随着物联网与移动通信网络的快速发展,越来越多的机器类通信设备具备了联网与通信的能力,让一切终端设备接入网络也逐渐成为现实。然而,随着机器类通信设备的爆炸式增长,接入终端设备的前导码碰撞问题显得越来越突出。这不仅严重影响随机接入过程中成功接入的终端设备数量,也会使得大量的终端设备因为不能按时接入网络从而对人类生活造成严重影响。此外,现阶段许多对于随机接入机制的研究都是基于负载已知。如上行资源分配研究,ACB负载控制机制等。因此,对随机接入过程中的M2M接入设备数量进行实时负载预测对于提高随机接入系统性能具有重要实际意义。首先,本文对随机接入过程进行分析和研究,并且基于实际接入场景对本文负载预测模型进行数学建模。根据基站端检测到的前导码输出状态信息,分别使用非线性回归和BP神经网络对接入终端设备数量进行预测。与此同时,在实时负载预测阶段,根据当前时刻前导码状态输出利用卡尔曼滤波器对上一时隙负载预测结果进行反馈修正。仿真结果表明,与现有负载预测算法相比,本文所提预测算法在负载预测绝对误差、接入成功率、平均重传次数等方面均有一定程度提升。其次,本文提出了一种基于负载预测的改进随机接入方案。在新的随机接入方案中,当多个终端设备选择同一前导码时,通过接入状态竞争解决机制可以有效降低前导码的碰撞概率。由于当前LTE随机接入系统基于自动重传机制,当前时隙接入失败的设备需要在下一时隙重新发起接入,这会导致前导码的不必要重传与网络的严重负载。基于此,本文提出了一种基于负载预测的分组退避算法,通过将退避设备分散到未来的多个时隙,从而有效降低设备的重传次数。仿真结果表明当系统设定最大重传次数为10,激活设备数目从40000增长到70000时,M2M设备接入成功率平均提升2%,前导码重传次数平均减少2次。本文通过对随机接入过程中的接入设备数量进行实时负载预测,从而有效提升了接入成功率。通过基于负载预测算法对现有的随机接入机制进行改进,从而进一步提升了网络性能。