楊一夫,武 剛?,李欣然,付靖微,胡 蘇

(1.電子科技大學(xué) 通信抗干擾技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室,四川 成都 611731 ;2.成都?xì)W珀通信科技有限公司,四川 成都 610041 )

0 引言

在傳統(tǒng)的蜂窩通信系統(tǒng)中,主要用的是正交多址接入技術(shù)(Orthogonal Multiple Access,OMA),使用OMA 可以在低復(fù)雜度的情況下輕松分離出不同用戶(hù)信號(hào)所攜帶的信息。 但是,OMA 的一個(gè)缺陷是支持的用戶(hù)數(shù)量受到可用正交資源數(shù)量的限制。 此外,盡管使用了正交的時(shí)頻碼資源,信號(hào)經(jīng)歷信道時(shí),由于時(shí)延、頻偏和多普勒頻移,其正交性總是不可避免地被破壞。 因此,如果仍然局限于OMA 技術(shù),無(wú)法在有限的資源內(nèi)接入更多的用戶(hù),就無(wú)法達(dá)到5G 的頻譜效率和大規(guī)模連接要求。

非正交多址接入(Non -Orthogonal Multiple Access,NOMA)是達(dá)到5G 要求的重要技術(shù),該技術(shù)可以實(shí)現(xiàn)有限頻譜資源的復(fù)用,在接收端通過(guò)先進(jìn)的接收機(jī)技術(shù)來(lái)分離每個(gè)用戶(hù)的數(shù)據(jù)[1]。 仿真結(jié)果表明[2],與OMA 技術(shù)相比,使用NOMA 技術(shù)可以顯著提高傳輸速率和系統(tǒng)容量,因此,該技術(shù)非常符合5G 時(shí)代的海量數(shù)據(jù)增長(zhǎng)和接入需求。 文獻(xiàn)[3]最早給出了多址接入系統(tǒng)的容量界。 NTT DOCOMO 公司和第三代合作伙伴組織(Third Generation Partnership Project,3GPP)[4]在長(zhǎng)期演進(jìn)(Long Term Evolution,LTE)的Release-13[5]里以多用戶(hù)疊加編碼(Multi-User Superposition Transmission,MUST)的方式對(duì)NOMA 進(jìn)行了研究。 文獻(xiàn)[6]研究了NOMA用于蜂窩下行鏈路的情況,證明了在遍歷總和率方面,NOMA 具有良好的性能。 文獻(xiàn)[7]研究了協(xié)作NOMA,分析了協(xié)作NOMA 的中斷概率和分級(jí)順序。文獻(xiàn)[8]研究了NOMA 在多輸入多輸出(Multiple-Input Multiple-Output,MIMO)系統(tǒng)中的應(yīng)用,提出了一種用于MIMO-NOMA 的預(yù)編碼和檢測(cè)矩陣的新設(shè)計(jì),并針對(duì)具有固定功率分配系數(shù)集的情況分析了其性能。

目前為止,關(guān)于上行鏈路的NOMA 方案標(biāo)準(zhǔn)尚未凍結(jié),各通信公司提出了許多NOMA 上行方案,主要包括LG 公司提出的非正交編碼多址接入(Non-Orthogonal Coded Multiple Access,NCMA)[9]、IDCC公司提出的交織域多址接入(Interleave Division Multiple Access,IDMA)[10]、SAMSUNG 公司提出的交織網(wǎng)多址接入(Interleave-Grid Multiple Access,IGMA)[11]、中興公司提出的多用戶(hù)共享接入(Multi-User Shared Access,MUSA)[12]、Ericsson 提出的韋爾奇界擴(kuò)展多址接入(Welch-bound Spreading Multiple Access,WSMA)[13]、Qualcomm 公司提出的資源擴(kuò)展多址接入(Resource Spread Multiple Access, RSMA)[14]、NTT DOCOMO 公司提出的用戶(hù)特定廣義韋爾奇界多址接入(User-specific Generalized Welchbound Multiple Access,UGMA)[15]、Nokia 公司提的非正交編碼接入NOCA(Non-Orthogonal Coded Access,NOCA)[16]、華為公司提出的稀疏碼多址接入技術(shù)(Sparse Code Multiple Access,SCMA)[17]、大唐公司提出的圖樣分割多址接入技術(shù)(Pattern Division Multiple Access,PDMA)[18]及Intel 公司提出的低碼率擴(kuò)頻非正交多址(Low Code Rate Spreading,LCRS)[19]等。 此外,文獻(xiàn)[20]提出了一種增量正交多址技術(shù)。

1 非正交多址的優(yōu)勢(shì)

從上文的容量分析結(jié)果可以看出,相比于OMA技術(shù),NOMA 技術(shù)可以提供更高的傳輸速率。 具體來(lái)說(shuō),NOMA 的優(yōu)勢(shì)體現(xiàn)在以下幾個(gè)方面：

(1) 信道容量

通過(guò)加標(biāo)簽的方法,NOMA 技術(shù)可以區(qū)分不同的用戶(hù),使得不同的用戶(hù)可以在時(shí)間域和頻率域上復(fù)用資源。 相對(duì)于OMA 技術(shù),NOMA 技術(shù)可以更接近多用戶(hù)系統(tǒng)的容量界[21]。 此外,在用戶(hù)之間的公平性、調(diào)度的靈活性以及傳輸速率總和上,NOMA技術(shù)都具有更明顯的優(yōu)勢(shì)。

(2) 提升頻譜效率和小區(qū)邊緣吞吐量

在NOMA 中,用戶(hù)分享非正交的時(shí)頻資源。 如上所述,在AWGN 信道中,雖然OMA 和NOMA 都可以達(dá)到容量界,但是NOMA 可以保證更大的用戶(hù)公平性[22-23]。

(3) 大連接

在NOMA 中,支持的用戶(hù)數(shù)量不受正交時(shí)頻資源的嚴(yán)格限制。 因此,在資源不足的情況下,NOMA能夠顯著增加同時(shí)連接的用戶(hù)數(shù)量,所以可以支持大規(guī)模連接[24-25]。

(4) 更低的延遲和更少的信令開(kāi)銷(xiāo)

在傳統(tǒng)的依賴(lài)于訪問(wèn)授權(quán)請(qǐng)求的OMA 中,用戶(hù)發(fā)起連接必須先向基站發(fā)送調(diào)度請(qǐng)求,基站在收到請(qǐng)求之后,通過(guò)下行鏈路發(fā)送信號(hào)來(lái)調(diào)度響應(yīng)用戶(hù)的接入請(qǐng)求。 因此這將極大增加傳輸延遲和信令開(kāi)銷(xiāo),在5G 的大規(guī)模連接情況下這是不可接受的。LET 的訪問(wèn)授權(quán)過(guò)程大約需要15.5 ms[26],這無(wú)法滿(mǎn)足5G 中用戶(hù)延時(shí)保持在1 ms 以下的要求[27]。而在一些NOMA 的上行鏈路中,不需要?jiǎng)討B(tài)調(diào)度[28]。 例如,在SCMA 的上行鏈路中,可以為與時(shí)域和頻域中定義的預(yù)配置資源(例如碼本)相關(guān)聯(lián)的用戶(hù)實(shí)現(xiàn)無(wú)授權(quán)的多址訪問(wèn)。 此外,在接收機(jī)處,使用盲檢測(cè)和壓縮感知(Compressive Sensing,CS)可以用于數(shù)據(jù)檢測(cè),實(shí)現(xiàn)了無(wú)授權(quán)的上行鏈路傳輸,顯著減少了傳輸?shù)难舆t和信令開(kāi)銷(xiāo)。

(5) 不需要準(zhǔn)確的信道狀態(tài)信息

在功率域NOMA 中,對(duì)信道狀態(tài)信息的準(zhǔn)確性要求降低,因?yàn)樾诺罓顟B(tài)信息僅僅用于功率分配。只要信道不快速改變,不準(zhǔn)確的信道狀態(tài)信息將不會(huì)嚴(yán)重影響系統(tǒng)性能[29]。

2 非正交多址技術(shù)方案

簽名方案的設(shè)計(jì)是區(qū)分不同用戶(hù)的重要手段。通過(guò)在鏈路上進(jìn)行替換或增加模塊,是現(xiàn)有NOMA技術(shù)簽名設(shè)計(jì)的方法。 圖1 給出了NOMA 發(fā)射機(jī)的通用結(jié)構(gòu)[30]。 3GPP 目前仍在討論5G 中使用的NOMA 方案,各通信公司都提出了基于不同簽名設(shè)計(jì)方案的NOMA 方案,如表1 所示。 常用的簽名方案包括比特級(jí)加擾器、比特級(jí)交織器、符號(hào)級(jí)加擾序列、符號(hào)級(jí)擴(kuò)頻序列、調(diào)制方式、映射方式以及功率分配等。

圖1 NOMA 發(fā)射機(jī)的通用結(jié)構(gòu)Fig.1 General structure of NOMA transmitter

表1 各公司NOMA 方案總結(jié) Tab.1 Summary of each company’s NOMA schemes

2.1 比特級(jí)技術(shù)

比特級(jí)技術(shù)的主要原理是通過(guò)隨機(jī)化其他用戶(hù)的信號(hào),實(shí)現(xiàn)用戶(hù)間的分離,根據(jù)加標(biāo)簽的不同方式,可以分為加擾技術(shù)和交織技術(shù)。

LCRS 和NCMA 都使用了比特級(jí)加擾技術(shù),這2 種方案使用與現(xiàn)有NR 物理層標(biāo)準(zhǔn)相同的擾碼生成方式[31]。 不同的用戶(hù)使用的擾碼不同,因此接收端可以根據(jù)擾碼來(lái)分用戶(hù)。

IDMA 和IGMA 使用比特級(jí)交織技術(shù),用戶(hù)隨機(jī)選擇交織方式。 不同的用戶(hù)使用不同的交織方式,接收端根據(jù)交織方式區(qū)分用戶(hù)。

此外,不同的用戶(hù)也可以使用同樣的交織方式,通過(guò)在起始位置改變循環(huán)移位偏移量來(lái)區(qū)分用戶(hù)。

2.2 符號(hào)級(jí)技術(shù)

符號(hào)級(jí)技術(shù)主要包括擴(kuò)頻技術(shù)、特殊調(diào)制技術(shù)、加擾技術(shù)以及交織技術(shù)。 對(duì)于使用符號(hào)級(jí)擴(kuò)頻技術(shù)的方案,用戶(hù)從擴(kuò)頻池中隨機(jī)地選擇擴(kuò)頻序列作為標(biāo)簽,該序列具有低互相關(guān)性的特點(diǎn),接收端根據(jù)不同的擴(kuò)頻序列來(lái)區(qū)分用戶(hù)。 在NOMA 技術(shù)中主要使用的擴(kuò)頻序列有以下幾種：

① 韋爾奇界相等(Welch -Bound Equality,WBE)序列。 WSMA 和RSMA 使用了這種擴(kuò)頻序列,該序列的總平方互相關(guān)值可以通過(guò)式(1)計(jì)算：

設(shè)計(jì)WBE 序列的基本原則是使式(2)中的等號(hào)成立。

② 格拉斯曼序列。 NCMA 使用了格拉斯曼序列,它是一種特殊的韋爾奇界相等序列,要使2 個(gè)序列間的互相關(guān)值最大值盡可能小。

③ 廣義韋爾奇界相等(Generalized WBE,GWBE)序列。 UGMA 使用了該擴(kuò)頻序列,它是韋爾奇界相等序列的一種擴(kuò)展,在計(jì)算互相關(guān)值時(shí),考慮了發(fā)射功率的影響。

④ 量化復(fù)值序列。 MUSA 主要使用了該序列。每個(gè)用戶(hù)隨機(jī)選擇一個(gè)擴(kuò)頻序列擴(kuò)頻,擴(kuò)頻之后的符號(hào)在相同的資源塊上進(jìn)行傳輸。

⑤ QPSK 序列。 NOCA 使用該序列進(jìn)行擴(kuò)頻。通過(guò)對(duì)某個(gè)序列進(jìn)行循環(huán)移位可以得到其他的序列,生成該序列的表達(dá)式如式(3)所示：

式中,u 表示根值,v 表示循環(huán)移位量,N 表示擴(kuò)頻倍數(shù)。 對(duì)于具有不同循環(huán)移位量和相同根值的2 個(gè)序列,互相關(guān)值為0;對(duì)于具有不同根值的序列,互相關(guān)性很低,這樣在接收端就能區(qū)分不同用戶(hù)。

⑥ 稀疏擴(kuò)頻序列：SCMA 和PDMA 使用了該序列。 根據(jù)擴(kuò)頻碼本中0 的個(gè)數(shù)是否相等,稀疏擴(kuò)頻序列可以分成等權(quán)重和非等權(quán)重序列。 若0 的個(gè)數(shù)相等為等權(quán)重序列,0 的個(gè)數(shù)可變則為非等權(quán)重序列。

SCMA 定義了與傳統(tǒng)的QAM 調(diào)制方式不同的一種高維調(diào)制方式,該調(diào)制方式增大了星座點(diǎn)之間的歐式距離,降低了用戶(hù)間干擾,并提高了多用戶(hù)解調(diào)的成功率。

RSMA 使用了符號(hào)級(jí)加擾方案,首先用短碼進(jìn)行擴(kuò)頻,然后用長(zhǎng)擾碼加擾,在接收端根據(jù)擾碼區(qū)分出不同的用戶(hù)。

IGMA 使用了符號(hào)級(jí)交織方案,首先使用0 元素填充將符號(hào)稀疏映射到對(duì)應(yīng)的RB 上,接著對(duì)映射后的符號(hào)進(jìn)行符號(hào)級(jí)交織,接收端根據(jù)映射方式和交織方式的不同來(lái)區(qū)別不同的用戶(hù)。

3 NOMA 的性能評(píng)價(jià)與仿真實(shí)驗(yàn)

以上理論分析表明NOMA 比傳統(tǒng)的OMA 技術(shù)具有更好的性能,為了驗(yàn)證分析結(jié)果,以下對(duì)NOMA進(jìn)行一些性能評(píng)估和仿真實(shí)驗(yàn)。

3.1 來(lái)自技術(shù)報(bào)告的結(jié)果

3GPP 組織在技術(shù)報(bào)告TR 38.812[2]中,在大規(guī)模機(jī)器類(lèi)通信(massive Machine-Type Communication,mMTC)、增強(qiáng)移動(dòng)寬帶(enhanced Mobile Broad-Band,eMBB)和高可靠低時(shí)延(Ultra Reliable Low Latency Communication,URLLC)3 種場(chǎng)景下,從鏈路級(jí)和系統(tǒng)級(jí)的層面對(duì)不同的NOMA 方案進(jìn)行了性能比較。

3.1.1 鏈路級(jí)仿真結(jié)果

① 對(duì)于不同的傳輸塊(Transport Block Set,TBS)大小,只要仿真配置合適(比如合適的碼率),即使用不同的接收機(jī),各種NOMA 方案之間的性能差異很小。

② 與理想信道估計(jì)相比,使用真實(shí)信道估計(jì)的NOMA 方案在mMTC 和eMBB 場(chǎng)景下有2 ～4 dB 的性能下降,在URLLC 場(chǎng)景下,有5 dB 的性能下降。

③ 對(duì)于每種情況,在相同的信道條件和相同的TBS 下,數(shù)量較多的用戶(hù)設(shè)備(User Equipment,UE)比數(shù)量較少的UE 具有更大的性能下降。

3.1.2 系統(tǒng)級(jí)仿真結(jié)果

在系統(tǒng)級(jí)仿真中,設(shè)置了一個(gè)基準(zhǔn)實(shí)驗(yàn)參數(shù),在改變接收機(jī)類(lèi)型、傳輸塊大小和擴(kuò)頻碼長(zhǎng)度等參數(shù)的情況下,對(duì)不同的NOMA 方案進(jìn)行了多種實(shí)驗(yàn)。結(jié)果表明,在mMTC 場(chǎng)景下,各種NOMA 方案的資源利用率可以達(dá)到基準(zhǔn)方案的3 ～5 倍,在URLLC和eMBB 場(chǎng)景下,NOMA 方案的資源利用率和基準(zhǔn)方案基本相等。

3.2 以MUSA 為例的仿真實(shí)驗(yàn)

在文獻(xiàn)[31]中,以MUSA 為例,在mMTC 場(chǎng)景仿真參數(shù)下,仿真MUSA 與OMA 系統(tǒng)的用戶(hù)過(guò)載率與系統(tǒng)吞吐量。 實(shí)驗(yàn)數(shù)值設(shè)置如表2 所示。

表2 MUSA 仿真數(shù)值設(shè)置Tab.2 Simulation parameter setting

圖2 為傳輸包大小為10 Byte 時(shí),MUSA 系統(tǒng)過(guò)載性能以及系統(tǒng)吞吐量仿真的結(jié)果。

圖2 傳輸包大小為10 Byte 時(shí)系統(tǒng)性能仿真結(jié)果Fig.2 System performance simulation results when the transfer packet size is 10 Byte

從圖2 可以看出,在使用傳統(tǒng)MMSE-SIC 接收機(jī)、1 發(fā)2 收的天線(xiàn)配置下,MUSA 系統(tǒng)最高能支持700%的用戶(hù)過(guò)載量。 當(dāng)信噪比(Signal to Noise Ratio,SNR)較低時(shí),600%和700%過(guò)載量對(duì)應(yīng)的系統(tǒng)性能相較于單用戶(hù)情況下有大約2 ～2.5 dB 的性能損失,但SNR 慢慢變大時(shí),高過(guò)載量時(shí)的系統(tǒng)性能逐步逼近單用戶(hù)時(shí)的性能。 同時(shí),在傳輸包大小為10 Byte 時(shí),在每個(gè)RB 上,系統(tǒng)能支持的最大吞吐量可以達(dá)到370 kB/s,相較于單用戶(hù)的情況時(shí)的13 kB/s,系統(tǒng)的吞吐量提高了約14.47 dB。

3.3 以SCMA 為例的仿真實(shí)驗(yàn)

3.3.1 基于稀疏貝葉斯學(xué)習(xí)的激活用戶(hù)盲檢測(cè)

在文獻(xiàn)[32] 中,作者研究了在上行免許可SCMA 接收端中的激活用戶(hù)盲檢測(cè)算法,對(duì)用于用戶(hù)盲檢測(cè)激活的稀疏貝葉斯學(xué)習(xí)(Sparse Bayesian Learning,SBL)算法模型進(jìn)行了推導(dǎo)和分析,該算法可以在沒(méi)有激活用戶(hù)先驗(yàn)信息情況下實(shí)現(xiàn)激活用戶(hù)檢測(cè)和信道響應(yīng)估計(jì)。 作者還給出了實(shí)驗(yàn)結(jié)果,并進(jìn)行了性能分析。

仿真環(huán)境設(shè)置：競(jìng)爭(zhēng)接入?yún)^(qū)域中一共包含Q 個(gè)衰落子塊(Fading Blocks,FB),每個(gè)FB 包含L 個(gè)子載波;每個(gè)激活用戶(hù)在Q 個(gè)FBs 上同時(shí)進(jìn)行導(dǎo)頻序列的傳輸;在同一個(gè)傳輸時(shí)隙中,一個(gè)FB 所經(jīng)歷的信道是相同的,即信道響應(yīng)也相同,且不同的FB 經(jīng)歷的信道不一樣;假設(shè)接收端接收到各個(gè)用戶(hù)的信號(hào)功率一致。 假設(shè)有30 個(gè)用戶(hù),每個(gè)用戶(hù)都分配到一個(gè)競(jìng)爭(zhēng)傳輸單元(Contention Transmission Units,CTU)上,即每個(gè)用戶(hù)有一個(gè)特定的導(dǎo)頻,總共有30 個(gè)導(dǎo)頻。 具體仿真參數(shù)設(shè)置情況如表3 所示。

表3 SBL 激活用戶(hù)檢測(cè)算法仿真參數(shù)Tab.3 SBL activates user detection algorithm simulation parameters

圖3(a)給出了SBL 激活用戶(hù)檢測(cè)算法在4 個(gè)FB、導(dǎo)頻序列長(zhǎng)度為12 的情況下,取不同信噪比時(shí),多種用戶(hù)激活數(shù)情況下的用戶(hù)信道估計(jì)性能。圖3(b)給出了SBL 激活用戶(hù)檢測(cè)算法在4 個(gè)FB、導(dǎo)頻序列長(zhǎng)度為24 的情況下,取不同信噪比時(shí),多種用戶(hù)激活數(shù)情況下的用戶(hù)信道估計(jì)性能。 其中,均方誤差(Mean-Square Error,MSE)為信道響應(yīng)估計(jì)值與實(shí)際信道響應(yīng)間的誤差。

根據(jù)上文的仿真結(jié)果,隨著激活用戶(hù)數(shù)量增加,信道響應(yīng)向量的稀疏度下降時(shí),SBL 算法的性能也會(huì)出現(xiàn)一定程度的下降。 當(dāng)導(dǎo)頻序列長(zhǎng)度增加時(shí),SBL 算法在激活用戶(hù)檢測(cè)和信道估計(jì)上的性能都有顯著提升。 此外,只要激活用戶(hù)的數(shù)量在24 以下,可以保證所得出的檢測(cè)結(jié)果仍然是稀疏的,所提出的算法依然可以很好地工作。

圖3 不同激活用戶(hù)數(shù)下SBL 檢測(cè)算法信道估計(jì)性能Fig.3 Channel estimation performance of SBL detection algorithm under different activation users

3.3.2 基于稀疏貝葉斯學(xué)習(xí)和支持向量機(jī)聯(lián)合的激活檢測(cè)

文獻(xiàn)[33]提出一種用戶(hù)異步接入場(chǎng)景下的聯(lián)合信道估計(jì)和激活用戶(hù)檢測(cè)算法,利用異步稀疏貝葉斯學(xué)習(xí)(Asynchronous Sparse Bayesian Learning,ASBL)算法根據(jù)導(dǎo)頻信號(hào)在時(shí)域上進(jìn)行信道估計(jì),并利用支持向量機(jī)(Support Vector Machine,SVM)算法對(duì)信道估計(jì)結(jié)果進(jìn)行分類(lèi),得到激活用戶(hù)列表,實(shí)驗(yàn)參數(shù)設(shè)置如表4 所示。

表4 SCMA 實(shí)驗(yàn)參數(shù)Tab.4 Simulation parameter

圖4 給出了具有4 個(gè)激活用戶(hù)的漏檢概率和SNR 之間的關(guān)系。 漏檢概率是激活用戶(hù)被標(biāo)識(shí)為非激活用戶(hù)的概率。 由圖4 可以看出,與其他基于CS 的算法相比,所提出的ASBL 算法可以獲得更低的漏檢概率。 此外,當(dāng)SNR 低時(shí),使用SVM 分類(lèi)器對(duì)漏檢概率的影響可以忽略不計(jì)。 但是,對(duì)于激活用戶(hù)檢測(cè)問(wèn)題,系統(tǒng)需要較低的漏檢概率,因?yàn)槿绻麑⒓せ钣脩?hù)標(biāo)識(shí)為非激活用戶(hù),則信道估計(jì)和后續(xù)數(shù)據(jù)解碼都無(wú)法檢測(cè)到該用戶(hù)的存在,并恢復(fù)其發(fā)送的數(shù)據(jù)。 因此,基于ASBL 的接收器具有比CS 接收器更好的檢測(cè)性能。

圖4 4 個(gè)激活用戶(hù)時(shí)的漏檢率性能比較Fig.4 Comparison of missed detection performance when 4 users are activated

3.3. 3 未知用戶(hù)稀疏度的上行免授權(quán)SCMA 的盲檢測(cè)

文獻(xiàn)[34]提出一種不需要上行授權(quán)的SCMA的盲檢測(cè)器,它不需要用戶(hù)稀疏性的先驗(yàn)知識(shí)。 具體來(lái)說(shuō)是提出了有源用戶(hù)檢測(cè)器,以解決上行免授權(quán)SCMA 系統(tǒng)中用戶(hù)未知問(wèn)題;修改了聯(lián)合消息傳遞算法(Joint Message Passing Algorithm,JMPA)解碼器以用于錯(cuò)誤檢測(cè)概率低的情況。 仿真結(jié)果表明,改進(jìn)的JMPA 解碼器可以很好地識(shí)別錯(cuò)誤檢測(cè)。

4 未來(lái)的研究方向

NOMA 在未來(lái)一些有希望的研究方向,如下：

(1) 擴(kuò)頻序列或碼本設(shè)計(jì)[35]

在低密度擴(kuò)展(Low-Density Spreading,LDS)多址系統(tǒng)中,由于資源分配的非正交性,用戶(hù)之間存在相互干擾。 在每個(gè)正交資源處疊加符號(hào)的最大數(shù)目是不確定的,用戶(hù)的特定擴(kuò)頻序列或碼字對(duì)接收機(jī)的干擾抵消能力有直接影響。 因此,應(yīng)該優(yōu)化消息傳遞算法,以便在接收機(jī)復(fù)雜度和支持的用戶(hù)負(fù)載之間達(dá)成折衷。

(2) 與MIMO 相結(jié)合[8,36-37]

將NOMA 與MIMO 結(jié)合可以利用MIMO 系統(tǒng)的空間分集增益或復(fù)用增益來(lái)進(jìn)一步提高頻譜效率。 但是,這也存在技術(shù)難題,以功率域NOMA 為例,其關(guān)鍵思想是根據(jù)不同用戶(hù)的信道增益分配不同的發(fā)送功率。 對(duì)于單天線(xiàn)系統(tǒng)來(lái)說(shuō),因?yàn)樾诺涝鲆媸菢?biāo)量,所以可以比較不同用戶(hù)的信道增益。 但是,在MIMO 的場(chǎng)景中,信道增益由矩陣表示,因此,很難確定哪個(gè)用戶(hù)的信道狀態(tài)更好,這種情況導(dǎo)致了NOMA 實(shí)現(xiàn)的困難。

(3) 接收機(jī)設(shè)計(jì)[38-40]

對(duì)于5G 中的mMTC 場(chǎng)景,基于最大后驗(yàn)概率(Maximum A posteriori Probability,MAP)的接收器的復(fù)雜性可能會(huì)變得過(guò)高。 因此,MPA 的一些近似解決方案可用于降低接收機(jī)的復(fù)雜性。 例如干擾的高斯近似,它將干擾加噪聲建模為高斯分布。 當(dāng)連接數(shù)量變多時(shí),這種近似變得更加精確。 對(duì)于基于串行干擾抵消(Successive Interference Cancellation,SIC)的接收機(jī),傳播錯(cuò)誤會(huì)造成系統(tǒng)性能的下降,因此,良好的接收機(jī)設(shè)計(jì)是有必要的。

(4) 與認(rèn)知無(wú)線(xiàn)電相結(jié)合[41-43]

通過(guò)認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)的概念,可以體現(xiàn)出NOMA技術(shù)的優(yōu)勢(shì),將NOMA 系統(tǒng)中信道條件較差的用戶(hù)視為認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)中的主要用戶(hù)。 如果使用傳統(tǒng)的OMA,則分配給該主要用戶(hù)的帶寬資源僅由該用戶(hù)獨(dú)占,即使該用戶(hù)與基站的連接較差,也沒(méi)有其他用戶(hù)可以使用這些帶寬資源。 使用NOMA 的好處在于認(rèn)知無(wú)線(xiàn)電網(wǎng)絡(luò)中,可以允許其他用戶(hù)使用主要用戶(hù)占用的頻帶資源。 盡管這些用戶(hù)可能會(huì)對(duì)主要用戶(hù)造成干擾,但可以顯著提高總體系統(tǒng)吞吐量。

(5) 信道估計(jì)[44-46]

在大多數(shù)研究NOMA 的論文中,都假定使用完美的信道狀態(tài)信息(Channel State Information,CSI)進(jìn)行資源分配或多用戶(hù)檢測(cè)。 然而,在真實(shí)系統(tǒng)中獲得完美的CSI 是不切實(shí)際的,因此在NOMA 中存在信道估計(jì)誤差。 隨著未來(lái)5G 系統(tǒng)中用戶(hù)數(shù)量的增加,將導(dǎo)致更大的用戶(hù)間干擾,進(jìn)而可能導(dǎo)致嚴(yán)重的信道估計(jì)誤差。 因此,需要更高級(jí)的信道估計(jì)算法以在NOMA 系統(tǒng)中實(shí)現(xiàn)準(zhǔn)確的信道估計(jì)。

(6) 全雙工NOMA[47-49]

全雙工NOMA(Full-Duplex NOMA,FD-NOMA)在上下行同時(shí)使用NOMA 傳輸,有效地確保了上行和下行鏈路用戶(hù)之間的頻譜共享,并避免了信道條件差的下行鏈路(或上行鏈路)用戶(hù)占用稀缺帶寬的情況,相比于半雙工NOMA(Half-Duplex NOMA,HD-NOMA),能夠增加系統(tǒng)的容量。 然而,FD-NOMA 可能會(huì)在上行鏈路和下行鏈路傳輸中引起強(qiáng)烈的同頻道干擾。 例如,對(duì)于上行鏈路傳輸,由FD-NOMA 引起的殘留自干擾會(huì)降低基站的接收可靠性,而對(duì)于下行鏈路傳輸,來(lái)自上行用戶(hù)的信號(hào)會(huì)對(duì)下行用戶(hù)造成強(qiáng)烈干擾。 因此,如何有效地抑制同頻干擾是使用FD-NOMA 的一個(gè)難點(diǎn)。

5 結(jié)束語(yǔ)

NOMA 是實(shí)現(xiàn)5G 性能要求(如大規(guī)模連接和高吞吐量等)的重要支持技術(shù)。 本文討論了NOMA技術(shù)的發(fā)展、原理以及相比于OMA 技術(shù)的優(yōu)勢(shì)。從多址簽名設(shè)計(jì)的層面介紹了各個(gè)NOMA 技術(shù)提案的主要原理和關(guān)鍵特性。 此外,在理論分析基礎(chǔ)上,本文還介紹了以MUSA 和SCMA 為例的仿真實(shí)驗(yàn),進(jìn)一步展現(xiàn)了NOMA 的性能優(yōu)勢(shì)。 最后,本文給出了NOMA 技術(shù)一些有潛力的研究方向。