NOMA 非正交多址接入

来源

# 第16章（1）：非正交多址接入（NOMA）
《Power-Domain Non-Orthogonal Multiple Access (NOMA) in 5G Systems: Potentials and Challenges》

NOMA 基本概念

NOMA(Non-Orthgonal Multiple Access)，对应中文是非正交多址接入。

• 为何引入NOMA
  频谱紧张，提高频谱效率

• 非正交多址技术(NOMA) 的基本思想是在发送端采用非正交发送，主动引入干扰信息，在接收端通过串行干扰删除，SIC)接收实现正确解调。虽然，采用SIC技术的接收机复杂度有一定的提高，但是可以很好地提高频谱效率。

用提高接收机的复杂度来换取频谱效率，这是NOMA技术的本质

• 非正交多址接入(NOMA) 技术以不同功率将多个信息流在时域频域码域重叠的信道上传输，在相同无线资源上为多个用户同时提供无线业务

在正交多址技术(OMA)中，只能为一个用户分单一的无线资源，例按频率分割或按时间分割，而NOMA方式可将一个资源分配给多个用户。非正交多址复用通过结合串行干扰消除或类最大似然解调才能取得极限，因此技术实现的难点在于是否能设计出低复杂度且有效的接收机算法。

• NOMA指的是非正交多址，而不是非正交频分，即NOMA的子信道传输依然采用正交频分复用 (OFDM)技术，信道之间是正交的，互不干扰，但是一个子信道上不再只分配给一个用户，而是多个用户共享，同一子信道上不同用户之间是非正交传输(即非正交多址)，这样就会产生用户间干扰问题，这也就是在接收端要采用SIC技术进行多用户检测的目的。

一般就是两个用户共用一份资源，这与接收机的设计复杂度有关。

上行NOMA和下行NOMA的区别？

• MAC 信道与 BC 信道
  MAC，multiple access channel，多址接入信道。BC，broadcast channel，广播信道。
  对于下行信道，发送端可以联合处理而接收端难以联合处理。对于信道质量差即信道增益低的用户，给之分配更高的功率，反之，分配更低的功率。这便引出了功率分配问题。
  对于上行通信，比如多址接入信道来说，特点是：多点发送、单点接收，单用户功率受限，同时发送的用户数越多则总功率越高，发送端难以联合处理而接收端可以联合处理。
• SIC解码顺序
  SIC，successive interference cancellation，串行干扰消除。
  《Power-Domain Non-Orthogonal Multiple Access (NOMA) in 5G Systems: Potentials and Challenges》 ，这篇综述介绍NOMA的知识非常全面
  • NOMA下行场景
    
    基站侧：将用户1与2的信号叠加，即
    $x(n)=\sqrt{P{\beta }_1}{s}_1(n)+\sqrt{P{\beta }_2}{s}_2(n),{\beta }_1+{\beta }_2=1$
    用户接受信号即 $y_1=h_{1}x+n_1;y_2=h_{2}x+n_2$
    弱用户User1直接解出自己的信号即可，此时将User2的信号当做干扰。强用户User2先解出User1的信号，然后User2从其接收信号中减去User1的信号，再解自己的信号。由于基站进行功率分配时，需要用到下行信道状态信息 $h_1,h_2$，那基站是怎么知道下行CSI的？可以利用信道互易性或者UE利用上行信道进行反馈。
  • NOMA 上行场景
    

  UE侧的处理能力有限，且缺少中心处理单元，因此上行链路相较于下行链路中更容易实现。下行NOMA中，基站将不同用户的信号叠加在一起，UE来实现连续干扰消除技术；而在上行中，基站来实现多用户检测和连续干扰消除技术。

NOMA实现的关键技术

叠加信号中，有几个用户的信号？按照什么样的顺序，进行解调才能解到该UE自己的信号？

• 叠加编码（SC，superposition coding）
  
• SIC
  
  对于User2来说，收到叠加信号时，先进行均衡（即通过信道估计出h2，并对接收信号乘以h2的逆），先解调出User1的信号，随后重构出User1的信号，再从接收信号减去重构的User1信号，然后解调出User2的信号。
• SIC算法的实现问题
  David Tse在《Fundamentals of Wireless Communication》（中文版名字对应是《无线通信基础》）的6.1节SIC实现问题指出
  • 对用户数量衡量的复杂性
    基站必须对小区中每个用户的信号进行译码。另一方面，在下行链路中，移动台采用串行干扰消除接收机(SIC)意味着移动台必须对发送给其他某些用户的信息进行译码，这在传统的系统中是无需进行的。
    于是，利用小区内的用户数量衡量各移动台的复杂性是很难接受的。然而，当用户到基站的信道完全不同时，将叠加编码与SIC结合起来会得到最大的性能增益。
    鉴于空间几何特性，基站附近通常仅有少量的用户，绝大多数用户都位于小区边缘附近。这就提出了一种限制复杂性的实用方法：将小区中的用户划分为几组，每组都包括信道完全不同的少量用户。在各组内执行叠加编码/SIC，同时保持各组间的发射信号相互正交，这样就应该获得相当一部分的性能增益。
  • 差错传播
    一旦有一个用户出现错误，之后SIC译码队列中的所有用户都有可能出现不正确的译码。
    如果用户数量K适当小，则这种影响很容易通过性能稍好的编码(例如少量增大分组长度的编码)予以补偿。
  • 非理想信道估计
    如果用户的接收功率有很大的差异，那么消除强信号用户后的残留误差仍然能够淹没弱信号。
    另一方面，在用户信号较强时，也很容易得到精确的信道估计，结果这两种效应相互补偿，同时残留误差的影响不会随着功率的差异而增大。
  • 模数量化误差
    当用户的接收信号功率差异很大时，模数（A/D）转换器需要很大的动态范围，同时需要有足够的分辨率来准确地量化弱信号的贡献。

完整可运行的MATLAB代码

NOMASystem

© 2024 LiQ :) 由 Obsidian&Github 强力驱动