CN111601375A

CN111601375A - 一种基于5g系统的noma传输方法

Info

Publication number: CN111601375A
Application number: CN202010336485.7A
Authority: CN
Inventors: 兰峰
Original assignee: BEIJING BLUE SATELLITE COMMUNICATION TECHNOLOGY CO LTD
Current assignee: BEIJING BLUE SATELLITE COMMUNICATION TECHNOLOGY CO LTD
Priority date: 2020-04-24
Filing date: 2020-04-24
Publication date: 2020-08-28
Anticipated expiration: 2040-04-24
Also published as: CN111601375B

Abstract

本发明公开了一种基于5G系统的NOMA传输方法，包括以下步骤：目的用户通过信道信息推断传输信道的信道状态信息；源用户根据信道状态信息为目的用户分配功率分配系数；根据功率分配系数进行NOMA传输。该方法中次级目的用户可以通过获得的信道信息估计出传输信道的信道状态信息CSI，接着根据获得的信道状态信息通过反馈环节把信息传输至次级源用户，次级源用户利用反馈获得的信道状态信息来调整传输信道的传输状态，信道状态信息的估计误差可控，有效的降低系统的复杂度，减少能源的损耗，在实际场景中更易于实现。

Description

一种基于5G系统的NOMA传输方法

技术领域

本发明涉及通讯传输方法领域，更具体的说是涉及一种基于5G系统的NOMA传输方法。

背景技术

非正交多址NOMA是一种新提出的5G技术，可以满足快速增长的移动业务需求。与传统的正交传输技术相比，NOMA技术主要通过在发送端引入干扰并在接收端采用干扰消除技术，来获得更高的频谱效率以及系统吞吐量。这一特点符合5G时代爆炸式的数据增长和访问需求。因此，NOMA引起了全世界研究人员的关注。特别是在物联网IoT的蜂窝网络中，NOMA通过在同一频谱中容纳多个用户，为低延迟的IoT设备的大规模连接提供技术需求。例如，现有的研究人员提出了一种新的预编码和功率分配策略，以实现NOMA技术在物联网中的应用。为了利用NOMA上行链路技术降低次级用户的能耗，研究人员提出了一种基于NOMA技术的边缘计算解决方案，利用基于NOMA的优化框架，最大限度地降低了次级用户的能耗。另外，一些研究人员使用NOMA方案来提高频谱效率，这对于物联网的构建至关重要。同时，NOMA技术现已在3GPP长期演进中得到了采用。

相应的，为了充分利用无线电资源，研究人员将NOMA技术引入认知无线电网络CRN中，允许多个次级用户在授权用户的同一频段采用重叠传输模式，以实现多用户的频谱共享，来进一步提高CRN的系统性能。

在已有的研究中，大多数研究人员主要关注在具有完全CSI的情况下，设计相应的功率分配方案，以提高系统性能。例如，将NOMA方案引入协作频谱共享网络，并与正交多址接入技术OMA进行优势比较；设计一种基于CR-NOMA网络的协作传输方案，以实现SU的最大分集等。然而，在实际应用场景中很难获得对应于该系统的完全CSI，尤其是在大规模无线网络中，为了获得完全信道状态信息CSI，系统的功耗会大幅增加。

发明内容

本发明为了解决上述技术问题提供一种基于5G系统的NOMA传输方法。

本发明通过下述技术方案实现：

一种基于5G系统的NOMA传输方法，包括以下步骤：

A、目的用户通过信道信息推断传输信道的信道状态信息；

B、源用户根据信道状态信息为目的用户分配功率分配系数；

C、根据功率分配系数进行NOMA传输。

基于完全CSI获得传输信道性能，在实际场景中很难实现。在实际传输系统中，发送端根据反馈信息获得的信道状态信息与实际信道状态信息并不一定相匹配。在系统的传输链路之间并不存在紧密的联系，根本无法利用传输链路的互易性直接获得信道状态信息，必须通过传输系统的反馈获得相关信息。为了减少能源损耗反馈信道的信道容量很小无法与传输信道相比较，则无法把反馈信息不经处理直接反馈至发送端，需要把该信号进行量化处理，以减小反馈时所需的带宽。本NOMA传输方法中的信道状态信息并非采用完全CSI，通过在对信道状态信息进行估计得到信道状态信息，以减小系统功耗和系统的复杂度。

作为优选，所述信道状态信息为：

其中，ε_i表示第i个信道的信道估计误差系数，

表示第i个信道的信道估计系数，

通过估计得到的信道状态信息势必产生误差，在保证传输性能的前提下尽可能减小估计误差，采用上述信道估计模型。上述信道估计模型仅考虑系统量化产生的误差产生的影响，即系统把其他的处理过程都视为理想无误差的。采用上述信道估计模型，其误差可控，在系统允许范围内，可有效的降低系统的复杂度，减少能源的损耗。在实际场景中更易于实现，且减少了系统时令开销的损耗，可以应用于实际传输中。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明次级目的用户可以通过获得的信道信息估计出传输信道的信道状态信息CSI，接着根据获得的信道状态信息通过反馈环节把信息传输至次级源用户，次级源用户利用反馈获得的信道状态信息来调整传输信道的传输状态，信道状态信息的估计误差可控，有效的降低系统的复杂度，减少能源的损耗，在实际场景中更易于实现。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。

图1为本发明的流程图。

图2为CR-NOMA网络的系统模型图。

图3为信道估计误差对次级中断概率的影响图表。

图4为信道估计误差对主用户中断概率的影响图表。

图5为系统信噪比对主用户中断概率的影响图表。

图6为不同传输距离情况下的次级中断概率与信噪比的关系图表。

图7为不同干扰链路距离情况下主用户中断概率与信噪比的关系图表。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1

如图1所示的一种基于5G系统的NOMA传输方法，包括以下步骤：

A、目的用户通过信道信息推断传输信道的信道状态信息；

B、源用户根据信道状态信息为目的用户分配功率分配系数；

C、根据功率分配系数进行NOMA传输。

具体的，该信道状态信息可采用信道估计模型推断，该信道估计模型为：

其中，ε_i表示第i个信道的信道估计误差系数，

表示第i个信道的信道估计系数且服从高斯分布

在次级网络的各用户的传输信道中的估计信道增益排序为

此外，若估计信道增益

在统计上独立于信道估计误差ε_i，则信道估计方差为

同理,主用户P与主目的用户P₀的信道估计方差为

次级源用户S与主目的用户U_k的信道估计方差为

由信道估计模型可知，当系统只获取到有误差的信道状态信息时，系统的性能会有所下降。现分析采用该模型推断得到的信道状态信息对系统中断性能的影响。在此推导出在有误差存在的信道状态信息的系统所能获得的数据传输速率的表达式，并与传统理想信道信息条件下的数据传输速率比较，分析存在信道误差时对系统中断性能产生的影响。

参见图2的CR-NOMA网络的系统模型，在协同传输过程中，次级源用户S将信号x_S传输给U_i，其中，i、N均为自然数，且i≤N。根据NOMA方案设计，次级源用户发送给次级目的用户的叠加信号为：

式中，P_s为次级源用户S的发射功率，a_i为次级源用户S至次级目的用户U_i信道功率分配系数，且满足条件a₁<a₂<...<a_N，

S_i表示是次级源用户S传输给次用户U_i的信号。

因此，在存在误差的情况下，接收端接收到的信号分别为：

表示第k个信道的信道估计系数，ε_k表示第k个信道的信道估计误差系数；

表示用户P到用户U_k的信道估计系数，ε_pk表示主用户P到用户U_k的信道估计误差系数；

表示用户P到用户P₀信道的信道估计系数，ε_P表示用户P到用户P₀的信道估计误差系数；

表示S到用户P₀的信道估计系数，

表示S到用户P₀的信道估计误差系数；

P_s为次级源用户S的发射功率，P_t为主用户P的发射功率，

a_i为次级源用户S至次级目的用户U_i信道功率分配系数，

S_i表示是次级源用户S传输给次级用户U_i的信号，S_p表示是主用户P传输给用户P₀的信号。

为k个信道内的高斯白噪声，

为用户P到用户P₀信道内的的高斯白噪声。

为了简化系统分析，我们假设

P_s＝P_t＝P，

表示源用户S与次级目的用户U_k传输信道间的信道误差向量，

为设定定值，即不同信道下的信道误差向量均等于

为系统信噪比SNR。在次级协同传输过程中，主用户具有较强的信道条件，并正常工作。在这种情况下，我们假设从主用户到次级用户U_i(1≤i≤N)的干扰可以被通过干扰消除技术被次级用户消除。因此，此时次级用户不受到网络间干扰的影响。

在次级网络中，次级用户U_k处采用串行干扰消除(SIC)。注意，用户U_k若要解码自身信号，在此之前需正确解码其他用户U_i(k+1≤i≤N)的信号，即那些信道估计质量比用户U_k的信道质量差的所有次级目的用户的信号。如果U_k成功解码U_i信号，即

则移除该干扰信号s_i，其中

表示用户U_i的目标速率，R_i→k表示在次级源用户与次级目的用户U_k的信道内成功解码信号s_i的目标数据率；然后U_k可以逐步解码其他用户U_i(k+1≤i≤N)，直到用户U_k能够正确解码自身的信号s_k。则次级用户U_k的一般数据传输速率表达式

a_j为次级源用户S至次级目的用户U_j信道功率分配系数，

表示源用户S与次级目的用户U_P传输信道间的信道误差向量；a_i为次级源用户S至次级目的用户U_i信道功率分配系数，

表示源用户S与次级目的用户U_k传输信道间的信道误差向量；

其中，

为系统信噪比SNR，

为第k个信道的估计信道增益。

现在，若所有用户U_i(k+1≤i≤N)正确解码消息，则用户U_k的数据传输速率可以表示为

特别是，当k＝j＝1时,

a₁为次级源用户S至次级目的用户U₁信道功率分配系数，

表示源用户S与次级目的用户U₁传输信道间的信道误差向量；

为系统信噪比SNR，

为第1个信道的估计信道增益。

在下行认知NOMA网络中，次级目的用户受到其他所有目的用户的干扰。且在系统内估计的信道增益排序为

U₁是一个相对于其他所有用户的强信道用户，因此具有无干扰传输。

在Underlay模式下，次级用户可以在不超过主用户干扰阈值的情况下建立协作传输。但主网络与次级网络间的干扰始终存在。如果忽略次级用户到主用户干扰的估计误差，则存在信道估计误差时的数据率为

为用户P到用户P₀的估计信道增益，

为用户S到用户P₀的估计信道增益.

同样，在理想状态信息条件下，假定用户可以实时准确获得完全的信道状态信息，用户U_k若要解码自身信号，在此之前需成功解码其他用户U_j(k+1≤j≤N)信号，此时，次级用户获得的数据传输速率可以表示为：

若所有用户U_j(k+1≤j≤N)的信号均解码成功，故此时，次级用户获得的数据传输速率可以表示为：

特别是，当k＝j＝1时,

R₁＝log(1+ρa₁|r₁|²)

在实际系统中，如果次级用户对主用户的干扰在可控范围内，则

为由主源用户P正确解调的数据速率阈值；R_p为由主源用户P到目的用户P₀的数据速率。

实际系统的数据率可表示为

为用户P到用户P₀信道的信道增益，

为用户S到用户P₀信道的信道增益.

信道增益的密度函数:

根据已有研究可知，大多数研究是在用户位置已知，且距离与路径损耗系数参数固定的条件下进行的。此外，衰落是瑞利分布。从现有文献中，可以得到第k个估计信道增益的累积分布函数CDF的表达式为：

式中

为无序估计信道增益的分布函数(CDF)。由信道估计模型可知，

是无序信道的信道系数，其中

在此条件下，次级用户的分布函数可以表示为

因此，无序信道增益的概率密度函数(PDF)表示为:

在传输系统中，次级用户对主用户施加的干扰是在主用户允许的范围内,且干扰不会超过主用户最低速率要求的阈值。该阈值以确保次级用户传输不会影响主用户正常工作。同时次级用户受到自身传输的限制，信道传输的最小信道容量不得小于信道设定的最低目标速率，否则次级传输发生中断。

和

分别是由PU和第i个用户正确解调的数据速率阈值。因此，如果第k个用户想要实现正确的解调，则必须满足以下条件：

以及

信道估计误差的系统性能:

假设第k个用户U_k可以成功地将自身的信号及其后续信号解码为事件

注意用户U_k既要解码自身信号，同时解码估计信道中比其信道增益差的所有其他用户的信号。该事件表示为：

其中

表示用户U_i的目标速率。

此外,当k＝j＝1时,

从公式(14)中可以看出,事件可以成立时,必须满足条件:

在次级协作传输过程中，次级用户可以在不超过主用户干扰阈值的情况下建立次级通信。换句话说，它是指主用户可以正常传输时的次级用户的协同通信，即γ_p>γ_thp。假设PU传输正常，中断概率表示为

令

然后次级用户U_k的中断概率可以表示为：

次级用户的中断概率公式为：

其中，

和

表示用户P₀的目标数据率，

表示信道误差向量。

同样，主用户的中断概率也值得我们分析。在本节中，可以清楚地证明次级用户对主用户的干扰与信道估计误差影响中断性能。主用户P₀的中断概率可以表示为

其中，

代表信道误差系数。次级源用户P与主目的用户P₀的信道估计方差为

次级源用户S与主目的用户P₀的信道方差为

进行实际仿真，我们首先建立了一个二维坐标系，然后基于此模型对该方案进行了仿真与分析。假设CR-NOMA网络有两个次级目的用户(U₁,U₂)。因此，用户之间的距离分别表示为

d₁和d₂。同时，小规模衰落增益满足瑞利分布，即h_i～CN(0,1)，且平均信道系数为

其中d_k表示节点S与节点U_k之间的传输距离。设定系统参数：路径损耗指数α＝3、功率分配因子a₁＝0.25,a₂＝0.75和距离d_pp0＝1m。通过蒙特卡罗仿真以评估基于NOMA的部分信道信息机制的中断性能。经过独立10⁵次试验得到以下仿真结果。

在图3中，信噪比设为30dB，距离设为d₁＝d₂＝5m和

随着的信道估计误差

的增加，中断概率逐渐增大。仿真曲线与理论分析曲线吻合较好。这是因为信道估计误差

越大，对次级系统的干扰越大。此外，从图3中可以看出，当

取较大值时，中断概率始终为1。此时，参数选择方案不能满足条件

故次级传输发生中断。

在图4中，我们设置参数：目标速率

距离d₁＝d₂＝5m和

结果表明，提高系统信噪比SNR可以显著提高中断性能。数值仿真结果表明，由部分信道信息引起的信道估计误差对系统的中断概率有显著影响。此外，我们将部分信道信息NOMA的结果与[Yang,Ding,Fan etal.(2016)]的结果进行了比较。从图4可以看出，[Yang,Ding,Fan et al.(2016)]的准确结果只能在较高的信噪比下才能得到，本文的分析结果在总体信噪比范围内与蒙特卡罗模拟结果相符合。在NOMA方案下，由于信道估计误差，不完全CSI的次级传输无法获得分集增益，而完全CSI的次级传输可以获得分集增益。

图5为次级中断概率分析结果。在图中，信噪比设为30dB，距离d₁＝d₂＝5m和

从图中可以看出，随着误差方差的增大，中断概率也增大，理论分析结果与蒙特卡罗模拟结果吻合较好。

图6描述了信道估计误差对次级中断概率的影响。在图6中，我们设置了目标速率

距离d₁＝d₂＝5m和

比较了不完全信道信息和完全信道信息情况下在NOMA系统中的中断性能。正如所料，具有完全CSI的NOMA方案优于具有不完全CSI的NOMA方案。因此，本文的仿真可以验证上述次级传输系统仿真结论的正确性。

图7在为不同系统信噪比的条件下主用户中断概率的仿真结果。目标速率设为

距离为

从图中可以看出，随着信噪比的增加，主用户的中断性能不断恶化。主用户的中断概率随SNR系统信噪比的增加而降低。仿真结果表明，具有完全CSI的NOMA方案性能优于不完全CSI的NOMA方案。

仿真结果表明，随着信道估计误差的增加，干扰增加，次级用户的中断性能下降。蒙特卡罗模拟与数值结果吻合较好，且NOMA方案优于传统的OMA方案。随着信道估计误差的增加，干扰增加，次级用户的中断性能下降。蒙特卡罗模拟与数值结果吻合较好，且NOMA方案优于传统的NOMA方案。采用信道估计模型，虽然导致信道估计误差的存在，但是在系统允许且误差可控的情况下，有效降低了系统的复杂度，减少能源的损耗。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。