面向6G的极化编码非正交多址接入

作为第一种达到信道容量的高性能编码,极化码是未来6G数据传输的重要候选方案。为此提出了面向6G的极化编码非正交多址接入技术框架。极化编码协作非正交多址接入方案能够满足6G大容量传输需求,极化编码非协作非正交多址接入方案能够提高6G物联网场景的接入可靠性。这些方案表明,极化编码非正交多址接入技术能够满足6G移动通信系统的超高可靠、高频谱效率、大容量的传输需求,具有广阔的应用前景。

基于非正交多址接入协作传输策略的安全性能分析

为了提升非正交多址接入(non-orthogonal multiple access,NOMA)协作传输系统的安全性能,研究了一种基于NOMA双用户协作传输策略的窃听系统模型,并分别推导了此模型下的遍历安全速率和安全中断概率的闭式表达式。仿真结果表明,当存在强解码能力的窃听节点时,提出的协作联合接收策略与传统NOMA协作传输策略以及直连策略相比,遍历安全速率最大提升了0.281 bps/Hz和0.937 bps/Hz,安全中断概率最大降低了2.53 dB和3.08 dB。

非理想干扰消除全双工协作NOMA系统性能分析及功率分配

随着非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术的不断发展,协作NOMA(Cooperative Non-Orthogonal Multiple Access,CNOMA)也受到广泛关注.该文研究了由一个基站(Base Station,BS)、一个远端用户和一个近端用户组成的全双工(Full-Duplex,FD)协作NOMA(FD-CNOMA)系统,其中近端用户作为一个FD解码转发中继以传输远端用户的信号.考虑实际情况中存在基站与远端用户有无直接链路两种情况,以及非理想连续干扰消除(Successive Interference Cancellation,SIC)对系统带来的残留干扰问题,该文提出并解决了在该模型下用户的功率分配问题.最后,该文基于此模型给出了中继用户和远端用户的中断概率闭式表达式和遍历速率的近似闭式表达式.理论分析与仿真结果表明,即便存在非理想SIC和自干扰,相对于半双工(Half-Duplex,HD)协作NOMA(HDCNOMA)和NOMA系统而言,FD-CNOMA系统表现出更好的系统性能.同时,非理想SIC和中继用户自干扰都会对用户性能产生负面影响,且非理想SIC在遍历速率上对HD机制的影响较FD机制更为严重.最后,文中提出的功率分配方法较随机功率分配和固定功率分配分别获得了13%和10%的速率提升.

缓存辅助的协作NOMA携能传输

为提升多用户无线携能通信系统吞吐量,设计了一种缓存辅助的协作非正交多址接入(NOMA)携能传输方案,在平均/峰值功耗、用户速率、缓存队列稳定性等约束条件下,最大化系统平均吞吐量。为降低优化复杂度,引入Lyapunov方法,将长期平均优化问题转化为一系列时间离散的子优化问题,并提出了一种自适应传输与资源分配优化算法,能根据时变信道/缓存状态,动态优化工作模式、用户调度和功率分配。仿真结果表明,与已有方案相比,所提方案可显著提升平均吞吐量,且实现时延与吞吐量间性能的折中。

协作NOMA系统中的一种新型节能功率分配方案

在传统的协作非正交多址(CNOMA,Cooperative Non-orthogonal Multiple Access)系统中,通常需要向弱用户分配更多的功率,分配给强用户的功率不超过总功率的一半。同时,强用户还需在协作阶段承担中继通信的任务。上述功率分配方式必将给强用户带来一定的负担。为在满足弱用户服务质量的情况下,进一步提高强用户的中断性能,本文提出一种基于中继和无线携能通信的新型功率分配方案。该方案使用能量收集设备收集能量,通过最大化系统和速率寻求无线携能通信的最优功率分割因子,从而获得系统中断概率的闭式表达。考虑到优化问题的性质,本文提出了一种在功率分配固定的情况下,通过单调优化求解无线携能通信功率分割因子的算法。仿真结果表明,与CNOMA系统的传统功率分配方案相比,本文所提方案能够在不损失弱用户中断性能的前提下,有效提升强用户的中断概率,系统和速率总体提高了近20%。

一种混合协作NOMA系统的缓冲辅助中继选择方案

为了提高系统的中断性能及分集增益,研究了一种混合协作非正交多址接入(non-orthogonal multiple access,NOMA)系统。系统包含一个基站、K-1个配有缓冲器的中继、一个配有缓冲器的近端用户和一个远端用户。其中,基站与近端用户可通过直传方式进行通信或由中继协作通信,而与远端用户通过近端用户或中继进行协作通信。针对该混合协作NOMA系统,提出了一种缓冲辅助中继选择方案,能够基于信道状态信息和缓冲器状态,选择近端用户或最佳中继进行协作传输。推导了系统中断概率和平均包裹时延的闭式表达式,给出了高信噪比下的分集增益。证明了当最大缓冲单元数不小于3时,所提方案能达到满分集增益2 K。仿真结果表明,相对于基准方案,所提方案在系统中断概率与时延之间可以实现更好的折中。

延迟CSI反馈下的协作NOMA系统用户选择方法

为了提升多用户协作非正交多址接入(Non-orthogonal multiple access,NOMA)网络在信道状态信息(Channel state information,CSI)反馈延迟下的性能,提出一种近用户选择策略,目标是在满足所选近用户服务质量约束的同时最大化远用户的信息传输速率。分析了反馈延迟影响下,网络基于所提近用户选择策略的中断概率和分集增益。为了降低CSI反馈延迟影响,进一步设计了一种卷积神经网络与循环神经网络结合的深度学习架构对过时CSI进行预测。理论分析表明,反馈延迟影响下,多用户选择分集增益消失,系统分集增益为1。仿真结果表明,所提深度学习架构能够显著提升反馈CSI准确性,有效降低系统中断概率。基于预测CSI的近用户选择方法提升了该协作NOMA网络的系统中断性能。

基于监督机器学习的车载协作通信中继选择

为提高车载协作通信链路的可靠性与连通性,提出了一种在下行非正交多址接入(NOMA)的中继网络中基于监督机器学习算法的中继选择方案,通过构建反向传播(BP)神经网络预测模型,对候选中继集的中断概率进行预测,以此来进行基于最小中断概率的中继选择,提高了下行链路的连通性。在Matlab中,利用样本数据进行网络训练后,得出的预测值与理论值的相关系数为0.99944,预测的平均相对误差为0.57%,表明该中继选择方案模型能够对多个中继进行中断概率的预测,从而实现基于最小中断概率的中继选择。数值仿真结果表明,基于监督机器学习的中继选择方案相较于基于增强学习的中继选择方案中断概率下降了60%,能明显提高中断性能。