공학 석사학위 논문

LTE 시스템에서 IoT 서비스를 위한 효율적 자원 할당 기법

Effective Resource Allocation Scheme for IoT Services in LTE System

아 주 대 학 교 대 학 원

전 자 공 학 과

유 승 수

LTE 시스템에서 IoT 서비스를 위한 효율적 자원 할당 기법

Effective Resource Allocation Scheme for IoT Services in LTE System

지도교수 김 재 현

이 논문을 공학 석사학위 논문으로 제출함.

2017 년 2 월

아 주 대 학 교 대 학 원

전 자 공 학 과

유 승 수

i

감사의 글

2014년 겨울, 아주대학교 무선인터넷 연구실에 처음 들어와서 이 논

문을 완성하기까지 2년이라는 시간이 지났습니다. 정들었던 연구실을 떠

나 또 다른 새로운 시작을 한다고 생각하니 설레기도 하지만 아쉬운 마

음이 크게 남습니다. 그동안 부족한 저를 가족과 같이 보살펴 주신 교수

님과 형제처럼 지켜봐 주신 선배님, 후배님들에게 감사한 마음을 전하고

자 합니다.

무엇보다도 저를 무선인터넷 연구실의 일원으로 받아주시고 저의 롤

모델이 되어주신 김재현 교수님께 감사의 인사를 드립니다. 처음 연구실

적응에 도움을 많이 주신 이충희 선배, 조용히 뒤에서 챙겨주시던 강신

헌 선배, 후배들에게 항상 먼저 관심을 주신 이규환 선배, 진심어린 충

고와 조언을 주신 고광춘 선배, 어려움이 있을 때 항상 적극적으로 큰

도움을 주신 이성형 선배, 연구실 일을 항상 도와주고 모르는게 없으신

천혜림 선배, 현재 WINNER를 책임감으로 이끌고 있는 김진기 선배, 군

기반장이자 1년 동안 함께 일해 온 정소이 선배, WINNER로 함께하게

되어 너무나 좋은 김경록 선배, 저의 모자란 영어 실력에 잘 응답해준

Moonmoon Mohanty, 점점 교수님을 닮아가는, 가끔은 교수님 같은 조

준우 형, 항상 같은 곳을 보고 있지만 스타일은 다른 이동학, 매일 예상

치 못한 웃음을 주는 오지훈, 부족한‘위이너’를 승리로 이끌어주는 이

동구에게 감사드립니다. 2년 동안 서로 의지하며 가장 힘이 되었던 우리

동기 최동열, 김원경, 김종무에게 감사드립니다. 동기들이 있어 너무 즐

거웠고, 지금 더욱 행복합니다. 그리고 졸업하신 이후에도 지속적으로

연구실에 관심을 갖고 도움을 주신 연구실 선배님들께 감사드립니다.

ii

기쁠 때나 슬플 때 항상 함께하고 응원해주는 베쁘 원석, 신영, 준석,

애기, 원준, 지욱, 본북, 상훈, 재현, 후인, 창민, 동욱, 이창, 승훈, 철웅,

관희, 동처 용훈, 한곤, 경민, 기민, 길민, 일렉브로 기훈, 태일, 홍진, 호

진 감사합니다.

항상 저를 믿고 뒤에서 든든하게 지원해 주신 부모님과 혼자 부모님을

챙겨드리면서 저의 빈자리를 채워준 동생 보미에게 감사드립니다. 앞으

로 더욱 좋은 모습 보여드리고 자랑스러운 아들이 되겠습니다. 지금까지

키워주신 은혜에 꼭 보답하겠습니다.

이 논문을 끝으로 새로운 시작을 할 수 있도록 응원해주신 모든 분들

께 감사드립니다.

2017년 2월

유승수

iii

논문 요약

차세대 통신 서비스의 새로운 분야로 IoT 서비스가 조명 받으면서, IoT 단

말의 수가 급격하게 증가하고 있다. 급증하는 모바일 단말과 트래픽을 수용하

기 위해서, 5G 이동통신시스템은 기존 이동통신시스템 대비 속도, 용량, 지연

시간 등의 측면에서 1000배의 성능 향상을 목표로 연구하고 있다.

본 논문에서는 기존 LTE 시스템의 단말 수요 한계를 극복하기 위해, 5G 이

동통신시스템의 단말 수용 요구사항인 셀 당 100,000개의 단말을 수용할 수

있는 시뮬레이터를 개발하였다. 또한, 개발한 시뮬레이터를 이용하여 전체 프리

앰블 개수, 프리앰블 최대 전송 횟수, MSG2 window size, backoff indicator

변화가 RA 성능에 끼치는 영향을 분석하였다. 이 시뮬레이터는 OPNET을 이

용하여 개발하였으며, OPNET에서 제공하는 기존 LTE 모듈에서 수용할 수

있는 단말 수의 한계를 극복하였다. 개발한 시뮬레이터는 현재 사용되고 있는

LTE 시스템을 이용하여 초다수 단말에 대한 서비스를 수행할 때, RA에 의해

단말의 접속이 제한되는 사항을 확인할 수 있고, LTE 시스템의 틀을 유지하는

전제 하에 다양한 파라미터를 변경시키면서 단말 수용 정도에 대한 성능을 분

석할 수 있다. 성능분석 결과를 통하여 초다수 단말 환경에서 RA의 메시지 교

환절차 시, PDCCH 자원의 한계로 인한 접속 성공률 저하의 문제점을 확인하

였고, 이 문제점을 개선하기 위해, 전체 단말 수에 따른 프리앰블 수 및

PDCCH 당 RAR 수 추정을 통한 효율적 자원 할당 기법을 제안하였다.

제안한 효율적 자원 할당 기법의 시뮬레이션 결과, 성공률, 충돌률, 평균 지

연시간의 측면에서 RA 성능이 크게 개선되었다. 본 연구 결과를 기반으로, 5G

이동통신시스템으로의 전환과 5G 및 IoT 관련 표준화 활동에 활용 가능할 것

으로 기대한다.

Random access, IoT, 5G, LTE, M2M, 자원 할당

iv

본문차례

제 1 장 서론 ····································································································· 1

제 2 장 최근 연구 동향 ················································································· 3

제 1 절 수학적 성능 분석 동향 ······································································· 3

제 2 절 시뮬레이터 구현 동향 ··········································································· 4

제 3 절 Random access 개선 기법 동향 ······················································· 5

제 3 장 Random access 프로토콜 절차 및 분석 ·································· 9

제 1 절 Random access 프로토콜 ··································································· 9

제 2 절 Random access 프로토콜 스케줄 및 자원 할당 ························ 15

제 4 장 성능 분석 시뮬레이터 ···································································· 21

제 1 절 시뮬레이터 환경 분석 및 성능 지표 ··············································· 21

제 2 절 시뮬레이터 개발 ··················································································· 25

제 3 절 시뮬레이터 검증 ··················································································· 32

제 4 절 LTE 환경의 시뮬레이션 결과 ·························································· 34

제 5 장 효율적 자원 할당 기법 ·································································· 36

제 1 절 파라미터 변경에 따른 성능 분석 ····················································· 36

제 2 절 전체 단말 수에 따른 프리앰블 수 추정 기법 ······························· 49

제 3 절 PDCCH 당 RAR 수 추정 기법 ························································ 50

제 4 절 효율적 자원 할당 기법 성능 분석 ··················································· 52

제 6 장 결론 ···································································································· 55

참고문헌 ············································································································· 57

Abstract ············································································································ 61

v

그림차례

그림 1. Random access 메시지 교환 절차 ···················································· 13

그림 2. OPNET 시스템 모델 ·············································································· 22

그림 3. 시뮬레이션을 위한 기지국 및 단말 배치 ··········································· 22

그림 4. UE 노드 모델(왼쪽)과 eNB 노드 모델(오른쪽) ······························· 26

그림 5. 채널 모델 ····································································································· 27

그림 6. UE, eNB : RRC/RLC ·············································································· 28

그림 7. UE : CCCH/RACH ··················································································· 29

그림 8. UE, eNB : HARQ 송수신 모듈 ···························································· 30

그림 9. eNB : scheduler/framing/HARQ 송신 모듈 ···································· 31

그림 10. 전체 프리앰블 개수 변화에 따른 RA 성공률 ··································· 37

그림 11. 전체 프리앰블 개수 변화에 따른 RA 평균 지연 시간 ··················· 37

그림 12. 프리앰블 최대 전송횟수 변화에 따른 RA 성공률 ··························· 39

그림 13. 프리앰블 최대 전송횟수 변화에 따른 RA 평균 지연시간 ············· 39

그림 14. Backoff indicator 변화에 따른 RA 성공률 ····································· 41

그림 15. Backoff indicator 변화에 따른 RA 평균 지연시간 ······················· 41

그림 16. MSG2 window size 변화에 따른 RA 성공률 ································ 43

그림 17. MSG2 window size 변화에 따른 RA 평균 지연시간 ·················· 43

그림 18. 프리앰블 개수와 PDCCH 수에 따른 성공률 ···································· 45

그림 19. 프리앰블 개수와 PDCCH 수에 따른 평균 ········································ 45

그림 20. 프리앰블 최대 전송 횟수와 PDCCH 수에 따른 성공률 ················ 47

그림 21. 프리앰블 최대 전송 횟수와 PDCCH 수에 따른 평균 지연시간 ·· 47

그림 22. 전체 단말 수에 따른 기존의 RA와 제안한 기법의 성공률 ··········· 52

그림 23. 전체 단말 수에 따른 기존의 RA와 제안한 기법의 충돌률 ··········· 53

그림 24. 전체 단말 수에 따른 기존의 RA와 제안한 기법의 평균지연시간 53

vi

표차례

표 1. PRACH coconfiguration index ······························································ 11

표 2. ITU-T UMa path loss 모델 ·································································· 19

표 3. SNR/MCS/TBS 크기 맵핑 테이블 ·························································· 20

표 4. SNR/MCS/TBS 크기 도출을 위한 simulation 파라미터 ·················· 20

표 5. 시뮬레이션 환경 및 트래픽 모델 ····························································· 23

표 6. 시뮬레이션 파라미터 ··················································································· 23

표 7. 시뮬레이션 성능 분석을 위한 성능 지표 ················································· 24

표 8. 시뮬레이터에 필요한 구현 요소 및 설명 ················································· 25

표 9. 성능 검증을 위한 시뮬레이션 결과 비교(3GPP/OPNET) ·················· 33

표 10. 성능 검증을 위한 시뮬레이션 결과 비교(3GPP/ns-3/OPNET) ···· 33

표 11. 셀 당 100,000개 단말의 시뮬레이션 결과 ·········································· 35

표 12. 전체 단말 수에 따른 프리앰블과 RAR의 수 ········································ 51

1

제 1 장 서론

최근 차세대 통신 서비스 분야로 IoT(Internet of Things) 서비스가 새롭게

조명 받으면서, IoT 단말의 수가 급격하게 증가하고 있다. 또한, 다양한 IoT

단말 및 스마트 기기들이 보급되면서 M2M(Machine to Machine) 통신이 활

발해 지고 있으며 급격히 증가하는 모바일 단말과 트래픽을 수용하기 위한 연

구가 진행되고 있다[1-3]. Cisco라는 네트워크 장비 업체는 2020년 모바일

트래픽의 사용량은 현재의 1,000배 이상 증가할 것으로 예상하고 있고[4], 국

제전기통신연합은 IMT-2020을 위한 5G 관련 주요 기술 동향과 8대 핵심 성

능 지표를 제시하였다[5]. 차세대 이동통신시스템인 5G 이동통신시스템에서는

현재의 3G/4G 이동통신시스템보다 다양한 측면의 기술 발전이 필요하다. 이를

위해 5G 이동통신시스템은 기존 대비 속도, 용량, 지연시간 등의 측면에서

1000배의 성능 향상을 목표로 연구되고 있다.

현재 LTE(Long Term Evolution) 시스템에서 RA(Random Access) 및

시그널링 절차는 slotted ALOHA 시스템을 기반으로 설계되었기 때문에, 급격

하게 증가하고 있는 단말을 수용하기에 한계가 있다[6]. 용량의 측면에서, 단

말이 네트워크 접속하기 위해서는 RA 및 시그널링 절차가 필수적이지만, 기존

시스템에서는 소수의 단말이 네트워크에 접속하는 것을 목표로 설계되어 있어

다수의 단말을 수용하기 위한 환경에 적합하지 않다. 또한, 기존 이동통신시스

템 환경에서 다수의 단말이 적용되는 환경에 대한 현재 성능분석 문서는

30,000개까지의 단말에 대한 결과만을 보여주고 있고, 오직 RA 절차에 대한

시뮬레이션과 사고 실험 결과를 나타내고 있다[7, 8]. 그러나 이런 편향적인

성능 분석은 실제 시스템에 배치되었을 때의 성능과는 차이가 발생할 수 있다.

따라서 RA, 시그널링 절차, 데이터 송수신과 같은 초다수 단말 배치 환경에서

발생할 수 있는 주요 현상을 모두 반영한 시뮬레이터를 통해, 다양한 파라미터

값의 변화에 따른 성능 분석 결과가 필요하다.

2

본 논문에서는 현재 LTE 시스템의 한계를 파악하기 위해, 5G 이동통신시스

템의 수용 향상 목표를 충족하며, 성능 평가가 가능한 시뮬레이터를 개발하였

다. 이 시뮬레이터는 OPNET을 이용하여 개발하였으며, OPNET에서 제공하는

기존 LTE 모듈에서 수용할 수 있는 단말 수의 한계를 극복하였다. 개발한 시

뮬레이터는 현재 사용되고 있는 LTE 시스템을 이용하여 초다수 단말에 대한

서비스를 수행할 때, RA에 의해 단말의 접속이 제한되는 사항을 확인할 수 있

고, LTE 시스템의 틀을 유지하는 전제 하에 다양한 파라미터를 변경시키면서

단말 수용 정도에 대한 성능을 분석할 수 있다. 개발한 시뮬레이터를 통해 5G

이동통신시스템의 성능 향상 목표 중 용량에 초점을 맞춰 셀 당 100,000개 단

말의 수용을 위한 성능 분석 결과 제시하고, 프리앰블의 수, 프리앰블 최대 전

송횟수 등 다양한 파라미터를 변경시키면서 LTE 시스템에서 다수의 단말 수

용 능력에 대한 성능 분석을 수행하였다. 성능분석 결과를 통하여 초다수 단말

환경에서 RA의 메시지 교환절차 시, PDCCH(Physical Downlink Control

Channel) 자원의 한계로 인한 접속 성공률 저하의 문제점을 확인하였고, 이

문제점을 개선하기 위해, 전체 단말 수에 따른 프리앰블 수 및 PDCCH 당

RAR(Random Access Response) 수 추정을 통한 효율적 자원 할당 기법을

제안하였다.

본 논문의 2장에서는 LTE 시스템에서 RA 절차에 대한 다양한 관점에서의

성능 분석 결과와 RA 성능 향상을 위한 개선 기법들을 소개한다. 3장에서는

RA 절차에 대한 구체적인 분석과 스캐줄 및 자원 할당 방식에 대하여 설명한

다. 4장에서는 OPNET 시뮬레이터 개발 과정과 검증 결과를 보여준다. 5장에

서는 개발한 시뮬레이터를 이용한 RA 성능 분석결과를 통해 현재 LTE 시스

템의 한계를 도출하고, 이 문제점을 극복하기 위해 제안한 효율적 자원 할당

기법을 소개한다. 6장에서는 결론으로 본 논문을 마무리한다.

본 연구 결과를 기반으로 5G 이동통신시스템으로의 전환 및 관련 표준화 활

동에 기여할 수 있으며, 차세대 이동통신 시스템의 기술 개발을 위한 성능 평

가 수단으로 활용 가능할 것이다.

3

제 2 장 최근 연구 동향

현재 많은 단체에서 LTE 시스템에서의 단말 수용 한계를 극복하기 위해,

IoT의 활성화 및 5G 이동통신시스템의 전환에 대하여 활발히 논의 중이다. 이

러한 연구에서는 수학적 성능 분석, 시뮬레이터 구현을 통한 성능 분석, RA 개

선 기법 등에 대한 논의가 진행 중이다.

제 1 절 수학적 성능 분석 동향

수학적 성능 분석 연구로는 [9]와 [10]의 분석 결과가 있다. [9]의 논문에

서는 동시에 발생하는 대규모의 데이터와 시그널링 전송 절차들로 인해

MTC(Machine Type Communication) 트래픽이 급격하게 증가할 것이라고

예측하며, 발생하는 트래픽의 분포는 베타 분포로 발생할 것이라고 가정하고

있다. 이러한 가정을 통해, 큐잉 시스템의 G/M/1 모델에 베타분포로 발생하는

트래픽을 적용하여 분석한 Beta/M/1 큐잉 모델을 제시하고 있다. 이 모델을

수학적으로 분석하여 MTC 시나리오 모델을 다양하게 구현하고, 시나리오 별

성능을 분석하여 구현한 모델의 효율성을 판단할 수 있다. [10]의 논문에서는

LTE RA 절차 성능평가를 위해 RA 절차 및 성능 지표를 수학적으로 풀어, 분

석적인 모델을 제시하고 있다. 대규모의 MTC 트래픽이 동시에 발생하는 상황

을 베타 분포로 설정하여, RA의 성공률, 충돌률, 프리앰블 평균 전송횟수, 평

균 지연시간 등 TR 37.868 문서의 성능 지표를 기반으로 수학적으로 분석하

였다. 수학적 분석을 통해 MTC 트래픽이 동시에 집중되는 상황에서, RA의 절

차 정보를 획득할 수 있고, 베타분포 뿐만 아니라 다양한 트래픽 모델에서의

성능분석이 가능하다. 이 논문의 경우 ACB(Access Class Baring) 기법과 같

이 혼잡한 채널의 상황을 효율적으로 제어할 수 있는 방안으로 활용 가능하다.

4

제 2 절 시뮬레이터 구현 동향

시뮬레이터 구현을 통한 성능 분석 연구로는 [7]와 [11]의 분석 결과가 있

다. [7]의 표준문서에서는 LTE 시스템의 초다수 단말 적용 환경에서 RA 성능

을 분석하였다. LTE 시스템에서 RA 성능 분석을 위한 참조망 구조와 성능 지

표를 제시하고 있다. 이 성능 평가는 단말의 수를 1,000개부터 30,000개까지

설정하여, RA 절차의 성공률, 충돌률, 프리앰블 평균 전송횟수, 평균 지연시간

의 성능 지표를 선정하여 성능을 분석하였다. 트래픽 모델은 단말이 60초 이내

에 uniform 분포로 접속을 시도하는 모델과 10초 이내에 beta 분포로 접속을

시도하는 모델 두 가지로 설정하였다. [11]의 논문에서는 3GPP TR 37.868

문서의 시뮬레이션 환경을 적용하여 ns-3 네트워크 툴을 사용하여 시뮬레이터

를 개발하였다. 단말의 접속 분포는 베타 분포로 설정하였으며 단말의 수, 성능

지표 등은 TR 37.868 문서와 동일하다. 추가로 frame 당 PRACH(Physical

Random Access channel)의 수에 따른 성능을 분석하기 위해 프리앰블 최대

전송 횟수와 PRACH Configuration Index를 변화시키면서 성능을 분석했다.

5

제 3 절 Random access 개선 기법 동향 [12]

(가) Optimized MAC

M2M 단말은 매우 작은 양의 데이터를 전송하는 것을 목표로 한다. 그러나

표준 LTE의 과정을 따라 데이터 전송 네트워크에 접속하여 데이터를 전송하

려고 하면 프리앰블부터 RRC connection complete 등의 긴 메시지 송신을

포함하여 데이터보다 매우 많은 제어 메시지 송수신이 필요할 수 있다.

Optimized MAC 기법은 M2M 단말이 데이터 전송 네트워크에 연결하지 않고

전송하는 방법이다. 이러한 접근 방법의 핵심 아이디어는 전송 데이터를 RA

프로세스의 메시지 1이나 3에 첨부하여 같이 전송하는 것이다[13]. 이 방법은

M2M 단말과 eNB 사이에 교환되는 제어 정보의 양을 크게 줄일 수 있지만,

이동성이나 페이징 기능을 방해할 수 있으므로 설계에 고려하여야 한다.

(나) ACB

ACB 기법은 LTE와 LTE-A에서 무선 인터페이스에 대한 액세스를 제어하

는 메커니즘으로 설명된다. 이를 위하여 시스템에서는 서비스를 16개로 분류하

여 정의하게 된다. 그리고 이들 중 일부는 긴급 서비스, 보안 서비스 및 공공시

설 등의 특별한 용도를 위해 우선순위로 사용된다. 만약 네트워크 과부하가 발

생하면 eNB는 시스템 정보의 일부인 ACB에 관련된 파라미터를 단말들에게

전송한다. 이 파라미터에는 각각의 분류에 대한 확률 인자 및 barring 타이머

를 포함한다. 네트워크에 접속을 시도하는 단말들은 각각의 서비스에 대해 알

고 있는 상태에서 이 메시지를 통해 확률값을 전송 받으면 임의의 숫자를 선택

한다. 만약 이 숫자가 확률 인자보다 작으면, 그 단말은 접속을 시도할 수 있

다. 숫자가 확률인자보다 클 경우, 접속을 시도하지 않고 백오프 타임을 수행하

6

여 접속을 지연 시킨다[14]. 이러한 접근 방식을 사용한다면 적정 수 이상의

다수 단말이 동시에 RACH에서 RA를 시도할 가능성이 줄어들기 때문에 RA의

성능을 향상시킬 수 있다. 세부적으로는 아래와 같은 방식이 연구되고 있다.

Individual ACB Scaling 기법은 더 많은 규모에 대하여 제어하기 위하여,

네트워크에서는 개별 단말이나 그룹화 된 단말들은 어떻게 barring 파라미터를

측정할 것인지에 대한 신호를 보낸다. EAB(Extended Access Barring) 기법

에서는[15] delay-tolerant의 단말들은 네트워크가 혼잡할 때 RA를 시도하지

않는다. delay-constrained 단말들만 우선적으로 경쟁에 참여하여 지연시간에

민감한 서비스를 우선 처리한다. Dynamic Access Barring 기법에서는[16],

eNB(eNodeB)가 각 RA 슬롯에서 프리앰블 전송 횟수를 제어하기 위해 네트

워크의 부하상태를 계속해서 모니터링 한다. 높은 트래픽 부하의 경우, 네트워

크 환경이 좋아질 때까지 M2M 단말의 새로운 접속을 지연시킨다.

Cooperative ACB 기법은[17] M2M 단말들이 하나 이상의 셀 영역에 위치할

확률이 높은 것을 이용한다. 단일 셀보다는 네트워크의 전체적인 성능을 최적

화하기 위해, 모든 eNB로부터의 ACB 파라미터들을 최적화 할 때 각 eNB의

혼잡 레벨에 따라 ACB 파라미터들을 결정한다.

(다) Separation of RA Resource

LTE에서는 RA를 위해 기지국이 RACH를 할당하고 하나의 RACH 안에서

는 다수의 프리앰블을 사용한다. 자원 분리 접근에서는 M2M 기기들이 기존의

네트워크 서비스를 사용하는 사용자를 방해하는, 즉 H2H(Human to Human)

서비스를 방해하지 않도록 프리앰블을 각각 분할하거나, H2H와 M2M의 RA

슬롯을 다르게 할당한다[18]. 일부 연구에서는 H2H 단말들은 모든 자원을 사

용할 수 있고, M2M 단말들만 사전에 한정된 부분만 사용하도록 제한되어있다.

이러한 접근 방식은 기존 서비스를 이용하는 단말들에 대해 M2M이 방해하지

않도록 할 수 있으나 M2M 단말들을 위해 사용 가능한 자원이 적고, M2M 트

7

래픽은 다수 단말의 배치를 가정하는 경우가 많기 때문에 M2M 서비스에 대해

서는 높은 부하가 발생하기 쉬워 성능 향상이 제한된다.

(라) Other solutions

이 외에도 다양한 접근으로 활용할 수 있다. Dynamic Allocation of RACH

Resources 기법은[19] 네트워크의 부하에 대응하기 위해 네트워크 정체 시,

M2M 단말들을 위한 추가적인 RA 슬롯들을 할당 할 수 있다. 하지만 접속 기

회 및 데이터 송신에 사용하는 자원의 양 사이에 트레이드오프가 존재하기 때

문에, 매우 높은 트래픽 부하의 경우 개선 효과가 적다. Backoff Adjustment

Schemes 기법에서, backoff 타이머는 M2M 단말들에 특정 값을 할당하여 단

말의 액세스 시도를 지연시킨다[20]. 이 방식의 경우 낮은 혼잡의 경우 개선

효과가 있지만, 매우 높은 혼잡의 경우에는 적합하지 않다. 그 주된 이유 중 하

나는, 액세스 성공 확률의 향상보다는 평균 액세스 지연이 심각하게 저하되기

때문이다. Slotted Access기법에서는, RA 슬롯들은 각 M2M 단말들이 네트워

크에 접속하기 위한 전용 슬롯으로 정의된다[21]. M2M 단말들은 그들의 ID

와 파라미터들을 기반으로 상응하는 RA 슬롯을 계산하고, eNB에 방송한다.

이 방법의 주요한 약점은 접속 과부하의 경우 단말 별로 RA 슬롯을 할당하기

위해 매우 큰 RA 주기를 필요로 하여 접속 지연을 야기시킨다. Prioritized

Random Access 기법은 Virtual Resource Allocation과 Dynamic Access

Barring 두 가지 메커니즘을 기반으로 한다[22]. Virtual Resource

Allocation은 RA 자원을 H2H, scheduled, emergency call, high priority,

low priority 이렇게 5개로 분류하는데 사용된다. M2M 단말들은 그들의 분류

에 따라 한정된 자원의 사용이 가능하다. Dynamic Access Barring은 높은

트래픽 과부하의 경우 M2M 단말들의 새로운 접속 시도를 제한한다.

Self-Optimizing Overload Control 기법은 부하의 상황에 따라 RA 자원을

설정이 가능하다[23]. 이 방식은 Separation of RACH Resources, ACB

8

schemes, slotted-access scheme을 포함하고 있다. 만약 단말이 첫 번째 시

도에서 접속 허가를 받지 못하면, overload control 모드로 들어간다. 이 상태

에서는 다음 프리앰블을 전송하기 전까지 ACB scheme을 수행한다. 이 기법

의 가장 중요한 특징은 과부하 모니터링을 통해 정보를 수집하고, 그 정보를

이용하여 RA 자원을 조정하는 것이다. 이 정보는 eNB의 혼잡도를 결정할 수

있다. 이 혼잡도를 기반으로 eNB는 RA 슬롯을 다양하게 공급한다. RA 슬롯

의 개수가 최대 허용 한계에 도달하면 과부하 상태가 개선될 때까지 eNB는 일

시적으로 우선순위가 가장 낮은 M2M 분류에 대한 접속을 제한한다.

Code-Expanded RA 기법은 프리앰블 대신에 코드 워드 전송으로 구성된다

[24]. 코드 워드는 단말이 가상의 프레임으로 구성된 RA 슬롯들에 각각에 하

나의 프리앰블을 송신하는 경우 생성되며, 이는 경쟁 자원의 수를 확장시켜 충

돌률을 감소시킬 수 있다. 이 방식은 각 접속 시도에 대하여 단말들은 반드시

한번 이상의 프리앰블을 전송해야 하므로 에너지 소비가 크다는 단점이 있다.

9

제 3 장 Random access 프로토콜 절차 및 분석

본 장에서는 단말이 데이터를 전송하기 이전에, 주변의 기지국을 탐색하여

접속하는 절차인 random access 프로토콜 절차에 대하여 설명한다. 먼저, RA

프로토콜의 정의 및 구성을 분석한 후, 구체적인 절차와 자원의 사용에 대하여

설명한다[25-27].

제 1 절 Random access 프로토콜

RA는 단말기가 eNB에 초기 접속할 때 사용하는 충돌 기반 접속 절차로

IMSI 획득 절차 중 RRC connection 과정에 필요한 절차이다. 현재 LTE 시

스템에서의 디바이스의 초기접속 절차는 LTE 망/서비스에 가입한 사용자가 사

용자 단말의 전원을 켜고 가입 후 처음 망에 접속하는 경우에 단말, 기지국 및

코어 네트워크의 노드들이 수행한다. 단말의 전원이 켜지면 MME는 단말의 고

유 번호에 해당하는 IMSI를 획득하며, 이후 단말의 인증 및 NAS 보안 설정을

수행한다. 이 과정이 끝나면 단말의 위치를 확인하여 갱신하고 마지막으로 데

이터 전송을 위한 EPS 세션 전개 과정을 수행한다. 그러나 초다수 디바이스의

경우 매우 많은 단말의 상태를 저장해두기에는 공간이 부족할 수 있고 초다수

디바이스 응용분야의 경우 해당 단말이 주기적으로 짧은 메시지만을 전송하고

접속을 끊는 경우가 많다. 따라서 IMSI 획득 절차 이후의 작업을 전개하는 것

보다는 초기에 메시지만 송신하기 위한 과정이 중요하다. 따라서 IMSI 획득

절차 이후보다는 IMSI 획득 절차까지를 연구하고 이를 개선하는 작업이 중요

하다. 그러므로 본 연구에서는 이를 중점적으로 살펴본다. LTE 규격에서는 단

말기가 최소한의 무선 자원을 사용하여 기지국으로 신속하게 접속하도록 RA

절차를 정의하는 것을 목표로 설계하였다.

10

RA는 크게 두 가지로 나누어진다[28]. 첫 번째는, 경쟁 기반 RA 절차로 주

로 eNB가 단말의 존재를 모르기 때문에, 자원 할당이 어려운 초기 접속을 위

한 단말들이 주로 이용한다. 해당 형식은 단말들 간에 충돌이 발생할 수 있어

단말이 해당 과정을 이용해 메시지 전달을 수행하여도 실패할 가능성이 높다.

두 번째는, 기지국이 핸드오버와 같은 특별한 액세스 자원을 요청하기 위해 해

당 자원들을 미리 비워두었다 필요 시 할당하는 비경쟁 기반 RA 절차로서 경

쟁에 의한 충돌이 발생하지 않으므로 매우 높은 액세스 성공률을 보인다.

해당 절차에서 프리앰블 송신에 사용되는 물리 채널은 PRACH이며, 나머지

시그널링에 사용되는 물리 채널은 모두 UL-SCH(Uplink Shared Channel)을

사용한다. RA 절차에서는 eNB가 프리앰블을 송신하기 전에 모든 단말이 공통

으로 사용할 PRACH 자원을 UL 스케줄 과정에서 할당하고, 단말은 고유하게

지정된 PRACH를 사용하여 RA를 수행한다. 이에 따라, 별도의 채널 할당 없

이 프리앰블만을 이용할 경우, 충돌로 발생하는 재접속 지연을 회피하여 데이

터 송신 및 핸드오버를 위하여 기지국으로 빠르게 접속할 수 있다.

11

PRACH

Configuration

index

Preamble

Format

System

frame

number

Subframe

number

PRACH

Configuration

index

Preamble

Format

System

frame

number

Subframe

number

0 0 Even 1 32 2 Even 11 0 Even 4 33 2 Even 42 0 Even 7 34 2 Even 73 0 Any 1 35 2 Any 14 0 Any 4 36 2 Any 45 0 Any 7 37 2 Any 76 0 Any 1, 6 38 2 Any 1, 67 0 Any 2, 7 39 2 Any 2, 78 0 Any 3, 8 40 2 Any 3, 89 0 Any 1, 4, 7 41 2 Any 1, 4, 710 0 Any 2, 5, 8 42 2 Any 2, 5, 811 0 Any 3, 6, 9 43 2 Any 3, 6, 9

12 0 Any0, 2, 4,

6, 844 2 Any

0, 2, 4,

6, 8

13 0 Any1, 3, 5,

7, 945 2 Any

1, 3, 5,

7, 9

14 0 Any0, 1, 2,

3, 4, 5,

6, 7, 8, 9

46 N/A N/A N/A

15 0 Even 9 47 2 Even 916 1 Even 1 48 3 Even 117 1 Even 4 49 3 Even 418 1 Even 7 50 3 Even 719 1 Any 1 51 3 Any 120 1 Any 4 52 3 Any 421 1 Any 7 53 3 Any 722 1 Any 1, 6 54 3 Any 1, 623 1 Any 2, 7 55 3 Any 2, 724 1 Any 3, 8 56 3 Any 3, 825 1 Any 1, 4, 7 57 3 Any 1, 4, 726 1 Any 2, 5, 8 58 3 Any 2, 5, 827 1 Any 3, 6, 9 59 3 Any 3, 6, 9

28 1 Any0, 2, 4,

6, 860 N/A N/A N/A

29 1 Any1, 3, 5,

7, 961 N/A N/A N/A

30 N/A N/A N/A 62 N/A N/A N/A31 1 Even 9 63 3 Even 9

표1. PRACH configuration index

Table 1. PRACH configuration index

12

eNB는 프리앰블을 전송하기 위한 시점을 조정하고 제한하기 위하여 표 1과

같은 PRACH configuration index 설정에 의해 단말이 RA를 시도할 시점을

결정한다. PRACH configuration index는 0부터 63까지 64개로 구성되어 있

다. 프리앰블 포맷은 프리앰블의 길이를 결정하는 요소로 RA를 지원할 셀의

반경에 따라 결정한다. System frame number는 frame마다 시간에 따라 0부

터 1023까지 순차적으로 주어지는 1024개의 번호이며 특정 설정에서는 이 값

이 짝수인 frame에서만 PRACH가 할당된다. Subframe number는 한 frame

내의 10개의 subframe 중 어떤 subframe에 PRACH를 할당할지 결정한다.

따라서 PRACH configuration index 6번을 사용할 경우, preamble format은

0으로 약 14km까지의 셀 반경을 지원하고, system frame number은 Any

이므로 모든 frame의 1번과 6번 subframe에 PRACH가 할당된다.

13

그림 1. Random access 메시지 교환 절차

Figure 1. Random access massage

exchange procedure

다음으로 경쟁 기반 RA의 세부 절차는 그림 1과 같다[29]. 처음으로 접속

을 희망하는 단말은 PRACH라는 상향링크 물리채널을 통해 RA 프리앰블 하

나를 선택하여 전송한다(1 단계). RA에 사용되는 프리앰블들은 서로 직교에

가까운 64 가지 시퀀스들이며, 단말은 이중 하나의 시퀀스를 임의로 선택하여

전송한다. 특정 PRACH 슬롯에서 동일한 프리앰블을 다수의 단말이 동시에 전

송하여도 이 단계에서 기지국은 하나의 프리앰블만 수신되기 때문에 해당 프리

앰블을 여러 단말이 송신하였는지는 판단할 수 없다. 다음 2 단계에서는 기지

국이 RAR을 단말에게 전송한다. 이 응답에는 성공한 프리앰블의 식별정보, 상

향링크 자원할당 정보, 상향링크 동기 정보를 포함한다. 더불어, 프리앰블 전송

에 실패한 단말을 위해 재전송을 시도하기 위해 기다려야할 최대 시간을 알려

주는 backoff indicator도 포함할 수 있다. 해당 메시지는 하향 링크 물리 채널

인 PDSCH로 전송된다. 2 단계에서 RA 응답 메시지를 수신한 단말은 프리앰

블 전송에 성공한 단말이 되며 해당 단말들은 3 단계인 초기 접속 메시지 전

14

송을 수행한다. 해당 메시지는 RA 응답 메시지에 포함된 상향링크 자원을 이

용하여 전송 한다. 만약 1 단계에서 해당 프리앰블을 하나의 단말만 전송하였

었다면 이 단계에서 기지국이 초기접속 메시지를 수신할 수 있다. 그러나 만약

둘 이상의 단말이 동시에 프리앰블을 전송하였다면 두 다른 메시지가 하나의

채널로 전송되기 때문에 기지국이 해당 메시지를 해독하지 못하는 충돌이 발생

한다. 만약 기지국이 초기 접속 메시지를 성공적으로 수신하였다면 RA의 최종

단계인 connection resolution 메시지 송신으로 RA를 완료한다. 만약 단말이

프리앰블 전송이나 초기 접속 메시지 전송 이후 일정한 시간 동안 RA 응답이

나 경쟁해소 메시지를 받지 못하면 단말은 1과 backoff indicator 사이에서 난

수를 발생하여 해당 난수만큼 대기 후 프리앰블을 재전송한다. RA 이 사전에

설정된 최대 횟수에 이를 때까지 성공하지 못한다면 단말은 이를 상위계층에

보고하고 RA 을 종료한다. RA 과정이 끝나면 이후에는 시그널링 메시지 교환

절차가 발생한다.

15

제 2 절 Random access 프로토콜 스케줄 및 자원 할당

단말은 중심에 eNB가 위치한 일정 반경의 셀에 균일하게 배치되어 거리에

따라 한 RB(Resource Block)에서 사용 가능한 bit 수의 변화가 있는 상황을

가정한다. 실제로 단말이 접속을 시도할 시점을 정확히 알 수 없지만, 본 논문

에서는 시뮬레이터 개발을 위해 정해진 arrival model에 따라 동작을 시작하여

RA를 수행하도록 설계하였다.

단말은 arrival 이후 가장 가까운 RACH에서 프리앰블을 전송하며 eNB는

이를 받아 단일 단말로부터 전송된 프리앰블에 대하여 RAR 메시지(MSG2)를

전송한다. MSG2의 전송을 위하여 common space PDCCH 1개와 단말이 채

널 상황에 맞춰 MSG2의 모든 내용을 보낼 수 있는 PDSCH의 RB개수가 소모

된다. 그리고 MSG2에 포함되는 UL grant에 포함될 MSG3을 한 subframe에

보낼 수 있게 PUSCH의 RB 개수를 계산한다. 실제 시스템에서는 프리앰블의

충돌 발생 시에도 MSG2를 전송하지만 본 논문의 시뮬레이션에서는 전송하지

않는 것으로 가정한다. 단말이 MSG2를 수신하면 MSG3을 eNB에게 전송한다.

eNB는 MSG3을 수신하면 MSG4를 단말에게 보낸다. MSG4의 송신을 위하여

common space PDCCH 1개와 MSG4 전송에 필요한 PDSCH RB 개수를 소

모한다. 이 때 PDSCH의 RB 잔여량이 부족한 경우에는 MSG4의 일부만 우선

보낸 후 그 다음 subframe에서 분할하여 전송하며 이때는 분할한 만큼

PDCCH를 소모한다. 이후 각 분할된 MSG4는 독립된 HARQ process를 통해

전송된다. 단말이 MSG4를 수신하고 MSG5를 송신하기 위해서는 PUSCH 자

원을 할당 받아야하기 때문에 scheduling request 메시지를 eNB로 송신하여

자원 할당을 요청한다. 이 메시지를 받은 eNB는 US specific space의

PDCCH 1개를 소모하여 MSG5를 보내기 위한 PUSCH의 RB 개수에 대한

UL grant 메시지를 전달한다. 만약 MSG5의 분할이 필요한 경우에는 그 다음

subframe에 역시 PDCCH 1개를 소모하여 UL grant를 추가로 송신한다. 단말

16

은 HARQ를 이용하여 MSG5의 재전송을 수행한다. eNB가 MSG5의 수신을

완료하게 되면 RA가 성공한 것으로 종료한다. 만약 MSG2, MSG4 타이머에

의해 중간 과정에서 시간 만료가 발생하는 경우에는 프리앰블 송신 과정으로

돌아가 RA를 수행한다. 그리고 프리앰블 최대 제한 횟수를 초과하여 프리앰블

을 보내야 하는 상황이 발생하면 단말은 RA를 실패한 것으로 종료한다.

(가) MSG 크기 설정

MSG2에서부터 MSG5의 크기는 다음과 같이 설정하였다. MSG2의 경우에

는 backoff indicator subheader, MAC subheader, random access

response의 크기를 합한 56 bits로 설정하였다. MSG3의 경우에는 MAC

subheader, padding, RRC connection request의 크기를 합한 104 bits로 설

정하였다. MSG4는 MAC subheader, padding, RRC connection setup의 크

기를 합한 1136 bits로 설정한다. MSG5의 크기는 MAC subheader,

padding, RRC connection complete 메시지와 20 bytes의 데이터 크기를 합

한 392 bits로 설정한다[30].

HARQ를 이용하여 메시지 전송 시 프로세스 단위로 메시지가 전송되면 각

프로세스 단위로 성공확률에 따라 ACK나 실패확률에 따라 NACK를 전송한

다. 만약 송신자 프로세스가 NACK를 받은 경우에는 재전송을 수행한다. UL

전송에 대한 재전송의 경우에는 별도의 자원 할당 정보를 eNB가 단말에게 전

송해 주어야하기 때문에 NACK 송신 이후 UL grant를 별도로 송신하여 프로

세스가 전송을 할 수 있게 한다. 재전송시에는 초기에 사용하였던 자원의 양

만큼 다시 사용한다.

(나) eNB의 스케줄러

시그널링 오버헤드 시뮬레이션에서는 제한된 자원을 바탕으로 성능 분석이

수행되며 각 메시지가 사용해야 하는 자원이 다양한 상황이므로 eNB에서의 자

원 할당 순서가 영향을 주게 된다. 본 논문에서는 이를 위하여 스케줄링 순서

17

를 다음과 같이 설정하였다.

스케줄링 순서는 크게 MSG2 송신 할당, 상향링크 할당, 하향링크 할당 순으

로 진행한다. MSG2 스케줄링은 한 단말만이 송신한 프리앰블에 대하여 수행

한다. 스케줄러는 common space PDCCH가 1개 이상 남아있고 PDSCH에의

RB 수가 MSG2를 한 subframe에 송신 가능한 만큼 남아있으며 MSG3을 송

신할 시점에 대한 PUSCH에의 RB 수가 MSG3을 한 subframe에 송신 가능한

만큼 남아있을 때 해당 자원을 해당 단말에게 할당한다. 만약 성공한 프리앰블

이 남아있음에도 자원이 부족할 경우에는 다음 subframe으로 미루어 할당을

계속한다. 그러나 MSG2 window size 이상 지연이 된 경우에는 해당 프리앰

블에 대한 할당을 수행하지 않는다.

MSG2 송신 할당 이후 남은 자원을 이용해 상향링크 할당을 수행한다. 상향

링크 할당을 수행하는 경우는 MSG3 재전송, MSG5 전송, MSG5 재전송으로

세 가지가 발생하는 순서대로 할당 작업을 수행한다. 각 할당에는 1개의

UE-specific space의 PDCCH가 필요하다. 또한 PUSCH의 할당이 필요한데,

재전송의 경우에는 그 이전에 할당하였던 RB 수를 다시 할당 가능할 경우에

할당해주며, 신규 전송의 경우에는 현재 남은 자원으로 최대한 할당 가능한

RB 수를 할당해준다. 각각 할당을 마친 후 HARQ 프로세스를 수행하여 다음

에 재전송을 할지 결정한다. 만약 상향링크 할당에 필요한 자원이 부족할 경우

에는 다음 subframe으로 연기하여 할당을 계속하며 HARQ 최대 재전송 횟수

를 넘긴 경우에는 더 이상 할당하지 않는다.

마지막으로 상향링크 할당까지 수행 후 남은 자원을 이용하여 하향링크 할당

을 수행한다. 하향링크할당을 수행하는 경우는 MSG4의 전송과 재전송이다. 각

할당에는 1개의 UE-specific space의 PDCCH가 필요하다. 또한 PDSCH의

할당이 필요한데, 재전송의 경우에는 그 이전에 할당하였던 RB 수를 다시 할

당 가능할 경우에 할당해주며, 신규 전송의 경우에는 현재 남은 자원으로 최대

한 할당 가능한 RB 수를 할당해준다. 각각 할당을 마친 후 HARQ 프로세스를

수행하여 다음에 재전송을 할지 결정한다. 만약 상향링크 할당에 필요한 자원

18

× . (1)

이 부족할 경우에는 다음 subframe으로 연기하여 할당을 계속하며 HARQ 최

대 재전송 횟수를 넘긴 경우에는 더 이상 할당하지 않는다.

(나) SNR을 이용한 단말의 RB 당 비트 수 결정

실제 LTE 네트워크에서는 단말의 채널 상황에 따라 RB당 비트수가 달라진

다. 따라서 같은 수의 RB를 사용하더라도 채널 상황이 좋으면 더 많은 비트를

전송 가능하다. 개발한 시뮬레이터에 이를 반영하기 위하여 단말과 eNB의 거

리를 고려한 SNR(Signal-to-Noise Ratio)을 획득하는 과정 및 이를 이용한

단말 별 RB 당 비트 수 결정 과정을 수행한다.

우선 SNR 획득에 필요한 단말과 eNB 사이의 거리를 획득한다. 해당 거리를

습득한 후 ITU-T UMa path loss model의 LOS(line of sight) 경우를 이용

하여 단말에 대한 path loss를 획득한다. ITU-T UMa path loss model 모델

에서는 거리에 따라 표2와 같이 획득 가능하다. 이와 같이 path loss를 획득하

면 아래 수식과 같이 SNR을 획득한다.

SNR을 획득하면 표3의 SNR 조건보다 낮은 가장 높은 MCS 값을 선택한다.

그리고 이에 해당하는 TBS(transport block size) 값을 해당 단말에 대한 RB

당 비트 수로 활용한다. 표4는 표3의 조건에서 link level simulation을 수행하

여 얻은 결과이다.

19

시나리오 Path loss [dB] 응용범위 / 안테나 높이

LOSPL = 22.0log10(d) + 28.0 +

20log10(fc)

10 m < d < d‘BP 1)

d‘BP < d < 5000m1)

hBS=25 m1), hUT=1.5 m1)

NLOS

PL = 161.04 – 7.1 log10(W)

+ 7 . 5 l o g 1 0 ( h ) – ( 2 4 . 3 7 – 3.7(h/hBS)2)log10(hBS)

+ ( 4 3 . 4 2 – 3 . 1 l o g 1 0 ( h B S ) )

(log10(d)-3) + 20 log10(fc)

– (3.2(log10(11.75hUT))2-4.97)

10 m < d < 5000m

h = avg. building height

W = street width

hBS = 25m, hUT = 1.5m,

W = 20m, h = 20m

The applicability ranges:

5m< h < 50m

5m< W < 50m

10m< hBS < 150m

1m< hUT < 10m

표 2. ITU-T UMa path loss 모델

Table 2. ITU-T UMa path loss model

20

MCSTBS

(bits)

Modulation

order

Code

rate

Spectral

efficiencySNR (dB)

0 16 2 0.0556 -0.51 24 2 0.0833 0.02 32 2 0.1111 0.63 40 2 0.1389 1.04 56 2 0.1944 1.85 72 2 0.2500 2.56 - - -7 104 2 0.3611 4.08 120 2 0.4167 4.69 136 2 0.4722 5.310 144 2 0.5000 5.511 144 4 0.2500 6.612 176 4 0.3056 7.513 208 4 0.3611 8.414 224 4 0.3889 9.015 256 4 0.4444 9.816 280 4 0.4861 10.5

파라미터 값

System bandwidth 10MHz

Carrier frequency 2GHz

Antenna configuration 1x2

Channel model EPA

Doppler spread 1Hz

Number of UL RBs 1

Modulation QPSK(2), 16-QAM(4)

Transmission mode TM1

Frequency tracking error 100Hz

Performance target 10% iBLER

표 3. SNR/MCS/TBS 크기 맵핑 테이블

Table 3. SNR/MCS/TBS mapping

표 4. SNR/MCS/TBS 크기 도출을 위한 simulation 파라미터

Table 4. Simulation parameter for SNR/MCS/TBS

21

제 4 장 성능 분석 시뮬레이터

4장에서는 5G 이동통신시스템의 단말 수용 요구사항을 충족하기 위해 개발

한 시뮬레이터를 설명한다. 셀 당 100,000개의 단말을 수용할 수 있는 시뮬레

이터의 개발 환경을 설명하고, 개발한 시뮬레이터의 검증을 위해 이미 검증되

어있는 시뮬레이션 결과와 개발한 시뮬레이터의 시뮬레이션 결과를 비교한다.

제 1 절 시뮬레이션 환경 분석 및 성능 지표

본 논문에서는 OPNET 툴을 사용하여 새로운 성능 분석 시뮬레이터를 개발

하였다. OPNET에서 제공하는 LTE 모듈은 많은 수의 단말들을 수용하기에

적합하지 않기 때문에 이를 개선하여 새로운 모듈을 개발하였다[31]. 현재 사

용하고 있는 LTE 시스템의 RA 프로토콜 절차와 동일하게 시뮬레이터를 구현

하였다. 그림 2는 OPNET의 시스템 모델이다. 시뮬레이션 환경은 표준문서인

3GPP TR 37.868 문서와 동일하게 설정하였다. 표 5는 시뮬레이션 트래픽 모

델이다. 트래픽 모델 1은 60초 동안 단말이 균일하게 도착하는 모델이고, 트래

픽 모델 2는 단말이 짧은 시간에 집중되는 환경을 적용한 모델이다. 단말의 수

는 5,000, 10,000, 30,000개로 설정하였다. 기지국 및 단말의 배치는 그림 3

과 같다. 본 시뮬레이션에서 PRACH configuration index를 6으로 설정하여

모든 frame의 1, 6번 subframe에 PRACH가 할당되도록 설정하였다. 대역폭

은 5MHz로 설정하였다.

시뮬레이션 파라미터는 표 6과 같이 설정하였다. RA 프로토콜에 사용하는

총 프리앰블 개수는 54개로 설정하였고, 단말이 프리앰블을 전송할 수 있는 최

대 횟수는 10회로 설정하여 프리앰블 전송횟수가 10회가 초과하면 RA에 실패

한 것으로 판단하고 절차를 마친다. 단말이 프리앰블을 송신한 후 대기하는 시

22

그림 2. OPNET 시스템 모델

Figure 2. OPNET system model

그림 3. 시뮬레이션을 위한 기지국 및 단말 배치

Figure 3. eNB and UE for simulation

23

특성 트래픽 모델 1 트래픽 모델 2

전체 단말 수1,000 / 3,000 / 5,000 /

10,000 / 30,000

1,000 / 3,000 / 5,000 /

10,000 / 30,000

접속 분포 Uniform distribution over T Beta distributionover T

시뮬레이션 시간 60 seconds 10 seconds

표 5. 시뮬레이션 환경 및 트래픽 모델

Table 5. Simulation environment and traffic model

파라미터 값

Cell bandwidth 5 MHz

PRACH Configuration Index 6

Total number of preambles 54

Maximum number of preamble transmission 10

Number of UL grants per RAR 3

Number of CCEs allocated for PDCCH 16

Number of CCEs per PDCCH 4

Ra-Response Window Size 5 ms

mac-Contention Resolution Timer 48 ms

Backoff Indicator 20 ms

HARQ retransmission probability for MSG3 and MSG4 10%

Maximum number of HARQ TX for MSG3 and MSG4 5

표 6. 시뮬레이션 파라미터

Table 6. Simulation parameter

24

간인 RAR window size는 5ms, connection request를 송신 한 후 대기하는

시간인 MSG4 window size는 48ms이다. 단말이 대기하는 동안 RAR과

contention resolution을 수신하지 못하면 프리앰블을 재전송한다. 프리앰블을

재전송하기 위해 대기하는 시간인 backoff indicator는 20ms이다. PDCCH 당

RAR 최대 전송 개수는 4개이다. Connection request(MSG3)와 contention

resolution(MSG4)을 전송하기 위한 HARQ의 과정에서, 전송에 실패할 확률

은 10%이며, 최대 전송 횟수는 5회이다. 메시지의 전송 시점, 지연시간, 처리

시간은 3GPP TR 36.912[32]의 값을 참고하였다.

성능을 분석하기 위해 설정한 성능 지표는 3GPP TR 37.868 문서와 동일

하게 성공률, 충돌률, 프리앰블 평균 전송횟수, 평균 지연시간으로 총 4가지이

다. 표7은 3GPP TR 37.868 문서에서 정의하고 있는 성능지표이다.

성능 지표 정의

성공률 RA 절차를 성공한 단말 수 / 전체 단말 수

충돌률두 개 이상의 단말이 동일한 프리앰블을 선택한 경우의

수 / 전체 프리앰블 전송 기회

평균 프리앰블 전송 횟수 RA에 성공한 단말 중, 프리앰블을 전송한 평균 횟수

평균 지연 시간RA에 성공한 단말 중, 처음 프리앰블을 전송한 시점부

터 MSG4를 수신한 시점까지의 시간

표 7. 시뮬레이션 성능 분석을 위한 성능 지표

Table 7. Performance indicator for simulation analysis

25

구현요소 설명

노드 모델 구현 단말이나 eNB 등의 단위가 될 노드 모델을 구현한다.

프로세스 모델 구현노드 모델 내부에서 각 노드가 어떠한 연산을 수행하고 어

떠한 패킷을 송수신하는지 등 노드의 동작을 구현한다.

무선 채널 모델 구현패킷이 무선 채널을 통과할 때 나타나는 경로 감쇄 등의 현

상을 나타내는 모델을 구현한다.

성능 지표 구현시뮬레이션이 완료되었을 때 수집하여 결과 분석에 사용할

수치들을 저장하는 것을 구현한다.

패킷 포맷 정의 각 노드들이 송수신할 패킷에 대한 형식을 구현한다.

네트워크 모델 구현구현된 노드 모델을 참조망 구조에 따라 배치하고 연결하여

시뮬레이션을 수행할 수 있는 준비를 한다.

표 8. 시뮬레이터에 필요한 구현 요소 및 설명

Table 8. Simulation implementation element and explain

제 2 절 시뮬레이터 개발

OPNET을 이용한 초다수 디바이스 시뮬레이터 개발을 위해서 노드 모델과

노드 모델 내부에서 노드의 동작을 정의하는 프로세스 모델을 구현하였다. 또

한 프로세스 모델에서 송수신되는 패킷의 포맷을 정의해주고 필요에 따라 무선

채널 모델을 반영하는 등 다양한 요소가 필요하다. 이러한 구현 요소에 대해서

는 표 8에 정리하였다.

26

그림 4. UE 노드 모델(왼쪽)과 eNB 노드 모델(오른쪽)

Figure 4. UE node model(left) and eNB node model(right)

(가) 노드모델

노드 모델의 구성은 그림 4와 같다. UE 노드 모델은 계층별로 RRC, PDCP,

RLC, MAC으로 나누어 구성하였다. 그리고 스케쥴링 및 프리앰블을 전송하기

위한 CCCH / RACH 노드와 HARQ를 수행하기 위한 HARQ Tx / Rx 노드,

메시지 전송을 위한 PDSCH, PRACH, PUSCH, PHICH, PDCCH, PUCCH,

DCCH 노드로 구성하였다. eNB 노드 모델도 계층별로 RRC, PDCP, RLC,

MAC으로 나누어 구성하였다. 그리고 스케쥴링을 위한 Scheduler / Framing

/ HARQ 노드, HARQ노드, 메시지 전송을 위한 PDSCH, PRACH, PUSCH,

PHICH, PDCCH, PUCCH로 구성하였다.

27

그림 5. 채널 모델

Figure 5. Channel model

(나) 프로세스 모델

(1) 채널 모델

그림 5는 채널 모델을 위한 프로세스를 나타낸 그림이다. 대부분의 채널은

3GPP TR 37.868 문서와 같이 모든 메시지가 성공적으로 전달된다는 가정

하에 채널 모델을 구현하였고, 프리앰블의 경우 전송 성공률은 1-(1/ei)이며

HARQ에 사용되는 DL-SCH 및 UL-SCH는 10%의 메시지 손실률을 적용하

였다.

28

그림 6. UE, eNB : RRC/RLC

Figure 6. UE, eNB : RRC/RLC

(2) UE, eNB : RRC/RLC

그림 6은 UE 및 eNB의 RRC / RLC 역할을 수행하는 프로세스 모델이다.

UE의 RRC / RLC 프로레스 모델에는 디바이스의 도착 시간 분포를 적용하기

위하여 모델 1에 해당하는 Uniform(60초), 모델 2에 해당하는 Beta(10초)의

도착 시간 분포를 구현하였다. 도착 시간 이후에는 RRC Request 메시지 생

성, RRC Setup 메시지 수신 시 종료 등의 기능을 구현하였다. eNB의 RRC /

RLC 프로세스 모델에는 단말에서 도착한 RRC 메시지에 따른 RRC Setup 메

시지 생성의 기능을 구현하였다.

29

그림 7. UE : CCCH/RACH

Figure 7. UE : CCCH/RACH

(3) UE : CCCH/RACH

그림 7은 UE의 RA를 수행하는 CCCH / RACH 프로세스 모델이다. UE의

RA 프로세스 모델에서는 상위 계층에서 내려온 RRC Request 메시지를 임시

로 저장하며, 이후 subframe 1번과 6번의 시간에 맞춰 프리앰블을 송신하고

5ms 동안 RA 응답 메시지를 기다린다. RA 응답 메시지를 수신하면 저장해둔

RRC Request 메시지를 eNB로 전송하고 48ms를 대기한다. 만약 MSG4를 수

신하면 종료된다. 그러나 메시지 대기시간만큼 대기하였어도 메시지를 수신하

지 못한 경우에는 backoff를 최대 20ms 수행하고 프리앰블을 재전송한다. 최

대 재전송횟수는 10회로 제한하였다.

30

(4) UE, eNB : HARQ 송수신 모듈

그림 8은 UE와 eNB에 구현된 HARQ 송수신 프로세스 모델이다. 이 모델에

서는 LTE에서와 HARQ같은 multi-process HARQ를 수행한다. HARQ 송신

모델에서는 메시지 전송 실패 시 최대 5회의 기회 내에서 재전송을 수행하며,

전송 후 4ms를 대기하여 LTE 시스템의 HARQ 응답 대기시간을 반영하였다.

메시지 수신 모델에서는 HARQ로 전송된 메시지에 대해 ACK를 전송하는 역

할을 수행한다.

그림 8. UE, eNB : HARQ 송수신 모듈

Figure 8. UE, eNB : HARQ transmission/reception module

31

그림 9. eNB : scheduler/framing/HARQ 송신 모듈

Figure 9. scheduler/framing/HARQ transmission module

(5) eNB : scheduler/framing/HARQ 송신 모듈

그림 9는 eNB를 위한 스케줄링, 프레임 구조 생성, HARQ 송신 모듈 역할

을 수행하는 프로세스 모델로, eNB의 동작을 위한 핵심 프로세스 모델이다.

이 모듈에서는 UE로부터 전송된 프리앰블 수신 시 이를 저장해두고 지연시간

을 반영하여 4 subframe부터 이에 대한 RAR 송신을 수행한다. 이 때

PDCCH의 자원 제한을 반영하여 자원이 부족한 경우 다음 subframe으로 지

연시키는 역할도 수행한다. 또한 상위 계층에서 도착한 RRC Setup 메시지에

대해 HARQ 적용하여 UE에게 전송하는 역할도 수행한다. 3GPP TR 37.868

에 정의되어 있지 않은 스케줄링 우선순위는 OPNET 내장 LTE 모듈에 구현

되어 있는 순서에 따라 RAR, HARQ 재전송, HARQ 신규 전송 순으로 구현하

였다.

32

제 3 절 시뮬레이터 검증

개발한 시뮬레이터를 검증하기 위해, 이미 검증된 3GPP TR 37.868 문서의

시뮬레이션 결과와 [7] 논문의 ns-3 시뮬레이션 결과를 개발한 시뮬레이터의

시뮬레이션 결과와 비교하여 분석하였다. 단말의 수는 5,000, 10,000, 30,000

개로 설정하였고, RA 성공률, RA 충돌률, 프리앰블 평균 전송횟수, 평균 지연

시간을 성능지표로 사용하였다.

3GPP TR 37.868 문서와 개발한 OPNET 시뮬레이터를 비교결과는 표 9와

같다. 트래픽 모델 1의 경우 성공률은 정확히 일치하며 충돌률 및 평균 전송횟

수는 소수점 이하 둘째 자리의 차이 수준에서 오차가 발생한다. 평균 지연시간

의 경우 최대 1.02ms 수준의 차이로 그다지 크지 않았다. 트래픽 모델 2의 경

우 성공률은 10,000개의 경우 0.07%, 30,000개에서 약 5% 정도 차이가 발

생하고 있다. 충돌률의 경우에는 시뮬레이터 약간 낮게 나타나고 있으나 최대

3.7% 정도의 차이가 있다. 평균 프리앰블 전송횟수는 최대 소수점 첫째 자리

의 오차가 발생한다. 평균 지연시간의 경우 30,000개를 제외하면 거의 유사하

나 30,000개일 경우에는 10ms 정도 차이가 발생하고 있다.

ns-3시뮬레이터와 OPNET 시뮬레이터를 함께 비교한 결과는 표 10과 같

다. 충돌률의 경우에는 논문에 포함되어 있지 않기 때문에 확인할 수 없었지만

평균 성공률과 평균 프리앰블 전송횟수는 0.1 이내, 평균 지연시간은 1.5ms

이내의 오차가 나타났다.

시뮬레이션 비교 결과 제작한 시뮬레이터가 3GPP TR 37.868 문서에 제시

된 성능 평가 결과와 유사한 경향을 보이고 있다. 모델 2에서의 평균 지연시간

오차가 발생하였으나 이는 ns-3를 이용하여 재현을 시도한 다른 연구 결과 사

례에서도 나타난 결과로 3GPP TR 37.868 문서에 직접적으로 제시되어 있지

않은 다른 지연시간 요소에 의한 것으로 판단된다.

각 시뮬레이션 결과들을 비교해본 결과 개발한 시뮬레이터가 기존에 검증되

33

트래픽

모델성능 지표

셀 당 단말 수

3GPP TR 37.868 OPNET 시뮬레이터

5,000 10,000 30,000 5,000 10,000 30,000

트래픽

모델 1

성공률 (%) 100 100 100 100 100 100

충돌률 (%) 0.01 0.03 0.22 0.005 0.023 0.21

평균 프리앰블 전송 횟수 1.43 1.43 1.5 1.43 1.44 1.47

평균 지연시간(ms) 25.60 26.05 27.35 25.6 27.09 27.83

트래픽

모델 2

성공률 (%) 100 100 29.50 100 99.93 34.82

충돌률 (%) 0.45 1.98 47.76 0.35 1.62 44.09

평균 프리앰블 전송 횟수 1.56 1.77 3.49 1.51 1.67 3.41

평균 지연시간(ms) 29.06 34.65 76.81 29.12 32.53 66.52

표 9. 성능 검증을 위한 시뮬레이션 결과 비교(3GPP/OPNET)

Table 9. Simulation results for performance verification(3GPP/OPNET)

어있는 시뮬레이션 결과들의 성능과 유사한 경향을 보이고 있고 결과 수치도

오차가 작게 나타났다. 따라서 개발한 OPNET 시뮬레이터가 표준 환경과 성능

지표들을 적절히 반영하고 있음을 확인하였다.

성능 지표

셀 당 단말 수

3GPP TR 37.868 ns-3 시뮬레이터 OPNET 시뮬레이터

5,000 10,000 30,000 5,000 10,000 30,000 5,000 10,000 30,000

성공률 (%) 100 100 29.50 100 99.99 34.23 100 99.93 34.82

충돌률 (%) 0.45 1.98 47.76 - - - 0.35 1.62 44.09

평균 프리앰블

전송 횟수1.56 1.77 3.49 1.55 1.77 3.39 1.51 1.67 3.41

평균 지연시간

(ms)29.06 34.65 76.81 29.67 33.95 66.43 29.12 32.53 66.52

표 10. 성능 검증을 위한 시뮬레이션 결과 비교(3GPP/ns-3/OPNET)Table 10. Simulation results for performance verification(3GPP/ns-3/OPNET)

34

제 4 절 LTE 환경의 시뮬레이션 결과

본 절에서는 앞서 검증한 시뮬레이터를 이용하여 3GPP TR 37.868문서와

동일한 시뮬레이션 환경과 트래픽 모델 2에 대하여 100,000개의 단말 조건에

서의 성능을 분석하였다. 셀 당 100,000개 단말의 시뮬레이션 결과는 표 11과

같다. 성공률의 경우, 단말의 수가 10,000개까지 증가할 때는 성공률이 100%

로 나타났다. 그 이후로는 단말의 수가 증가할수록 성공률이 급격하게 감소하

여 단말의 수가 100,000일 때, 성공률이 4.35%로 감소하였다. 충돌률의 경우,

단말의 수가 10,000일 때는 충돌률이 1.79%로 매우 낮았지만, 단말의 수가

증가할수록 충돌률이 계속 증가하여 단말의 수가 100,000개일 때, 충돌률이

70.42%까지 증가하였다. 프리앰블 평균 전송횟수의 경우, 단말의 수 10,000

개일 때 1.75번부터 단말의 수 30,000개일 때 3.26번 까지는 점차 증가하다

가, 그 이후 단말의 수가 증가할 때는 평균 3.17번으로 비슷하게 유지된다. 평

균 지연시간의 경우, 평균 프리앰블 전송 횟수와 유사한 경향을 나타낸다. 단말

의 수가 30,000개까지 64.95ms까지 증가하다가 그 이후로는 평균 63ms정도

로 유지되었다.

35

셀 당

단말 수10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000

성공률

(%)

100.0

073.17 32.62 19.34 13.00 9.73 7.57 6.15 5.13 4.35

충돌률

(%)1.79 23.33 43.45 52.54 58.26 61.94 64.88 67.06 68.85 70.42

평균

프리앰블

전송횟수

1.75 3.15 3.26 3.18 3.19 3.14 3.17 3.15 3.15 3.17

평균

지연시간

(ms)

34.22 62.80 64.95 63.32 63.47 62.70 63.16 62.90 62.78 63.21

표 11. 셀 당 100,000개 단말의 시뮬레이션 결과

Table 11. Simulation result for 100,000 devices per cell

기존 3GPP TR 37.868문서의 시뮬레이션 결과에서, 셀 당 단말의 수가

30,000개의 일 때 성능이 저하되는 것을 확인할 수 있지만, 본 논문에서 개발

한 시뮬레이터를 통해 셀 당 100,000개까지의 정확한 성능 분석 결과 수치를

수집할 수 있다. 표 7에서 확인할 수 있듯이, 현재 사용하고 있는 LTE 시스템

은 셀 당 단말의 수가 10,000개 이상이면 RA 성능이 급격히 감소하기 시작한

다. 현재 LTE 시스템에서는 셀 당 100,000개의 단말을 수용하기에 적절하지

않은 것을 확인하였다.

36

제 5 장 효율적 자원 할당 기법

5장에서는 앞선 4장에서의 시뮬레이션 결과를 바탕으로, 파라미터 변경에 따

른 성능 평가를 바탕으로 RA 성능의 한계를 파악하고, RA 성능 개선을 위한

효율적 자원 할당 기법을 소개한다. 전체 단말 수에 따른 필요한 프리앰블 수

를 추정하고, PDCCH 자원 한계를 극복하기 위해 PDCCH 당 전송 가능한 적

절한 RAR 수를 추정한다.

제 1 절 파라미터 변경에 따른 성능 분석

본 절에서는 현재 사용하고 있는 LTE 시스템에서 다양한 파라미터 값의 변

화에 따른 단말 수용의 한계를 분석하였다. 본 시뮬레이터의 파라미터로 사용

했던 수치 중 프리앰블 개수, 프리앰블 최대 전송횟수, backoff indicator,

MSG2 window size의 값을 변경시키면서 성능 분석을 수행하였다.

37

그림 10. 전체 프리앰블 개수 변화에 따른 RA 성공률

Figure 10. Success probability according to the total number of preambles

그림 11. 전체 프리앰블 개수 변화에 따른 RA 평균 지연시간

Figure 11. Average access delay according to the total number of preambles

38

전체 프리앰블 개수에 따른 성공률과 평균 지연시간은 그림 10, 11과 같다.

TR 37.868문서의 전체 프리앰블 개수 파라미터 값인 54개를 기준으로, 프리

앰블 개수를 30, 54, 80, 100개일 경우로 변화시키면서 단말 수에 따라 RA

성능에 끼치는 영향을 확인했다.

성공률의 경우, 단말의 수가 10,000일 때 모든 프리앰블 수의 경우에서 RA

성공률이 약 100%로 나타났다. 단말의 수가 30,000개 이상으로 증가하면, 프

리앰블 개수가 증가할수록 성공률도 증가하게 된다. 이때, 단말의 수가 30,000

개일 경우를 보면, 프리앰블의 수가 증가하더라도 성공률이 약 60%정도에서

더 이상 증가하지 않는다. 현재 시뮬레이션에서 LTE 시스템은 PDCCH 당 전

송할 수 있는 RAR의 수가 3개로 한정되어 있어 기지국에서 응답 가능한 프리

앰블 개수도 한정되어 있다. 따라서 common PDCCH의 자원이 부족하여 프리

앰블의 개수가 증가하더라도 성공률이 더 이상 증가하지 않는다. 단말의 수가

100,000개까지 증가할 경우, 프리앰블 개수에 대한 모든 경우에서 성공률이

10%이하로 감소하게 된다.

평균 지연시간의 경우, 셀 당 단말의 수가 10,000개 까지는 전체 프리앰블

의 수가 증가할수록 평균 지연시간은 감소하지만, 셀 당 30,000개 이상의 단

말의 경우 프리앰블의 수가 증가할수록 평균 지연시간도 증가한다. 전체 프리

앰블의 수가 증가하면, 단말들이 프리앰블을 전송하게 되는 횟수가 증가하게

된다. 이에 비례하여 전체 프리앰블 개수가 증가할수록 평균 지연시간도 증가

한다.

39

그림 12. 프리앰블 최대 전송횟수 변화에 따른 RA 성공률

Figure 12. Success probability according to the maximum number of

preamble transmission

그림 13. 프리앰블 최대 전송횟수 변화에 따른 RA 평균 지연시간

Figure 13. Average access delay according to the maximum number of

preamble transmission

40

프리앰블 최대 전송횟수에 따른 성공률과 평균 지연시간은 그림 12, 13과

같다. TR 37.868문서의 프리앰블 최대 전송횟수 파라미터 값인 10회를 기준

으로, 프리앰블 최대 전송횟수를 5, 10, 20, 50회일 경우로 변화시키면서 단말

수에 따라 RA 성능에 끼치는 영향을 확인했다.

성공률의 경우, 셀 당 단말의 수가 10,000개 일 때 모든 프리앰블 최대 전

송횟수의 경우에서 성공률이 약 100%로 나타났다. 셀 당 단말의 수가 30,000

개 이상일 경우, 최대 프리앰블 최대 전송횟수가 증가할 때 오히려 성공률이

감소하게 된다. 프리앰블 최대 전송횟수가 증가하면 단말들이 프리앰블을 전송

할 수 있는 기회, 즉 재전송 기회가 증가한다. 하지만, PRACH 에 동시에 접속

을 시도하는 단말들의 수도 증가하기 때문에 전체적인 충돌률이 증가하여 RA

성공률이 감소한다.

평균 지연시간의 경우, 셀 당 단말의 수가 10,000개일 경우, 모든 프리앰블

최대 전송횟수에 대하여 비슷한 값을 갖는다. 셀 당 단말의 수가 30,000개 이

상일 경우부터 프리앰블 최대 전송횟수가 증가할수록 평균 지연시간도 증가한

다. 프리앰블 최대 전송횟수가 증가하면 단말의 프리앰블을 전송하는 평균 횟

수가 증가하므로 이에 비례하여 평균 지연시간도 증가한다.

41

그림 14. Backoff indicator 변화에 따른 RA 성공률

Figure 14. Success probability according to the backoff indicator

그림 15. Backoff indicator 변화에 따른 RA 평균 지연시간

Figure 15. Average access delay according to the backoff indicator

42

Backoff indicator에 따른 성공률과 평균 지연시간은 그림 14, 15와 같다.

TR 37.868문서의 backoff indicator 파라미터 값인 20ms를 기준으로,

backoff indicator를 10, 20, 40, 80ms일 경우로 변화시키면서 단말 수에 따

라 RA 성능에 끼치는 영향을 확인했다.

Backoff indicator는 프리앰블 재전송 시, 단말들의 접속을 지연시켜 혼란을

방지할 수 있는 파라미터이다. 성공률의 경우, 셀 당 단말의 수가 10,000개일

때 모든 backoff indicator 값에 대하여 성공률이 약 100%로 나타났다. 셀 당

단말의 수가 30,000개 이상인 경우에서는 backoff indicator가 증가할수록 성

공률이 증가하긴 하지만 큰 차이를 볼 수는 없다.

평균 지연시간의 경우, 모든 셀 당 단말의 수 경우에서, backoff indicator가

증가할수록 평균 지연시간이 급격하게 증가한다. Backoff indicator가 증가하

면 단말들이 재전송을 위해 대기하는 시간이 길어지므로 평균 지연시간이 증가

한다. Backoff indicator 파라미터 값의 변화는 성공률의 증가보다는 평균 지

연시간 증가로 인한 RA 성능 손해가 더 크기 때문에, RA 성능 개선에는 적합

하지 않다.

43

그림 16. MSG2 window size 변화에 따른 RA 성공률

Figure 16. Success probability according to the MSG2 window size

그림 17. MSG2 window size 변화에 따른 RA 평균 지연시간

Figure 17. Average access delay according to the MSG2 window size

44

MSG2 window size에 따른 성공률과 평균 지연시간은 그림 16, 17과 같

다. TR 37.868문서의 MSG2 window size 파라미터 값인 5ms를 기준으로,

MSG2 window size를 5, 10, 20, 40ms일 경우로 변화시키면서 단말 수에

따라 RA 성능에 끼치는 영향을 확인했다.

성공률의 경우, 셀 당 단말의 수가 10,000개일 때 모든 MSG2 window

size 값에 대하여 성공률이 약 100%로 나타났다. 셀 당 단말의 수가 30,000

개 이상일 때 MSG2 window size가 증가할수록 성공률이 조금씩 증가하게 된

다. MSG2 window size는 기지국이 프리앰블을 수신한 후 RAR을 전송할 수

있는 시간을 의미한다. 따라서 window size가 증가할수록 응답할 수 있는

RAR의 수가 증가하게 된다. 하지만 본 시뮬레이션의 경우 RAR 전송을 위한

PDCCH의 수가 제한되어있기 때문에 window size가 증가하더라도 성공률의

증가에 한계가 있다.

평균 지연시간의 경우, 모든 셀 당 단말의 수 경우에서 MSG2 window size

가 증가할수록 평균 지연시간이 증가한다. MSG2 window size가 증가하면 단

말이 프리앰블을 기지국에 전송한 후 대기하는 시간이 증가하므로 전체 평균

지연시간도 증가하게 된다. MSG2 window size 파라미터 값의 변화는 성공률

의 증가보다는 평균 지연시간 증가로 인한 RA 성능 손해가 더 크기 때문에,

RA 성능 개선에는 적합하지 않다.

이전 시뮬레이션 결과에서는 PDCCH 자원의 수가 4개로 고정되어있을 경우

에 대하여 시뮬레이션 하였다. 자원의 제한으로 인한 RA성능의 한계를 파악하

기 위해, PDCCH 자원의 수를 증가시키면서 프리앰블 개수, 프리앰블 최대 전

송 횟수에 따른 성능평가를 수행하였다.

45

그림 18. 프리앰블 개수와 PDCCH 수에 따른 성공률

Figure 18. Success probability according to the number of PDCCH and

preamble

그림 19. 프리앰블 개수와 PDCCH 수에 따른 평균 지연 시간

Figure 19. Access delay according to the number of PDCCH and preamble

46

그림 18과 19는 전체 단말의 수가 30,000개이고 프리앰블의 수가 각각 54,

100개일 때, PDCCH 자원 수의 증가에 따른 성능평가 결과이다. 이전의 시뮬

레이션 결과에서는, PDCCH 자원의 수가 4개로 제한되어있어, 프리앰블 개수

에 따른 성공률이 60%으로 제한된다. 하지만 그림 12에서 볼 수 있듯이

PDCCH 자원의 수가 증가할수록 성공률도 증가하게 된다. 단말의 수가

30,000개 일 때, PDCCH 자원의 수가 10개이면 성공률이 약 100%에 도달한

다.

평균 지연 시간의 경우, PDCCH의 수가 6개 까지는 프리앰블의 수가 100개

일 때가 54개일 때보다 평균 지연 시간이 더 길지만, PDCCH의 수가 8개 이

상일 경우 평균 지연 시간이 감소한다.

47

그림 20. 프리앰블 최대 전송 횟수와 PDCCH 수에 따른 성공률

Figure 20. Success probability according to the number of PDCCH and the

maximum number of preamble transmissions

그림 21. 프리앰블 최대 전송 횟수와 PDCCH 수에 따른 평균 지연 시간

Figure 21. Access delay according to the number of PDCCH and the

maximum number of preamble transmissions

48

그림 20과 21은 전체 단말의 수가 30,000개이고 프리앰블 최대 전송 횟수

가 각각 10, 50일 때, PDCCH 자원 수의 증가에 따른 성능평가 결과이다.

성공률의 경우, 프리앰블 평균 전송 횟수가 50일 때 PDCCH 자원의 수가 8

개까지는 성공률이 증가한다. 하지만 그 이후로는 PDCCH 자원의 수가 증가해

도 성공률이 거의 변하지 않는다. 또한, 이전의 시뮬레이션 결과와 같이,

PDCCH 자원의 수가 증가하더라도 프리앰블 평균 전송 횟수가 50일 때가 10

일 때보다 성공률이 더 낮다. 평균 지연 시간의 경우에도 성공률과 마찬가지로,

PDCCH 자원의 수가 증가해도 성능 개선의 효과는 볼 수 없다.

이와 같이 다양한 파라미터를 변경시키면서 시뮬레이션을 분석하였고, 자원

의 제한에 따른 성능 제한을 분석하기 위해 PDCCH 자원의 수를 증가시키면

서 성능분석을 수행하였다. 그 결과, 전체 단말 수에 따른 프리앰블의 수가 RA

성능 개선에 영향을 끼치는 것을 확인할 수 있고, 증가하는 프리앰블을 수용하

기 위해 PDCCH 자원의 수가 부족하다는 것을 확인했다.

49

제 2 절 전체 단말 수에 따른 프리앰블 수 추정 기법

5G 네트워크에서는 동시에 접속하는 단말의 수가 증가할 것으로 예상되기

때문에, 이를 수용할 수 있을 정도의 프리앰블이 요구된다. 앞선 파라미터 변경

에 따른 시뮬레이션 결과를 통해, LTE 시스템에서는 PDCCH 자원의 수가 제

한되어있기 때문에 프리앰블의 수를 증가시키더라도 RA 성공률에는 제한이 있

는 것을 확인하였다. 본 절에서는, 전체 단말 수에 따른 필요한 프리앰블의 수

를 추정한다.

M2M 단말의 접속 분포는 베타 분포를 따른다고 가정하였다. 따라서 번째

접속 시도에서 동시에 접속하는 단말의 수()는 식 (2)와 같이 나타낼 수 있

다[10].

. (2)

이때, 는 번째 접속 시도 시간이고, 은 전체 단말의 수이다. 수식

는 베타 분포를 의미한다. 는 식 (3)과 같이 나타낼 수 있다.

, ＞0, ＞0. (3)

이때, 는 베타 함수이고, 매개변수 와 는 각각 3, 4로 설정하였다.

는 단말이 접속을 시도하는 시간이다.

LTE RA 프로토콜은 slotted ALOHA 시스템을 따르기 때문에, 프리앰블 전

송 성공 확률은 식 (4)와 같이 나타낼 수 있다[11].

. (4)

이때, 은 동시에 접속하는 단말의 수()의 최대값이고, 은 우리가 추정

하고자하는 필요한 프리앰블의 수이다.

50

제 3 절 PDCCH 당 RAR 수 추정 기법

위의 절차에서 전체 단말 수에 따른 필요한 프리앰블 수를 추정하였다. 하지

만 프리앰블의 수가 증가하더라도 PDCCH 자원이 한정되어있다면 RA 성능은

제한된다. PDCCH 자원의 수를 증가시키는 것 또한 자원의 효율성 측면에서

문제가 발생할 수 있다. 따라서 이 절에서는 앞서 추정한 프리앰블 수를 기반

으로 PDCCH 당 전송 가능한 RAR 수를 도출한다. 기존의 LTE 시스템에서는

PDCCH 자원 1개당 전송 가능한 RAR의 수는 3개로 고정되어있다. 본 논문에

서는 처리율을 최대화시키기 위한 PDCCH 당 전송 가능한 적절한 RAR의 수

를 추정한다. Slotted ALOHA 방식에서, 필요한 프리앰블의 수와 전송 가능한

RAR의 수가 같을 때 처리율이 최대가 된다. 그러므로 처리율을 최대화 시킬

수 있는 PDCCH 당 RAR의 수는 식 (5)와 같이 나타낼 수 있다.

. (5)

이때, 표 2와같이 3GPP 37.868의 파라미터를 적용하여 는

5ms이고 는 4개이다. 은 앞서 추정한

필요한 프리앰블의 수이다. 표 12는 전체 단말 수에 따른 필요한 프리앰블의

수와 PDCCH 자원 당 전송 가능한 RAR의 수를 추정한 값이다.

51

Total number

of devices

Maximum

number of

arrival devices

Required

preamble

RAR per

PDCCH

10,000 10 36 2

20,000 21 72 4

30,000 31 108 5

40,000 41 144 7

50,000 52 180 9

60,000 62 216 11

70,000 73 252 13

80,000 83 288 14

90,000 93 324 16

100,000 104 360 18

표 12. 전체 단말 수에 따른 프리앰블과 RAR의 수

Table 12. The number of preamble and RAR according to

the total number of devices

52

그림 22. 전체 단말 수에 따른 기존의 RA와 제안한 기법의 성공률

Figure 22. Success probability of Proposed RA compare to conventional RA

제 4 절 효율적 자원 할당 기법 성능 분석

이 절에서는 앞서 제안한 효율적 자원 할당 기법에 대한 성능 분석을 수행하

였다. 전체 단말의 수는 10,000, 30,000, 50,000, 100,000개로 설정하였다.

단말 수의 변화에 따라 기존의 RA와 제안한 기법을 성공률, 충돌률, 평균 지연

시간 측면에서 성능을 비교하였다. 그림 22, 23, 24는 성능 평가 결과를 보여

준다.

53

그림 23. 전체 단말 수에 따른 기존의 RA와 제안한 기법의 충돌률

Figure 23. Collision probability of Proposed RA compare to conventional RA

그림 24. 전체 단말 수에 따른 기존의 RA와 제안한 기법의 평균 지연 시간

Figure 24. Access delay of Proposed RA compare to conventional RA

54

그림 22와 23은 각각 전체 단말 수에 따른 성공률과 충돌률을 나타낸다. 제

안한 기법은 기존의 RA 보다 성공률이 매우 증가하였다. 제안한 기법은 단말

의 수가 100,000개일 때, 성공률이 약 100%에 도달하게 된다. 충돌률 또한

제한한 기법이 기존의 기법보다 매우 낮아진 것을 확인하였다. 제안한 기법의

경우 단말의 수가 10,000개일 때는 기존의 RA보다 충돌률이 높지만, 모든 단

말의 경우에서 충돌률이 거의 일정하게 유지되었다. 그림 24는 전체 단말 수에

따른 평균 지연 시간이다. 평균 지연 시간의 경우에서도, 단말의 수가 10,000

개 이하일 때는 제안한 기법의 지연시간이 기존의 RA보다 길었지만, 그 이상

의 단말 수에서는 제안한 기법의 평균 지연시간이 기존의 RA 보다 약 20ms

정도 짧게 측정 되었다.

55

제 6 장 결론

본 논문에서는 5G 이동통신시스템 및 IoT 서비스 수용을 위해 초다수 단말

환경에서 성능 평가가 가능한 시뮬레이터를 OPNET을 이용하여 개발하였다.

개발한 시뮬레이터를 사용하여 5G의 단말 수용의 요구사항을 충족하기 위해

셀 당 100,000개까지 단말의 수를 증가시키면서 RA 성능을 분석하였다. 시뮬

레이션 결과 셀 당 단말의 수가 증가할수록 성능이 계속 감소하여 단말의 수가

100,000개일 때 성공률이 10%이하로 감소하는 것을 확인했다. 또한, 다양한

파라미터 변화가 RA 성능에 끼치는 영향을 분석하였다. 전체 프리앰블 개수,

프리앰블 최대 전송횟수, backoff indicator, MSG2 window size의 파라미터

를 변화시키면서 성능평가를 수행하였다. 성능 분석결과, 전체 프리앰블 개수가

증가할수록 RA의 성공률과 지연시간 모두 성능이 향상되었다. 하지만 현재

LTE 시스템 시뮬레이션 환경에서는 common PDCCH 자원이 한정되어 있기

때문에, 성공률의 증가도 최대 약 60%로 한계가 있었다. 프리앰블 최대 전송

횟수의 경우, 최대 전송횟수가 증가하면 단말의 프리앰블 재전송 기회가 증가

하여 성능 향상을 기대했으나, 단말이 동일한 프리앰블을 선택할 경우도 증가

하여 오히려 충돌률이 증가하였다. Backoff indicator와 MSG2 window size

의 경우, 파라미터 값의 증가에 따라 증가하는 성공률보다, 평균 지연시간의 증

가에 의한 RA 성능 손실이 더 크기 때문에 성능향상 지표로 적합하지 않았다.

따라서 LTE 시스템의 틀을 유지하면서 성공률을 증가시키기 위해서는 프리앰

블 수와 같은 RA opportunity 증가와 MSG2 window size의 크기 증가,

PDCCH 자원의 수 증가 등이 필요하다는 것을 확인하였다.

이를 바탕으로 한정된 자원으로 인한 RA 성능 저하 현상을 분석하기 위해

PDCCH 자원의 수를 증가시키면서, 프리앰블 개수, 프리앰블 최대 전송 횟수

에 따른 성능 분석을 수행하였다. 그 결과, 프리앰블 최대 전송 횟수의 경우,

PDCCH 자원의 수를 증가시키더라도 프리앰블 최대 전송 횟수가 클 때 오히

56

려 성능이 저하되었다. 하지만 프리앰블 개수의 경우, PDCCH 자원의 수를 증

가시키면 프리앰블의 수가 증가할수록 성능이 향상되었다.

이러한 성능 분석 결과, 증가하는 단말의 수를 수용하기 위해서는 이를 수용

할 수 있을 정도의 프리앰블 수 증가가 필요하고, 증가한 프리앰블의 수를 수

용할 수 있는 자원이 필요하다는 결론을 얻을 수 있다. 본 논문에서는 성능 분

석 결과를 바탕으로 RA 성능을 개선하기 위해 효율적 자원 할당 기법을 제안

하였다. 전체 단말 수에 따른 필요한 프리앰블의 수를 추정하고, 추정한 프리앰

블의 수를 기반으로 PDCCH 자원 당 전송 가능한 RAR의 수를 도출하였다.

제안한 기법을 통해 기존의 RA 보다 성능이 크게 향상하여 전체 단말의 수가

100,000개 일 때 성공률이 약 100%에 도달하였다.

향후 이동통신기술은 기존의 인프라 중심의 네트워킹 기술에서 사용자 중심

의 네트워킹을 실현하는 방향으로 발전할 것으로 예상된다. 또한 IoT 및 스마

트 단말들의 증가와 다양한 모바일 트래픽들이 급격하게 증가할 것이다. 본 연

구를 통해 셀 당 100,000개의 단말을 수용할 수 있는 시뮬레이터를 개발하여

새로운 RA 개선 기법 및 다양한 알고리즘을 적용할 수 있는 틀을 마련하였다.

이를 통해, 증가하는 단말들과 트래픽을 수용하기 위한 주파수 효율 향상 및

자원의 확장 등의 새로운 RA 개선 기법을 적용할 수 있다. 향후 연구에서는

효율적 자원 할당 기법을 적용하기 위해, 프리앰블과 RAR 메시지 수의 증가를

위한 새로운 메시지 구조 및 포맷의 개발이 요구된다. 본 연구의 결과는 5G

이동통신시스템에서 요구하는 단말 수용성의 목표 달성을 위해 현재 대비

1,000배의 단말을 수용 가능한 환경을 구성하고, 5G 이동통신시스템으로의 전

환과 IoT 서비스의 활성화에 기여할 수 있을 것으로 기대한다.

57

참고문헌

[1] Nokia,“5G Use Cases and Requirements,”White Paper, 2014.

[2] LG,“Vision, Standardization, and Technologies for 5G,”3GPP RAN

Workshop on 5G, RWS-150052, Sep. 2015.

[3] Ericsson White paper,“Cellular networks for massive IoT,”2016.

[4] Cisco,“Cisco Visual Networking Index: Global Mobile Data Traffic

Forecast Update 2014–2019 White Paper,”2014.

[5] Recommendation ITU-R M.2083-0,“IMT Vision – Framework and

overall objectives of the future development of IMT for 2020 and

beyond,”2015.

[6] J. O. Hwang and S. G. Lee,“Study on the 3GPP International

Standard for M2M Communication Networks,”J.KICS, vol. 40, pp.

1040-1047, 2015.

[7] 3GPP TR 37.868 RAN Improvements for Machine-type

Communications.

[8] 3GPP TR 37.869“Study on Enhancements to MTC and Other

Mobile Data Appli-cations; RAN Aspects (Release12),”Aug. 2013.

[9] X. Jian, X. Zeng, Y. Jia, L. Zhang, and Y. He,“Beta/M/1 model for

machine type communication,”IEEE Commun. Lett, vol. 17, no. 3,

pp. 584–587, Mar. 2013.

[10] O. Arouk,“General Model for RACH Procedure Performance

Analysis,”IEEE Commun. Lett, vol.20, no.2, Feb. 2016.

[11] A. Laya,“Massive Access in the Random Access Channel of LTE

for M2M Communications: an Energy Perspective.”IEEE ICC 2015,

pp. 1452-1457, Jun. 2015.

58

[12] A. Laya,“Is the Random Access Channel of LTE and LTE-A

Suitable for M2M Communication? A Survey of Alternatives,”

IEEE Communication surveys & Tutorials, vol. 16, pp. 4-16, First

Quarter 2014.

[13] S. M. Oh, J. S. Shin,“A three-step data transmission scheme for

machine type devices in 3GPP LTE systems,”ICTC, pp. 989 – 991, 2016.

[14] H. He, Q. Du, H. Song, W. Li, Y. Wang, P. Ren,“Traffic-aware

ACB scheme for massive access in machine-to-machine

networks,”ICC, pp. 617 – 622, 2015.

[15] R. G. Cheng, J. Chen, D. W. Chen and C. H. Wei,“Modeling and

Analysis of an Extended Access Barring Algorithm for

Machine-Type Communications in LTE-A Networks,”IEEE

Transactions on Wireless Communications, vol. 14, pp. 2956–2968,

2015.

[16] T. M. Lin, C. H. Lee, J. P. Cheng and W. T. Chen,“PRADA:

Prioritized Random Access With Dynamic Access Barring for MTC

in 3GPP LTE-A,”IEEE Transactions on Vehicular Technology,

vol. 63, pp. 2467–2472, 2014.

[17] S. Y. Lien, T. H. Liau, C. Y. Kao and K. C. Chen,“Cooperative

Access Class Barring for Machine-to-Machine Communications,”

IEEE Transactions on Wireless Communications, vol. 11, pp. 27–32, 2012.

[18] T. H. Kim, K. S. Ko and D. K. Sung,“Prioritized Random Access

for Accommodating M2M and H2H Communications in Cellular

Networks,”GC Wkshps, pp. 1-6, 2015.

59

[19] W. Li, Q. Du, L. Liu, P. Ren, Y. Wang and L. Sun,“Dynamic

Allocation of RACH Resource for Clustered M2M Communications

in LTE Networks,”IIKI, pp. 140–145, 2015.

[20] T. Zheng, Q. Zhang, Z. Feng, Z. Feng,“Backoff based resource

access for contend machine type communications in LTE

networks,”PACRIM, pp. 187–191, 2015.

[21] J. Xin, L. Yuqin, W. Yixiao, Z. Xiaoping and T. Xiaoheng,“Random

Access Delay Distribution of Multi-Channel S-ALOHA with its

Applications for Machine Type Communications,”IEEE Internet of

Things Journal, 2016.

[22] T. H. Kim, K. S. Ko and D. K. Sung,“Transmit power

optimization for prioritized random access in OFDMA based

systems,”IEEE ICC, pp. 1–6, 2016.

[23] M. Y. Cheng, G. Y. Lin, H. Y. Wei and A. C. Hsu,“Overload

control for Machine-Type-Communications in LTE-Advanced

system,”IEEE Communications Magazine, vol. 50, Jun. 2012.

[24] H. Thomsen, N. K. Pratas, P. Popovski, “Code- expanded radio

access protocol for machine-to-machine communications,”

Transactions on Emerging Telecommunications Technologies, Jun.

2013.

[25] 3GPP TS 36.300, Evolved Universal Terrestrial Radio Access

(E-UTRA) and Evolved Universal Terrestrial Radio Access

Network (E-UTRAN).

[26] 3GPP TS 36.211, Evolved Universal Terrestrial Radio Access

(E-UTRA); Physical channels and modulation.

[27] 3GPP TS 36.213, Evolved Universal Terrestrial Radio Access

(E-UTRA); Physical layer procedures

60

[28] LTE-The UMTS Long Term Evolution: From Theory to Practice.

[29] G. Y. Lin, S. R. Chang and H. Y. Wei,“Estimation and Adaptation

for Bursty LTE Random Access,”IEEE Transactions on Vehicular

Technology, vol. 65, pp. 2560–2577, 2016.

[30] 3GPP TSG SA WG3 Security-MBMS ad-hoc #S3z030022,

“Updating Encryption Keys for MBMS,”Sep. 2003.

[31] S. S. Yoo, S. H. Lee, J. S. Shin, S. M. Oh and J. H. Kim,

“Performance Analysis of LTE Random Access for

Massive-Device Deployment in 5G networks,”KICS, winter

conference, 2016.

[32] 3GPP TR 36.912, Further Advancements for E-UTRA.

61

Abstract

As increase of IoT services in wireless communications, the

performance evaluation is required to connects massive number of

devices in LTE system. To accommodate the mobile devices and

traffic, the 5G mobile communication system needs more technological

development than the 3G/4G mobile communication system. For this

purpose, the 5G mobile communication system is being studied to

improve the performance by 1000 times in term of speed, capacity and

access delay.

In this thesis, to evaluate the performance, we developed the new

modules to simulate LTE random access procedures because of a limit

that accommodate massive number of devices in existing LTE module.

The performance evaluation simulator is developed using OPNET and it

can support up to 100,000 devices per cell. The developed simulator

can confirm the performance limitation by the LTE RA system in

massive devices environment. Through the performance analysis, we

can find out the problem of low the access success probability due to

the limitation of the PDCCH resource in LTE RA procedure for

massive environment. In order to solve this problem, we propose the

effective resource allocation scheme by estimating the number of

preamble and RAR per PDCCH according to the total number of

devices.

As a result, the performance of RA is greatly improved compared to

conventional RA. This results are expected to be utilized such as the

transition to 5G network and standardization activities.