硬件损伤条件下无人机辅助的NOMA-IRS网络资源分配算法

探讨了在硬件损伤条件下,如何通过搭载在无人机上的智能反射面(IRS)有效支持基于非正交多址接入(NOMA)技术的网络,以加快多用户数据的传输速率。提出了一种全面优化策略实现整个通信系统的最大传输速率,包括联合调整串行干扰消除的解码策略、IRS的反射配置、无人机的空间位置以及基站的发射功率。由于该问题是一个非凸问题,提出使用块坐标下降方法来实现优化的一种迭代算法,将原始的非凸问题细分为3个子问题,并通过结合惩罚函数法、半正定松弛技术和连续凸近似法来解决这些子问题。仿真结果表明:提出的算法在系统总速率方面相比随机部署无人机、未使用IRS辅助的NOMA策略,系统速率有显著提升。

反向散射NOMA赋能的混合多播-单播协作传输方案

针对协作中继通信系统频谱效率低和链路利用率低的问题,面向多播、单播业务共存场景,该文提出一种反向散射NOMA赋能的混合多播-单播协作传输方案。机会式选择一个多播用户作为协作节点,将其接收信号的一部分功率用于自身解码,剩余功率反向散射以增强其余用户的接收质量。为提升系统性能,通过联合优化基站功率分配系数、协作用户反向散射系数和协作节点选择变量,在保障多播服务质量的前提下,实现单播用户最小可达速率的最大化。为解决上述高度非凸联合优化问题,该文设计一种协作用户选择准则并提出了一种迭代算法来获取原问题的最优解。仿真结果验证了所提迭代算法的快速收敛性,相较于传统非协作传输方案,所提方案可将单播用户最小可达速率提升11.5%,有效保证多业务服务质量。

基于混合协作NOMA的安全MEC能耗优化

非正交多址接入(non-orthogonal multiple access,NOMA)技术的广泛应用改变了传统物理层安全对用户传输速率的限制,在降低时延的同时会引起系统能耗增加。针对安全通信与降低能耗问题,提出一种基于混合协作NOMA的安全边缘计算传输方法。该方法对每个用户数据处理过程设计了多时隙混合协作方案,根据不同用户的信道条件分别设置卸载决策,保证用户间公平,并推导出系统保密中断概率的闭合表达式。然后以最小化系统能耗为目标,采用基于块坐标下降的三步迭代优化算法求得最优卸载方案。仿真结果显示,所提出的传输方法能在保证信息安全的条件下有效地减少系统能耗。

NOMA增强型D2D组的鲁棒资源分配算法

为提高非正交多址接入(non-orthogonal multiple access,NOMA)增强型设备到设备(device-to-device,D2D)组链路的鲁棒性和能效,考虑非理想信道状态信息(channel station information,CSI),提出一种能效优化的鲁棒资源分配算法.首先,在保证子信道分配、蜂窝用户和D2D组最小速率以及D2D组最大传输功率约束下,建立最大最小鲁棒能效模型;其次,考虑最坏情况法将信道不确定性建模为有界信道估计误差,并用泰勒级数展开式、凸松弛、变量转换法将原多变量耦合问题转化为凸优化问题;最后,用拉格朗日对偶理论求解.仿真结果表明,所提出的算法将传输速率控制在最低速率阈值以上,具有良好的鲁棒性,与其他算法相比能效提高了8.3%.

IRS辅助的异构SWIPT-NOMA系统资源分配方案

考虑到未来大型物联网中待服务用户的异构性(接收机产自不同制造商,且具有不同结构、不同功能)和服务需求的多样性,针对功率分割(PS)用户和时间切换(TS)用户共存的异构场景,提出一种IRS辅助的无线携能通信(SWIPT)非正交多址接入(NOMA)通信系统模型。在满足两类用户服务质量的条件下,通过联合优化基站的有源波束成形、IRS的无源相移矩阵、PS用户的功率分割系数、TS用户时间切换系数以及两类用户的串行干扰消除解码顺序来最小化基站的发射功率。为解决该非凸问题,采用基于连续凸逼近的交替迭代方法将问题拆分成多个子问题。针对IRS相移的无源波束成形优化子问题,采用连续秩一约束松弛方法求解。仿真结果表明,IRS辅助的通信系统基站发射功率明显低于无IRS方案;IRS辅助的NOMA通信系统基站发射功率低于IRS辅助的正交多址接入通信系统;IRS辅助的PS-SWIPT系统基站发射功率低于IRS辅助的TS-SWIPT系统。

基于SWIPT的无小区大规模MIMO-NOMA系统能量效率研究

无小区大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)与非正交多址接入(Non-Orthogonal Multiple Access,NOMA)都是未来6G的使能技术。无线携能通信(Simultaneous Wireless Information and Power Transfer,SWIPT)技术在进行信息解码的同时收集能量,与无小区大规模MIMO-NOMA优势互补。文中基于SWIPT研究无小区大规模MIMO-NOMA系统中的能量效率问题,通过联合优化功率分配系数和SWIPT的时隙切换(Time Switching,TS)系数,提高系统的能量效率。为了最大化能量效率,采用布谷鸟算法设计功率分配系数。考虑一种特殊情况,将所有终端的TS系数设置相同,进而推导了最佳TS系数的封闭表达式。仿真结果表明,相较于几种已有方案,文中提出的优化方案可以显著提升系统的能量效率。

反向散射中基于载波索引的混合NOMA方案

基于功率域非正交多址的环境反向散射通信系统上行链路常通过距离差完成用户配对。无源反向散射系统的双重信道衰落,导致远端边缘设备无法满足通信所需功率或解码所需信干噪比(Signal-to-Interference-Noise Ratio,SINR)约束。为了解决上述问题,提出一种OFDM和具有索引调制(Index Modulation,IM)的OFDM混合的上行NOMA方案,该方案由标签调制方案和反射系数调节方案组成。OFDM-IM提供了更好的能量效率,可以使功率水平低的设备满足通信条件。反向散射设备(Backscatter Devices,BD)根据接收到的功率水平,灵活地选择OFDM或者OFDM-IM,并在功率域叠加;通过调节反射系数保证叠加信号的功率差,接收机利用功率电平来执行多用户检测。实验结果表明,该方能够有效地提高远端用户解码的成功率,并且解码用户数量的增加提高了系统容量。

多无人机辅助NOMA网络的联合无线资源分配算法

为了满足高容量需求和通信质量,提出了一种多无人机(Unmanned Aerial Vehicle, UAV)辅助下行非正交多址(Non-Orthogonal Multiple Access, NOMA)网络的联合定位、用户调度、用户配对和功率分配优化算法。在基站位置固定的网络场景下,推导出通用最优用户配对和功率分配策略闭式解。针对多小区场景,将无人机的位置优化问题转化为一个局部合作博弈问题,并证明所提博弈是一个精确的潜在博弈,它至少有一个纯策略纳什均衡(Pure Strategy Nash Equilibrium, PNE),且最优的纳什均衡(Nash Equilibrium, NE)能够最大化网络和速率。设计了一种集中分布式学习算法寻找最优PNE。仿真结果表明,该算法优于现有方案,显著提高了网络效用。

面向数据压缩的NOMA-MEC系统能耗最小化研究

该文研究基于数据压缩的非正交多址-移动边缘计算(NOMA-MEC)系统中系统能耗最小化问题。考虑到部分压缩与卸载方案和基站端计算能力有限等条件,通过联合优化各用户的任务压缩和卸载比例、发射功率以及任务压缩时间等变量,建立一个系统能耗最小化优化问题。为了求解该问题,首先推导出各用户最佳发射功率的闭式表达式。接着利用连续凸逼近(SCA)方法对原问题的非凸约束进行近似,然后提出一个基于SCA的高效迭代算法来求解原问题,从而得到该系统的最佳资源分配方案。最后借助于计算机仿真对所提出方案的性能优势进行验证,仿真结果表明相比于其他基准方案,该文所提方案能有效降低系统能耗。

基于PD-NOMA的人员监控图像传输算法

危险区域人员监控具有摄像节点密度高、传输实时性和图像质量要求高的特点。功率域非正交多址接入(PD-NOMA)技术可以支持多路并行传输,有利于在密集传输场景下提升传输实时性,而多摄像节点协同有利于提高图像质量。在面向危险区域人员监控的PD-NOMA摄像网络中,提出通过多图融合的人员监控图像传输算法,以实现高质量监控。首先,定义了图像的“单人信息量”这一关键术语,它反映了图像中单个人员被准确识别的概率;其次,基于摄像节点之间的位置关系定义了多摄像节点拍摄到的单个人员的融合图像信息量;最后,在满足传输实时性要求以及图像中所有人员均可识别的前提下,以最大化融合图像信息量为目标,计算以摄像节点的图像分辨率和无线发射功率为控制变量的实时传输调度方案。实验结果表明,当实时传输上限为0.4 s时,基于PD-NOMA的传输调度方案传输信息量比传统传输方案提高了46.4%,使得图像中人员识别概率从0.8549提升至0.8919。

硬件损伤下多窃听器NOMA系统平均保密容量分析

研究了非正交多址(Non‑orthogonal‑multiple‑access,NOMA)接入通信系统的物理层安全性能。当基站采用下行NOMA方案发送信息时,由于信道的开放性,信息容易被窃听,而当存在多个随机分布的窃听者时,安全性能会进一步降低。为了增强存在硬件损伤系统的物理层安全性能,本文考虑保护区的方法,针对地面用户与基站之间存在直连链路的情况,采用莱斯衰落来建模小尺度衰落。本文还假设多个窃听者的位置遵循齐次泊松点过程(Homogeneous Poisson point process,HPPP),借助高斯切比雪夫积分公式,推导了平均保密容量的闭式表达式,并给出了在高信噪比情况下的渐近表达式来获得进一步见解。仿真结果验证了保护区方法在增强安全性能方面的有效性,并说明了不同参数对系统保密性能的影响。

基于NOMA和用户协作的上行移动边缘计算卸载效率优化

为应对大规模计算的需求以及有限传输资源和信道衰落的制约,提出了非正交多址接入(Non-orthogonal Multiple Access,NOMA)和用户协作辅助的上行移动边缘计算(Mobile Edge Computing,MEC)卸载传输方法。用户通过NOMA将计算任务卸载到MEC服务器以提高频谱效率,通过近端用户协助远端用户卸载的方式,减小中断对计算卸载的影响。为实现卸载量与能耗的最佳折中,定义卸载效率为成功卸载数据量与用户消耗能量之比,建立了通过调节卸载时间和功率分配来最大化卸载效率的联合优化问题。为求解该问题,推导了用户的卸载中断概率的闭合表达式,并将该非凸问题转化为松弛问题后利用连续凸近似方法求解。分析了该系统的中断性能,仿真结果表明所提计算卸载方法相较于其他方案能取得更高的卸载效率。

接收机朝向随机的NOMA-VLC系统性能

在可见光通信(visible light communication, VLC)系统中,针对用户位置、接收机朝向对视距(line of sight, LOS)链路影响严重,以及实时准确的信道状态信息(channel state information, CSI)反馈需求而导致的整体计算复杂性问题,对用户位置和接收机朝向随机的下行VLC系统性能进行了研究,并利用非正交多址接入(non-orthogonal multiple access, NOMA)技术提高频谱利用率。根据用户位置以及接收机朝向模型建立的室内VLC系统一般框架,推导了中断概率以及遍历和速率解析表达式。在此基础上,进一步提出了不同的NOMA调度机制及用户反馈策略,以提高系统性能、降低链路开销。最后,通过蒙特卡洛仿真验证了解析结果的正确性。仿真结果表明,用户位置和接收机朝向会严重影响VLC系统性能,且对于任意NOMA调度机制,同时反馈距离和朝向信息比只反馈距离信息更具优越性。

RIS辅助MIMO NOMA系统中利用统计CSI的下行传输方法

针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统,该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先,在莱斯空间相关信道假设下,利用大维随机矩阵理论,推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式;然后,在弱用户速率约束与发送功率受限的条件下,通过最大化确定性大系统近似和速率,利用统计CSI,分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明,所推导的近似表达式具有很好的近似效果,所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。

IRS-NOMA系统最大化系统吞吐量优化

在智能反射面辅助的上行非正交多址通信网络中,考虑到用户的位移会对智能反射面的服务效果带来影响,设计集中式和分布式两种智能反射面部署方案,并提出一种离散反射相位优化算法,运用半正定松弛法和高斯随机法,应用于这两种部署方案,以达到最大化系统吞吐量的目的。仿真结果表明,所设计的优化算法能有效提升系统的吞吐量性能,同时表明了分布式部署方案比集中式对用户的位移具有更高的包容度。

相移耦合的STAR-RIS辅助NOMA通信系统低功耗传输方案研究

同时透射和反射的可重构智能表面(Simultaneously Transmitting and Reflecting Reconfigurable Intelligent Surface,STAR-RIS)是未来B5G/6G无线通信的创新技术,其与非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术结合可大幅提升通信系统的频谱与功率效率,成为当前无线通信研究的热点。目前关于STAR-RIS的研究主要集中于透射相移和反射相移相互独立的场景,忽略了在电路实现过程中透射相移和反射相移之间的耦合效应。针对更加实际的相移耦合STAR-RIS辅助NOMA通信系统展开研究,建立了基站波束成形、相移与振幅系数的联合优化问题。通过使用连续凸逼近(Successive Convex Approximation,SCA)和半正定松弛(Semidefinite Relaxation,SDR)等技术工具,设计了高效的STAR-RIS单元间的交替优化算法,求解STAR-RIS辅助的NOMA下行传输功率最小化问题。仿真结果表明,提出算法的性能明显优于传统的反射RIS方法,且接近理想的独立相移STAR-RIS辅助系统。

基于深度强化学习的IRS辅助NOMA-MEC通信资源分配优化

为了解决无法与边缘服务器建立直连通信链路的盲区边缘用户卸载任务的问题,设计了一个基于深度强化学习(deep reinforcement learning, DRL)的智能反射面(intelligent reflecting surface, IRS)辅助非正交多址(non-orthogonal multiple access, NOMA)通信的资源分配优化算法,以获得由系统和速率和能源效率(energy efficiency, EE)加权的最大系统收益,从而实现绿色高效通信。通过深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法联合优化传输功率分配和IRS的反射相移矩阵。仿真结果表明,使用DDPG算法处理移动边缘计算(mobile edge computing, MEC)的通信资源分配优于其他几种对比实验算法。

环境反向散射辅助NOMA网络的隐蔽性能分析

物联网(Internet of Things, IoT)的广泛应用使得设备使用量不断增加,随之而来的传输安全和能源消耗问题成为关注的重点。为实现绿色通信以及增强通信的安全性,提出了环境反向散射通信(Ambient Backscatter Communication, AmBC)辅助非正交多址接入(Non-Orthogonal Multiple Access, NOMA)系统的隐蔽通信传输方案,其中射频源通过直接链路和反射链路向隐蔽用户和公共用户发送信息。考虑了发射功率随机化来干扰射频源附近的监测者检测隐蔽通信行为。为了评估系统的性能,推导出监测者的最佳检测阈值和最小检测错误概率的闭式表达式;计算了用户的中断概率(Outage Probabilities, OPs)闭式解;提出了在满足隐蔽性和可靠性约束条件下最大化有效隐蔽率(Effective Covert Rate, ECR)的功率分配系数方案。仿真结果表明,通过优化功率分配系数,系统最大ECR存在并随发射功率的增大逐渐趋于定值。

NOMA系统下基于高阶累积量的叠加信号调制识别

为解决非正交多址系统中的信号调制识别问题,利用高阶累积量的特性,提出了一种基于高阶累积量的调制识别算法,主要包含特征提取、概率密度函数构建和信号分类三个模块。仿真结果表明,与已有算法相比,所提出的基于高阶累积量的调制识别算法,在中低信噪比下可有效改善系统的识别性能。最后,利用浮点数计算了所提出算法的复杂度,结果表明该算法相较传统的最大似然检测算法复杂度大大降低,证明了该算法的有效性。

基于NOMA的超密集网络中资源分配与计算卸载

针对移动边缘计算(MEC)中计算卸载的通信资源有限和任务完成时间难以保证的问题。在论文中,将非正交多址接入技术(NOMA)应用到超密集网络中,并提出了一个联合计算卸载和资源分配方案,以最大限度地降低任务完成时间,提高系统卸载收益。首先,用匹配联盟方法和二分法解决资源分配问题。然后,基于资源分配的结果,提出了一种计算卸载决策算法,以获取最优的任务卸载方案。通过与其他方案相比,论文所提出的方案能够显著地提高系统地卸载收益。