面向6G物联网的分布式译码技术

袁伟杰 李双洋* 种若汐 白宝明 D W K NG

①(新南威尔士大学电子工程与通信学院 悉尼 2032)

②(西安电子科技大学综合业务网理论及关键技术国家重点实验室 西安 710071)

1 引言

经过多年的研究和发展，第5代无线通信(5G)已经在全球范围内进行了标准化和商用[1]。面向未来，第6代无线通信(6G)将会在5G的基础上，实现更低延时、更高速率、更大规模和更广的覆盖范围，以满足更丰富的应用需求。在未来移动通信的众多场景中，物联网(Internet-of-Things, IoT)是最为核心的一项应用[2]。在6G IoT网络中，用户不仅仅局限于人，同样也包括了网络中的多种设备，它们同样可以通过网络传输数据而无需人-人或人-机交互。随着用户计算能力的提高和无线传感器技术的发展，物联网将广泛地应用于消费、商业、工业和基础设施等领域[3,4]。

在IoT网络中，用户利用先进的无线传感器获取环境的某些信息，并通过网络无处不在地共享这些信息，从而根据环境变化做出相应的决策。例如，在智慧家庭中(smart home), IoT设备通过对多种信号进行检测来识别出环境中人的状态，从而为残障人士和老年人提供帮助；在未来交通系统包括交通管理、道路安全检测等应用中，IoT网络可以对车辆的位置和状态进行实时监测，从而在出现问题时及时发送预警[5,6]。在这些IoT应用中，高精度的信息检测算法是保证网络有效传输信息的关键。鉴于此，本文将对IoT网络中的检测与译码问题进行研究。

不失一般性地，考虑在典型IoT应用场景中有一个移动的无线接入点(Access Point, AP)向各个用户广播消息。各个用户收到消息后，需要对消息进行译码并做出响应。针对这一场景，传统的传输机制通常假设网络中存在一中心处理单元，各用户将收到的消息通过上行链路发送给中心单元后由中心单元完成译码。之后中心处理单元再通过下行链路将译得的信息发送给各用户，从而用户可以根据译码得到的信息完成不同的应用。然而这样的处理方式并不适用于6G的IoT网络中。需要强调的是，在6G中的IoT网络中，通过无线连接的用户数量将是巨大的[7]。在这样的大规模网络中，在中心单元执行译码往往需要很大的开销。举例来讲，如果一个用户距离中心单元很远时，要保证中心单元对信息的可靠接收往往需要用很高的发射功率，这将会在实际应用中为网络带来很大的负担。区别于传统的传输机制，一些改进的传输机制通过将部分用户作为中继节点，使得远处的用户依靠路由(routing)与中心单元进行通信。这种基于中继的传输机制可以有效地减少信息传输的功率开销。然而，由于网络的动态特性，用作中继节点的用户需要频繁地根据网络需要进行改变，从而实现复杂的网络调度。复杂的网络调度又势必增加网络的通信开销，并引入较高的传输时延。除此之外，当中心单元未能按预期工作时，整个IoT网络很有可能会发生故障，并导致严重的性能损失，甚至会危害安全性。为了解决这个问题，国内外学者提出了直接根据每个用户收到的消息进行译码的传输机制[8,9]。然而，由于消息传输受信道衰落和噪声影响，译码的准确性往往无法保证。这促使我们设计一种新的具有良好可扩展性和高鲁棒性的IoT网络译码方法。

本文基于文献[10]中提出的共识算法，提出了一种应用于功率受限的6G IoT网络中的分布式译码算法。共识算法起源于自动化理论和分布式计算领域[11]，其在多智能体网络中的应用吸引了众多兴趣。共识方法通过在网络用户之间共享信息并迭代更新用户的“本地”度量从而使用户之间达成共识。其优点在于它可以有效避免每个网络中用户由于消息更新导致信息的重复计算，并且可以保证每个用户获得与中心单元相同的信息量。本文首先给出了系统模型，并根据系统模型设计了相应的中心化译码算法，作为后续分布式算法设计的基础。其次，通过对似然函数的分解和运算，介绍了一种现有的基于对数似然比共识的分布式译码算法[12]。通过该算法，IoT网络中的每个用户均可以得到基于全部观测的信息，因此其译码性能可以达到中心化处理算法的性能。然而，该算法要求每个用户均完美获得网络的拓扑结构。但在实际IoT网络中，由于用户具有高动态特性，网络拓扑结构实时变化，很难满足上述假设。因此，受到图模型译码算法启发，本文设计了一种基于“外”信息的分布式译码方法，本方法可以有效克服网络拓扑结构未知的问题。最后，考虑实际IoT网络中的量化问题，对所提算法进行了改进，使其可以应用于实际系统中。

2 系统模型

3 分布式网络译码

图1 IoT网络拓扑结构

3.1 传统共识算法

共识算法是一种并行处理算法，每个用户基于从邻居用户收到的信息迭代更新其“本地”度量。在第1次迭代时，第k 个用户的“本地”度量初始化为Lk(0)=L(yk,x)。 则在第n 次迭代时，其“本地”度量的更新可以表示为

图2 基于共识机制和非共识机制的通信开销比较

3.2 基于对数似然比的改进共识算法[12]

3.3 基于和积算法的改进共识算法

接下来本文提出一种基于和积算法(Sum-Product Algorithm, SPA)的共识算法[14]。回顾传统基于图模型的低密度奇偶校验(Low-Density Parity-Check, LDPC)码的译码算法[15]，变量节点将“外”(extrinsic)信息发送到校验节点以更新相应的信息[7]。上述过程类似于本文所考虑的网络译码问题。因此，本文拟将和积算法进行推广来解决网络译码问题。

具体来讲，将每个用户抽象为一种特殊类型的网络节点，该节点接收来自邻居用户发送的“外”信息并对自己的“本地”信息进行更新，并通过更新后的“本地”信息获得相应的“外”信息，并将得到的“外”信息送还给所有邻居用户，其具体结构如图3所示。

图3 基于图模型的分布式译码算法

需要注意的是，“内”信息是完全基于本地观测得到的信息，在迭代过程中保持不变。但是，“外”信息在每次迭代中都会根据来自相邻用户的信息进行更新。经过数次迭代后，各用户即可达成共识，这与基于和积算法的常规译码算法相似。通过多次迭代，每个用户的“本地”信息将收敛到“全局”信息，从而使得各个用户都可以译出从AP发出的消息。将式(12)与式(14)相比较可知，基于和积算法的共识算法不需要掌握网络的动态结构，所有用户可以直接广播其信息，并根据收到的信息更新其“本地”信息。

为了控制用户间交互的信息量，可以通过数据压缩、高阶调制或者仅传递部分信息等方法来实现。然而，目前学术界对网络用户之间信息量的分析还没有确切结论，有待于进一步研究。

4 仿真结果

本文考虑一个具有 K =64个用户的IoT网络，其中所有用户随机分布在面积为100×100 m2的2维平面内。任意两个用户的通信距离设为75 m，即当两个用户的距离小于等于75 m时可以通信。对于AP广播至用户的消息x ，本文假设其为二进制相位键控(Binary Phase Shift Keying, BPSK)信号，长度为 J =100。假设AP到用户的信道为独立的加性高斯白噪声(Additive White Gaussian Noise,AWGN)信道，其中白噪声功率谱密度为N0。为了更好地验证本文提出的算法的优势，对于中心式处理方法，假设从用户传至用户的通信链路是无噪的。另外，考虑将提出的基于和积算法的改进共识算法作为分布式处理方法。为了更好地模拟实际网络场景，考虑将网络节点之间的消息传输方式分为无损消息传递以及有损消息传递两种情况。对于无损消息传递，本文假设邻居用户可以完全准确地获取当前用户的“外”信息；对于有损消息传递，假设当前用户的“外”信息经过了 Q bit 进行量化处理、BPSK调制后经由AWGN信道传输至邻居用户。

图4中给出了不同迭代次数时6G IoT网络分布式译码算法的平均误码率(Bit-Error-Rate, BER)性能随AP-用户链路信噪比变化的曲线。在此，考虑无损消息传递，即用户间的通信链路假设为无噪。作为性能下界，采用中心化处理的集中式译码算法性能也被绘出。其中，仅有1次迭代时的分布式译码算法性能等效于各个用户依靠自己收到信号进行译码的结果。可以看出，此时各个用户无法译码出来自AP广播的消息，性能损失很大，造成IoT网络功能失效。但是，在3次迭代后，分布式译码算法的性能已经接近于性能下界。进一步增加迭代次数已无法带来明显的性能提升。

图5中绘出了6G IoT网络中，用户之间有损消息传递时的平均误码率性能。不失一般性地，将AP-用户链路的信噪比设为10 dB，用户的“外”信息采用了Q=4 bit量化处理。为了表征用户之间通信链路的状态，定义用户之间信道的信噪比为Eb/N0=QEs/N0，表征每一个LLR采用了Q bit进行传输，其中N0为 白噪声的功率谱密度，Es为平均符号能量。考虑用户间信息传输信噪比为0 dB, 5 dB, 10 dB和15 dB。同时，将中心化处理的集中式译码算法的对应结果作为性能下界。从图4可以看出，随信噪比增大，分布式译码算法的性能得到明显改善。此外，随迭代次数增加，分布式译码算法性能明显提升。在用户-用户链路信噪比为10 dB时，采用3,4, 5次迭代的分布式译码算法性能与性能下界已经十分接近，验证了所提分布式译码算法在实际IoT网络中的有效性。

图4 用户间无损消息传递时的分布式算法性能

图5 用户间有损消息传递时的分布式算法性能

5 结论

在面向6G的物联网中，用户需要在链路中断(link failure)和中心单元无法正常工作的情况下有效处理信息并作出决策。本文针对以上问题，提出了一种分布式的译码算法。通过用户间的通信和“本地”信息处理，用户可以不依赖于中心单元完成译码。与中心式处理算法相比，分布式算法具有更好的可扩展性和鲁棒性。仿真结果表明，采用分布式译码算法可以获得与中心式算法几乎相同的译码性能，显示了所提算法在面向6G物联网应用中的巨大潜力。