1 引言
当今世界,移动设备的数量正在进行着飞速的增长,并且随着5G时代的来临在接下来的五到十年中,增长的速度可能会变得越来越快。根据思科公司的预测,从2015年至2020年,移动终端的数据流量将会以每年53%的巨大比例持续增长,直到2020年,仅仅一个月的数据流量就可能会达到30.6EB[1]。移动数据的巨大增长无疑会导致人们对频谱资源的需求进一步扩大,为了缓解日益紧缺的频谱资源问题,提高频谱的利用率是最有效最直接的方式。这一目标可以通过动态的频谱接入技术来实现,而认知无线电(CR, Cognitive Radio)正是其中的一种技术[2,4-5]。认知无线网络的设想是允许授权用户和非授权用户共享信道,通过异构的无线框架和动态的频谱接入技术来给非授权用户提供更多的带宽。除此之外,采用频谱效率更高的分配接入方式同样也可以实现这一目标,例如采用非正交多址接入(NOMA, Non-Orthogonal Multiple Access)方式。结合了连续干扰抵消(SIC, Successive Interference Cancellation)技术的NOMA已经被理论证明可以进一步提升频谱的利用率以及在系统的容量和吞吐量上获得更为显著的成效[6,9-11]。和以往的正交多址接入方式不同,NOMA以提升接收机的复杂度为代价,通过引入可控的干扰,来实现系统用户的过载,从而提高系统的效率[12-13]。
在发送端,NOMA通过叠加编码(SC, Superposition Coding)技术把具有不同功率的多个用户信号叠加在一起,然后将这个混合信号进行传输。因此,SC技术是NOMA的一个技术要点。事实上,SC是一种非正交传输方式,而且具有相对完善的理论基础进行支撑[16]。由于SC的非正交传输为传统的通信模式提供了一个全新的思路,所以针对传统通信系统的频谱效率和用户公平,非正交传输可以带来明显的改善。相对于OMA,文献[17]对SC技术进行了详细的研究,并分析了使用SC技术给NOMA带来的性能增益。在接收端,NOMA系统主要采用SIC算法[18],即接收机利用用户信道条件的差异性,逐级消除用户间干扰。比如:在下行NOMA中,某个用户接收到了基站发来的混合信号,然后从该混合信号中信道条件最差的用户信号开始检测,在成功检测到该信号后就将其从混合信号中移除。接着对信道条件次差的用户信号进行相同的操作。以此类推,直到消除所有信道比该用户差的用户的信号,从而实现用户的非正交接入。
最近,很多文献都在广泛地研究NOMA技术。在[19]中,作者研究了用户随机部署的蜂窝下行链路NOMA网络的性能。基于所获得的结果,表明NOMA方法在可实现的系统总和速率方面要优于传统的OMA。此外,作者证明了适当选择功率分配(PA)系数可以显著改善中断概率。在[21]中,作者还研究了具有部分信道状态信息(CSI)的NOMA网络中的中断概率,并得出了NOMA可以带来较高的频谱效率的结论。[12]中的作者考虑了NOMA方案来评估下行链路的用户公平。在NOMA网络中,具有较强信道的一些用户可以被利用作为中继节点以将消息转发到其他用户,这是因为它们预先具有关于较弱用户的消息的信息。因此,[22]的作者研究了一个协作的NOMA网络,其中具有较强信道条件的用户被用作中继以加强具有较差信道的用户的信号。结果表明,协作NOMA网络的性能优于传统的非协作NOMA和协作OMA方法。
与传统的CR相比,CR-NOMA有很多与之不同的地方。在传统的CR中,需要考虑的干扰情况比较复杂,即以从用户自身对自身的干扰来看,传统的CR通过正交手段可以避免从用户之间的相互干扰,但是每个从用户可利用的资源就变少了,然而,如果对从用户采用NOMA的方式接入系统,对于每一个从用户而言,只需要考虑信道条件比他好的那部分用户即可。总而言之,不论是主用户还是从用户,采用了NOMA的用户都可以更有效地利用频谱资源。基于此,系统的总速率,中断概率以及系统中接入的用户数量,都可以优于原有的CR-OMA。另外,在Underlay CRN中,如果未授权的从用户对授权的主用户产生的干扰不会影响主用户的正常通信,那么从用户是可以接入系统的,为此,文献[23]考虑了Underlay CR-NOMA场景,让从用户之间的信息通过NOMA进行叠加传输,并且选择出了合适的目标数据速率约束和功率分配因子,其仿真结果表明,与Underlay CR-OMA系统相比,采用了NOMA的用户终端可以获得更好的性能,这表明将NOMA和CR进行结合是具有研究意义的。
目前已经有大量的文献对CR技术和NOMA技术分别进行了讨论和研究[24-26],同时人们也在不断尝试将这两种技术进行结合,研究CR-NOMA这样一个混合网络的性能[23,27-30]。文献[27,29]研究了如何在CR-NOMA网络中进行功率分配并最大化接入系统中的从用户数量。文献[28]则在考虑从用户之间公平性的情况下,研究如何实现CR-NOMA中两个从用户的和速率最优。除了在从用户之间采用NOMA的方式,主从用户之间的信号同样也可以叠加,文献[20,30]研究的就是主从用户混合叠加信号的情况,并分析了此时的中断概率和系统吞吐量,文献[20]还考虑了将从发送机作为协作中继的情况,此时系统容量能够得到进一步的提升。
一般来说,在一个总功率和频谱资源都固定的约束下,评价任何一个无线网络性能的指标有两种,分别是系统最大可以允许接入的用户数量和系统中用户可以达到的最大速率。虽然在实际系统中,用户数量往往不是人们直接关心的指标,但是如果每一个从用户都能确保自身的正常通信,那么此时接入系统中的从用户数量的多少就可以反映出系统性能的优劣,这是现有文献没有考虑到的。在本文中,把认知无线电系统可以接入的从用户数量作为评价该混合系统性能的指标,即把最大化接入的从用户数量作为优化目标,当从用户的服务质量(QoS, Quality of Service)要求可以满足时,该用户就能够接入系统。
本文主要针对文献[27,29]中提出的功率分配算法,并对其存在的问题进行研究和修正。本文的创新点在于每一个主用户所能承受干扰的能力是不同的,即主用户的干扰门限与主发送机的功率,主用户的信道以及SNR阈值有关,而[27,29]中仅仅为所有的主用户设置了同一个干扰门限定值,另一方面,本文中从用户可支配的总功率会随着主用户位置、数量、SNR阈值等的变化而变化,而[27,29]中在对从用户进行功率分配的时候没有考虑主用户的不同分布带来的影响。
文献[27,29]在考虑系统中接入从用户数量的同时完全没有考虑主用户的情况,即从用户可能对主用户的干扰。因为从用户可以分配的总功率是受到主用户的限制的,从用户在接入系统中的同时,必须确保对主用户造成的干扰不能影响到主用户的正常通信,要保证主用户通信时的信干噪比(SINR,Signal-to-Interference-plus-Noise)始终大于等于阈值。因此在对从用户进行功率分配时,不考虑主用户的情况是不合理的,本文对其算法进行了修改,在对从用户进行功率分配的同时,考虑主用户的数量、SINR、功率以及信道增益等情况,保证主从用户的QoS需求都能够得到满足,主用户的QoS通过调整从用户的总功率来实现,如前文所说,即确保从用户对主用户的干扰在主用户能够承受的范围内,而从用户则以NOMA的方式接入系统,从用户之间的功率分配根据从用户的信道增益来实现,认为从用户的信道增益是呈现逐渐递减的特性,根据每个从用户信道的差异对从用户进行SIC解调,本文提出的算法会对每一个从用户的QoS需求进行检验,对于那些QoS要求无法满足的从用户,系统会拒绝这些用户的接入。本文将提出的功率分配方法与文献[9,31]中的FTPC进行比较,两种算法复杂度相同,但是本文的算法可以比FTPC接入更多的从用户数量。
2 系统模型和问题描述
2.1 系统模型
本文考虑的CR-NOMA系统采用Underlay模式,即主用户和从用户可以共享频带资源,除此之外,从用户之间采用NOMA的方式接入系统,如图1所示[27-29,35]。本文假设在一个从用户小区中分布着一个基站和N对主收发信机。另外,小区中也分布着M个从用户,但是基站只选择m个从用户进行通信。为了简单,假定主发送机的信号只能被对应的主接收机(即主用户)探测,不会干扰到其他用户,在所考虑的场景中,主用户之间采用短距离通信的模式,即主收发信机距离较近,每一个主发送机的覆盖范围较小,我们认为主发送机的范围内不存在其他的用户;而从用户是采用长距离通信的模式,因此从用户会对其余的从用户以及主用户产生干扰,但是主用户却不会对其余用户产生干扰。在下文中主用户对应主接收机,且只考虑基站的下行链路通信。由于从用户的信号会干扰主用户和其他从用户,因此必须考虑从用户对主用户造成的干扰以及主从用户各自的QoS要求,主从用户的QoS要求分别由其信干噪比SINR决定。
图1 系统模型
Fig.1 System model
假定主发送机知道主用户的信道状态信息,基站知道其到所有从用户的信道状态信息,那么主用户i的接收信号可以表示成:
(1)
其中x表示基站发送的干扰信息,ci是主发送机发送给主用户i的信息,hi表示基站至主用户的信道系数,gi表示主发送机至主用户的信道系数,ni表示功率为σ2的背景白噪声,P是基站发射功率,P1是主发送机的功率,为了简便,认为所有主发送机的功率是相同的,在传统的CRN中,从用户之间通过正交的方式进行区分,从用户对主用户的干扰需要分频、分时或分码来进行考虑,但是由于本文中从用户之间采用NOMA的方式,因此从用户之间的信号是相互叠加的,因此对于主用户来说,可以将从用户的总功率作为整体来进行干扰的计算,因此主用户的信干噪比γi可以表示如下:
(2)
为了确保主用户的通信质量不会受到影响,有如下的约束条件:
γi≥ri
(3)
其中ri表示第i个主用户正常通信所必须满足的SINR阈值。
对于从用户来说,不失一般性,可以认为从用户的信道增益呈现逐渐递减的特性(如果不满足,只需要调换相应的从用户的序号即可),即
|q1|2≥|q2|2≥…≥|qm|2≥…≥|qM|2
(4)
其中qi表示基站到从用户i的信道系数。
由于从用户之间采用NOMA的接入方式,因此第i个从用户的接收信号为:
(5)
其中αi表示从用户i的功率分配因子,νi表示功率为σ2的高斯白噪声。
正如之前所说,从用户采用SIC技术进行信号探测,因此对于那些信道条件较好的从用户来说,可以先检测出信道条件较差用户的信号,从而在接收到的混合信号中减掉这些用户的信号,达到干扰消除的作用。因此,在计算从用户的SINR时,对于那些信道条件较差的用户的信号可以进行移除[12,22,27,29],结合(4)和(5),可以得到SIC之后,第i个从用户的信干噪比为:
(6)
特别地,当i=1的时候,有:
(7)
同样,为了确保从用户的QoS,使其能够正常通信,有:
(8)
其中
表示第i个从用户正常通信所必须满足的SINR阈值。
2.2 问题描述
文献[27,29]将混合系统中的资源分配问题转化为在考虑主用户和从用户的QoS的前提下,最大化接入系统中从用户数量的问题。但是,本文对其功率分配算法进行了修正,即文献[27,29]对从用户进行功率分配的同时,没有考虑主用户的情况,而本文仔细考虑了主用户的信道增益、SINR、主用户的数量、主发送机的功率以及从用户的信道增益的情况,将上述问题转化为如下的最优化问题(9):
(9a)
s.t. γi≥ri,i=1,...,N
(9b)
(9c)
P≤Pmax
(9d)
(9e)
αi>0,i=1,...,m
(9f)
其中m是系统所能接受的最大从用户数量,Pmax表示基站的最大发送功率,这些从用户接入系统时必须满足(9b)～(9f)的约束条件,即对主用户造成的干扰不能使得其通信时的SINR低于阈值,同时又要满足自己的QoS要求,最优化的目标就是在从用户之间进行功率分配使得m最大。
3 优化问题求解
在以往的文献[26,34]中,类似的采用了Underlay模式的CR网络也被人们考虑并研究过,但是本文的不同就在于从用户之间的干扰,即以往的文献往往考虑其余所有从用户对某一个从用户的干扰,而本文由于采用了NOMA,某一从用户受到的干扰仅来自那些信道条件更好的从用户。因此,本文的功率分配算法不仅减少了从用户之间的干扰项,同时,如前文所说,还考虑了主用户的QoS。NOMA在本文中的作用主要体现在两个方面:首先,从用户采用了NOMA,信号进行了叠加编码,因此对于主用户而言,从用户对其产生的干扰可以作为整体进行考虑;其次,正因为采用了NOMA,从用户之间的干扰不能通过正交手段来避免,但是利用SIC,可以有效缓解从用户内部的互相干扰,实现功率的最优分配。接下来,优化问题的求解过程如下。
根据主用户和从用户QoS的要求,可以把求解过程分为两个部分进行。首先要确保主用户的QoS,由于主用户会受到来自从用户的信号干扰,在确保主用户能够正常通信的同时,就已经限制了基站的总发射功率P。其次,根据P对从用户进行功率分配,最大化能够接入系统中的从用户的数量。
3.1 基于主用户的QoS来确定基站的总发射功率P
混合系统首先必须确保主用户的正常通信,(9b)要求主用户的SINR必须大于其正常通信时所需的阈值,故主用户i对基站发射总功率P约束为:
(10)
接着考虑所有主用户对基站发射总功率P的约束,有如下的式子:
(11)
至此就得到了从用户的总功率P,P确保了从用户不会对主用户的正常通信造成影响以及基站不会超过额定最大发射功率。
3.2 基于从用户的信道质量和QoS的功率分配
根据(11)可以求得从用户所能支配的总功率,此时功率分配问题就转化成了如何在从用户之间对P进行合理的分配。(10)和(11)分别满足了(9b)和(9d),此时对于解决最优化问题(9)来说,还需要考虑(9c),(9e)和(9f)。
根据(9c)和从用户逐渐下降的信道增益,可以对从用户进行有顺序的迭代,从而达到分配功率的目的,对于第j个从用户,其功率分配因子是由信道增益比他好的前j-1个从用户的功率分配因子所决定的。因此虽然从用户的信道增益是逐渐递减的,但是每个从用户分配到的功率却是逐渐增加的,只要基站的总发射功率P和
已知,就可以求得第j个从用户所需要的功率。具体的求解算法如下。
认为每个从用户就以SINR阈值进行通信,此时第一个从用户(也是信道最好的那个从用户)的功率因子为:
(12)
有了第一个从用户的功率因子,根据(6)和α1,可以求得第二个从用户的功率因子为:
(13)
以此类推,可以迭代得到第j个从用户的功率因子的表达式为:
(14)
根据(14)可以逐步求得每一个从用户正常通信所需要的功率因子,但是在迭代的过程中,没有考虑之前(11)对于从用户的总功率约束Pmax和约束条件(9e),因此每分配完一个从用户的功率,就需要对目前已分配到功率的从用户计算一次
以确保
因此可以得到(14)的迭代终止条件为:
(15)
即表示第m+1个从用户所需要的功率大于从用户总功率所剩下的能继续分配的功率,此时没有足够的功率来支持第m+1个从用户接入系统了,并且由于信道增益是越来越差的,之后的从用户所需要的功率只会越来越高,因此基站就不能与这些从用户进行通信,从而保证不会对主用户正常通信造成影响,此时系统能够接入的最大的从用户数量为m。
虽然本文的约束条件不包括整数这个约束,但是本文功率分配算法的求解是根据从用户可以分配的总功率去对每一个从用户按照其信道状态由好到差一一进行分配,每分配完一个用户会计算剩下的功率是否足以接入下一个用户,如果不满足,则其后的所有从用户都不能接入系统,因此在计算过程中可以严格确保结果是整数。
3.3 FTPC功率分配算法
为了表明本文提出的算法的优越性,将FTPC功率分配算法与之进行比较,FTPC算法具体如下[9,31]:
(16)
其中αftpc是衰减系数,其范围为0≤αftpc≤1,当αftpc=0时,根据(16),显而易见可以看出,每一个从用户的功率因子都是相等的,此时FTPC就是等功率分配。随着αftpc的数值不断增加,更多的功率会分配给信道条件较差的用户,这与NOMA的思想是一致的。
FTPC算法根据每个从用户的信道增益情况来进行功率分配,因此每个从用户都能够分配到功率,但是不能确保每一个从用户都能满足QoS要求,因此在功率分配完毕之后,需要对那些不满足SINR要求的从用户进行移除,FTPC算法的复杂度为Ο(m),本文的算法与其复杂度相同。
除了FTPC算法,传统的CR-OMA中的功率分配算法也被仿真,并与本文的算法进行比对,在CR-OMA中,虽然从用户之间通过正交的方式可以避免干扰,但是频谱利用率较低,仿真结果证明了CR-NOMA系统的优越性。
4 仿真结果
假设基于CR-NOMA网络中,从基站位于小区的正中心,从用户和主收发信机在从小区中随机分布,只考虑下行链路的通信情况,不考虑主用户之间的相互干扰,如果从用户对主用户造成的干扰使主用户的SINR始终高于其正常通信时的阈值,则从用户不会对主用户的正常通信产生影响。主从用户的信道增益分别表示为
和
其中di代表第i个主发送机到第i个主用户的距离,
和
分别代表从基站到第i个从用户和第i个主用户的距离,
和
是均值为零,标准差为4的高斯随机变量,K0=103表明了系统传输的各个因素[5,26-27]。令白噪声的功率s2=120 dBm,主发送机的发送功率为0.1 W,主用户的SINR阈值比从用户高5 dB,为了减小仿真的误差,参数设定之后运行104次并取平均值作为最后的仿真结果,文献[27,29]在讨论从用户各种变量变化的情况下,完全没有考虑是否仍然满足主用户的约束条件,本文在对从用户进行功率分配的同时,详细考虑了主用户的情况,问题分析更加全面。
在图2中,参数设置为:SU数量为10或15,SU的SINR为5 dB或10 dB。可以从图2中看到,随着αftpc的增加,FTPC算法下系统中接入的从用户数量的变化情况被展示。
图2分析说明:首先,文章仿真了FTPC算法下,在请求接入的从用户数量和从用户的SINR变化的情况下,随着αftpc的变化,系统能够接入多少从用户。图2考虑了有10个主用户的情形,可以看出随着αftpc的不断增加,能够接入系统中的从用户数量也在增加。因为αftpc数值越小,则功率分配越平均,此时对于那些信道条件较差的用户,毫无疑问是无法满足QoS要求的,相反αftpc数值越大,功率分配越不平均,信道好的用户分配得到的功率少,信道差的用户分配的功率多,能达到SINR要求的用户数量自然就变多了。从图2中也可以看出,同样请求接入10个从用户的情况下,从用户要求的SINR升高,能够接入的从用户数量会减少将近一半。不论是哪种情况,能够接入系统的从用户数量并不多,在同样最低SINR要求是5 dB的情况下,请求接入的从用户数量从10上升到15个,但是真正能够接入系统的从用户数量平均只增长了1个都不到,可以看出在最大化接入系统用户数量的问题中,FTPC算法的性能并不优秀。
图2 FTPC算法中接入从用户数量的变化
Fig.2 Number of accessed SUs in FTPC algorithm
在图3中,参数设置为:PU数量为5或10,SU的SINR为10 dB。可以从图3中看到,随着请求接入的从用户数量的增加,本文的算法,FTPC和OMA情况下系统中接入的从用户数量的变化情况被展示。
图3分析说明:比较了本文提出的功率分配算法与FTPC算法以及OMA情况下随着请求接入的从用户数量的变化关系,令αftpc=1,请求接入的从用户数量从1逐渐提升至15,分别考虑了主用户数量为5和10时的情况,可以看出,在请求接入的用户数量较少的情况下,即使三种算法性能相差不大,但是本文的算法仍然优于FTPC和OMA的情况,随着请求接入的从用户数量越来越多,三种算法的差距也变得越来越明显,本文提出的算法具有显著的优越性,不论主用户数量是5还是10,都能比FTPC接入更多的从用户数量。这是由于FTPC算法,只根据每个从用户的信道情况来进行功率分配,在满足最低SINR要求即可正常通信的情况下,会存在给用户多分配功率造成功率浪费的情况,不能最大化合理利用可分配的功率。对于OMA的情况,可以看到一个比较有趣的现象,在请求接入的从用户数量较少的情况下,其性能是优于FTPC的,这是由于FTPC仅仅根据用户的信道条件对用户进行功率分配,会存在功率浪费的情况,而从用户请求数量较少的时候,频谱资源较为充裕,OMA可以避免从用户之间的干扰,此时对于FTPC来说,OMA反而更好一些,但是随着从用户数量逐渐增加,频谱资源越来越紧缺,此时OMA的性能就会越来越差。
在图4中,参数设置为:PU数量为5或10,请求接入的从用户数量为15。可以从图4中看到,随着从用户的SINR阈值的增加,本文的算法,FTPC和OMA情况下系统中接入的从用户数量的变化情况被展示。
图4分析说明:比较了三种算法随着从用户SINR变化的情况,请求接入的从用户数量为15,可以看出从用户SINR要求越高,三种算法的性能都会下降,因为每个从用户的QoS要求越高,分配给每个从用户的功率就越多,并且本文的仿真要求主用户的SINR比从用户高5 dB,因此能够接入的从用户数量会随着主从SINR阈值的提升而急剧下降。然而本文的算法仍然能比FTPC接入更多的从用户数量。文献[27,29]虽然也比较了两种算法在从用户SINR变化情况下的优劣,但是由于其在对从用户进行功率分配的同时,完全没有考虑主用户的情况,从用户的通信参数发生变化的同时,也没有考虑主用户的约束,例如在从用户SINR变化的情况下,主用户的SINR变化情况完全没有提及,这显然是不合理的。如果从用户的QoS要求提高了,主用户的要求应该更高才对,因此本文在仿真中始终保持主用户的SINR阈值比从用户大5 dB。同时,文献[27,29]也没有明确说明主用户的数量,图3和图4则考虑了主用户数量分别为5和10时的情况。由于图4中请求接入的从用户数量始终为15,因此对于OMA来说,在这种情况下如果利用正交区分从用户,每个从用户能占用的频谱资源就会非常少,不论从用户的SINR阈值如何变化,相比于另外两种算法,OMA的性能都是最差的。
图3 三种算法随请求接入从用户数量的变化关系
Fig.3 Number of accessed SUs for three algorithms versus the number of requesting SUs
图4 三种算法随从用户SINR的变化关系
Fig.4 Number of accessed SUs for three algorithm versus the SINR of SUs
图5 三种算法随主用户数量的变化关系
Fig.5 Number of accessed SUs for three algorithms versus number of PUs
在图5中,参数设置为:请求接入的SU数量为15,SU的SINR为5 dB或10 dB。可以从图5中看到,随着主用户的个数的增加,本文的算法,FTPC和OMA情况下系统中接入的从用户数量的变化情况被展示。
图5分析说明:比较了在请求接入的用户数量为15的情况下,三种算法随着主用户数量变化的情况,考虑从用户的SINR要求分别为5和10 dB,可以看出在主用户数量较少的情况下,每增加一个主用户,能够接入系统中的从用户数量会逐渐减少,因为随着主用户的数量的提升,从用户的总功率会受到更多的约束,每个从用户所能支配的功率就会变少,满足要求的从用户数量自然就会减少,并且在其余条件不变的情况下,从用户的SINR阈值提升一倍,能够接入的数量也会大幅减少。随着主用户数量越来越多,从用户数量的下降趋势会趋于平缓,这是因为本身能够接入系统的从用户已经很少了,认知无线电考虑的情形本就是在主用户需求不大的情况下,共享频谱给从用户,当主用户通信较为活跃时,从用户自然应该退避确保主用户的正常通信。图5可以看出,本文的算法性能依然是优于FTPC和OMA的,FTPC由于接入的数量本来就不多,因此下降趋势较本文的算法更为平缓。在OMA中,当主用户数量较少的时候,从用户对于资源的需求基本可以得到满足,并且由于来自主用户的约束较少,从用户可支配的总功率也较大,因此OMA与FTPC相差并不明显。但是由于OMA和FTPC都没有根据SNR阈值对从用户进行最合适的功率分配,因此存在功率浪费的现象,相比于本文的算法,在接入从用户数量上性能较差。
在图6中,参数设置为:请求接入的从用户数量为15,SU的SINR为5 dB,可以从图6中看到,随着主用户的个数的增加,本文的算法下系统中接入的从用户数量的变化情况被展示。
图6分析说明:考虑了本文的算法随主用户数量的变化情况,从用户的SINR分别为10,15, 20和25 dB,请求接入的从用户数量仍然为15。可以看出,主从用户的QoS要求每提升一倍,能够接入系统中的用户数量就会下降不到一半,当主从用户的通信要求都很高时,从用户的接入率非常低,这是由于在功率干扰的约束下,要满足高SINR通信要求,自然就需要分配更多的功率,从用户的数量也就因此变少了。同时随着SINR阈值越来越高,由于本身接入系统中的用户数量就很少,因此下降趋势也会变得平缓。
图6 本文算法随主用户数量的变化关系
Fig.6 Number of accessed SUs for proposed algorithm versus the number of PUs
5 结论
本文将认知无线电网络和NOMA相结合,并对这个混合网络提出了一种功率分配算法,使得网络中能够接入的从用户数量达到最大,文章在对从用户进行功率分配的同时,详细考虑了主发送机的功率,主用户的数量,信道增益以及SINR情况,通过确保主用户通信时的SINR能够大于等于阈值,对从用户的功率进行约束。为了显示其优越性,将其与较为经典的FTPC算法进行比较,仿真结果表明本文的算法在最大化接入系统中从用户数量的问题上优于FTPC,两种算法的复杂度是相同的,但是本文的算法可以在同等条件下接入更多的从用户,随着主用户N越来越多,能够接入系统中的从用户数量越来越少,但是本文的算法在最大化接入系统中的从用户数量问题上仍然优于FTPC。对于本文提出的算法,仍然存在可以改进的地方,例如对从用户进行功率分配之后,会存在部分不足以支撑下一个从用户接入系统的剩余功率,在本文的算法中,这部分功率被浪费了,在后续的研究中可以将这部分功率充分利用使得从用户的SINR得到进一步的提升。
[1] Cisco Visual Networking Index. Global mobile data traffic forecast update, 2015- 2020[R]. White Paper, 2016.
[2] Ahmad A, Ahmad S, Rehmani M H, et al. A Survey on Radio Resource Allocation in Cognitive Radio Sensor Networks[J]. IEEE Communications Surveys & Tutorials, 2015, 17(2): 888-917.
[3] Ding Z, Lei X, George K, et al. A Survey on Non-Orthogonal Multiple Access for 5G Networks: Research Challenges and Future Trends[J]. IEEE Journal on Selected Areas in Communications, 2017, 35(10): 2181-2195.
[4] Akyildiz I F, Lee W Y, Vuran M C, et al. A survey on spectrum management in Cognitive Radio Networks[J]. IEEE Communications Magazine, 2008, 46(4): 40- 48.
[5] Tsiropoulos G I, Dobre O A, Ahmed M H, et al. Radio resource allocation techniques for efficient spectrum access in Cognitive Radio Networks[J]. IEEE Communications Surveys and Tutorials, 2016, 18(1): 824- 847.
[6] 肖可鑫, 夏斌, 陈智勇. 非正交多址接入的关键技术研究[J]. 中兴通讯技术, 2017, 3: 6-10.
Xiao Kexin, Xia Bin, Chen Zhiyong. Key Technologies for Non-Orthogonal Multiple Access[J]. ZTE Technology Journal, 2017, 3: 6-10.(in Chinese)
[7] Ding Z, Liu Y, Choi J C, et al. Application of Non-Orthogonal Multiple Access in LTE and 5G Networks[J]. IEEE Communications Magazine, 2017, 55(2): 185-191.
[8] 曹雍, 杨震, 冯友宏. 新的NOMA功率分配策略[J]. 通信学报, 2017, 38(10): 157-165.
Cao Yong, Yang Zhen, Feng Youhong. New NOMA Power Allocation Strategy[J]. Journal on Communications, 2017, 38(10): 157-165.(in Chinese)
[9] Saito Y, Kishiyama Y, Benjebbour A. Non-Orthogonal Multiple Access(NOMA) for cellular future radio access[C]∥IEEE Vehicular Technology Conference(VTC), Dresden, Germany, 2013: 1-5.
[10] Saito Y, Benjebbour A, Kishiyama Y, et al. System-level performance evaluation of downlink Non-Orthogonal Multiple Access(NOMA)[C]∥IEEE Annual International Symposium on Personal, Indoor, and Mobile Radio Communications(PIMRC), London, UK, 2013: 611- 615.
[11] Benjebbour A, Saito Y, Kishiyama Y, et al. Concept and practical considerations of Non-Orthogonal Multiple Access(NOMA) for future radio access[C]∥International Symposium on Intelligent Signal Processing and Communication Systems, Naha, Japan, 2013: 770-774.
[12] Wang B, Wang K, Lu Z, et al. Comparison study of Non-Orthogonal Multiple Access schemes for 5G[C]∥IEEE International Symposium on Broadband Multimedia Systems and Broadcasting, Ghent, Belgium, 2015: 1-5.
[13] 毕奇, 梁林, 杨姗, 等. 面向5G的非正交多址接入技术[J]. 电信科学, 2015, 5: 20-27.
Bi Qi, Liang Lin, Yang Shan, et al. Non-Orthogonal Multiple Access Technology for 5G System[J]. Telecommunications and Science, 2015, 5: 20-27.(in Chinese)
[14] Ding Z, Liu Y, Choi J C, et al. Application of Non-Orthogonal Multiple Access in LTE and 5G Networks[J]. IEEE Communications Magazine, 2017, 55(2): 185-191.
[15] Yang Z, Ding Z, Fan P, et al. A General Power Allocation Scheme to Guarantee Quality of Service in Downlink and Uplink NOMA Systems[J]. IEEE Transactions on Wireless Communications, 2016, 15(11): 7244-7257.
[16] Popovski P, Carvalho E D. Improving the rates in wireless relay systems through superposition coding[J]. IEEE Transactions on Wireless Communications, 2008, 7(12): 4831- 4836.
[17] Vanka S, Srinivasa S, Gong Z, et al. Superposition Coding Strategies: Design and Experimental Evaluation[J]. IEEE Transactions on Wireless Communications, 2012, 11(7): 2628-2639.
[18] Yan C, Harada A, Benjebbour A, et al. Receiver Design for Downlink Non-Orthogonal Multiple Access(NOMA)[C]∥IEEE Vehicular Technology Conference(VTC), Glasgow, UK, 2015: 1- 6.
[19] Ding Z, Yang Z, Fan P, et al. On the performance of Non-Orthogonal Multiple Access in 5G systems with randomly deployed users[J]. IEEE Signal Process. 2014, 21(12): 1501-1505.
[20] Lv L, Ni Q, Ding Z, et al. Application of Non-Orthogonal Multiple Access in Cooperative Spectrum-Sharing Networks Over Nakagami-m Fading Channels[J]. IEEE Transactions on Vehicular Technology, 2017, 66(6): 5506-5511.
[21] Yang Z, Ding Z, Fan P, et al. On the performance of Non-Orthogonal Multiple Access systems with partial channel information[J]. IEEE Transactions on Communications, 2016, 64(2): 654- 667.
[22] Ding Z, Peng M, Poor H V. Cooperative Non-Orthogonal Multiple Access in 5G systems[J]. IEEE Communications Letters, 2015, 19(8): 1462-1465.
[23] Liu Y, Ding Z, Elkashlan M, et al. Nonorthogonal Multiple Access in Large-Scale Underlay Cognitive Radio Networks[J]. IEEE Transaction on Vehicular Technology, 2016, 65(12): 10152-10157.
[24] Hojeij M R, Farah J, Nour C A, et al. Resource allocation in downlink Non-Orthogonal Multiple Access(NOMA) for future radio access[C]∥IEEE Vehicular Technology Conference(VTC), Glasgow, UK, 2015: 1- 6.
[25] Li A, Harada A, Kayama H. A novel low computational complexity power assignment method for Non-Orthogonal Multiple Access systems[J]. The Institute of Electronic, Information and Communication Engineers(IEICE) Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2014, 97(1): 57- 68.
[26] Long B, Hossain E, Resource allocation for spectrum underlay in Cognitive Radio Networks[J]. IEEE Transactions on Wireless Communications, 2008, 7(12): 5306-5315.
[27] Ming Z, Tsiropoulos G I, Dobre O A, et al. Power Allocation for Cognitive Radio Networks Employing Non-orthogonal Multiple Access[C]∥IEEE Global Communications Conference(GLOBECOM), Washington, DC, USA, 2016: 1-5.
[28] Zabetian N, Baghani M, Mohammadi A. Rate Optimization in NOMA Cognitive Radio Networks[C]∥International Symposium on Telecommunications(IST), Tehran, Iran, 2016: 62- 65.
[29] Ming Z, Tsiropoulos G I, Yadav A, et al. A Two-Phase Power Allocation Scheme for CRNs Employing NOMA[C]∥IEEE Global Communications Conference, Singapore, Singapore, 2017: 1- 6.
[30] Ding Z, Fan P, Poor H V. Impact of User Pairing on 5G Non-orthogonal Multiple-Access Downlink Transmission[J]. IEEE Transaction on Vehicular Technology, 2016, 65(8): 6010- 6023.
[31] Otao N, Kishiyama Y, Higuchi K. Performance of Non-Orthogonal Access with SIC in cellular downlink using proportional fair-based resource allocation[C]∥International Symposium on Wireless Communication Systems(ISWCS), Paris, France, 2012: 476- 480.
[32] Timotheou S, Krikidis I. Fairness for Non-Orthogonal Multiple Access in 5G systems[J]. IEEE Signal Processing Letters, 2015, 22(10): 1647-1651.
[33] Haci H, Zhu H. Performance of Non-Orthogonal Multiple Access with a novel interference cancellation method[J]. IEEE Transactions on Communications, 2017, 65(3): 1319-1335.
[34] Tsiropoulos G I, Ming Z, Dobre O A, et al. A load-balancing semi-matching approach for resource allocation in Cognitive Radio Networks[C]∥IEEE International Conference on Communications(ICC), Kuala Lumpur, Malaysia, 2016: 1- 6.
[35] Yao Z, Cheng W, Zhang H. Full-Duplex Assisted LTE-U/Wifi Coexisting Networks in Unlicensed Spectrum[J]. IEEE Access, 2018, 6: 40085- 40095.
