Toward 6G Sidelink Reliability: MAC PRR Modeling for NR Mode 2 SPS and ns-3 Validation

本文针对 5G NR 侧行链路 Mode 2 中的基于感知的半持续调度（SPS）机制，建立了一个显式建模 MAC 层碰撞事件的包接收率（PRR）解析模型，推导了稳态碰撞概率与 PRR 的闭式表达式，并通过 ns-3 仿真验证了该模型在分析 SPS 参数对 6G 侧行链路可靠性影响方面的有效性。

要点

这篇论文主要是在研究6G 时代的车联网（或设备间直接通信）如何更可靠地“不撞车”。

为了让你轻松理解，我们可以把这篇论文的研究对象想象成一个没有红绿灯、没有交警指挥的繁忙十字路口。

1. 背景：没有交警的十字路口（5G/6G 侧行链路）

在传统的手机网络中，基站就像交警，指挥每辆车什么时候走、走哪条道。但在 6G 的“侧行链路”（Sidelink）技术中，车辆（或设备）之间可以直接对话，不需要基站指挥。这就像一群司机在荒野中开车，大家必须自己决定什么时候走、走哪条路。

为了不让车撞在一起，3GPP 制定了一套规则叫SPS（半持续调度）。

• 规则是这样的：每辆车先“听”一下周围（感知），看看哪些车道有人占用了，然后选一条空车道，并宣布：“这条道我包了，接下来 10 分钟我都走这条！”（这就是“半持续”）。
• 问题出在哪？ 如果两辆车同时觉得某条道是空的，都宣布要包下它，那就撞车了（数据冲突）。而且，一旦撞了，它们可能还会在接下来的一段时间里继续撞，因为大家都以为对方会换道，结果对方没换。

2. 论文的核心：给“撞车”算笔账（数学模型）

以前的研究要么靠猜（模拟），要么太简单（忽略了细节）。这篇论文的作者（刘曹、刘兆宇等）做了一件很厉害的事：他们建立了一个精确的数学公式，专门用来计算这种“自组织网络”里撞车的概率。

他们把撞车分成了两种情况，用两个生动的比喻来解释：

• 情况一：同时抢道（Collision Event 1）

  • 比喻：两辆车同时到达路口，都发现对方要换道，结果同时抢了同一条新道。
  • 原因：大家的“换道计数器”刚好同时归零，大家同时决定换道，结果撞上了。
  • 论文发现：如果大家都太频繁地换道（换道概率高），这种“同时抢道”的概率就会增加。

• 情况二：死磕到底（Collision Event 2）

  • 比喻：两辆车之前已经撞过一次了，但它们都死脑筋，觉得“既然上次撞了，这次我坚持不换道，也许对方会换？”结果对方也没换，于是连续撞了好几次。
  • 原因：规则里有一个参数叫“资源保持概率”（$p_k$）。如果这个值设得太高，车就倾向于不换道。一旦撞了，它们就会像两个固执的司机一样，在接下来很长一段时间里继续在同一条道上撞。
  • 论文发现：如果“死磕”的概率太高，虽然减少了“同时抢道”，但会让“死磕撞车”的时间变长，总体的撞车风险反而可能上升。

3. 他们的发现：怎么调参数才最安全？

作者通过数学公式和电脑模拟（ns-3，一种网络模拟器），得出了几个有趣的结论：

• 关于“死磕”（$p_k$）：

  • 如果你让车太频繁换道（$p_k=0$），容易“同时抢道”。
  • 如果你让车太固执不换道（$p_k$ 很大），容易“死磕撞车”。
  • 最佳策略：找到一个平衡点，让车在撞车后有一定的概率换道，打破僵局。

• 关于“发两份文件”（重复传输，$N_{Se}$）：

  • 为了提高可靠性，3GPP 允许车同时发两份一样的数据包（就像你发重要邮件时，同时发两个附件）。
  • 结论：在车少的时候（路不堵），发两份确实能大幅提高成功率（只要一份没撞就行）。
  • 但是：如果车太多了（路堵死了），大家都发两份，那占用的车道就翻倍了，反而更容易撞车，导致成功率下降。这就好比在拥挤的电梯里，你非要同时按两个楼层按钮，反而更乱。

• 关于“必须留多少空位”（$X$）：

  • 规则规定：换道时，必须确保有至少 20% 的空车道可选。
  • 结论：作者发现，把这个比例调高（比如调到 50%）并没有好处，反而可能让系统更乱。建议就保持最低标准（20%）即可。

4. 总结：这篇论文有什么用？

这就好比给未来的自动驾驶车队设计了一套**“防碰撞算法说明书”**。

• 以前：工程师们只能靠试错，或者用复杂的电脑模拟来猜参数设多少好。
• 现在：有了这个数学模型，工程师可以直接算出：
  • 在这个路口有多少辆车？
  • 如果我想让 99% 的消息都能收到，我的“换道频率”和“重复发送次数”应该设为多少？
  • 什么时候该用“发两份”策略，什么时候该关掉它？

一句话总结：
这篇论文通过精妙的数学分析，告诉我们在未来的 6G 车联网中，如何像老练的司机一样，在“频繁换道”和“坚持原路”之间找到完美的平衡点，从而在不需要交警的情况下，让所有车辆安全、高效地通行。

技术摘要

这是一篇关于6G 侧链路（Sidelink, SL）可靠性的学术论文，主要聚焦于5G NR Mode 2模式下的**基于感知的半持续调度（SPS）**机制。文章通过建立解析模型和 ns-3 仿真验证，深入分析了 MAC 层碰撞概率与数据包接收率（PRR）之间的关系。

以下是该论文的详细技术总结：

1. 研究背景与问题 (Problem)

• 背景：5G NR 侧链路 Mode 2 支持去中心化、无基础设施的直接通信，是未来 6G 关键任务服务（如 V2X、工业物联网）的基础。其核心接入机制是基于感知的 SPS（Sensing-based Semi-Persistent Scheduling）。
• 问题：
  • 现有的关于 SPS 性能的研究多基于仿真（如 ns-3, OMNeT++），缺乏能够解释参数如何影响碰撞动力学的解析模型。
  • 现有的解析模型通常抽象或忽略了 3GPP 标准中定义的特定 NR SPS 特性（如资源保持概率 $p_k$、异步重选、重复传输等），导致无法准确量化这些参数对 MAC 层碰撞和 PRR 的具体影响。
  • 缺乏对**非饱和（under-saturated）与饱和（saturated）**状态下模型适用性的明确界定。

2. 方法论 (Methodology)

论文提出了一种MAC 层数据包接收率（PRR）的解析模型，核心在于显式地对 SPS 驱动的 MAC 碰撞事件进行建模。

• 系统设置：

  • 假设全连接网络，UE 周期性发送广播包。
  • 采用基于感知的 SPS：UE 在感知窗口（Sensing Window）监测资源，在选资源窗口（Selection Window）选择资源。
  • 引入关键参数：资源保持概率 $p_k$（决定是否重选）、重选计数器 $R_c$、资源预留间隔 $T_{RRI}$。

• 碰撞事件分解：
  作者将 MAC 碰撞分解为两类主要事件，这是模型的核心创新：

  1. 碰撞事件 1 (Collision Event 1)：同时重选导致的碰撞。当参考 UE 和其他 UE 的 $R_c$ 同时归零并进入选择窗口时，它们独立重选资源。如果多个 UE 选中了同一个空闲资源块（PRB），则发生碰撞。
  2. 碰撞事件 2 (Collision Event 2)：资源保持导致的持续碰撞。如果 UE 0 在上一轮选择窗口中已与其他 UE 发生碰撞，且双方都选择**保持（Keep）**原有资源（不重选，概率为 $p_k$），则碰撞会延续到下一个 $T_{RRI}$。该事件细分为三种子情况（$R_c$ 状态不同），取决于碰撞双方在进入当前窗口时的计数器状态。

• 模型推导：

  • 利用马尔可夫链分析 $R_c$ 的状态转移概率（$\pi_i$）。
  • 推导稳态下的总碰撞概率 $P_{COL}$ 的闭式解，包含 $P_{COL,1}$ 和 $P_{COL,2}$。
  • 结合半双工（HD）错误概率，计算最终的 PRR。
  • 模型扩展：
    • 重复传输 ($N_{Se}$)：考虑 PDCP 层重复传输（在多个 PRB 上发送相同副本）对 PRR 的影响。
    • 最小可用资源比例 ($X$)：考虑 3GPP 标准中要求的重选时可用 PRB 的最小比例约束。

• 验证方法：

  • 基于 5G-LENA 框架在 ns-3 中构建仿真环境。
  • 对比解析计算结果与仿真数据，验证模型在不同 UE 数量（$N_{UE}$）、$p_k$、$N_{Se}$ 和 $X$ 下的准确性。

3. 主要贡献 (Key Contributions)

1. NR Mode 2 MAC 碰撞事件分解：首次形式化定义并分析了 NR SPS 中由异步重选和资源保持引起的两类主导碰撞机制，揭示了多 $T_{RRI}$ 连续碰撞序列的形成机理。
2. 闭式解析模型：推导了包含关键 NR SPS 参数（如 $p_k$、$R_c$ 分布）的稳态碰撞概率和 PRR 闭式表达式，无需依赖仿真即可快速评估系统性能。
3. 新特性扩展：将模型扩展至包含重复传输和最小资源可用性约束，量化了这些特性在非饱和区域对可靠性的影响。
4. ns-3 验证与适用性界定：通过大规模仿真验证了模型，明确指出该纯 MAC 模型在**非饱和（under-saturated）条件下高度准确，但在饱和（saturated）**条件下由于物理层（PHY）效应（如 RSRP 阈值导致的资源感知偏差）会出现偏差。

4. 关键结果 (Results)

• 碰撞概率与 $p_k$ 的关系：

  • $P_{COL,1}$（重选碰撞）随 $p_k$ 增加而下降（因为 UE 更少进行重选）。
  • $P_{COL,2}$（持续碰撞）随 $p_k$ 增加而上升（因为一旦碰撞，双方更倾向于保持资源，导致碰撞持续更久）。
  • 总碰撞概率 $P_{COL}$ 随 $p_k$ 增加而上升，因为 $P_{COL,2}$ 的上升幅度超过了 $P_{COL,1}$ 的下降幅度。
  • 结论：在大多数场景下（$p_k < 0.64$），碰撞事件 1 是主导因素；但在高 $p_k$ 下，持续碰撞成为主要问题。

• UE 数量 ($N_{UE}$) 的影响：

  • 模型在非饱和区（$N_{UE} < 160$）与仿真吻合良好。
  • 在饱和区（$N_{UE} \ge 160$），纯 MAC 模型会高估碰撞概率，因为仿真中物理层效应（RSRP 测量接近）使得实际可用资源比模型预测的多。

• 重复传输 ($N_{Se}$) 的增益：

  • 在非饱和条件下，$N_{Se}=2$ 能显著提升 PRR（因为 $P_{COL}$ 较低，重复传输提供了分集增益）。
  • 在饱和条件下，$N_{Se}=2$ 反而可能降低 PRR，因为重复传输加剧了信道拥塞，导致 $P_{COL}$ 急剧上升，抵消了分集增益。存在一个临界 UE 数量 $N^*_{UE}$，超过该值后重复传输不再有益。

• 最小可用资源比例 ($X$)：

  • 增加 $X$（要求更多可用资源才重选）在非饱和区对 PRR 没有显著改善，反而可能因为限制了重选空间而增加碰撞风险。
  • 建议：对于安全相关消息，应将 $X$ 设置为标准允许的最小值（0.2），甚至建议 3GPP 考虑降低此下限。

5. 意义与启示 (Significance)

• 设计指导：该模型为网络工程师提供了调整 SPS 参数的理论依据。例如，为了优化 6G SL 的可靠性，应避免过高的资源保持概率（$p_k$），并在非饱和场景下谨慎使用重复传输。
• 理论突破：填补了 NR Mode 2 SPS 机制缺乏精确解析模型的空白，解释了参数间的相互作用机制。
• 未来方向：
  • 未来的工作需将物理层（PHY）参数（如 RSRP 分布、信道衰落）纳入模型，以提高在饱和状态下的预测精度。
  • 验证该模型是否适用于 LTE Mode 4。
  • 为 6G 侧链路协议设计提供量化参考，特别是在高可靠性、低时延场景下的参数配置。

总结：这篇论文通过精细的数学建模，揭示了 NR Mode 2 SPS 中“保持资源”与“重选资源”之间的权衡关系，证明了在追求高可靠性时，简单的参数调整（如盲目增加重复传输或提高资源保持率）可能适得其反，特别是在网络负载较高时。这为 6G 侧链路协议的标准化和参数优化提供了重要的理论支撑。