Adaptive Contention-based Random Access for Uplink Reporting in 3GPP Ambient IoT Networks

Sintesi Tecnica: Accesso Casuale Adattivo Basato sulla Contenzione per la Segnalazione in Uplink nelle Reti Ambient IoT 3GPP

Enunciato del Problema
L'Internet delle Cose Ambientale (A-IoT) immagina dispositivi a bassissimo consumo e senza batteria, alimentati tramite raccolta di energia (EH). Una sfida critica in queste reti è la disponibilità intermittente dei dispositivi dovuta alle fluttuazioni dello stoccaggio energetico. A differenza dell'IoT tradizionale, i dispositivi A-IoT potrebbero perdere segnali di paging o non completare i tentativi di segnalazione in uplink perché la tensione del condensatore scende al di sotto della soglia minima ($V_{min}$) richiesta per la trasmissione. Inoltre, quando i dispositivi tentano l'accesso tramite Accesso Casuale Basato sulla Contenzione (CBRA), si verificano collisioni, specialmente in dispiegamenti densi. I tentativi di accesso ripetuti durante la congestione di rete esauriscono l'energia immagazzinata, portando a una maggiore latenza e a risorse sprecate. Gli sforzi di standardizzazione 3GPP esistenti hanno definito il framework CBRA attivato dal paging, ma mancano di strategie di controllo lato lettore che tengano esplicitamente conto di questa disponibilità energetica intermittente per regolare la contenzione.

Metodologia
Gli autori propongono un modello di sistema in cui un lettore interroga un insieme di $N$ dispositivi A-IoT utilizzando un processo di Bernoulli. La comunicazione segue una fase Device-to-Reader (D2R) in cui i dispositivi competono per le Occasioni di Accesso (AO) utilizzando un meccanismo simile allo slotted ALOHA. Il cuore della metodologia è un meccanismo di controllo dell'accesso consapevole dell'EH implementato lato lettore.

1. Modellazione del Sistema: Lo stato energetico del dispositivo è modellato utilizzando un modello di carica/scarica del condensatore basato sulla corrente raccolta e sul consumo del carico. Lo stato operativo del dispositivo è rappresentato come una catena di Markov a due stati (Idle vs RA), condizionata dal fatto che il dispositivo sia disponibile energeticamente ($V \ge V_{min}$).
2. Algoritmo di Controllo Adattivo: Invece di una probabilità di accesso fissa, il lettore trasmette in broadcast una probabilità di accesso $q_\tau$ in ogni messaggio di paging.
   • Il lettore stima il numero di dispositivi disponibili energeticamente ($\hat{K}_{pe}(\tau)$) nel gruppo target utilizzando dati storici (rapporti di tensione e conteggi di tentativi da trasmissioni riuscite) e il profilo EH noto.
   • La probabilità di accesso è calcolata come $q_\tau = \min(1, R / \hat{K}_{pe}(\tau))$, dove $R$ è il numero di AO disponibili.
   • Questo mira a mantenere il numero atteso di contendenti per AO vicino a uno, massimizzando la probabilità di successo e minimizzando le collisioni.
3. Valutazione: Il metodo proposto è valutato tramite simulazioni Monte Carlo contro tre baseline:
   • Benchmark Ideale: Assegnazione priva di collisioni (limite superiore teorico).
   • Baseline Naive: Tutti i dispositivi disponibili energeticamente tentano l'accesso ($q=1$).
   • Slotted-ALOHA Statico: Probabilità fissa $q = R/N$.

Contributi Chiave

• Controllo dell'Accesso Consapevole dell'EH: Il documento introduce un meccanismo leggero lato lettore che adatta dinamicamente la probabilità di accesso in base ai livelli energetici previsti dei dispositivi, allineandosi al framework A-IoT 3GPP in corso.
• Approssimazione Analitica: Gli autori forniscono un'approssimazione compatta per la probabilità di successo CBRA per turno, modellando l'effetto congiunto della disponibilità energetica intermittente e del controllo lato lettore.
• Caratterizzazione delle Prestazioni: Lo studio quantifica i compromessi tra affidabilità, efficienza delle risorse e ritardo di accesso in dispiegamenti A-IoT densi sotto vincoli energetici variabili.

Risultati
Le simulazioni numeriche dimostrano che il controllo consapevole dell'EH proposto supera significativamente le baseline, in particolare all'aumentare del numero di dispositivi ($N$):

• Probabilità di Collisione: La baseline naive ($q=1$) soffre di probabilità di collisione in rapida crescita all'aumentare di $N$, avvicinandosi alla saturazione. La baseline Slotted-ALOHA statica riduce le collisioni ma mantiene un livello di collisione relativamente alto e costante. Al contrario, il metodo consapevole dell'EH proposto mantiene una probabilità di collisione quasi costante e bassa su tutto l'intervallo delle densità dei dispositivi.
• Efficienza delle Risorse: Il numero medio di ricevimenti MSG2 riusciti per AO utilizzata rimane stabile con il metodo proposto. Lo schema naive mostra un calo significativo dell'efficienza a causa del consumo di risorse da parte dei tentativi in collisione.
• Ritardo di Accesso: Il numero medio di round di paging necessari per una segnalazione riuscita cresce esponenzialmente per la baseline naive all'aumentare di $N$. Il metodo proposto mantiene questa crescita molto più graduale, richiedendo un numero sostanzialmente inferiore di round di paging per la segnalazione riuscita rispetto a entrambe le baseline fisse.

Significato
Il documento conclude che il controllo dell'accesso leggero lato lettore è un meccanismo critico per una segnalazione affidabile ed efficiente in termini di risorse negli ambienti A-IoT. Tenendo esplicitamente conto della disponibilità energetica intermittente, il metodo proposto previene il sovraccarico del pool di accesso casuale. Questo approccio migliora la scalabilità nei dispiegamenti densi, riduce la latenza associata ai tentativi di accesso ripetuti e minimizza gli sprechi energetici, affrontando così una lacuna chiave nell'attuale standardizzazione 3GPP A-IoT riguardante la regolazione della contenzione.