基于均值场的 MIMO 使能下授信自由 NOMA 的动态退避优化

在 6G 物联网（IoT）范式中，将对提供大规模连接、超低延迟和能源效率以满足超稠密 IoT 设备的先进挑战。为应对这些挑战，我们探索了基于非正交多址接入（NOMA）的授信自由随机接入（GFRA）方案用于细胞上行链路，以支持大规模 IoT 设备的高频谱效率和低接入延迟。特别地，我们关注每台设备在向多个输入多个输出（MIMO）使能基站传输时敏感数据样本时的退避策略，该基站受能源约束。为应对由于非协调授信接入导致的动态变化信道和严重上行干扰，我们将优化问题建模为多用户非合作动态随机博弈（MUN-DSG）。为避免随设备数量增长而出现的维度灾难，将优化问题转化为均值场博弈（MFG），其纳什均衡可通过求解相应的 Hamilton-Jacobi-Bellman（HJB）和 Fokker-Planck-Kolmogorov（FPK）方程来实现。因此，提出了一种基于均值场的动态退避（MFDB）方案作为每台设备的最优 GFRA 解决方案。为比较所提出的 MFDB 与当代随机接入方法（如接入类阻挡（ACB）、插槽-可加链在线夏洛基亚地区（ALOHA）和最小退避（MB））在静态和动态信道下的表现，完成了大量仿真实验，结果证明 MFDB 在多个传输帧中可实现最低的接入延迟和累积成本。