用

39、場景，在有限的時頻資源和信令資源條件下，采用現有的接入技術會導致較大的時延。對于某些要求實時性、低時延的應用場景，例如 ToC 的數字孿生世界，需要支持約 106/km2的連接密度，終端發送頻率在 1/s1/h 不等，傳輸的數據包較大，一般在數百到數千字節，通常要求時延在毫秒級。與此同時，部分應用場景對連接密度提出了更高的要求，例如在極低功耗通信場景中，傳輸的數據包一般較小，在數十字節左右，數據發送頻率在 1/s1/h 不等，且時延不敏感，通信時延一般為秒級，但是需要支持 106-107/km2的連接密度。根據表 4-1 中這幾個用例的連接密度、數據發送頻率等需求分析，假設連接密度為107/k

40、m2，終端數據發送頻率為 1 message/60 seconds/device，那么可以估算出 1 毫秒的時間內需要完成 167 個數據包的接收。如果進一步提高連接密度和終端數據發送頻率，每毫秒的時間內需要支持的數據包個數進一步增加。根據以上假設，6G 連接密度為 5G 的10 倍，6G 終端數據發送頻率為 5G 的 1/120，可估算出 6G 的連接能力需要達到 5G 連接能力的 1200 倍。5G 技術難以支持 6G 海量連接場景，因此，為了支持每毫秒數百個終端同時接入，6G 中需要設計新的海量接入技術，包括簡化通信流程，優化發射機和接收機方案等。14/665.海量連接的通信海量連接的通

41、信流程流程（中信科、（中信科、vivo）在現有的通信系統中，當 UE 需要向網絡發送數據時，UE 將先后經過接入 gNB、向網絡注冊、接受網絡鑒權、接受網絡安全配置、上報 UE 能力、與 gNB 建立 RRC 連接、與 UPF 建立 PDU 會話連接、調度請求、接受上行傳輸調度、數據傳輸、得到確認信息等基本流程14。UE 和 gNB 之間將進行至少 26 次空口傳輸，尤其當有重傳發生時，空口傳輸次數會更大。針對 6G 中面向更大規模終端數量的海量連接場景，現有的多址接入技術無法滿足該場景的需求指標，需要對接入技術進行方案優化，優化的目標包括簡化多址接入的流程、降低多址接入的時延、提高系統效率、

42、增加可以服務的終端數量等方面。針對海量連接場景下的通信流程，可以采用非協調隨機接入和傳輸方案（Uncoordinated Random Access and Transmission,URAT），從網絡架構、協議棧、數據流、接口、安全機制、多址接入流程等多方面進行設計。在網絡架構方面，URAT 方案在 gNB 上增加應用代理，該應用代理為 gNB 服務的終端提供 NAS（Non-Access Stratum，非接入層）功能，向 gNB 服務的終端提供上行數據轉發功能，使用該應用代理后終端不需要直接與核心網交互信令和數據。相應的，在新網絡架構下，協議棧、數據流、接口等均需要進行相應調整。在安全機

43、制方面，應用代理把終端使用的完整性保護密鑰和數據加密密鑰的生命周期延長。海量連接的通信過程如圖 5-1 所示。在現有技術中，終端接入 gNB 后，向網絡注冊、接受網絡鑒權、接受網絡安全配置、上報 UE 能力、與 gNB 建立 RRC 連接、與 UPF 建立 PDU 會話連接等步驟，可以用圖 5-1 中的 UE 和 gNB+APP Proxy 之間的信令 79 代替，通過使用低復雜度的安全機制簡化流程；調度請求、接受上行傳輸調度、數據傳輸等步驟，可以用圖5-1 中的 UE 和 gNB+APP Proxy 之間的信令 1011 代替，使用低復雜度的傳輸機制簡化流程，圖 5-1 中信令 1011 兩

44、個流程，在完整性保護密鑰和數據加密密鑰的生命周期內可以進行任意次。圖 5-1 海量連接終端的上行信令交互過程15/66圖 5-1 中的 URAT Transmission，是一種融合隨機接入和數據傳輸過程的海量接入技術，相關的關鍵技術在 6.1.1 節中進行介紹。URAT 空口傳輸的信號發送流程如圖 5-2所示。圖 5-2 URAT 空口傳輸的通信流程終端在進行數據傳輸時，無需等待接入完成，可以在發送前導碼進行接入時，同時發送數據。如果數據傳輸失敗，則可以進一步發起數據的重傳，具體信號發送過程如下所示。終端信號發送前的準備階段（終端信號發送前的準備階段（t1）：終端在進行數據傳輸之前，需要首先

45、生成待傳輸的數據（包含前導碼和通信數據包），并對其進行信號發送前的處理，包含編碼、資源映射等；終端時間同步、幀對齊（終端時間同步、幀對齊（t2）：終端在完成數據發送的準備之后，需要進行時間同步和幀對齊等處理；終端空口數據發送（終端空口數據發送（t3）：經過同步和幀對齊處理之后，終端在空口中進行數據傳輸，發送的信號包含前導碼和通信數據包；網絡設備的信號檢測與譯碼（網絡設備的信號檢測與譯碼（t4）：網絡設備接收到終端發送的數據包之后，進行數據包的檢測與譯碼。需要先完成前導碼的檢測，基于前導碼的檢測結果，進行通信數據包的檢測和譯碼；網絡設備發送反饋信息的準備階段（網絡設備發送反饋信息的準備階段（t5

46、）：根據對終端發送數據包的檢測和譯碼結果，網絡設備需要向終端發送反饋信息，在發送反饋信息之前，需要進行反饋信息的生成、編碼、調制、資源映射等；網絡設備時間同步、幀對齊（網絡設備時間同步、幀對齊（t6）：網絡設備在發送反饋信息時，首先進行時間同步和幀對齊處理；網絡設備反饋信息的發送（網絡設備反饋信息的發送（t7）：經過同步和幀對齊處理之后，網絡設備在空口中進行反饋信息的發送；終端設備對反饋信息進行檢測和譯碼終端設備對反饋信息進行檢測和譯碼（t8）：終端完成數據包的發送（t3）之后，進行網絡設備發送的反饋信息的監聽，對監聽到的反饋信息進行檢測和譯碼。16/66在接收到網絡設備發送的反饋信息之后，終

47、端可以根據反饋信息，確定數據包是否正確發送，進而確定是停止數據包的傳輸，還是發起數據包的重傳。URAT 傳輸方案對終端進行隨機接入和數據傳輸的信令交互流程進行了簡化，同時結合圖 5-1 所示的信令交互流程，對海量連接場景下的通信過程實現了簡化。隨著移動通信的不斷發展，網絡中的終端類型越來越多，包括智能終端、NB-IoT終端、RedCap 終端、mMTC 終端等。在海量連接的應用場景中，終端的功耗問題尤為重要，6G 可以支持被動通信方式的極低功耗終端，和現有通信終端相比，極低功耗終端可能會受到更加嚴格的復雜度限制，其通信流程需要遵循必要和至簡的原則進行設計。從通信業務類型看，極低功耗終端的通信業

48、務包括下行觸發和上行觸發兩大類。下行觸發的業務是指終端只有在接收到網絡發送的尋呼、盤點等信令后再發起數據傳輸的業務。這類業務更適合純無源和半無源的極低功耗終端，因為它們必須要依賴網絡側提供的射頻載波才能進行上行數據傳輸。上行觸發的業務是指終端可以自行發起數據傳輸的業務。這類業務更適合能夠自主生成射頻載波的有源極低功耗終端。圖 5-1 所示的海量連接場景中簡化的通信流程，同樣可以適用于極低功耗終端的通信。與此同時，根據極低功耗終端的設備特點，除了數據傳輸，極低功耗通信終端還可能需要依賴網絡側提供的射頻載波來供能，因此，在通信流程之外，還需要為這類終端設計相應的能量供給、能量采集流程。具體來說，極

49、低功耗終端的接入過程包括以下幾個部分：（1）觸發過程：對于下行觸發的業務，終端在接收到尋呼、盤點等信令后，發起上行的接入；對于上行觸發的業務，終端在滿足自身的條件（比如周期觸發、數據緩存達到閾值、能量低于或高于閾值）后發起上行接入。（2）獲取傳輸數據的射頻載波的過程：對于純無源或半無源終端，發起上行接入、傳輸數據的前提是網絡側發送了射頻載波，因此，終端需要在下行觸發信令中獲取射頻載波相關的信息，或在預設的頻率柵格中搜索射頻載波的頻點。（3）獲取能量采集的射頻載波的過程：在網絡側和終端都支持射頻傳能時，若終端未接入網絡或未完成鑒權流程，網絡可能僅會在某些默認頻率上發送功率較低的射頻載波，終端在預

50、設的頻率柵格中搜索并接收供能信號完成后續流程；而在終端已經接入網絡并完成鑒權流程后，終端可以向網絡側發送專用的供能請求，網絡側在接收到供能請求后向終端發送專用的供能射頻信號。（4）同步過程：包括下行同步和上行同步兩個部分。其中，極低功耗終端可以通過接收網絡側的公共廣播信號，或者下行觸發信令進行下行同步，包括頻率同步和定時同步；此外，極低功耗終端也可以根據網絡側指示發送上行信號，網絡側測量 TA、頻偏，并根據測量結果以真實的頻率和定時接收信號。需要說明的是，進行上行同步會增加終端的開銷，應該盡可能避免。（5）注冊和鑒權過程：極低功耗終端向網絡側發送注冊請求，網絡側對終端進行鑒權和注冊；終端可以在

51、注冊請求中包含關于設備類型、維持同步的能力、能量獲取能力、電量情況等信息。在終端第一次接入網絡時，注冊和鑒權請求可以在上行接入的第一個信息中完成，或者連同數據一起發送，降低終端開銷。（6）資源配置和授權過程：可以通過Configured Grant/Grant-free或者Dynamic Grant兩類方式進行。前者可以免除終端發起上行接入前獲取授權的開銷，網絡側在注冊和鑒權過程中向終端配置可以使用的資源池，終端隨后以競爭式的方式在配置的資源池上發送上行信息；后者則需要網絡側在下行信令中攜帶終端專用的資源用于終端接入網絡和17/66傳輸數據，或者當終端密度較大時配置一個競爭式接入的資源池。（7

52、）連接釋放過程：當終端完成業務且網絡側確定無需再與終端通信后，網絡側指示去激活或者禁用終端，刪除網絡側的上下文、釋放對應的資源或資源池；當終端滿足一定條件（如完成業務、電量低于閾值等），向網絡側發送連接釋放請求，網絡側后續指示去激活或者禁用終端，刪除網絡側的上下文、釋放對應的資源或資源池。需要說明的是，極低功耗終端可能為無連接通信方式，此時，終端或網絡側無需維持上下文，連接釋放為可選過程。18/666.海量接入關鍵技術海量接入關鍵技術5G 中對非正交多址技術進行了研究，指出非正交多址技術可以用于上行免調度傳輸。采用非正交多址和上行免調度傳輸后，終端簡化了傳輸流程，進而節省了信令開銷、降低了功耗

53、、降低了時延、增加了系統容量。在 5G 標準化階段，對共計 17 種 NOMA方案進行了研究，涉及基于擴頻、加擾、交織、編碼和調制等方面進行設計的 NOMA方案。但是由于候選 NOMA 方案討論不收斂等原因，5G 最終沒有對非正交多址技術進行標準化。5G 中，終端需要先接入網絡，接入成功后，在網絡的控制下進行數據傳輸過程。具體的，支持四步 RACH（Random Access Channel，隨機接入信道）和兩步 RACH 兩種接入方式，其中兩步 RACH 相比四步 RACH 能夠降低接入所需的時延。在完成接入后，為了降低數據傳輸過程的時延，支持上行免調度傳輸方案，即終端先接入網絡，然后一直保

54、持連接狀態，網絡給終端預配置好資源，當終端有數據要進行發送時，可以不經過網絡動態調度，直接在這些資源上進行數據傳輸。6G 需要支持海量接入場景，連接密度進一步增大。在海量接入場景中，需要支持巨量的終端設備，終端可能每次只是需要發送一個小包數據，比如 20B100B，并且發送的頻率、時刻可能都是沒有嚴格規律的，這時，如果采用 5G 中現有的先接入后進行數據傳輸的方案，通過網絡對這些終端進行協調，包括初始接入、連接維持、資源調度/配置等，可能帶來巨大的開銷和時延，同時受限于有限的數據傳輸資源和網絡的協調信令資源，能夠支持的終端數量有限。為了能夠支持海量接入場景，6G 在接入技術方面需要進一步演進，

55、與 5G 的接入技術相比，6G 中可以將網絡協調的終端接入過程和數據傳輸過程，演進為不需要基于網絡協調的過程。采用非協調的方式進行終端接入和數據傳輸，相比 5G 中先接入、網絡協調后再傳輸的技術，平均時延可以降低。同時，不需要依賴于有限的數據傳輸資源和信令協調資源進行調度和控制，節省了網絡的協調信令資源，解除了網絡協調信令資源對終端數量的限制，能夠支持的終端數量大大提升。更具體的，6G 在基于非協調的方式進行終端接入和數據傳輸時，可以進一步對通信過程、發送端、接收端等進行優化設計，例如，可以簡化終端接入和數據傳輸過程，采用適合海量接入場景的無連接通信方式，針對海量接入場景的特點，進行導頻優化設

56、計和接收機設計等。接下來將會對這些海量接入技術進行詳細介紹。6.1 無源多址接入方案無源多址接入方案6.1.1 非協調隨機接入和傳輸技術（中信科）非協調隨機接入和傳輸技術（中信科）5G mMTC 場景下，終端的數據發送頻率約為 1 message/2 hours/device 或者 1message/1 day/device15，6G 中不僅終端的數量不斷激增，同時還需要支持更高的終端數據發送頻率。連接密度和終端數據發送頻率的提升都對 6G 中的接入和傳輸技術提出了更高要求?，F有 5G 系統中需要先完成接入再進行數據傳輸，在 6G 海量連接場景繼續沿用這一方式容易造成接入網的過載以及信令擁塞，

57、帶來嚴重的時延和信令開銷。在海量連接場景下，存在資源池大小受限以及檢測復雜度過高等問題，難以支持 6G 海量19/66接入的目標，因此需要設計新的海量接入技術來解決這一問題。非協調隨機接入和傳輸方案能夠提升終端連接數，緩解海量終端設備采用現有多址接入技術帶來的接入網過載、信令擁塞、嚴重的時延和信令開銷等問題。URAT 在前導碼和多用戶編碼兩方面進行了設計：通過增加候選前導碼數目的方式，降低前導碼碰撞概率；基于前導碼對數據部分進行加擾、交織、重復傳輸等控制，采用多用戶編碼的方式，同時進行前導碼和數據的發送。URAT 方案將隨機接入和多址傳輸過程進行融合，減小信令開銷和資源開銷，從而降低接入時延，

58、支持更多的終端連接。與傳統的先接入再傳輸數據的多址接入不同，URAT 技術將初始接入和多址傳輸過程進行融合，不需要網絡協調，采用非正交的方式同時實現隨機接入和多址傳輸兩個過程。-不需要網絡協調：不需要網絡協調：終端在從隨機接入到多址傳輸的整個過程中不需要UE-specific 的網絡協調信令，僅需要廣播的小區基本配置信息。根據廣播的小區基本配置信息，所有的終端采用完全相同的發送方案，終端之間的區別可能僅僅是待傳輸的數據比特。為提高空口傳輸的可靠性，網絡需要向終端提供空口傳輸的反饋確認信息，可以使用內生終端標識，讓終端能夠檢測出網絡發送給自己的確認信息。-非正交：非正交：所有終端共享小區基本配置

59、信息指示的時間頻率資源，在編碼域實現非正交多址傳輸。編碼域非正交多址，即通過有限塊長編碼實現的非正交多址。在壓縮感知巨址接入技術的框架下，可以進一步增大不同終端碼字之間的距離，除了對編碼比特采用不同交織器外，還可以對編碼比特采用不同擾碼、對編碼塊采用不等分集度的重復，以及在整個時頻域上分散發送。終端所采用的交織器、擾碼、分集度、聯合交織器等，可以由元比特決定和指示。-隨機接入和多址傳輸的融合：隨機接入和多址傳輸的融合：單次傳輸實現隨機接入功能和多址傳輸功能，不需要專用配置信息的傳輸，不需要終端身份信息的交互，僅需要網絡對終端數據的確認。從隨機接入到多址傳輸的整個過程，都統一采用 URAT 空口

60、技術。終端發送前導信號，除了攜帶元比特外，主要的目的是向網絡指示存在同時傳輸的多用戶編碼信號，以提升多用戶編碼信號的檢測性能，因此前導信號起到隨機接入的作用。終端和網絡之間鑒權認證、安全加密等交互信令都可以作為待傳輸數據通過 URAT 空口技術進行傳輸，不再有顯式的鑒權認證、安全加密等子過程。網絡對終端的 URAT 傳輸進行反饋確認，根據接收到的反饋信息，終端決定是否需要重傳。URAT 技術的原理框圖如圖 6-1 所示：圖 6-1 非協調隨機接入和傳輸技術的原理框圖20/66URAT 將用于隨機接入的前導信號和多址傳輸的數據信號復用在一起進行傳輸，前導信號與數據信號存在關聯關系：-在生成多址傳

61、輸的數據信號時在生成多址傳輸的數據信號時：終端將待發送數據的信息比特（包括應用層身份信息）進行極低碼率編碼和多用戶編碼后由類似 PUSCH（Physical UplinkShared Channel，物理上行共享信道）的信道承載。-在生成用于隨機接入的前導信號時在生成用于隨機接入的前導信號時：將前導信號與數據信號建立連接。具體的，首先根據待發送的信息比特得到用于生成前導信號的元數據比特，基于元數據比特和預設的規則，生成進行傳輸的前導信號，例如終端對元數據比特經過索引變換后從候選資源池中確定相應的前導信號。前導信號除了用于隨機接入外，還可以攜帶元數據比特信息。-在進行數據信號的發送時在進行數據信

62、號的發送時：將數據信號和前導信號相關聯，具體的，使用生成前導信號的元數據比特對數據信號進行控制，例如使用元數據比特來控制多用戶編碼，包括加擾、交織、重復傳輸圖樣、資源映射、功率等，以增加用戶之間的區分度。URAT 方案通過終端身份信息和終端數據信息的聯合傳輸處理，能夠簡化網絡側的動態協調，有效提升接入的終端數量，適用于海量終端的接入和傳輸；另一方面，通過融合初始接入和數據傳輸兩個過程，接收端可以同時獲取終端身份信息和終端數據信息，縮短傳輸時延，適用于小包數據的突發傳輸；此外，通過增強的不等分集度傳輸技術，可以對不同的終端集合實現不等分集度的傳輸，有效提高接入和傳輸的成功率，有利于高優先級終端集

63、合的接入和傳輸。URAT 方案在滿足每終端差錯性能的條件下，通過一個統一的編碼過程來實現海量終端共享資源，URAT 的傳輸方式不需要網絡的協調，因此節省了網絡的協調信令資源，解除了網絡協調信令資源對終端數量的限制，能夠支持海量終端的接入和傳輸。6.1.2 高效無連接傳輸（中興）高效無連接傳輸（中興）傳統的基于調度的傳輸和基于預配置機制的 SPS（Semi-Persistent Scheduling，半靜態調度）傳輸，都不適合 6G 巨連接場景。為了最大化地減輕系統的負擔和終端的功耗，終端最好多數時間處于深度睡眠狀態（也稱為空閑態（RRC Idle），當有數據要發送時無需事先建立連接，而是處于無

64、連接狀態的終端，立刻自主地直接發起數據傳輸。傳輸完成后馬上進入近乎設備關停的深度睡眠狀態，如圖 6-2 所示。這樣的無連接傳輸可以做到極簡化的傳輸，系統譜效和終端功耗可以做到極致，很適合作為 6G 巨連接場景的使能技術。圖 6-2 面向巨連接的極簡無連接傳輸但巨連接場景下，這樣的無需建立連接的極簡傳輸挑戰也很大?；居锌赡茉谙嗤?1/66時頻資源上面對大量終端自主發送的數據包，高效解調這些數據包是一個非常大的難題。首先需要承載不同用戶信息的信號具備足夠的差異性，這是這些用戶信息可以分離的物理基礎；其次，還需要這些差異性可以在無連接傳輸下也能被基站充分利用起來。非正交技術通過允許不同用戶信號不完

65、全正交，增加信號的多樣性，使得用戶間干擾更平均，盡可能減少嚴重到不可分離的用戶間干擾的出現，從而讓多用戶性能更魯棒。進一步，先進的非正交多用戶檢測技術，通過一定的復雜度代價，可以在嚴重的多用戶互擾下依然能確保檢測的性能。因此無連接傳輸需要先進的非正交發射和接收技術。但是，傳統的非正交收發技術都需要依賴導頻去獲取不同用戶數據信號的差異性，然后才能利用這些差異性去分離用戶的數據；然而在無連接傳輸場景，導頻嚴重碰撞下，基站難以利用碰撞嚴重的導頻去估計數據信號的差異性，實現多用戶檢測。因此，高效無連接傳輸需要進一步考慮可以少依賴導頻甚至不依賴導頻的先進非正交技術：發射側需要應用先進的非正交傳輸技術來減

66、少數據信號中不可分離的嚴重用戶間干擾；同時也要考慮可以減少導頻碰撞的發射方案。接收側需要考慮可以少依賴甚至不依賴導頻的先進檢測技術，以期在無連接傳輸下，依然可以充分利用功率域、碼域、空域提供的多用戶信號的差異性，也即多用戶復用能力，去高效分離多用戶的傳輸信息，確保無連接傳輸的性能。（一）基于非正交的高效無連接傳輸（一）基于非正交的高效無連接傳輸基于功率域遠近效應的無連接傳輸基于功率域遠近效應的無連接傳輸無連接傳輸由于沒有基站等中心的控制，因而也就沒辦法實現精確的功率控制，這必然會導致遠近效應。遠近效應對于傳統無線通信系統來說是有害的，但實際上遠近效應可以提供了一個在功率域上分離多用信息的能力。

67、例如，如果兩個用戶的傳輸信號到達基站處一強一弱，基站就可以先去解調譯碼強用戶的信息，然后將信息重構回傳輸信號，進而就可以從接收的合信號中消除強用戶的信號；這樣解調弱用戶信號時，就不再需要面對強用戶的干擾了。如圖 6-3 所示?？梢娭灰灸軌驕蚀_獲取用戶的信道，并處理得當，是完全可以利用遠近效應來提升系統支持的連接數。不過，面向巨連接場景僅利用一維的功率域，即遠近效應，還是不足以實現高效的傳輸。例如，如果多個用戶的達到功率相等，那這些用戶在功率域就難以區分了。巨連接場景出現這種情況的概率不低，因此需要進一步借助碼域擴展和空域擴展來支持多用戶傳輸。22/66圖 6-3 基于干擾消除的多用戶檢測技

68、術基于碼域擴展的無連接傳輸基于碼域擴展的無連接傳輸利用碼域擴展的無連接傳輸中，發射端隨機挑選擴展碼字，接收端利用擴展碼來降低用戶間干擾，提升符號信噪比。擴展序列的屬性會直接影響無連接傳輸的性能和接收機復雜度，是碼域擴展方案的關鍵。如果像傳統 DS-CDMA（如 IS-95 標準）那樣使用很長的偽隨機序列（PN 序列），那序列之間的低相關性是比較容易保證的，而且可以為系統提供一個軟容量，即允許同時接入的用戶數量（也即序列數量）大于序列長度，這時系統相當于工作在過載的狀態。長 PN 序列雖然可以提供一定的軟容量，即一定的過載率，但是在巨連接系統需求下，系統過載率往往是比較大的，而在大過載率的情況下

69、，采用長 PN 序列所導致的 SIC（Successive Interference Cancellation，串行干擾刪除）過程是非常復雜和冗長的。進一步，發射側符號的時頻展開太多，也增加終端發射的復雜度。相對的，如果較短的序列，通過優化設計，也能達到長序列的高過載率的話，那從發射接收復雜度和處理時延考量，使用這樣的短序列更合適。然而，傳統 PN 序列縮短后所能支持的用戶過載率下降還是比較快的，這是因為傳統 PN 序列是二元實序列，序列縮短后，隨機產生的序列集合的低互相關性難以保證。相對的，好的碼域擴展方案都是通過優化符號擴展序列來提升碼域競爭式非正交的性能的。其中 eMUSA（enhanc

70、edMulti-User SharedAccess，增強多用戶共享接入）技術方案使用復數域多元碼序列來作為符號擴展的序列16，這樣可讓擴展序列的組合變得更加豐富，即使很短也能找出很多低互相關的序列，例如，典型的 eMUSA 序列中每一個元素的實部/虛部取值于一個簡單的二元集合-1,1或三元集合-1,0,1，如圖 6-4 所示。此類序列即使很短時，如長度為 8，甚至 4 時，也能獲得大量低相關的序列。例如長度為 4 的序列，PN 序列最多只能找到 8 條不同的序列；而 eMUSA 序列，互相關能量（即互相干擾的能量）小于 0.63的話，可以找到多達 156 條，如表 6-1 所示。這樣即使大量無

71、連接用戶同時自主選擇擴展序列，也能很大程度上避免碰撞，從而實現很好的用戶間干擾隨機化的效果。再結合高效的 SIC 接收機，eMUSA 可以支持數倍于擴展碼長度的節點通過自主選取擴展序列在相同的時頻資源傳輸，從而實現巨量節點的極簡無連接傳輸。23/66圖 6-4(a)二元復序列元素星座圖，(b)三元復序列元素星座圖表 6-1 PN 序列和 eMUSA 序列對比序列長度=4PN real codeeMUSAcodeTotal number166561互相關能量=0.25820互相關能量=0.5860互相關能量=0.638156基于多天線空域擴展能力的無連接傳輸基于多天線空域擴展能力的無連接傳輸巨連

72、接場景，如果用戶的擴展碼序列碰撞了，到達功率也相當，也就是碼域、功率域都沒辦法區分這兩個用戶了。怎么辦呢？高效無連接傳輸方案還需要在碼域、功率域都無能為力時，仍然能充分利用多天線的空域擴展能力來分離用戶?；静渴?M 根接收天線時，不同用戶的 M 維空域信道矢量通常不是完全相同的，這點提供了多用戶復用能力。形象地看，多天線基站可以形成不同的接收波束去接收不同用戶的信號。如圖 6-5 所示，基站可以形成黃色波束去接收用戶 1 的信號。這樣就算不同用戶的達功率相同，擴展碼也相同，只要這些用戶的空域信道有一定的差異，基站還是有可能通過空域分離他們的?？沼蚨嘤脩魪陀玫哪芰νǔS著基站接收天線數量的增

73、加而增加，這是因為天線間隔一定的情況下（通常為半波長間隔），天線數量越多，天線孔徑就會越大，空域信道的相關性會越低。例如 2 個位置比較靠近的用戶，基站接收天線比較少時，這 2 個用戶的空域信道相關度可能會比較大，難以區分；相對的，基站接收天線比較多時，孔徑增加，這 2 個用戶的空域信道相關度就會減少，從而更容易區分。24/66圖 6-5 空域多用戶復用能力（二）高效無連接傳輸中的導頻設計（二）高效無連接傳輸中的導頻設計如果基站知道各用戶信號的差異性：強弱，擴展碼，以及空域信道矢量的差異性，就可以通過先進非正交檢測技術去實現多用戶數據的分離和解調。但無連接傳輸中導頻也是用戶自主選擇的，不同用戶

74、是有可能選擇相同的導頻的(導頻碰撞)。巨連接場景出現導頻碰撞的概率非常高。一旦導頻發生碰撞，就算這些用戶的空域信道是低相關的，或者有明顯的遠近效應的，基站還是很難通過碰撞的導頻去準確估計用戶的這些差異性，也就難以通過信號強弱或空域信道的低相關性來分離出用戶的數據。另一方面，擴展碼是一個有限的集合，而且會和導頻有一個對應關系，通常情況下，導頻碰撞了，擴展碼也同樣是碰撞的?？梢?，在傳統非正交多技術中，一旦導頻碰撞了，空域，功率域和碼域的多用戶區分能力都基本沒有了。為了顯著減少導頻碰撞，通常的做法是數倍地增加導頻的數量。但是傳統檢測技術不單需要依賴導頻去估計無線信道，還需要依賴導頻去估計時偏和頻偏，

75、這要求每個導頻在整個傳輸時頻資源上分布足夠多的已知符號。這會導致導頻開銷顯著增加，甚至出現導頻占用時頻資源超過數據包的情況。進一步，基站進行多用戶檢測時，需要對大量長導頻進行檢測，復雜度也會顯著增加。為了減少導頻開銷和復雜度，需要考慮少依賴甚至不依賴導頻的先進檢測技術，確保無連接傳輸下依然可以充分利用空域，碼域，功率域多用戶復用能力來支持巨量連接。下面以 eMUSA 無連接數據傳輸技術為例，介紹可以少依賴導頻甚至不依賴導頻的檢測技術：Data-only 技術1718192021以及超低碰撞導頻技術222324。這兩種技術總的指導思想是相同的：傳統的多用戶檢測方法都是先利用導頻符號來做信道估計，

76、再利用估計的信道來做用戶間干擾抑制，以及數據符號的均衡，進而解調譯碼，如圖 6-6 上半部分所示。但無連接的導頻高碰撞，導致信道都估不準，制約了后面的多用戶檢測。eMUSA 檢測技術反轉了傳統檢測順序：先利用空域碼域功率域進行干擾抑制，再利用干擾抑制后的數據符號來估計信道，進而均衡、解調譯碼。如圖 6-6 下半部分所示。即使大連接高負載場景，通過空域碼域功率域干擾抑制后的數據符號的信干噪比仍然可以比較高，因而可確保信道估計性能。25/66圖 6-6 傳統多用戶檢測技術與 eMUSA 無連接檢測技術無需傳統導頻的無需傳統導頻的 Data-only 技術技術Data-only 技術通過挖掘各個用戶

77、接收數據符號的統計特性和幾何特性來實現高效的盲檢測。其中最主要的部分是基于調制符號星座圖的幾何特點，來估計整個傳輸資源上的信道以及時頻偏。低階調制符號，例如 BPSK（Binary Phase Shift Keying，二進制相移鍵控）QPSK（Quadrature Phase Shift Keying，正交相移鍵控），對應的星座圖都具備簡單的幾何形狀，就算接收機收到的調制符號經過了信道的畸變，這些調制符號對應的星座圖也只是經歷了旋轉縮放，幾何形狀依然比較簡單。經過信道旋轉縮放的 BPSK 形星座如圖 6-7 所示。圖 6-7 分區匹配法（PM 法）示意圖因此，接收機可以利用如由圖 6-7 的

78、星座圖的幾何形狀來估計星座圖所受到的旋轉縮放量，也就是將旋轉縮放估計出來。一種具體方法-分區匹配法(PM 法)如下：首先，將二維平面或者說二維信號平面分為 4 個分區，例如兩種典型的將二維信號平面分為 4 個分區的方法是：第一種，以 4 個象限為 4 分區，也即以 x 軸和 y 軸為分區線，如圖 6-8(a)所示，26/66斜線填充是分區 1，細點填充是分區 2，豎線填充是分區 3，磚塊狀填充是分區 4。第二種是：將第一種的 4 個分區旋轉 45形成的 4 個分區為所需的分區，如圖6-8(b)所示。也就是：以由原點往 45射線至由原點往 135射線為分區 1，以斜線填充；以由原點往 135射線

79、至由原點往 225射線為分區 2，以細點填充；以由原點往 225射線至由原點往 315射線為分區 3，以豎線填充；以由原點往 315射線至由原點往 45射線為分區 4，以磚塊狀填充。除了如圖 6-8 所示兩種分區方法，其他可以將二維平面分為 4 個分區的方法也是可以的，不過采用如圖 6-8 所示兩種分區方法時，判斷一個星座點屬于哪個分區可以僅通過對星座點坐標進行一些簡單的加減法，不需要復雜的乘法運算，因而實現更簡單。圖 6-8 分區方法示例接收機將二維信號平面分為 4 個分區后，分別將每個分區里面的星座點加起來，再除以該分區內星座點的數量，所得的星座點，就是該分區星座點的中心。然后通過所有分區

80、的星座點中心，就可以求得整個星座圖的旋轉縮放量的一個估計。存在 AWGN（Additive White Gaussian Noise，加性高斯白噪聲）時，有些調制符號受到的 AWGN 比較大時，可能會發生越區。為了更準確估計旋轉縮放量，通常需要用到上述兩種分區方法，然后針對每種分區分別按照上述方法計算星座圖的旋轉縮放量，然后兩個旋轉縮放量模值大的一個作為星座圖的旋轉縮放量。應用 Data-only 技術的無連接傳輸性能如圖 6-9 所示，其中發射側使用 4 長 eMUSA擴展序列16，沒有插入導頻，傳輸時頻資源是 2PRB（Physical Resource Block，物理資源塊），全部用于

81、傳輸數據符號，包括 CRC（Cyclic Redundancy Check，循環冗余校驗）的編碼比特是84 bits?；静渴鹆?2根接收天線。如圖 6-9 所示，無需導頻的Data-only的傳輸性能可以非常逼近理想信道估計下的 MMSE-SIC，而后者是容量可達的最優接收27/66機。圖 6-9 Data-only 技術的無連接傳輸性能基于極稀疏導頻和獨立多導頻的超低碰撞導頻技術基于極稀疏導頻和獨立多導頻的超低碰撞導頻技術為了減少導頻的碰撞，eMUSA 超低碰撞導頻技術的主要思想是：應用 Data-only 技術，利用數據調制符號去完成大部分信道估計任務，這樣可以讓導頻的估計任務最小化，數

82、量最大化，碰撞最少化。具體而言，超低碰撞導頻技術中，導頻只需負責空域合并權值的估計，而不用估計多徑選擇性衰落，也不用估計時頻偏。eMUSA 超低碰撞導頻技術具體如圖 6-10 所示。其中，傳統的導頻需要估計整個時頻資源的信道，因此導頻符號需要鋪滿整個時頻資源，開銷很大，可以說是稠密分布的。而應用 Data-only 技術后，每個導頻可以只需估計一個時頻位置上的信道，這個估值量通常用于多天線空域合并權值的計算，而剩下的信道估計任務通過數據調制符號來完成，因此，每個導頻可以只占用一個時頻位置，這樣的開銷是最小化的，也可以說是最稀疏的。相同的導頻開銷下，極稀疏導頻方案可以讓導頻數量最大化，導頻碰撞最

83、小化。進一步，傳統數據傳輸幀中，通常只有一個導頻，這個導頻碰撞了就沒辦法準確檢測了。eMUSA 超低碰撞導頻技術另一個主要部分是獨立多導頻技術：一次傳輸中包含多個導頻，并且導頻之間獨立無關的。不同用戶的獨立多個導頻同時碰撞的概率會比傳統單導頻小很多，如圖 6-10 所示?；就ㄟ^迭代的多用戶接收機，每輪都可以通過那些沒有碰撞的導頻解出對應的用戶數據，然后將其數據和導頻都重構出來并從接收信號中消除掉，如此迭代直到解出所有可解的用戶。28/66圖 6-10 超低碰撞率導頻技術示意圖由于 Data-only 技術和超低碰撞導頻技術可以顯著減輕、甚至避免導頻碰撞難題，eMUSA 無連接傳輸可以在極簡無

84、連接傳輸下依然能地利用空域、碼域和功率域的多用戶復用能力來支持很高的用戶負載。圖 6-11 是 eMUSA 無連接傳輸的性能，其仿真參數如下表 6-2 所示。eMUSA 可以在基站側 32 根接收天線的情況下，支持高達 100 個用戶同時無連接下傳輸數據。而且平均譜效可超過 1bps/天線。這是相當高的連接密度以及譜效，尤其是在無連接傳輸下取得的。表 6-2 eMUSA 無連接傳輸性能評估的仿真參數ParametersAssumptionsCarrier Frequency5GHzWaveformCP-OFDMNumerology15kHz subcarrier spacing,1mssubf

85、rame with 14 OFDMsymbolsResource unit6RBs(1.08 MHz),1msRS overhead2/7TBS per UE40/60/80 BytesModulation andcoding schemeBPSK,LDPC encoding(coderate:0.46670.9111)UE antennaconfiguration1 TxBS antennaconfiguration32RxPropagation channel&UE velocityCDL-A 30ns;CDL-D 30ns;UE velocity:3km/h.Timing offset0

86、4.7us 均勻分布Frequency offset-200Hz 200Hz均勻分布29/66Distribution ofavg.SNREqualSpatial combiningMMSE+干擾消除圖 6-11 eMUSA 無連接傳輸的性能評估結果在需要同時大連接和低時延高可靠的場景，eMUSA 無連接傳輸也可以通過更多的獨立多導頻技術，例如 46 個獨立無關的極稀疏導頻，來實現極低的導頻碰撞率，從何達到高可靠的無連接傳輸。仿真參數如下表 6-3 所示。仿真性能如圖 6-12 所示，eMUSA可以在 32 根接收天線的情況下，支持高達 12 個用戶同時無連接下傳輸數據，而且可靠性可以低于 1

87、0-6。無連接天然就是低時延傳輸，而這里的評估，接收機采用的是沒有干擾消除的低時延接收機。因此整體可以實現大量終端無連接傳輸下，取得低時延高可靠的性能。表 6-3 獨立多導頻性能評估的仿真參數ParameterValueCarrier frequency5 GHzSubcarrier spacing30 kHzTransmission resource6 RB,1 slot(0.5ms)Number of UE8,12Modulation and codingschemeBPSK,LDPCSize of transport block32 BytesLength of CRC16 bitsNu

88、mber of independentpilots4,5,6Antenna configuration32RxChannel model and delayspreadTDL-D 30ns,3km/hTime offsetUniform within 0,1CP30/66Frequency offsetUniform within 250HzReceiver algorithmMMSE(無干擾消除)圖 6-12 獨立多導頻性能評估結果（三）（三）V2V 場景中的高效無連接傳輸場景中的高效無連接傳輸進一步，eMUSA 無連接傳輸不僅僅可以應用于基于蜂窩的物聯網場景，還可以應用到更廣泛的場景中，例

89、如 V2V 通信場景中25。高密度車聯網的信息傳輸，具有海量和突發兩個特點，而車聯網信息傳輸又有低時延高可靠的需求。在海量、突發的信息傳輸場景要滿足低時延高可靠的需求是非常大的挑戰。進一步，由于車輛節點的快速移動，導致車聯網網絡拓撲迅速變化，使得海量、突發、低時延、高可靠這些通信需求同時滿足更為困難。在高密度車輛分布的情況下，大規模車輛信息交換時競爭選擇資源產生的沖突是eV2X 性能下降的主要原因。不管是LTE-V還是IEEE802.11p/IEEEl609都面臨這個難題。而無需事先建立連接的，eMUSA 無連接傳輸結合高效全雙工技術，有望解決這個難題。具體而言：大量車輛頻繁信息交換的場景，會

90、存在多個車輛同時廣播自己的消息的情況。由于車輛之間沒有協作，每輛車的傳輸信號生成，傳輸資源的選擇都是自主決定的，就會出現不同車輛選擇了相同的傳輸資源，而且傳輸信號的生成方式也一樣的情況，也即傳輸發生了“碰撞”。這會給其他車輛接收這些廣播消息帶來很大的困難?！叭ブ行幕钡膃MUSA 無連接傳輸，可以使得 V2V 中混疊的多用戶信號更容易解調。另一方面，傳統的 V2V 信息傳輸方案，不管是 LTE-V，還是 IEEE802.11p/l609，本質上都是基于半雙工傳輸機制的，即每輛車選擇了在某個信道上發射的話，就不會在這個信道上接收了，這會導致“漏收”的問題：即如果不止一輛車在某個信道廣播自己的數據

91、包的話，這些車輛就都收不到對方的數據包，這對可靠性來說是非常不利的。雖然現有方法可以通過改良的感知機制結合更大的時頻資源來減少“漏收率”，但依然難以確保不會出現漏收。全雙工機制可以徹底避免這個“漏收”難題，即只需要一個信道，每輛車31/66都在這個信道上同時發射和接收。這樣可用少得多的頻譜解決漏收難題。不過，傳統的全雙工通信會面臨非常強的自干擾，即使采用復雜的自干擾消除方法，依然難以將消除干凈，這必然嚴重降低 V2V 傳輸的可靠性。eMUSA 無連接傳輸方案充分利用 V2V 傳輸的特點，實現一種非常高效的 V2V 傳輸方案，充分利用下面兩個特點：1)車輛體積比一般通信終端大得多2)越近車輛的信

92、息越重要將收發天線盡量分離放置，如圖 6-13 所示，以使得即使完全不進行自干擾消除，全雙工的自干擾也不會比目標信號大很多。進一步，eMUSA 無連接傳輸可以無連接下充分利用空域/碼域/功率域的多用戶復用能力，并將全雙工的自干擾當成是目標信號來處理，實現了全雙工下的無連接傳輸的高可靠性。而且這樣可以不用額外增加自干擾消除模塊，進一步簡化全雙工 V2V 通信。圖 6-13 針對 V2V 的 eMUSA 無連接傳輸通過結合 eMUSA 無連接傳輸技術和高效全雙工技術，可以允許大量車輛終端無需先聽后發，直接交換信息；并且避免傳統技術的漏收和隱藏節點問題；最終實現超低時延和超高可靠性的 V2V 直接通

93、信。仿真結果顯示，如圖 6-14，高密度車輛網場景，該方法可以傳統方法的 1/51/10 傳輸時延，實現可靠性提高 13 個量級。32/66圖 6-14 eMUSA 無連接 V2V 傳輸方案的性能6.1.3 基于基于 ODMA 的多用戶編譯碼方法（西電）的多用戶編譯碼方法（西電）在現有的 CDMA（Code Division Multiple Access，碼分多址接入）方案中，例如DS-CDMA、SCMA（Sparse Code Multiple Access，稀疏碼分多址接入）和 IDMA（Interleave Division MultipleAccess，交織多址接入）方案，都采用了重

94、復，也被稱之為擴頻。在 SCMA 中，部分重復實際上被“0”（空閑傳輸）所取代，導致由部分空閑和部分重復組成了擴展序列。在 IDMA 系統中，重復碼通常被用作內部碼來提高迭代譯碼。相比于重復，我們發現大量的空閑時間可以實現更好的譯碼性能。因此，文獻26和27提出了一種開關分多址接入(On-Off Division MultipleAccess,ODMA)方案。每個用戶使用長度為 m 的相同的信道編碼。在 BPSK 調制之后，編碼的比特以隨機跳時的方式傳輸。這些 m 個編碼位是隨機調度的，使用 n 個時槽發送，即只有 m 個時槽用于信號傳輸，另外 n m 個是空閑時槽。每個用戶的插槽選擇規則（如

95、傳輸或空閑），稱為其開關模式，每個用戶的開關模式都是唯一的。通過這樣做，只有極少數用戶可以在每個時間段同時訪問該通道，這大大減少了多用戶重疊負擔和譯碼復雜度。由于超稀疏訪問特性，其迭代多用戶譯碼可以被認為幾乎是在樹狀因子圖上譯碼，這是該方案的基礎。與其他 CDMA 方案相比，ODMA 不依賴于重復（擴頻）和用戶交織。通過用空閑代替重復，用于譯碼的因子圖在非常短的周期內變得超稀疏，從而使迭代譯碼具有更好的性能。因此，ODMA 方案實現了顯著的多用戶譯碼性能增益，同時顯著降低了譯碼復雜度。在本節中，我們介紹一種面向大規模機器類型通信的無標識多址接入方法27。對于一個用戶數量為Ktot，活躍用戶數為

96、Ka,Ka Ktot的無標識多址接入系統，活躍用戶數在接收端已知。每個活躍用戶在 n 次傳輸中共傳輸 Bbit 信息?；钴S用戶的信息被分為兩部分，長度分別為Bs和 B Bs，一部分為索引信息，選擇開關模式來決定另一部分編碼信息在哪些信道傳輸，另一部分經過信道編碼后在被選的信道中傳輸，如圖 6-15 所示。具體來說，首先隨機生成一個二元正則稀疏矩陣 A 0,12Bsn作為開關模式碼本，其中，開關模式碼本行和列的漢明權重分別為nc和nc2Bsn；將第一部分信息轉化為十進制數 M，通過索引調制選擇 A 的第 M 行作為該活躍用戶的開關模式碼本aM；然后將第二部分信息通過信道編碼、BPSK 調制后得到

97、wk 1,1nc；將nc個符號在開關模式碼本 aM確 定 的 信 道 中 進 行 傳 輸，其 余 n nc個 信 道 為 空 余 信 道，其 中 aM=33/66aM,1,aM,2,aM,n,aM,j 0,1，當aM,j=1 表示第 j 個信道用來傳輸信息，最終生成傳輸信號xk進行傳輸。圖 6-15 活躍用戶 k 的編碼過程對于上述的編碼方案，本節介紹了一種兩階段迭代算法來聯合恢復編碼后的數據27，如圖 6-16 所示。在第一階段檢測被選擇的開關模式從而恢復用戶的第一部分消息。其基本思想就是基于接收信號，將編碼后的數據視為隨機變量，窮盡搜索所有可能的開關模式，利用貝葉斯規則，找出對數似然比最大

98、的個作為被選擇的開關模式；在第二階段，基于第一階段檢測的開關模式，設計了聯合迭代多用戶譯碼方案來恢復用戶的第二部分消息，并將譯碼輸出信息,傳遞至第一階段進行迭代；對于兩階段的聯合迭代過程，依據第二階段輸出信息,逐步更新第一階段得到開關模式，進而實現兩階段迭代過程，當所有用戶數據全部恢復或達到最大迭代次數時終止迭代。圖 6-16 兩階段迭代開關模式檢測和數據譯碼34/66圖 6-17 ODMA 與 IDMA/SCMA 性能對比圖 6-17 對比了 8 用戶上行多址接入系統下分別采用 ODMA 和 IDMA/SCMA 傳輸時的譯碼 BER。為了公平對比，每個用戶的信息長固定為 4096，每個用戶采

99、用相同碼率，1/3 碼率的非系統規則 RA（repeat accumulate）碼。對于 IDMA，RA 碼后面級聯長度為4 的重復碼（擴頻）。ODMA 則插入 3 倍碼長的空閑時隙。SCMA 重復 2 次插入 2 倍的空閑時隙。因此，三個傳輸方案的傳輸總長度和速率相同。解碼端采用基于 ESE（Elementary signal estimation，基本信號估計）的多用戶并行軟干擾消除的聯合迭代譯碼。ODMA 傳輸較 IDMA 有大約 0.65dB 的性能增益，由于采用了用戶交織，低 BER區域 IDMA 優于 SCMA。圖 6-18 無標識隨機接入場景下性能對比圖圖 6-18 給出了在無標

100、識隨機接入場景且采用相同信道編碼的情況下，所提方案、現有的需要前導傳輸的模式和數據分開恢復的方案和模式已知方案的 PUPE（Per-UserProbability of Error，每用戶錯誤概率）曲線?？梢杂^察到：當 PUPE 為 0.01 時，本方案在活躍用戶數分別為 50、150 和 250 的情況下，分別有 0.5dB、0.7 dB 以及 0.9 dB 的性35/66能提升，且所提性能與模式已知方案性能幾乎相同。因此，本節所提方案在不同活躍用戶數的情況下，性能均優于模式和數據分開恢復的方案。圖 6-19 PUPE=0.05 時不同方案的/0值對比圖圖 6-19 給出了當用戶錯誤概率為

101、0.05 時現有方案與所提方案所需的/0?？梢钥闯?，當 200時與可實現界相差 2 dB 以上。此外，由于 ODMA 的超稀疏訪問特性及聯合迭代稀疏圖多用戶譯碼的優勢，本方案譯碼復雜度遠低于 LDPC-MMSE 方案，與 BiG-AMP 方案近似。6.1.4 稀疏稀疏 IDMA 無源多址技術（中國移動）無源多址技術（中國移動）IMT2030 定義了六大場景，其中三種是 5G 時代三大場景的自然延伸，如圖 6-20 所示4。為滿足未來 6G 沉浸式通信，超大規模連接，超高可靠低時延通信，泛在連接的需求，需研究新型多址技術。這幾大需求中，超大規模連接最具挑戰且需求緊迫，因此將是本文研究的重點。與

102、5G 時代 NOMA 相比，6G 新型多址體現在支持更多的用戶接入，如 300 用戶。支持用戶隨機接入，傳統 5G 大部分方法假設用戶的標識已知，而 6G是未知的，需要進行信號檢測和估計。使用新的導頻設計及信號檢測，傳統 5G 導頻設計無法滿足 6G 高達 300 用戶的激活檢測及信道估計。36/66圖 6-20 IMT-2030 的六大場景和四大原則稀疏 IDMA+壓縮感知是海量用戶無源隨機接入的重要技術方案28。稀疏 IDMA 方案的核心設計思想是結合兩項技術，第一項技術是基于壓縮感知的導頻編碼，為了支持無物理層標識傳輸，需要指示用戶獨特信息，可以將交織圖樣、比特重復次數、填零數目等信息組

103、成一個很大的碼本。通過碼本中碼字序號區分不同用戶的獨特信息。碼本序號經過壓縮感知映射成為較短的導頻，附加在數據部分之前，組成復合包進行傳輸。第二項技術是稀疏 IDMA 疊加編碼，采用重復填零交織疊加。通過比特重復來提高抗多用戶干擾的能力，通過加入大量零元素來有效降低多用戶干擾，通過使用不同交織器來區分用戶并隨機化多用戶干擾。這里假設交織圖樣區分用戶，且接收端已知（這本身并不符合無物理層標識的特性）。因此，稀疏 IDMA 是以 IDMA 作為基本的編碼范式，對各個用戶進行重復、填零、交織，形成多用戶信號稀疏疊加，減小多用戶間的干擾。圖 6-21 稀疏 IDMA 的系統架構28圖 6-21 是稀疏

104、 IDMA 的系統架構，第一部分進行導頻編碼。導頻編碼的一種方式是采用 FFT（Fast Fourier transform，快速傅里葉變換）矩陣，將正交矩陣(FFT 或 Hadamard矩陣)的行隨機交織后打孔，得到一個長度較小的序列作為導頻編碼。第二部分進行稀疏 IDMA 編碼。在接收端，導頻與 IDMA 碼字分開譯碼，先通過導頻恢復交織圖樣、比特重復次數、填零數目，在已知的疊加因子圖結構上進行 BP(Belief propagation，置信傳播)或 ESE 譯碼，最終將對應的兩部分信息譯碼結果拼合得到用戶的完整發送信息。以兩個用戶 MAC 系統為例，稀疏 IDMA 的編譯碼原理如圖 6

105、-22 所示。用戶 1 和用戶 237/66都是采用同樣的 LDPC（Low density parity check code，低密度校驗碼）碼進行編碼(這里以 LDPC 編碼為例)，它們各自的校驗節點到變量節點的因子圖是相同的。用戶 1 經過 LDPC 編碼之后沒有重復，只是補 0，所以因子圖中相應部分的邊數沒有增加。用戶2 經過 LDPC 編碼之后重復 2 次，因子圖相應部分的邊數加倍。比特交織之后，因子圖的邊的分布進一步隨機化。兩個用戶分別的因子圖通過 MAC 疊加節點聯系起來，構成一個三層的整體因子圖。整個因子圖的配置信息，包括重復次數和交織圖樣都是通過導頻的壓縮感知恢復算法解出，以

106、輔助 IDMA 的 BP 譯碼。稀疏 IDMA 信道編碼也可以采用其它編碼，如卷積碼，NBLDPC（Non-binary lowdensity parity check，多元低密度校驗碼）編碼。由于這里使用迭代檢測，需要信道編碼的譯碼器能提供軟入軟出的譯碼信息。極化碼難以提供軟入軟出的譯碼信息，或提供的軟入軟出譯碼信息有較大的性能損失，一般在稀疏 IDMA 里不使用29。通過使用密度演進可以計算出用戶使用不同重復次數的性能(度分布優化)，并找出最優的重復次數。圖 6-22 稀疏 IDMA 的編譯碼原理圖 6-22 中可加入填零數目恢復，三層因子圖中的上半部代表了 LDPC 碼的編碼結構，相應的

107、 BP 譯碼器的轉移函數可以表示成=，其輸入為對數似然比（Log-Likelihood Ratio，LLR），輸出為信息比特的軟信息。三層因子圖的下半部代表了MAC 疊加的關系，相應的 BP 檢測器的轉移函數可以寫成=，可以通過 v和 LLR 之間的 EXIT（Extrinsic Information Transfer，外信息傳遞圖）圖來分析稀疏IDMA 的收斂性。圖 6-23 左邊的曲線 v 位于 LLR 左邊，兩條曲線不交叉，可以形成演進通道，成功完成迭代檢測；而圖 6-23 右邊的曲線 v 與 LLR 有交叉，演進通道被堵死，不能成功完成迭代檢測。從圖 6-23 的分析可以看出，稀疏

108、IDMA 的譯碼器特性需要與多用戶檢測器的特性相匹配，才能完成 3 層 BP 因子圖的迭代收斂。傳統的信道編碼通常是針對單用戶信道進行優化的，雖然在單用戶（正交多址）下性能優異，但其迭代譯碼特性不一定能與多用戶檢測器匹配，需要采用新的方法進行設計。38/66圖 6-23 稀疏 IDMA 的 v 和 SNR EXIT 分析壓縮感知(Compressed sensing,CS)是學術界最近提出的信號處理方法，可有效檢測稀疏信號的數值。在無源隨機多址中用于多用戶激活檢測及信道估計。2004 年，幾位學者證明，如果信號是稀疏的，可由遠低于采樣定理要求的采樣點重建恢復。2007 年壓縮感知這個概念被正式

109、提出。壓縮感知的核心是信號在某個變換域是稀疏的，可以用一個與變換基不相關的觀測矩陣將變換所得信號投影到另外一個信號空間上，通過不斷的迭代檢測來完成對原始信號的精確估計。為簡化計算復雜度，在 AMP(Approximate message passing，近似消息傳遞)算法中有兩個假設，一是消息從因子節點到變量節點是近似高斯，二是消息從變量節點到因子節點可以用 Taylor 展開來近似30。對壓縮感知系統而言，發射信號是感知矩陣和稀疏矢量的乘積。AMP 算法收斂需要假設感知矩陣足夠的隨機化。感知矩陣除了是 i.i.d(Independent identical distribution，獨立同分

110、布)Gaussian 的矩陣是很多正交的矩陣，比如 partial random DFT(Discrete Fourier transform，離散傅立葉變換)/DCT(Discrete cosinetransform，離散余弦變換)矩陣。OAMP(Orthogonal approximate message passing，正交近似消息傳遞)和 MAMP(Memory approximate message passing，記憶近似消息傳遞)可以取得比 AMP 更好的性能313233。表 6-4 仿真參數配置參數配置信道AWGN調制BPSK信道編碼LDPC 5G NR,convolution

111、al code卷積碼生成多項式133,171OCT重復次數2碼率0.5壓縮感知數據長度2000多用戶數據傳輸長度28000壓縮感知信息比特長度13每用戶信息比特長度87激活用戶數5030039/66圖 6-24 給出了用戶激活檢測錯誤概率和 FFT 點數的關系。FFT 點數越大，用戶激活檢測性能越差。FFT 點數是 4096 時性能比 FFT 點數是 8192 大概好 3dB。同樣，FFT點數是 8192 時性能比 FFT 點數是 16384 大概好 3dB。此處仿真沒有考慮用戶導頻碰撞，僅僅考慮了壓縮感知進行信號檢測的性能。為降低碰撞概率，需要 FFT 點數足夠大，為降低計算復雜度，需要 F

112、FT 點數足夠小。因此，需要一個平衡的 FFT 取值來滿足碰撞概率和計算復雜度。圖 6-25 給出了達到 Pe=0.05 所需要的 Eb/N0。與文獻28中性能相比，由于我們使用了 FFT 更小的壓縮感知矩陣，我們仿真的 SIDMA 性能更好(同樣是 LDPC 碼)。由于我們的 SIDMA 沒有對重復因子進行優化，取值都是 2，SIDMA 使用 LDPC 時在用戶較大時有明顯的性能損失。同樣是 SIDMA 方案，使用 CC 碼性能比 LDPC 更好。圖中使用CC可以支持275個用戶，使用LDPC僅僅支持225個用戶。這說明信道編碼對SIDMA性能有較大的影響。我們仿真結果(使用CC的SIDMA

113、)與理論界有大概1dB的性能損失。此處仿真所有用戶重復因子是 2。在進行重復因子的優化后，SIDMA 可以取得更好的性能，如支持的激活用戶數更大，或需要的信噪比更低。圖 6-24 錯誤檢測概率與 FFT 點數關系，激活用戶數是 30040/66圖 6-25 SNR 門限隨活躍用戶數的變化關系6.2 發射機設計方案發射機設計方案6.2.1 基于虛擬用戶分割的多址方案（基于虛擬用戶分割的多址方案（DOCOMO）為實現 6G 的 Ubiquitous connectivity34，非地面網絡（Non-Terrestrial Network,NTN）是對地面網絡不可獲缺的補充，具體可包含衛星（高軌、中

114、軌、低軌）、高空平臺站（HighAltitude Platform Station,HAPS）等。HAPS 部署于距離地面 20km 左右的平流層中，可以保持基本對地靜止，具有易部署、成本低等優點，是日本在 5GA 及 6G 的重要戰略之一35。為了實現 HAPS 的廣覆蓋，通常需要多波束傳輸（Multi-beam transmission）。由于HAPS 機上載荷、面積受限等，在發射端進行 Beamforming 時無法消除波束間、以及波束內多用戶的干擾，需要通過多址方案設計進行消除或避免?，F有常用的多址方案包含正交多址接入（Orthogonal MultipleAccess,OMA），例如

115、時分、頻分等，對相鄰 Beam 或者 Beam 內多個用戶分配正交的時間或頻率資源，避免干擾。由于 HAPS 覆蓋范圍較廣、覆蓋范圍內的用戶數可能較大，OMA 會嚴重影響接入用戶數、或者每個用戶的數據速率。為了克服邊緣用戶受到的較強的 Beam 間干擾，36提出一種 Cooperative NOMA 方案，通過使用多個 Beam 聯合服務 1 個邊緣用戶，實現類似于 CoMP 的效果。為支持兩用戶，37提出了 RSMA（Rate-Splitting MultipleAccess，速率分拆多址接入）用于 NTN 多波束傳輸系統，結果表明當兩個用戶分別位于兩個相鄰 Beam 的中心位置、干擾較弱時

116、增益較大，當干擾較強時，該方案性能增益較小?，F有方案一方面只能服務于 1 個邊緣用戶、或者 2 個中心用戶，對用戶配對以及用戶數量要求嚴格。為解決該問題，我們提出一種基于虛擬用戶分割（Virtual User Splitting）的增強非正交多址（eNOMA）方案，并基于 eNOMA 靈活的功率參數調整、實現一種統一的多址接入方案38，具體如下?？紤] 2 個中心用戶、1 個邊緣用戶共 3 用戶的下行 HAPS 多波束傳輸系統，對邊緣用戶進行 Rate splitting，將一流數據拆分為兩流，并將兩流數據看作兩個虛擬的用戶。將每個虛擬邊緣用戶與一個中心用戶配對，進行功率域 NOMA 傳輸；兩組

117、 NOMA 配對用戶使用不同 Beam 傳輸，實現 SDMA（Space Division MultipleAccess，空分多址接入）。如圖 6-26 所示，通過 Rate splitting、NOMA、SDMA 的結合，一方面可以將部分波束間干擾視作有用信號，同時可以充分利用波束內多用戶的功率差異將部分波束間干擾進行刪除，獲得性能增益。41/66圖 6-26 基于虛擬用戶分割 eNOMA 方案的發射機結構（3 用戶）在該方案中，每個 NOMA 用戶組需要進行功率分配，比如波束 1 中的 UE1 與虛擬UE31 功率分配因子分別為1與 1 1，波束 2 中 UE2 與虛擬 UE32 功率分配

118、因子分別為2與 1 2。根據不同的1與2取值，可以得到每個用戶側接收信號的功率排序、以及干擾刪除 IC 順序，進而可以推導得到各自的 SE 公式，如表 6-5 所示。以最大化總SE 為目標，可以獲得不同用戶位置時最優的功率參數1與2。表 6-5 不同功率分配因子的 SE可以發現，當最優功率參數取值滿足 0 1,2 1 時，實現圖 6-27(a)中配置 1 的效果，即 eNOMA 同時服務 3 用戶；當最優功率參數取值滿足1=1 或2=1 時，實現圖 6-27(b)中配置 2 的效果，即由傳統的 NOMA 服務一個波束內的兩用戶、另一波束服務另一用戶。當最優功率參數取值滿足1=1 且2=1 時，

119、實現圖 6-27(c)中配置 3的效果，即兩個波束分別服務一個用戶；當最優功率參數取值滿足1=0 且2=0 時，實現圖 6-27(d)中配置 4 的效果，即兩個波束同時服務一個用戶。因此，提出的基于虛擬用戶分割的 eNOMA 方案通過參數調整，既可以支持現有方法、也可以服務 3 個用戶的場景，提升系統吞吐量、以及連接能力。圖 6-27 適用于不同用戶位置的統一多用戶復用方法的示意圖為驗證提出方案的性能，下面給出仿真結果。仿真參數以及三用戶位置分布如圖6-28 所示?？紤]兩種比較方案，比較方案 1 為 SDMA+NOMA，即圖 6-27 中配置 2 的現有方法；比較方案 2 為 SDMA+TDM

120、A，即圖 6-27 中配置 2+配置 3 的方案，第一個時間段兩個波束分別服務干擾小的兩個中心用戶、第二個時間段兩個波束同時服務干擾強的一個邊緣用戶。注意為了公平比較，比較方案 1 中 NOMA 的功率分配、比較方案 242/66中 TDMA 的時間分配也均為最優值?？紤]圖 6-28 中的用戶位置。當用戶由 HAPS 覆蓋邊緣向 HAPS 覆蓋中心移動、且UE3 由 UE2 向 UE1 移動時，例如圖 6-28 中，用戶對從小區層 3 與層 4 的位置開始，變為用戶對位于小區層 2 與層 3 的位置，再變為用戶對位于小區層 1 與層 2 的位置，仰角會由小向大變化（即圖 6-29 中的 x 軸

121、），用戶的信號功率會逐漸變強，UE2(或 UE1)受到 UE3 的干擾功率會隨著 UE3 在連線上的移動逐漸變?。ɑ蜃兇螅?，而 UE3 受到 UE1與 UE2 的干擾則會先變小、再變大。圖 6-28 仿真假設圖 6-29 給出上述仿真假設下的 SE 性能，考慮每個用戶的最小 SE 需求為 1bps/Hz。性能表明，與現有方法相比，提出方案始終可以獲得最優性能。且在 HAPS 星下點的小區附近、ITU 天線模型時獲得最大的 48%的性能增益，即干擾越嚴重、提出方案獲得的性能增益越高。此外，對某些區域，現有方案無法滿足最低 SE 需求，而提出方案始終可以滿足 SE 需求。圖 6-29 用戶最低 S

122、E 需求 1bps/Hz 時，不同 HAPS 邊緣用戶仰角的 SE 性能。（左圖）ITU 天線模型（右圖）3GPP 天線模型綜上所述，提出方案可以在 HAPS 多波束傳輸系統中，獲得更大的連接數、更高的SE 性能。6.2.2 基于資源跳躍的多址方案（北交）基于資源跳躍的多址方案（北交）面向海量連接的免授權隨機接入方式可以避免巨量的交互信令開銷，減少終端能耗及時延。多址技術在于給不同用戶的信號賦予特征從而使接收端可以區分不同用戶的信43/66號。在現有免授權隨機接入方案中，基站在隨機過程開始前會通過一次交互將用戶信號特征的分配信息廣播給所有連接用戶，或者海量終端在激活傳輸時，隨機從簽名池中選擇一

123、個簽名來表征自己的信號。相較于預先分配的方式，從簽名池中隨機選擇的方式并不需要基站與終端進行一次交互，實現真正的免授權隨機接入。然而，此種方式很容易造成用戶簽名的碰撞。ALOHA 方案即一種免授權隨機接入方式，用戶隨機選擇某一信道資源做為簽名進行接入。然而，當有多個占用同一正交信道的用戶同時激活，則這些用戶的信號會在接收端發生碰撞，從而導致低的吞吐量以及高傳輸延遲。資源跳躍多址是一種適用于大規模免授權隨機接入系統的物理層多址方案。該方案基本思想為將單個時隙內的用戶數據包進行分段，而后以數據段為基本單位進行段編碼以生成冗余數據段。之后，包含冗余數據段在內的所有編碼數據段將映射至不同的信道資源（擴

124、頻序列、子載波等）上，從而以有限信道資源生成大量跳躍圖案做為簽名來表征海量用戶的傳輸信號，并利用冗余段解決用戶間導致的部分碰撞。方案發射機如圖6-30 所示，該方案與傳統發射機不同之處在于其在信道編碼之后利用分流器將用戶數據比特分成多個數據段，而后利用段編碼生成冗余數據段。之后用戶根據自己所特定的資源映射圖案將每一個編碼數據段上的數據符號映射至不同的信道資源上，而后再利用合流器將多個編碼數據段合并進行傳輸。圖 6-30 資源跳躍多址發射機設計方案接收機如圖 6-31 所示，當基站接收到數據之后，首先利用分流器將接收數據分成多段，并針對每段檢測其在每個信道資源上是否映射有數據，而后根據在所有段上

125、所檢測到的信道資源的映射情況，基于資源跳躍圖案碼本對接入的激活用戶的簽名進行識別。用戶簽名識別之后，接收機針對每一個識別用戶基于其資源映射圖案將其所有段上的數據進行解映射，而后進行信道估計、均衡以及解調，并將該識別用戶所有段上的數據比特輸入到段解碼器中解碼及合并，輸入到信道解碼器中。44/66圖 6-31 資源跳躍多址接收機設計同時，資源跳躍多址方案的接收端可以結合碼片級 SIC 以復雜度為代價來提升碰撞解決能力。如圖 6-32 所示，當一個用戶可以被成功解碼時，接收機可以將其數據進行恢復，并從接收數據中減去，如此原先無法被解碼的用戶中被碰撞的段在下一次就有可能變為無碰撞的段，從而可以讓該用戶

126、被成功解碼。圖 6-32 結合 SIC 的資源跳躍多址發射機設計RHMA（Resource Hopping MultipleAccess，資源跳躍多址接入）通過引入資源跳躍圖案可以擴大簽名池的規模，若正交信道資源的數量為 q，傳統 ALOHA 可以生成的簽名池規模即為 q，但 RHMA 可以生成的簽名池規模為 q2，如此降低了用戶全碰撞的概率。圖 6-33 展示了 ALOHA 在 q=8，q=64 時以及 RHMA 在 q=8 時具有 SIC 和不具有SIC 時的碰撞解決概率?？梢钥吹?，由于 RHMA 基于 q=8 可得到規模為 64 的簽名池，因而在激活用戶數量 Ka小于 8 時，RHMA

127、的碰撞解決概率與 ALOHA 在 q=64 時的碰撞解決概率一致。此時，RHMA 中用戶間數據段的碰撞可以被段編碼生成的冗余數據段所恢復。但當激活用戶數量 Ka進一步增大時，段編碼產生的冗余數據段不足以恢復用戶間所碰撞的數據段，因而 RHMA 的碰撞解決能力會出現下降。同時，可以看到，RHMA碰撞解決概率的下降可以利用結合 SIC 的方案進行延緩，當利用 SIC 時，激活用戶數量Ka在達到 14 時才會出現碰撞概率的下降。因此，RHMA 是通過犧牲用戶速率來提升用45/66戶在免授權隨機接入中的接入可靠性。圖 6-33ALOHA 與 RHMA 的碰撞解決概率對比針對RHMA方案，利用Matla

128、b軟件和USRP B210搭建了對應的多個用戶接入平臺，測試了兩個隨機用戶接入基站時，兩個用戶的發送數據在接收端的 BLER 圖，以此驗證了基于資源跳躍多址方案的多用戶接入系統的可靠性。如圖 6-34 給出了搭建的對應通信系統的平臺。圖 6-34 基于資源跳躍多址方案的通信平臺根據搭建的圖 6-34 實驗平臺，通過多次實驗得到了兩個用戶隨機接入基站的 BLER圖，如圖 6-35 所示，可以看到隨著發射功率（USRP 的前端射頻增益）的變化，兩個用戶在接收端的 BLER 變化趨勢基本一致，且能達到一個較低的水平，依次可以驗證基于資源跳躍多址方案的可靠性。46/66圖 6-35 兩個用戶接入基站的

129、 BLER6.2.3 模式分割的隨機接入方案（北科）模式分割的隨機接入方案（北科）大規模機器類通信(massive Machine Type Communication，mMTC)場景具有高達千萬空閑用戶、上萬同時活躍用戶、短數據包發送以及低時延限制等業務特征。對于 mMTC場景，當大量 MTC 設備同時向基站進行隨機接入(RandomAccess，RA)嘗試時，有限的RA 資源會造成 RA 信道擁塞39和嚴重的導頻碰撞，進而使各類接入指標嚴重退化。此外，傳統的基于授權的隨機接入(Grant-Based RandomAccess，GBRA)方案復雜的信令交互過程導致時延開銷過大，已無法滿足 m

130、MTC 場景低時延通信需求。因此，亟需突破現有 GBRA 模式，設計適用于 mMTC 場景的新型大維 RA 方案。免授權隨機接入(Grant-Free RandomAccess，GFRA)方案40免去了復雜的握手協議，傳輸導頻后無需經過基站授權，可直接在相同時頻資源塊上進行數據傳輸，再結合大規模多輸入多輸出(massive Multiple-Input Multiple-Output,mMIMO)技術，其作為下一代無線通信關鍵技術之一，能夠提高空間分集增益，支持海量 MTC 設備連接，使用戶容量、接入能效產生數量級的提升。然而，在此基礎上有限的 RA 資源導致的導頻碰撞仍是限制 mMTC 場景

131、下接入性能的關鍵，針對這一問題，本節介紹一種面向 mMIMO 系統基于GFRA方案的模式分割隨機接入(Pattern Division RandomAccess，PDRA)設計原則41，即設計基于“圖樣疊加”的模式域導頻，將導頻競爭空間擴展到模式域，在不增加物理資源的前提下擴大導頻競爭空間，并且接收端可以低復雜度實現“部分碰撞”判決，從而降低導頻碰撞概率，提高接入成功率。模式域導頻的設計思想為對正交/非正交的結構化資源塊進行有限域操作，即基于“圖樣疊加”的導頻設計。本節以線性組合為例詳細介紹模式域導頻的設計思路，如圖6-36 所示，為 4 個正交塊中任意 2 個正交塊線性組合 PDRA 圖樣，

132、其中正交構造塊數量為 4，而進行線性組合正交構造塊數量=2，模式域導頻總數為 6。第一種模式是正交塊 1 和正交塊 2 疊加形成的模式域導頻 1。類似地，模式域導頻 2 的模式是由正交塊 1和正交塊 3 疊加形成的，以此類推。因此，PDRA 是一種基于編碼模式的隨機接入技術，其中編碼模式的設計為 RA 過程生成一組模式域導頻。47/66圖 6-36 4 個正交塊 PD 導頻圖樣（=2）3GPP 4G/5G 系統中每個導頻序列由具有不同循環移位和根索引的 ZC(Zadoff-Chu)序列生成，用戶在公用導頻池中隨機選擇一個導頻序列發送至基站進而發起 RA 請求。以 ZC 序列為例，將模式域導頻構

133、造為同一 ZC 根序列的循環移位序列中任意個不同序列的疊加，假設單一 ZC 根序列構造的導頻集合大小為，對于根序列號為的 ZC 序列，其構造的第個模式域導頻表達式為：,=1=1,0,1,0 3，PDRA方案在=32 時的性能優于傳統 RA 方案=64 時性能，這是因為模式域導頻通過擴大導頻競爭空間有效緩解了導頻碰撞。圖 6-38 給出空間相關瑞利衰落信道下，相關系數=0.6，激活概率=0.15%時，RA 成功概率隨 ZC 根序列數的變化曲線。與空間不相關瑞利衰落信道下的仿真結果相比，兩種方案的 RA 成功概率都有所下降，其原因在于信道空間的相關性。但與傳統方案相比，所提出 PDRA 方案仍能獲

134、得相似的性能增益。48/66圖 6-37 不相關瑞利衰落信道下接入成功概率曲線圖 6-38 相關瑞利衰落信道下接入成功概率曲線6.3 接收機設計方案接收機設計方案6.3.1 基于稀疏結構變換迭代接收機（北科）基于稀疏結構變換迭代接收機（北科）大規模多輸入多輸出（Massive Multiple-Input Multiple-Output,M-MIMO）系統通過在基站裝配成百上千根天線，同時為同一頻帶內的數十個用戶服務，可顯著提升系統頻譜效率和能量效率。但接收機計算復雜度隨終端數及接收/發射天線數增加而顯著增大，給實際工程實現帶來巨大挑戰。因此，設計低復雜度高性能的接收機對滿足未來 6G 通信需

135、求至關重要。針對上行 M-MIMO 通信系統介紹一種適用于消息傳遞（Message Passing,MP）算法的信息無損因子圖稀疏結構變換（Sparsification Transformation,ST）迭代接收機框架4243，此算法能夠消除因子圖中大量短環，降低因子圖中節點的度，從而抑制多用戶間干擾，并降低 MP 算法的計算復雜度。49/66考慮一個上行 M-MIMO 通信系統，K 個單天線用戶向配置 M 根天線的基站發送信號=1,2,，則基站處接收信號 1可以表示為=+其中，1 0,2，表示信道的頻域響應矩陣。對于 MP 類算法，以期望傳播（Expectation Propagation

136、,EP）算法為例，根據貝葉斯推斷理論，發送信號與接收信號的聯合分布表示為,=|=1|=1?聯合分布的因式分解可以用一個因子圖表示，如圖 6-39 所示，其中先驗節點（PriorNode,PN）為檢測器的先驗信息，變量節點（Variable Node,VN）為發送數據信息，因子節點（Factor Node,FN）為接收數據信息。VN 和 FN 之間的邊表示兩點相連，迭代地傳遞消息，并借助于概率邊緣化步驟得到待檢測符號或估計參數的后驗分布，使用后驗概率和后驗均值分別完成符號檢測和參數估計。圖 6-39 上行 M-MIMO 通信系統因子圖由于計算是對用戶聯合空間及發送符號所在的離散星座圖進行全局搜索

137、，計算復雜度隨著用戶數和調制階數的增加呈指數增長，尤其是在使用高階調制的情況下。此外，對于全連接 M-MIMO 系統，因子圖中存在大量短環，導致基于 EP 算法的收斂性和魯棒性惡化。針對上述問題，考慮基于稀疏結構變換迭代檢測（ST-based EP,S-EP）算法構建轉換函數，將信道矩陣轉化為稀疏矩陣，從而降低因子圖中節點的度。假設轉化函數為線性函數，則需要找到一個矩陣將原信道矩陣線性變換為稀疏矩陣，即=。例如，信道矩陣利用 QR 分解=，進而構造變換矩陣=，則稀疏矩陣=。是一個上三角矩陣，非零元素個數為 +1/，以=4、=3 系統為例，變換后的系統模型表示為?4?3?2?1=4,34,24,

138、103,23,100002,10321+?4?3?2?1?3?2?1=3,33,23,102,22,1001,1321+?3?2?1可見，?,的無效項被忽略，未被忽略的等效接收向量元素的標量表達50/66為?=1,+?因此，對于?，來自第()個用戶的信號被有效抑制；對于過載比較高的M-MIMO 系統，用戶間干擾抑制特性會更加明顯，從而顯著提升信號檢測性能。經過稀疏變換后的因子圖，如圖 6-40 所示，無效接收信號項被忽略，因子圖中相互連接的線段大量減少，有效因子節點的個數從減少為，變量節點的度從原來的降低為 +1，因子節點的度由原來的降低為。因此，減少了迭代過程中的消息傳遞計算，有效地降低了

139、S-EP 算法在迭代過程中的計算復雜度。圖 6-40 稀疏因子圖圖 6-41 計算復雜度分析圖 6-41 給出了 S-EP 算法與 EP 算法計算復雜度的仿真比較結果。由于 S-EP 中 QR分解的預處理過程，當迭代次數小于 3 時，S-EP 算法的計算復雜度高于 EP 算法的計算復雜度。當迭代次數大于 3 時，S-EP 算法的計算復雜度低于 EP 算法的計算復雜度。且基站處配置天線數越多，S-EP 算法較 EP 算法的計算復雜度降低地越明顯。51/66(a)M=32(b)M=40圖 6-42 基于 S-EP 算法與其它算法的接收機性能比較圖 6-42 給出了基于 S-EP 算法的接收機性能分

140、析，與近似消息傳遞（ApproximateMessage Passing,AMP）算法和矢量近似消息傳遞（VectorApproximate Message Passing,VAMP）算法比較，如圖 6-42(a)所示，提出的 S-EP 接收機性能優于 EP 和 AMP 接收機，并且具有與 VAMP 接收機相似的性能。在高階 QAM 調制下，可以看到 S-EP 接收機較EP 和 AMP 接收機獲得了比 QPSK 調制下更高的性能增益。由于 S-EP 算法中沒有復雜矩陣求逆運算，S-EP 接收機較 VAMP 接收機具有更好的性能-計算復雜度折中特性。如圖 6-42(b)所示，隨著天線數的增多，S

141、-EP 接收機 BER 性能優勢略微降低，但根據圖 6-41可知，隨著天線數的增大，S-EP 算法計算復雜度優勢更加明顯?；?ST 的迭代接收機通過構建轉換函數對信道矩陣進行稀疏化，并相應地對系統輸入輸出模型進行等價變換，經過稀疏結構變換后，因子圖中變量節點及因子節點的平均度降低約50%，有效降低系統中多用戶間干擾，進而增強接收機檢測性能。為M-MIMO系統中大規模多用戶接入和大容量無線傳輸提供一種有效的低復雜度高性能接收機方案。本節提出的接收機方案可以直接適配于非正交多址接入系統中。6.3.2 容量最優且低復雜度的迭代接收機和多用戶編碼方案（西電、浙大）容量最優且低復雜度的迭代接收機和多用

142、戶編碼方案（西電、浙大）隨著無線通信技術和物聯網產業的快速發展，各種新興的通信業務應運而生，如異構車聯網系統、多媒體通信、移動無人機系統等，預計在未來 6G 中無線終端連接數量達到每平方公里 1000 萬。為支持大規模連接，多用戶多輸入多輸出（MU-MIMO）可為海量數據傳輸提供大量空間資源。然而，由于數據種類繁多、信道復雜、用戶數量和天線數量龐大，通信場景變得更加復雜，這使得傳統基于理想假設的 MU-MIMO 技術不再適用（即接入用戶/天線數量有限、單用戶編碼、理想高斯信號、收發端均已知信道狀態信息（Channel State Information,CSI）和獨立同分布（IID）信道矩陣）

143、。無法有效地支持復雜的 6G 通信場景。因此，本節聚焦于一種更實用的大規模離散 MU-MIMO，其涵蓋了更為實際的通信假設：海量天線數與用戶數，實用的信道編譯碼，任意輸入分布，僅接收機已知 CSI 以及更為一般右酉不變信道矩陣(包括瑞利衰落，某些病態和相關信道矩陣)，如表 6-6 所示。這些實際的假設也給大規模離散 MU-MIMO 系統設計帶來了新的挑戰：大規模離散大規模離散 MU-MIMO 系統的實際多用戶碼的設計原理仍不清楚系統的實際多用戶碼的設計原理仍不清楚：傳統單用戶編碼是專門為克服信道噪聲而設計的，忽略了大規模天線和多用戶的影響，因此不能52/66應用于大規模離散 MU-MIMO。如

144、何在如何在低低復雜度下實現大規模離散復雜度下實現大規模離散 MU-MIMO 的最佳性能是一個巨大挑戰的最佳性能是一個巨大挑戰：全局最大后驗接收機是最佳解決方案，但由于其復雜性過高，無法用于大規模系統。在任意離散輸入分布和右酉不變信道矩陣的條件下，現有的高效接收機（如Turbo-LMMSE 和 AMP）均是次優的。表 6-6 傳統 MU-MIMO 與離散 MU-MIMO系統約束理想假設/局限實際約束/特點信號類型高斯離散離散信道矩陣獨立同分布相關相關/病態病態用戶/天線小規模大規模大規模信道狀態收發端已知僅收端已知僅收端已知信道編碼單用戶編碼多用戶編碼多用戶編碼為解決上述挑戰，本節提出了適用于

145、AMP/Turbo 類接收機的最優多用戶編碼設計準則和 MAMP 接收機，以解決離散輸入信號下先進 Turbo-LMMSE 接收機的性能惡化難題、設計實用且可逼近大規模離散 MU-MIMO 約束容量域的多用戶 MU-LDPC 碼，從而確保復雜通信場景下良好的魯棒性。系統模型系統模型圖 6-43 大規模離散 MU-MIMO 系統在圖 6-43 所示大規模離散 MU-MIMO 系統中，個用戶采用 IDMA 傳輸方案，即每個用戶采用相同的多用戶編碼器(包含數字調制器)和用戶特定的交織器對信息序列進行編碼和交織，生成符號序列 傳輸至信道傳輸，=1,。相應地，配備了根接收天線的接收機收到信號：=+其中為

146、任意離散輸入信號，為右酉不變信道矩陣(涵蓋了常見瑞利、相關、病態等信道矩陣)，為加性高斯白噪聲（AWGN）?？蛇M一步擴展到更為廣泛的多用戶組不等速率的非對稱 MU-MIMO 系統44?；诮邮招盘?，信道矩陣以及的先驗信息，利用 AMP/Turbo 類接收機進行信號恢復，如 Turbo-LMMSE4546，AMP47，OAMP4448，MAMP4950等。常見的 AMP/Turbo 類接收機的比較如表 6-7 所示。53/66表 6-7 MU-MIMO 系統下 AMP/Turbo 類接收機對比方案方案/算法算法信號信號信道矩陣信道矩陣容量類型容量類型最優性最優性計算復雜度計算復雜度AMP47任意

147、獨立同分布約束容量容量最優低復雜度O(MNT)MAMP50右酉不變OAMP44高復雜度O(M2N+MNT)Turbo-LMMSE4546高斯高斯容量容量容量-面積定理面積定理針對任意離散離散輸入信號，右酉不變信道矩陣 （即的奇異值分解為=H，其中 和 是酉矩陣，為矩形對角矩陣。和是獨立的，是 Haar 分布的），則大規模離散 MU-MIMO 的約束容量為：=I(+;)針對大規模系統,，由于無法直接計算上式中的互信息來表征約束容量，因此，借助 AMP/Turbo 類算法的 MMSE 最優性和互信息與最小均方誤差（I-MMSE）引理51，利用如圖 6-44 所示的狀態演化(SE)，可以簡化計算大規

148、模離散 MU-MIMO 的約束容量，同時也證明了 AMP/Turbo 類接收機的容量最優性(如表 6-7)。圖 6-44AMP/Turbo 類算法的狀態演化圖 6-45 大規模離散 MU-MIMO 容量-面積定理定理定理 1 容量容量-面積定理：面積定理：針對大規模離散 MU-MIMO 場景，給定信噪比 snr 下，則根據 I-MMSE 引理，根據 AMP/Turbo 類接收機中檢測器和解調器的狀態演化（SE）轉54/66移曲線，如圖 6-45 所示，計算大規模離散 MU-MIMO 的約束容量為：=面積min檢測，解調定理定理 2 AMP/Turbo 類接收機的約束容量最優性：類接收機的約束容

149、量最優性：根據 I-MMSE 引理可知，在AMP/Turbo 類接收機中，檢測器和解調器的狀態演化（SE）轉移曲線圍成的面積為接收機的信息理論極限（最大可達速率），=即 AMP/Turbo 類接收機可以達到大規模離散 MU-MIMO 約束容量。以輸入 16QAM 信號為例，圖 6-46 給出了 AMP 接收機47和 Turbo-LMMSE 接收機45的最大可達速率對比?？梢钥闯?，相比 Turbo-LMMSE 接收機，AMP 接收機最大可達速率在高信噪比區域可提升約 20%。圖 6-46AMP 與 Turbo-LMMSE 可達速率比較圖 6-47AMP 接收機下多/單用戶碼可達速率比較最優最優多

150、用戶多用戶編碼準則編碼準則為保證 AMP/Turbo 類接收機能夠同時達到無錯誤信號恢復性能和最大可達速率，需要進一步設計多用戶編碼方案。因此，根據 AMP/Turbo 類接收機的迭代消息更新規則，結合相應狀態演化（SE）分析，可得到最優多用戶編碼準則。定理定理 3 最優多用戶編碼準則：最優多用戶編碼準則：以最大化可達速率和無差錯恢復信號為目標，如圖55/666-45 所示，最優多用戶編碼的準則為：最優譯碼=min 檢測，解調以輸入高斯信號為例，圖 6-47 對比了分別采用多用戶編碼與傳統單用戶編碼的AMP-type 接收機最大可達速率?？梢钥闯?，在高信噪比區域，多用戶編碼的可達速率遠高于單用

151、戶碼（在信噪比 2040dB 時，多用戶碼可達速率約為單用戶碼的 24 倍），而單用戶碼的可達速率隨著信噪比不斷增大逐步趨于常值，難以增加。通過對比可以進一步反映出在大規模離散 MU-MIMO 中多用戶編碼的重要性。以設計實用多用戶 MU-LDPC 為例，根據圖 6-45 所示的最優譯碼曲線，利用外信息轉移圖(EXIT Chart)方法，以譯碼器的 SE 轉移曲線與最優譯碼曲線相匹配為目標，優化LDPC 度分布。為進一步達到大規模離散 MU-MIMO 的約束容量，可進一步設計不同速率的非對稱 MU-LDPC 碼4445。MAMP 接收機接收機圖 6-48 MAMP 接收機為能夠實現低復雜度且高

152、可靠地恢復信號，采用記憶近似消息傳遞（MAMP）接收機4950，如圖 6-48 所示，MU-MAMP 接收機由記憶線性檢測器（MLD）和非線性檢測器（NLD）組成，其中 MLD 采用長記憶匹配濾波器（LM-MF）來代替 OAMP/VAMP接收機4448中最小均方誤差（LMMSE），并在 NLD 采用阻尼來保證和加速收斂。線性檢測 MLD:=1?非線性檢測 NLD:+1=?=,+1其中=1,?=?11+，=，=min+max/2，min和max分別是矩陣的最小和最大特征值。此外，松弛參數和權重參數可用來提高 MU-MAMP 接收機的收斂速度。以用戶數和發射天線總數 N=500 和 5000，信道

153、負載=1.5，信道矩陣的條件數=10 或 50 為例，如圖 6-49 和圖 6-50 所示：1）針對相同 MU-LDPC 碼：MAMP 與 OAMP 誤碼性能（BER）相同，但 MAMP復雜度更低（當 N=5000 時，MAMP 時間復雜度降低至約 0.4%）；2）針對相同 MAMP：MU-LDPC 比單用戶 SU-LDPC 有 3.75dB 增益，證實了貝葉56/66斯最優檢測算法和最優的單用戶碼是嚴格次優的方案；3）接 收 機 性 能 大 小 關 系：MAMP/OAMPTurbo-LMMSE 常 用 線 性 檢 測(ZF/MF/LMMSE 等)圖 6-49 OAMP 與 MAMP 接收機性

154、能比較圖 6-50 OAMP 與 MAMP 接收機時間復雜度比較57/667.技術路線（中信科）技術路線（中信科）第 6 章中討論了海量接入場景下的關鍵技術，可以用來實現海量接入。根據技術特征，可以歸納為非正交多址、非協調、隨機接入和多址傳輸融合、接收機優化設計四條技術路線。非正交多址非正交多址為了避免多用戶相互干擾，傳統的多址接入一般采用正交的方式，例如時域正交、頻域正交、碼域正交、空域正交等。受限于正交資源的數量，采用正交多址接入系統，同時所能支持的連接數相對也會受限。采用非正交多址技術，可以在以下幾個方面取得增益：（1）非正交多址接入能夠提升系統的多用戶復用能力，支持大量終端復用共享的時

155、頻資源進行數據傳輸。（2）可以基于碼域、功率域、空間域等特征，對同時接入和通信的用戶進行區分。（3）與傳統的正交多址技術相比，可以支持更多的終端設備同時建立連接和進行通信，也即能夠進一步提升連接密度。第 6 章中，從多個維度對海量接入關鍵技術進行了介紹，這些技術采用非正交的處理方式，能夠有效提高支持的終端設備數，比如“基于虛擬用戶分割的多址接入”以及“基于資源跳躍的多址接入”關鍵技術?！盎谔摂M用戶分割的多址接入”通過 Rate splitting、NOMA、SDMA 的結合，將部分波束間干擾視作有用信號，充分利用波束內多用戶的功率差異將部分波束間干擾進行刪除，獲得性能增益，可以在高空平臺站多

156、波束傳輸系統中，獲得更大的連接數、更高的 SE 性能?！盎谫Y源跳躍的多址接入”將單個時隙內的數據包分段，以數據段為基本單位進行段編碼生成冗余數據段。將編碼數據段映射至不同的信道資源上，以有限信道資源生成大量跳躍圖案作為簽名來表征海量用戶的傳輸信號，利用冗余段解決用戶間的部分碰撞。接收端結合碼片級串行干擾消除以復雜度為代價來提升碰撞解決能力。非協調非協調對于大量終端進行接入和數據傳輸的場景，如果采用協調的方式，由網絡對終端進行 UE-specific 的協調，這將需要大量的信令資源開銷，有限的資源和特定的時延要求，限制了允許的最大連接數，為了支持大量終端設備同時接入和數據傳輸，提升連接密度，需

157、要考慮非協調（也可以稱為 Unsourced，無源的）的接入和數據傳輸方式。采用非協調技術，可以在以下幾個方面取得增益：（1）終端從隨機接入到多址傳輸的整個過程不需要 UE-specific 的網絡協調信令，僅需要廣播的小區基本配置信息，可以節省網絡協調信令資源，解除有限的資源對接入用戶數的限制，提升連接密度。（2）終端自主進行數據的發送，不需要等待網絡的調度，可以降低時延。58/66第 6 章中，介紹了“非協調隨機接入和傳輸技術”、“高效無連接傳輸”、“基于 ODMA的多用戶編譯碼方法”以及“稀疏 IDMA 無源多址接入”關鍵技術，這些技術采用非協調的方式進行通信，能夠有效降低時延、提高支持

158、的終端設備數?！胺菂f調隨機接入和傳輸技術”將初始接入和多址傳輸過程進行融合，不需要網絡協調，采用非正交的方式同時實現隨機接入和多址傳輸兩個過程。在滿足每終端差錯性能的條件下，通過一個統一的編碼過程實現海量終端共享資源；不需要網絡協調，節省了網絡協調信令資源，解除了資源對終端數量的限制，能夠支持海量終端的接入和傳輸?！案咝o連接傳輸”中深度睡眠狀態的節點可直接進行數據傳輸，無需事先建立連接；完成數據傳輸后進入深度睡眠，無需釋放連接。采用 Data-only、獨立多導頻、稀疏導頻等技術，盡可能避免導頻碰撞，實現簡單高效的無連接高負載傳輸?！盎?ODMA 的多用戶編譯碼方法”不依賴于重復（擴頻）和

159、用戶交織。通過用空閑代替重復，用于譯碼的因子圖在非常短的周期內變得十分稀疏?？梢詫崿F顯著的多用戶譯碼性能增益，同時顯著降低譯碼復雜度?！跋∈?IDMA 無源多址接入”結合壓縮感知和稀疏 IDMA 疊加編碼，將交織圖樣、比特重復次數、填零數目組成碼本，經過壓縮感知映射成導頻，附加在數據前傳輸。通過比特重復提高抗多用戶干擾能力，通過加入零元素降低多用戶干擾，通過不同交織器區分用戶并隨機化多用戶干擾。隨機接入和多址傳輸融合隨機接入和多址傳輸融合傳統的通信系統采用先進行隨機接入，完成接入后再傳輸數據的方式進行通信。對于大量終端需要同時接入和數據傳輸的場景，如果仍然采用這種方式，大量終端在隨機接入過程中

160、會發生碰撞，需要進行沖突解決，完成沖突解決實現接入之后，進而基于網絡的調度進行數據傳輸，受限于網絡協調的通信方式和接入傳輸兩個獨立的過程，會引入比較大的時延，不利于大量終端的應用場景。將隨機接入過程和多址傳輸過程融合起來，可以提高傳輸效率，增加連接密度。采用隨機接入和多址傳輸融合技術，可以在以下幾個方面取得增益：（1）將隨機接入和多址傳輸融合成一個過程，同時發送前導序列和數據包，可以降低時延。（2）隨機接入的前導信號和多址傳輸的數據信號復用在一起進行傳輸，可以節省網絡協調信令資源和數據傳輸調度資源，支持更多的終端連接，提升連接密度。第 6 章中，介紹了“非協調隨機接入和傳輸技術”、“高效無連接

161、傳輸”、“稀疏 IDMA無源多址接入”以及“模式分割的隨機接入”關鍵技術，這些技術采用無連接的方式，將隨機接入和數據傳輸融合，能夠有效降低時延、提高支持的終端設備數?！胺菂f調隨機接入和傳輸技術”將初始接入和多址傳輸過程進行融合，同時發送前導序列和數據包，不需要獨立的接入過程和數據傳輸過程，采用非協調和非正交的方式同時實現隨機接入和多址傳輸兩個過程。59/66“高效無連接傳輸”采用 Data-only、獨立多導頻等技術，處于深度睡眠狀態的節點可直接進行數據傳輸，無需事先建立連接，完成數據傳輸后進入深度睡眠，無需釋放連接?！跋∈?IDMA 無源多址接入”結合壓縮感知和稀疏 IDMA 疊加編碼，將交

162、織圖樣、比特重復次數、填零數目組成碼本，經過壓縮感知映射成導頻，附加在數據前進行傳輸，實現隨機接入和多址傳輸的融合?！澳Ｊ椒指畹碾S機接入”基于“圖樣疊加”的模式域導頻，將導頻競爭空間擴展到模式域，在不增加物理資源的前提下擴大導頻競爭空間，并且接收端可以低復雜度實現“部分碰撞”判決，從而降低導頻碰撞概率，提高接入成功率。接收機設計接收機設計在海量連接場景中，接收機計算復雜度隨終端數及接收/發射天線數增加而顯著增大，給實際工程實現帶來巨大挑戰。因此，設計低復雜度高性能的接收機對滿足未來 6G 通信需求至關重要。為支持大規模連接，MU-MIMO 可為海量數據傳輸提供大量空間資源。然而，由于數據種類繁

163、多、信道復雜、用戶數量和天線數量龐大，通信場景變得更加復雜，這使得傳統基于理想假設的 MU-MIMO 技術不再適用，無法有效地支持復雜的 6G通信場景。對接收機進行優化設計，可以在以下幾個方面取得增益：（1）降低復雜度：在海量接入場景中，終端數量十分巨大，需要在保證性能的前提下，盡可能降低接收機的復雜度，以滿足海量終端接入的需求。（2）增強多用戶干擾抑制能力：在海量接入場景下，多用戶干擾是一個重要的問題，接收機設計需要具備更強的多用戶干擾抑制能力，以提高系統的性能和滿足終端連接數需求。（3）提升接入用戶數：在海量接入場景中，接收機的設計可以結合多天線技術和大規模 MIMO 技術，提高系統性能和

164、容量，提升支持的接入用戶數。第 6 章中，介紹了“基于稀疏結構變換迭代接收機”以及“容量最優且低復雜度的迭代接收機和多用戶編碼方案”，對接收機進行了優化設計，降低了接收機復雜度，可以支持海量終端設備的接入?！盎谙∈杞Y構變換迭代接收機”采用類 MPA 算法的信息無損因子圖稀疏變換迭代接收機框架，消除了因子圖中的許多短環，降低了系統中的節點度并抑制了用戶間干擾，降低了 EP 算法的迭代計算復雜度?！叭萘孔顑炃业蛷碗s度的迭代接收機和多用戶編碼方案”提出適用于AMP/Turbo 類接收機的最優多用戶編碼設計準則和 MAMP 接收機，以解決離散輸入信號下先進 Turbo-LMMSE 接收機的性能惡化難

165、題。60/668.總結與展望（中信科）總結與展望（中信科）本白皮書介紹了 6G 中的海量接入技術，包括應用場景、基本需求、待解決的主要問題、可行的技術路線、若干關鍵技術等方面。海量接入技術將成為 6G 關鍵技術之一。在部署海量終端的應用場景中，網絡需要為海量終端提供服務，通常部分終端處于激活狀態，需要接入網絡并向網絡傳輸數據，網絡對終端傳輸的數據進行檢測。相比于 4G和 5G，6G 的連接密度和數據發送頻率都有所提升，傳統的 RACH、OFDMA（OrthogonalFrequency Division MultipleAccess，正交頻分多址接入）等技術難以解決 6G 中的海量接入問題，需

166、要采用海量接入技術來實現海量連接的目標。海量接入技術將能夠提升 6G系統的用戶數量、降低終端的功耗、提高接入和傳輸的成功率、降低通信的時延，滿足6G 多元化的性能指標要求。本白皮書對海量接入技術的重要用例進行了介紹，包括 To C 的數字孿生世界、密集緊要連接的車聯網、極低功耗物聯網。介紹了極低功耗物聯網的概念，包括純無源終端、半無源終端和有源低功耗終端等形態，可以廣泛地應用在工業制造、智慧交通、倉儲物流、智能家居等方面。與此同時，分析了這些用例待解決的主要問題，并結合具體用例，給出了不同用例下“連接密度”、“通信時延”、“數據發送頻率”、“數據包大小”等指標的需求，進而總結歸納出對海量接入技

167、術的需求，包括簡化通信流程，優化技術方案，以提升連接密度、降低通信時延。在此基礎上，深入探討了滿足這些需求的具體關鍵技術，創新性地尋求突破現有技術的局限性，提出非協調隨機接入和傳輸技術、高效無連接傳輸技術、基于 ODMA 的多用戶編譯碼方法、稀疏 IDMA 無源多址技術、基于虛擬用戶分割的多址方案、基于資源跳躍的多址方案、模式分割的隨機接入方案、基于稀疏結構變換迭代接收機、容量最優且低復雜度的迭代接收機和多用戶編碼方案。本白皮書提出了海量連接的通信過程，采用非協調隨機接入和傳輸的方案，從網絡架構、協議棧、數據流、接口、安全機制、多址接入流程等多方面進行設計，以簡化多址接入的流程、降低多址接入的

168、時延、提高系統效率、增加可以服務的終端數量。在本白皮書的最后，對海量接入關鍵技術進行總結和整合，提煉形成實現海量接入的 4 條技術路線，包括非正交多址、非協調、隨機接入和多址傳輸融合、接收機設計。這些演進的海量接入技術，將用于滿足 6G 新場景中多元化的性能指標要求。展望未來，海量接入技術可以和邊緣計算技術以及人工智能技術相結合。邊緣計算技術在網絡邊緣附近處理和存儲數據，能夠減少傳輸的數據量并提高處理速度。在海量接入場景中，需要處理的數據量激增，為了解決海量數據傳輸帶來的挑戰，海量接入技術有望和邊緣計算相結合，在提高數據傳輸處理速度的同時，更好地支持實時數據處理和分析，提高數據安全性。在海量接

169、入的用例中，涉及到海量數據的處理、設備優化、故障預測等方面，人工智能技術可以在海量接入技術中發揮重要的作用，實現對海量數據的智能分析，提升系統運行效率并降低成本。61/66參考文獻參考文獻1.White paper on 6G vision and technology trends,DT Mobile,2020.12.2.演進的多址接入技術白皮書，未來移動通信論壇，2022.3.3.Y.Polyanskiy,“A perspective on massive random-access,”in Proc.IEEE Int.Symp.Inf.Theory,Jun.2017,pp.2523252

170、7.4.Recommendation ITU-R M.2160-0(11/2023)M Series:Mobile,radio determination,amateurand related satellite services,Framework and overall objectives of the future development ofIMT for 2030 and beyond.5.Report ITU-R M.IMT-2020.EVAL.6.6G 典型場景和關鍵能力白皮書，IMT-2030（6G）推進組,2022.7.7.6G 網絡架構愿景與關鍵技術展望白皮書，IMT-2

171、030（6G）推進組,2021.9.8.3GPP TR 22.886“Study on enhancement of 3GPP Support for 5G V2X Services.”9.3GPP TR 36.885“Study on LTE-based V2X Services.”10.6G 總體愿景與潛在關鍵技術白皮書R.IMT-2030（6G）推進組,2021.6.11.IoT Analytics.Cellular IoT&LPWA Market TrackerR.2021.9.12.3GPP TR 22.840“Study on Ambient power-enabled Inter

172、net of Things.”13.黃偉,譚俊杰,簡榮靈等.面向蜂窩化的反向散射通信綜述：關鍵技術與標準化研究J.移動通信,2023,47(08):46-59.14.王映民，孫韶輝，“5G 移動通信系統設計與標準詳解”，中國工信出版集團，人民郵電出版社，2020。15.Report ITU-R M.2412-0,“Guidelines for evaluation of radio interface technologies forIMT-2020”.16.Z.Yuan,G.Yu,W.Li,Y.Yuan,X.Wang and J.Xu,Multi-User Shared Access for

173、 Internetof Things,2016 IEEE 83rd Vehicular Technology Conference(VTC Spring),Nanjing,2016,pp.1-517.Z.Yuan,Y.Hu,W.Li,and J.Dai,“Blind multi-user detection for autonomous grant-freehigh-overloading multiple-access without reference signal,”in Proc.87th VehicularTechnology Conference(VTC-Spring),Porto

174、,Portugal,2018.18.Z.Yuan,W.Li,Y.Hu,H.Tang,J.Dai and Y.Ma,Blind Multi-user Detection Based onReceive Beamforming for Autonomous Grant-Free High-Overloading Multiple Access,2019 IEEE 2nd 5G World Forum(5GWF),Dresden,Germany,2019,pp.520-523.19.Z.Yuan,Y.Hu,Y.Ma,W.Li and Z.Li,Autonomous Grant-Free High O

175、verloadingMultiple Access Based on Conjugated Data Symbols,2020 IEEE International ConferenceonCommunicationsWorkshops(ICCWorkshops),2020,pp.1-6,doi:10.1109/ICCWorkshops49005.2020.9145341.20.W.Li,Z.Yuan,Y.Ma,Z.Li and C.Liang,Grant-Free Data-only Transmission withCorrelated Antenna Array,2021 IEEE Gl

176、obecom Workshops(GC Wkshps),2021,pp.1-7,doi:10.1109/GCWkshps52748.2021.9681993.21.Y.Ma,Z.Yuan,Y.Hu,W.Li and Z.Li,A Data-assisted Algorithm for Truly Grant-freeTransmissions of Future mMTC,GLOBECOM 2020-2020 IEEE Global CommunicationsConference,2020,pp.1-6,doi:10.1109/GLOBECOM42002.2020.9348198.22.Z.

177、Yuan,W.Li,Z.Li,Y.Ma and Y.Hu,Contention-based Grant-free Transmission withIndependent Multi-pilot Scheme,2020 IEEE 92nd Vehicular Technology Conference62/66(VTC2020-Fall),Victoria,BC,Canada,2020.23.Z.Yuan,Z.Li,W.Li,Y.Ma and C.Liang,Contention-based Grant-free Transmission withExtremely Sparse Orthog

178、onal Pilot Scheme,2021 IEEE 94th Vehicular TechnologyConference(VTC2021-Fall),2021,pp.1-6,doi:10.1109/VTC2021-Fall52928.2021.9625265.24.Y.Ma,Z.Yuan,W.Li and Z.Li,Irregular Superimposed Multi-pilot for Grant-free MassiveMIMO,2021 IEEE 32nd Annual International Symposium on Personal,Indoor and MobileR

179、adioCommunications(PIMRC),2021,pp.703-707,doi:10.1109/PIMRC50174.2021.9569676.25.Z.Yuan,Y.Ma,Y.Hu,and W.Li,High-efficiency full-duplex V2V communication,in Proc.2nd 6G Wireless Summit,Levi,Finland,Mar.2020.26.G.Song,K.Cai,Y.Chi,J.Guo and J.Cheng,Super-Sparse On-Off Division MultipleAccess:Replacing

180、Repetition With Idling,in IEEE Transactions on Communications,vol.68,no.4,pp.2251-2263,April 2020.27.J.Yan,G.Song,Y.Li and J.Wang,ODMA Transmission and Joint Pattern and DataRecovery for Unsourced Multiple Access,in IEEE Wireless Communications Letters,vol.12,no.7,pp.1224-1228,July 2023.28.A.K.Pradh

181、an,V.K.Amalladinne,A.Vem,K.R.Narayanan and J.-F.Chamberland,Sparse IDMA:A Joint Graph-Based Coding Scheme for Unsourced Random Access,inIEEE Transactions on Communications,vol.70,no.11,pp.7124-7133,Nov.2022,doi:10.1109/TCOMM.2022.3183590.29.A.Elkelesh,M.Ebada,S.Cammerer and S.ten Brink,Belief Propag

182、ation List Decoding ofPolar Codes,in IEEE Communications Letters,vol.22,no.8,pp.1536-1539,Aug.2018,doi:10.1109/LCOMM.2018.2850772.30.J.Ma,X.Yuan and L.Ping,Turbo Compressed Sensing with Partial DFT Sensing Matrix,in IEEE Signal Processing Letters,vol.22,no.2,pp.158-161,Feb.2015,doi:10.1109/LSP.2014.

183、2351822.31.J.Ma and L.Ping,“Orthogonal AMP,”IEEE Access,vol.5,pp.20202033,2017,arXiv:1602.06509,2016.32.L.Liu,S.Huang and B.M.Kurkoski,Memory AMP,IEEE TIT,2022.33.Y.Chi,L.Liu,et al.,Constrained Capacity Optimal Generalized Multi-User MIMO:ATheoretical and Practical Framework,IEEE TCOM,2022.34.ITU-R

184、DRAFT NEW RECOMMENDATION,“Framework and overall objectives of thefuturedevelopmentofIMTfor2030andbeyond,”tech.rep.,InternationalTelecommunication Union(ITU)Recommendation(ITU-R),Jun.2023.35.NTT DOCOMO,Inc.,“5G evolution and 6G,v5.0,”tech.rep.,Jan.2023.36.N.A.K.Beigi and M.R.Soleymani,“Interference m

185、anagement using cooperative NOMA inmulti-beam satellite systems,”in 2018 IEEE International Conference on Communications(ICC),pp.16,2018.37.L.YinandB.Clerckx,“Rate-splittingmultipleaccessformulti-beamsatellitecommunications,”in 2020 IEEE International Conference on Communications Workshops(ICC Works

186、hops),pp.16,2020.38.W.Liu,X.Hou,L.Chen and T.Asai,“Unified Multi-User Multiplexing Scheme WithEnhanced NOMA(eNOMA)for HAPS”,in 2023 IEEE VTC-Fall，pp.1-7,2023.63/6639.Wang Z,Wong V.OptimalAccess ClassBarringfor Stationary MachineTypeCommunication Devices With Timing Advance InformationJ.IEEE Transact

187、ions onWireless Communications,2015,14(10):5374-5387.40.Liu L,Yu W.Massive Connectivity with Massive MIMO-Part I:Device Activity Detectionand Channel EstimationJ.IEEE Transactions on Signal Processing,2018,66(11):2933-2946.41.X.Dai,T.Yan,Q.Li,H.Li and X.Wang.Pattern Division Random Access(PDRA)forM2

188、M Communications With Massive MIMO SystemsJ.IEEE Transactions on VehicularTechnology,2021,70(12):12631-12639.42.Y.Dong,H.Li,Z.Zhang,X.Wang and X.Dai,“Efficient EP Detectors Based on ChannelSparsification for Massive MIMO Systems,”IEEE Communications Letters,vol.24,no.3,pp.539-542,Mar.2020.43.Y.Dong,

189、H.Li,X.Wang,X.Dai and K.Long,“Robust Expectation Propagation Detector inImpulsive Noise Channel,”IEEE Systems Journal,Sept.2022.44.Y.Chi,L.Liu,G.Song,Y.Li,Y.L.Guan,and C.Yuen,“Constrained capacity optimalgeneralized multi-user MIMO:A theoretical and practical framework,”IEEE Trans.Commun.,vol.70,no.

190、12,pp.80868104,2022.45.L.Liu,Y.Chi,C.Yuen,Y.L.Guan,and Y.Li,“Capacity-achieving MIMO-NOMA:Iterative LMMSE detection,”IEEE Trans.Signal Process.,vol.67,no.7,pp.17581773,2019.46.Y.Chi,L.Liu,G.Song,C.Yuen,Y.L.Guan,and Y.Li,“Practical MIMO-NOMA:Lowcomplexity and capacity-approaching solution”,IEEE Trans

191、.Wireless Commun.,vol.17,no.9,pp.6251-6264,2018.47.L.Liu,C.Liang,J.Ma,and L.Ping,“Capacity optimality of AMP in coded systems,”IEEETrans.Inf.Theory,vol.67,no.7,pp.44294445,2021.48.L.Liu,S.Liang,and L.Ping,“Capacity optimality of OAMP in coded large unitarilyinvariant systems,”in Proc.IEEE Int.Symp.I

192、nf.Theory(ISIT),2022,pp.13841389.49.L.Liu,S.Huang,and B.M.Kurkoski,“Memory AMP,”IEEE Trans.Inf.Theory,vol.68,no.12,pp.80158039,2022.50.Y.Chen,L.Liu,Y.Chi,Y.Li,Z.Zhang,“Memory AMP for Generalized MIMO:CodingPrinciple and Information-Theoretic Optimality”,IEEE Trans.Wireless Commun.,accept,2023.51.D.G

193、uo,S.S.Shitz,and S.Verd,“Mutual information and minimum mean-square error inGaussian channels,”IEEE Trans.Inf.Theory,vol.51,no.4,pp.12611282,2005.64/66貢獻單位貢獻單位貢獻單位貢獻單位人員人員中信科移動白偉，張鈺婕ZTE袁志鋒vivo譚俊杰DOCOMO 北京研究所劉文佳，侯曉林中國移動王森中國聯通周偉西安電子科技大學宋光輝，池育浩北京交通大學馬國玉北京科技大學戴曉明，李華，鞏彩紅浙江大學劉雷65/66縮寫術語縮寫術語縮寫、術語縮寫、術語解解 釋釋

194、5G第五代移動通信技術6G第六代移動通信技術AMP近似消息傳遞AWGN加性高斯白噪聲BP置信傳播BPSK二進制相移鍵控CDMA碼分多址接入CRC循環冗余校驗CS壓縮感知CSI信道狀態信息DCT離散余弦變換DFT離散傅里葉變換eMBB增強移動帶寬eMTC增強型機器類型通信eMUSA增強多用戶共享接入EP期望傳播ESE基本信號估計FFT快速傅里葉變換FN因子節點GBRA基于授權的隨機接入GFRA免授權隨機接入HAPS高空平臺站IDMA交織多址接入IID獨立同分布IMT國際移動通信ITU國際電信聯盟LDPC低密度奇偶校驗碼LLR對數似然比LM-MF長記憶匹配濾波器MAMP記憶近似消息傳遞MIMO多輸

195、入多輸出MLD記憶線性檢測器MMSE最小均方誤差mMTC海量機器類通信MR混合現實NAS非接入層NB-IoT窄帶物聯網NLD非線性檢測器NOMA非正交多址接入NTN非地面網絡66/66OAMP正交近似消息傳遞ODMA開關分多址接入OFDMA正交頻分多址接入OMA正交多址接入PDRA模式分割隨機接入PDU協議數據單元PN先驗節點PRB物理資源塊PUPE每用戶錯誤概率PUSCH物理上行共享信道QPSK正交相移鍵控RACH隨機接入信道RHMA資源跳躍多址接入RRC無線資源控制RSMA速率分拆多址接入SCMA稀疏碼分多址接入SDMA空分多址接入SIC串行干擾刪除SPS半靜態調度ST稀疏結構變換TDMA時分多址接入UMA無源多址接入UPF用戶平面功能URA無源隨機接入URAT非協調隨機接入和傳輸URLLC超高可靠低時延通信V2V車對車通信V2X車聯網VAMP矢量近似消息傳遞VN變量節點