1 引言
在5G网络中,非正交多址技术(NOMA,non orthogonal multiple access)是一种提升频谱效率的解决方案。NOMA中的叠加编码和串行干扰消除(SIC,successive interference cancellation)技术可以让一个网络服务多个用户[1]。为了提高通信的可靠性,文献[2]提出了协作NOMA,存在一个基站发送K个信号用户端,用户m的目标接收信号是sm,信道状态信号好的用户帮助信道状态信息差的用户解码信号,分析了这种协作NOMA方案所获得的中断概率和分集顺序。文献[3]研究了存在一个窃听节点下协作NOMA的可达安全速率,在考虑不同窃听场景:1)一个内部的、未知的恶意窃听节点;2)外部一个网络中,同时存在友好节点和恶意窃听节点。分别分析系统的可达安全速率性能。考虑到不完全SIC,文献[4]研究了两个信源通过一个中继与相应的目的端通信时,协作NOMA网络的遍历容量,两个信源以不同的分配功率并行发送的信号后,中继使用NOMA将两个信号叠加转发到两个目的地。通过仿真分析,证明了所提方案在遍历容量方面的有效性。
近来年,认知无线电(CRN,cognitive radio networks)已经成为克服频谱稀缺和频谱利用率不足的一个潜在的解决方案[5]。底层频谱共享模式(Underlay)是一种访问主用户(PU,primary users)的授权频谱的方式,而不会降低主网络(PUN, primary user network)的服务质量(QoS,quality of Service)。文献[6]在底层模式下,研究了一个双跳认知NOMA 系统的中断概率性能,次级用户(SU,secondary users)与PU同时使用授权频段,这会对PU造成干扰,为了降低SU的干扰,PU预先设定一个干扰阈值(噪声温度限)来控制SU的传输功率,以达到保护PU QoS的目的。实验仿真表示NOMA策略下的性能明显优于传统的正交多址策略,但PU设定干扰阈值同时也限制了次级网络(SUN,secondary user network)的性能。
随着物联网(IoT,internet of things)的快速发展,预计将有250多亿台设备接入蜂窝网络,给有限的频谱资源带来了沉重的负担[7]。而5G网络的两种技术,即NOMA和CRN在有限的频谱资源条件下,通过不同的频谱共享策略,可以有效的提升频谱效率。因此,NOMA和CR的结合使未来网络实现无所不在的连通成为可能[8]。文献[9]研究在底层认知网络中一种协作NOMA方案。存在许多次级用户,多天线基站(BS)选择具有强信道增益的次级用户(用作中继),以帮助另一个较差的次级用户。推导了次级网络中断概率的闭合表达式,但由于存在主网络的情况下,BS发射功率受到主网络的约束。文献[10]在底层认知NOMA中提出一种功率分配算法,实现在一个小区中最大化接入系统中的次级用户数量。文献[11]考虑到非理想的串行干扰消除,研究了认知NOMA中的中断概率性能,并推导了当干扰约束无限大和次级网络发射功率无限大时的中断概率渐进闭合表达式。不同于文献[10]和文献[11],文献[12]研究了底层模式下认知NOMA网络中的中继选择策略,中继可以采集来自主网络与次级网络的能量,推导了次级网络的中断概率闭合表达式。
本文把NOMA与CRN相结合来提高5G无线网络中的频谱利用效率,提出一个基于DF中继协作的认知NOMA网络模型,PUN借助SUN的中继分两时隙传输数据,SUN从而获得接入授权频段的机会。SUN需要接入PUN的授权频段,与其他文献不同的是,本文中PUN的信号获得最高优先解码权。值得注意的是,本文的网络拓扑结构适用于实际场景,比如窄带物联网(NB-IoT)[13-14]。本文推导了各接收端的中断概率公式,并进行了MATLAB仿真。
2 系统模型
系统模型如图1所示,PUN和SUN在两个时隙内完成协作通信。PUN由一个信源(S)和一个目的节点(D)组成,SUN包括一个信源(A),一个DF中继(R)和两个目的节点(B1和B2)。假设B2与R的距离比B1与R的距离远,所以R到B1链路的信道状态信息(CSI,channel state information)优于R到B2链路的信道状态信息。PUN与SUN协作模式为:SUN贡献出中继R协作传输PUN的消息,PUN消息分两时隙传输,并具有优先解码权,实现PUN的可靠性通信;作为回报,PUN允许SUN接入其授权频段,获得数据传输的机会。假设所有节点均配备单天线且工作于半双工模式。
图1 系统模型
Fig.1 System model
假设所有信道经历准静态平坦瑞利衰落,因此信道系数可表示为相互独立的复高斯随机变量hij,相应的平均信道增益表示为
[|hij|2]=λij, ij∈{sr,ar,rd,r1,r2}。[·]表示期望。r1表示R→B1,r2表示R→B2,节点间相应的距离表示为dsr,dar,drd,dr1和dr2。
第一时隙,S向R发送PU信号xS,功率为PS,A向R发送叠加信号
功率为PA,x1和x2分别是预备发送给B1和B2的SU信号,(|xi|2)=1,i∈{1,2},且PS>PA。μ1和μ2是PA的功率分配因子,本文中假设hr1>hr2,则μ1<μ2,因为R到B2的链路CSI较差所以R要分配更多的功率传输信号x2,μ1+μ2=1[15]。R接收信号的表达式为:
(1)
式中τ表示路径损失指数,nr表示R处的高斯白噪声
然后根据NOMA中的解码方法[3],即SIC策略,在R端先后解码xS和x2并移除,最后解码x1。故R端的接收信干噪比和信噪比分别是:
(2)
(3)
(4)
式中
第二时隙,R分别向D,B1和B2转发已解码的叠加信号
是中继发射功率。
和
表示经过R解码并转发的信号,β1,β2和β3是PR的功率分配因子,β1+β2+β3=1。本文的协作策略下,SUN借助PUN的授权频段传输信号,所以PUN拥有更大发射功率的特权,而本文中假设hr1>hr2,所以功率分配因子满足β1<β2<β3。则D,B1和B2的接收信号表示为:
(5)
式中i∈{r1,r2,rd},ni表示接收端的
目的节点B1采用SIC策略首先检测消息信号
把SU信号
当作干扰,然后检测信号
把信号
当作干扰,最后解码自己的信号
此时对应的信干噪比和信噪比可分别表示为:
(6)
(7)
(8)
式中
目的节点B2采用SIC策略先检测消息信号
把SU信号作为干扰,然后检测自己的信号
把
当作干扰。此时对应的接收信干噪比可分别表示为:
(9)
(10)
PUN的目的节点D接收到R解码转发的信号后,直接检测PU消息视SU信号为干扰,故其接收信干噪比可表示为:
(11)
3 中断概率分析
3.1 D端中断概率分析
D端中断分两种情况:1)R未成功解码x1、x2或者xS;2)R成功解码信号后,D未成功解码
两种情况下中断概率分别表示为:
(12)
(13)
式中γk=22Rk-1(k∈{1,2,S}),Rk是解码xk的目标速率阈值。
定理1 Δ1的表达式为:
(14)
式中
证明 由式(2)到式(4)和式(12)可化简Δ1的表达式:
×(1-Pr{|har|2≤Q1})
(15)
已知式(2)到式(11)中瑞利信道增益均服从指数分布,故|hij|2,ij∈{sr,ar,rd,r1,r2}的概率密度函数(PDF)与累积分布函数(CDF)分别表示为:
(16)
(17)
在式(15)中,结合式(16)和式(17)并利用概率论知识可计算Δ1为:
(1-F|har|2(Q1))= 
(18)
式(13)中的Δ2表示D未成功解码的概率,把式(11)代入式(13)可计算Δ2为:
(19)
故D端的中断概率
可被计算为:
(20)
3.2 B2端中断概率分析
B2端中断分两种情况:1)与前一节相似,R未成功解码x1、x2或xS;2)R成功解码信号后,B2未成功解码或
第二种情况下中断概率可表示为:
(21)
由式(9),式(10)和式(21),并结合概率论知识,可化简Δ3的表达式为:
Pr{|hr2|2>Q2}= 1-F|hr2|2(Q2)
(22)
式中:
式(17)代入式(22)可得到Δ3的表达式为:
(23)
故B2端的中断概率
可被计算为:
(24)
3.3 B1端中断概率分析
B1端中断概率也分两种情况:1)与前两节相似,R未成功解码x1、x2或者xS;2)R成功解码信号后,B1未成功解码
或
第二种情况下中断概率可表示为:
(25)
由式(6)到式(8)和式(25),可化简Δ4的表达式为:
Pr{|hr1|2>Q3}= 1-F|hr1|2(Q3)
(26)
把式(17)代入式(26)可得到Δ4的表达式为:
(27)
故B1端的中断概率
可被计算为:
1-Δ1Δ4
(28)
3.4 复杂性分析
本文协作策略下第一时隙,次级网络信源A采用叠加编码技术,即叠加信号为:
中继R接收到信号后采用SIC技术先后解码xS、x2和x1。第二时隙,中继R采用叠加编码技术把已解码的三个信号叠加起来分别向B1、B2和D转发,叠加信号为:
接收到中继广播的信号后采用SIC技术依次解码信号xS、x2和x1;B2接收到信号后采用SIC技术依次解码信号xS、x2;D接收到信号后只解码主网络信号xS。综上,一个主信号xS和两个次级信号x1、x2完成传输的过程中需经历两次叠加编码,三次SIC解码。
文献[11]非协作策略下,次级网络信源采用叠加编码技术向中继发送叠加信号:中继接收到信号后采用SIC技术先后解码x2和x1。第二时隙,中继采用叠加编码技术把已解码的两个信号再次叠加起来分别向B1、B2转发,叠加信号为:
接收到中继广播的信号后采用SIC技术依次解码信号x2和x1;B2接收到信号后采用SIC技术解码信号x2。每个时隙主网络发送一个信号。所以,两个次级信号x1、x2完成传输的过程中需经历两次叠加编码,两次SIC解码。
4 实验仿真
本文采用功率域非正交多址技术,在A和R处利用叠加编码技术,在B1,B2和D处利用串行干扰消除技术,分析B1,B2和D处的中断概率。针对DF中继协作的认知NOMA系统模型在平坦瑞利衰落信道下进行MATLAB仿真,考虑典型的NB-IoT场景[16],信道平均增益的路径损耗指数τ=2.7,其他的参数设置如下:σ2=1,μ1=0.2,λij=1,PS=30 dBm,PA=20 dBm,Rk=0.5 bits/s/Hz,k∈{1,2,S},dsr=dar=drd=dr1=d,ij∈{sr,ar,rd,r1,r2}。
图2 中断概率性能随ρR变化的比较
Fig.2 Outage probability versus ρR
考虑到主网络信号具有最高解码优先级,R到B2的链路信道状态信息比R到B1的链路信道状态信息差,所以图2中设置β1,β2,β3=0.1,0.3,0.6。从图中可以看出,D、B1和B2端中断概率的仿真曲线与理论分析结果基本保持一致,验证了式(20),式(24)和式(28)的正确性。增大ρR,D、B1和B2端的信噪比增大,中断概率随之减小。在相同参数条件下,由于xS具有最高的解码优先级,所以D端中断概率性能明显优于B1和B2端。由于R到B1链路的信道状态信息优于R到B2链路的信道状态信息,所以相同参数下B1端中断概率性能优于B2端。从图中可以看出,改变dr2的值等于3d,4d,5d时,即dr2越大,R到B2的信道状态信息变差,B2端中断概率随之增大。
图3 不同β2和β3下,中断概率随ρR变化的比较
Fig.3 Outage probability versus ρR with different β2,β3
图4 本文协作策略与文献[11]策略的比较
Fig.4 Comparison of the cooperative strategy of this paper and non-cooperative strategy in literature [11]
图3中设置dr2=3d,为了便于比较功率分配因子β1,β2和β3对系统中断性能的影响,设置一个较小的β1=0.1。图中在不同的功率分配因子β2(0.4,0.3,0.2),β3(0.5,0.6,0.7)下,给出了B2和D端中断概率随ρR的变化曲线。从图中可以看出,D端和B2端中断概率的仿真曲线与理论分析结果基本保持一致,验证了式(20)和式(24)的正确性。随着β2(或β3)的减小,分配给B2(或D)的功率减小,中断概率性能随之减小。由于D比B2的优先级高,B1和B2首先解码主网络的信号,此外,R→D的信道状态信息也优于R→B2,所以在相同参数条件下,D端中断概率性能明显优于B2端中断概率性能。
图4给出了本文协作策略与文献[11]策略下各个目的节点处的中断概率曲线。文献[11]中,主网络与次级网络相互干扰,主网络允许次级网络接入授权频段,并设定一个干扰阈值Ith,则Pi≤Ith/|hid|2,i∈{A,R}。仿真中设置
和文献[11]策略相比较,本文协作策略下由于主网络可借用次级网络的中继进行信号传输,次级网络采用SIC技术辅助主网络解码信号,因此主网络能够迅速地降低D端的中断概率。从图中可以看出,增大ρR,本文协作策略下D、B1和B2端的中断概率随之减小,而文献[11]策略下,ρR的增大导致次级网络对主网络的干扰增大,D端的中断概率随之增大;ρR增大受到Ith的限制,同时次级网络的信号传输受到主网络的干扰,故B1和B2端的中断概率小幅度减小。综合考虑主网络与次级网络两者的性能,本文协作策略下的中断概率性能明显优于文献[11]策略。
5 结论
本文把NOMA技术应用到认知无线电中,针对一个基于中继协作的认知网络模型,研究了主网络与次级网络协作后的中断概率性能。推导了各个接收端的中断概率闭合表达式,并进行了MATLAB仿真。仿真结果表明,分析结果和仿真结果基本一致。与主网络与次级网络非协作通信比较时,本文的协作策略下,综合考虑各个接收端的中断概率性能有了很明显地提升。
[1] Chu Yuzhi, Benoit C, Zhu Weiping. NOMA-based cooperative relaying for secondary transmission in cognitive radio networks[J]. IET Communications, 2019, 13(12): 1840-1851.
[2] Ding Zhiguo, Peng Mugen, Poor H. Cooperative non-orthogonal multiple access in 5G systems[J]. IEEE Communications Letters, 2015, 19(8): 1462-1465.
[3] Yu Wenjuan, Arsenia C, Leila M, et al. Effective secrecy rate for a downlink NOMA network[J]. IEEE Transactions on Wireless Communications, 2019, 10(11): 1-19.
[4] Kader M F, Shahab M B, Shin S Y. Exploiting non-orthogonal multiple access in cooperative relay sharing[J]. IEEE Communications Letters, 2017, (21)5: 1159-1162.
[5] Yan Feiyu, Zhao Jihong, Qu Hua, et al. Energy-efficient cooperative strategy in RF energy harvesting cognitive radio network[J]. Chinese Journal of Electronics, 2019, 28(3): 651- 656.
[6] Sultangali A, Galymzhan N, Theodoros A T, et al. Performance analysis of underlay cognitive radio nonorthogonal multiple access networks[J]. IEEE Transactions on Vehicular Technology, 2019, 68(9): 9318-9322.
[7] Mahyar S, Massimo C, Mischa D, et al. On the fundamental limits of random non-orthogonal multiple access in cellular massive IoT[J]. IEEE Journal on Selected Areas in Communications, 2017, 35(10): 2238-2251.
[8] Lv Lu, Yang Long, Jiang Hai, et al. When NOMA meets multiuser cognitive radio: opportunistic cooperation and user scheduling[J]. IEEE Transactions on Vehicular Technology, 2018, 67(7): 6679- 6684.
[9] Lee S, Duong T Q, Costa D B D, et al. Underlay cognitive radio networks with cooperative non orthogonal multiple access[J]. IET Communications, 2018, 12(3): 359-366.
[10] 时安谊, 杨震. 针对NOMA和CR网络的功率分配方法[J]. 信号处理, 2019, 35(7): 1224-1234.
Shi Anyi, Yang Zhen. Power allocation method for non-orthogonal multiple access and cognitive radio network[J]. Journal of Signal Processing, 2019, 35(7): 1224-1234.(in Chinese)
[11] Gyeongrae I, Jae H L. Outage probability for cooperative NOMA systems with imperfect SIC in cognitive radio networks[J]. IEEE Communications Letters, 2019, 23(4): 692- 695.
[12] Minhsang V N, Dinhthuan T D, Miroslav V. Improving performance of far users in cognitive radio: exploiting NOMA and wireless power transfer[J]. Energies, 2019, 12(11): 2206-2223.
[13] Lin Yibing, Tseng Hungchun, Lin Yunwei, et al. NB-IoT talk: A service platform for fast development of NB-IoT applications[J]. IEEE Internet of Things Journal, 2019, 6(1): 928-939.
[14] Li Ting, Yuan Jin, Torlak M. Network throughput optimization for random access narrowband cognitive radio internet of things (NB-CR-IoT)[J]. IEEE Internet of Things Journal, 2018, 5(3): 1436-1448.
[15] Sultangali A, Theodoros A T, Galymzhan N, et al. Outage performance of underlay CR-NOMA networks with detect-and-forward relaying[C]∥IEEE Global Communications Conference (GLOBECOM). United Arab Emirates: IEEE, 2019.
[16] Xiang Zhongwu, Yang Weiwei, Cai Yueming. Physical layer security in cognitive radio inspired NOMA network[J]. IEEE Journal of Selected Topics in Signal Processing, 2019, 13(3): 700-714.
