1 引言
作为第五代移动通信网络(5G)最有潜力的技术之一,非正交多址接入(Non-Orthogonal Multiple Access, NOMA)技术具有高频谱效率,低延迟,大规模连接等优势[1]。NOMA技术的基本思想是通过在功率域对多个用户进行线性叠加,实现在同一资源块(时域,频域或者空域)上通信。在NOMA用户端采用串行干扰消除技术(successive interference cancellation, SIC)解码所期望的信号,解码信号的顺序是根据信道条件或用户的服务质量需求决定。文献[2]在下行协作NOMA系统基础上,提出了一个两级中继选择策略,并与传统最大最小中继选择策略作对比,推导了两种选择策略下的系统的中断概率,证明前者能显著提升系统性能,可实现最大的分集增益。文献[3]研究了在Nakagami-m信道下,通过采用两级中继选择策略来提高协作下行NOMA系统的保密中断性能。
认知无线电(cognitive radio, CR)技术作为另一种有效解决频谱短缺的技术,允许次级网络接入主网络授权频谱。把NOMA技术与CR技术相结合,可进一步提高频谱效率的同时,从而实现更智能频谱共享[4]。认知NOMA网络主要分为交织式,底层式以及覆盖式三种。在底层认知NOMA网络中,必须保证主用户的干扰功率在可容忍干扰约束以下,次级网络才被允许接入授权频谱通信。文献[5]研究了在不完美SIC场景下,推导了底层认知NOMA系统中断概率的闭合解。文献[6]分析了下行协作认知NOMA系统在不同距离下对系统的中断性能影响,结果表明,不同的距离下,选取适当的功率分配因子可以保证次级用户间的公平性。同时证明了不管是否有干扰约束,采用NOMA协议下的系统性能都优于OMA协议下的性能。文献[7]研究了一种具有多个次级用户的下行认知NOMA网络,文中考虑了不完美信道状态信息的场景,推导了次级用户中断概率的广义闭合解,并评估了不同功率因子对系统性能的影响。文献[8]研究了基于部分中继选择策略对下行认知NOMA网络性能影响,结果验证了中继数目和功率分配因子对系统性能的影响。文献[9]研究了一种新的上下行认知NOMA网络,文中同时考虑了全双工和不完全SIC场景,并采取部分中继选择策略来提高系统性能。由于底层认知NOMA网络存在严重的网络间干扰问题,文献[10]提出了一种新的覆盖式认知NOMA网络,在网络中通过NOMA协议,次级发射节点作为主网络中继,协助主次信息同时传输。推导了在Nakagami-m信道下,主次网络的中断性能和系统吞吐量,结果表明基于频谱共享的覆盖式认知NOMA网络能有效提高系统性能。文献[11]探讨了不完美SIC下覆盖式认知NOMA网络的中断性能,并通过考虑发射端与用户端直连链路,在用户端采取最大比合并来提高系统性能。文献[12]研究了多个全双工次级发射节点作为中继的覆盖式认知NOMA网络,并在次级源节点中采取了能量采集与传输技术,从主发射节点获取射频能量用于通信,在多个中继端采取部分中继选择策略,最终证明了全双工,SWIPT和NOMA技术能显著提高覆盖式认知NOMA网络的中断性能。
同时同频全双工(Co-frequency Co-time Full Duplex, CCFD)技术,简称全双工(Full Duplex, FD),作为5G备选技术之一,是指在相同的频率资源,相同的时刻,同时发送和接收电磁波的技术。全双工技术具有提高一倍频谱效率,减少中继系统中端到端延迟等优点,有着广泛研究意义。但由于全双工中继工作在相同的时频资源,收发天线之间间隔较近,因此会发射天线会对接收天线造成强烈的自干扰(Self-Interference,SI)。降低自干扰消除的技术有:数字干扰消除技术,天线隔离技术和模拟自干扰消除技术。文献[13]研究了一个存在窃听者全双工协作中继NOMA系统,验证了全双工下非理想自干扰因素对系统有较大的影响。文献[14]研究了一个全双工放大转发中继的下行NOMA系统,通过部分中继选择策略选取最优中继,结果分析了中继数量,用户功率分配因子以及全双工自干扰水平对系统影响。文献[16]研究了在NOMA网络中远端用户结合了全双工技术来干扰窃听者,提出了两阶段用户的协作方案,推导了各用户的遍历安全容量和遍历容量表达式。为了满足未来移动通信大规模连接,高可靠性,低延迟等要求,把全双工,认知NOMA技术相结合是有一定研究意义的。文献[17]把NOMA和全双工技术相结合,应用在满足大规模链接,不同用户服务质量,高可靠及低延迟(URLLC)的V2X通信场景。
在认知车联网场景下,由于频谱资源有限,如何提高频谱利用率和用户间延时问题,值得深入研究。基于上述研究基础上,本文把认知无线电网络(cognitive radio network,CRN)与NOMA技术相结合,提出一种基于频谱共享的认知NOMA网络模型,(secondary user network,SUN)贡献全双工中继节点协助主网络(primary user network,PUN)通信,从而获取接入授权频谱的机会。在海量机器类通信和V2X车联网场景下,存在大量潜在的传感器,人、车通信设备进行信息交互,CR-NOMA网络可以提供随机访问的共享资源。同时与全双工技术结合,满足低延时,高可靠性,大规模连接等要求。由于各通信终端之间可互为中继,因此引入中继选择策略可显著提高系统性能。本文采用两阶段中继和部分中继选择策略,并推导了在全双工中继非理想自干扰消除下系统中断概率表达式,并进行了仿真验证。
2 系统模型
系统模型如图1所示,考虑了一个基于频谱共享的认知NOMA网络。PUN由一个源节点PT和一个主用户PU组成,SUN包括一个次级源节点ST,N个次级中继和一个次级用户。假设源节点到用户之间由于距离过远,不存在直连链路。因此,PT需要借助次级中继实现可靠通信,作为回报,SUN获取接入授权频谱的机会,传输次级信号。假设所有中继采取解码转发协议和全双工模式通信,此外,其他节点均配备单天线以半双工模式通信。同时假设网络中所有信道均经历准静态瑞利衰落。
图1 系统模型
Fig.1 System model
在上行链路,PT和ST同时发送主次信号到N个全双工次级中继,由于在网络中PUN贡献频谱,并且为了确保主用户信息可靠传输,因此主用户具有更高的Q0S,因此主信号具有更高的解码优先级。αi 为功率分配因子,α1>α2且α1+α2=1。x1,x2 分别为预备发送到用户端PU,SU的信号,E(|xi|2)=1,i∈{1,2},发射功率分别为PT,PS。 全双工中继Rn同时接收来自上行链路的复合信号和全双工中继引起的自干扰信号。在本文假设中继经过自干扰消除技术后仍存在部分残余自干扰,为了简化分析假设残余自干扰为一个常数IL[9]。因此,中继Rn 接收到的信号为:
(1)
hPR,hSR分别为链路PT→Rn,ST→Rn信道系数,服从参数分别为λPR,λSR 的复高斯分布,
表示Rn 处加性高斯白噪声(AWGN)。中继Rn接收主次信号后根据串行干扰消除技术,先把次级信号x2看作干扰来解码主信号x1,然后消去x1来解码x2。在中继Rn处接收信干噪比为:
(2)
(3)
式中定义
为传输信噪比。
在下行链路,中继Rn解码x1,x2成功后,转发复合信号
到用户端PU,SU。由于Rn到PU距离较远,Rn到PU通信链路CSI比Rn到SU链路差,所以为了平衡用户间吞吐量的公平性,分配更高的功率来传输x1,即α1>α2,且α1+α2=1。则PU,SU的接收信号表示为:
(4)
hi,i∈(R1,R2) 表示链路Rn→PU,Rn→SU 的信道系数,服从参数分别为λR1,λR2 的复高斯分布
表示用户端AWGN。在次级用户SU端采用SIC技术把SU信号x2 当作干扰解码x1,然后将x1从叠加信号中消除从而解码次级信号x2。PU和SU端接收信干噪比和信噪比为:
(5)
(6)
γSU→x2=α2ρR|hR2|2
(7)
式中定义
3 中继选择方案与性能分析
3.1 两阶段中继选择方案
两阶段中继选择方案(Two-Stage Relay Selection Strategies)的目的是确保主用户PU目标速率实现的同时,以尽可能大的传输速率为次级用户SU服务。这种两阶段中继选择策略可描述如下:首先第一阶段通过满足主用户PU目标速率来构建以下中继子集:
(8)
其中,R1表示PU目标速率阈值。在第二阶段,我们从选取得中继子集sr中选取最优中继,使传输SU的速率最大化,最优中继选择表示如下:
(9)
接下来通过分析两阶段中继选择方案的中断概率来评价系统性能。本文认知NOMA网络中断事件Ω分为两种情况,中断事件Ω1定义为中继Rn或者主次用户端无法成功解码信号x1,事件Ω2定义为sr不为0的条件下,中继
或者次级用户SU解码x2失败。即:
Ω=Ω1∪Ω2
(10)
P(Ω1)计算如下:
(11)
定义ξ1=2R1-1,因为所有信道增益均服从指数分布,由式(2),(5)和(6)经过概率论知识和积分运算,得到:
(12)
式中,定义
所以,当满足α1-ξ1α2>0 时,P(Ω1)
否则,P(Ω1)=1。
P(Ω2)计算如下:
P(Ω2)=P{min(γR→x2,γSU→x2)<ξ2,|Sr|>0}= 
(13)
定义xn=min(γR→x2,γSU→x2),xn*=max{xi,∀i∈Sr}。
定义中继子集不为0时的累计分布函数为F(Λ2),表达式如下:
F(Λ2)= P{min(γR→x2,γSU→x2)<ξ2|n∈Sr,|Sr|≠0}= 
(14)
当k2>k1时,定义
根据式(14),结合式(2),(3),(6),(7),可假设Δ1=Δ3+Δ4。
Δ3= Pr{γR→x2<ξ2,γR→x2<γSU→x2,γR→x1≥ξ1,γSU→x1≥ξ1}= 
(15)
f(x,y,z)为|hPR|2、|hSR|2、|hR2|2的联合概率密度函数(Joint Probability Density Function,JPDF)。即
经过积分计算可得:
(16)
同理:
(17)
其中,定义
同理,可计算出Δ4的值如下:
Δ4= Pr{γSU→x2<ξ2,γSU→x2<γR→x2,γR→x1≥ξ1,γSU→x1≥ξ1}= 
(18)
由式(2),(6)推导得到:
(19)
(20)
因此,中继子集为l的概率可表示为:
(21)
系统的中断概率为:
P(Ω)=P(Ω1)+P(Ω2)= 
(22)
3.2 部分中继选择方案
部分中继选择策略:(Partial Relay Selection Scheme,PRSS):根据PT→Rn和ST→Rn链路瞬时状态信息选择最佳中继,选择策略表示如下:
(23)
(24)
根据中继选择原则,|hPR|2,|hSR|2的概率密度函数可以表示为:
(25)
(26)
系统的中断概率可以表示为:
(27)
经过积分计算,Pout计算如下:
(28)
其中,
4 性能仿真
本文通过采用了全双工技术和两种不同的中继选择策略,并在中继Rn,接收端PU,SU采取串行干扰消除技术,推导分析在两种不同中继策略下认知NOMA网络的中断概率。并对网络模型在瑞利衰落信道下进行MATLAB仿真验证。因此对认知NOMA网络模型参数设置如下:λSR=λR2=2, λPR=λR1=1, R1=0.8 bit/s,R2=1.5 bit/s, PS=PR=20 dBm, PT=30 dBm,IL=-20 dBm, α1=0.75,通过蒙特卡罗仿真次数10万次仿真结果显示,计算结果与蒙特卡罗仿真结果基本相同。
图2验证了中继数量对认知NOMA网络中断概率的影响。由图可以看出,当采取部分中继选择策略时,系统中断概率在中继数目大于3后不再变化,这意味着部分中继选择策略给系统带来的性能增益有限。而系统采取两阶段中级选择策略后,系统性能随着中继数目的增加得到显著提升。并且中继数目大于1时,两阶段中继选择策略对系统性能的提高都优于部分中继选择策略,随着中继数目增加,两种策略性能差异越显著。
图2 中继数目与系统中断概率关系
Fig.2 System outage probability versus number of relay
图3显示了全双工与半双工中继下与系统中断概率的关系。可以注意到,不管采取哪一种中继选择策略,全双工中继辅助的认知NOMA网络性能都优于传统半双工中继辅助的认知NOMA网络。这是由于全双工中继能在相同的频率资源,相同的时刻,同时收发信号,因此,显著提高了系统频谱效率和中断性能。
图3 双工模式与系统中断概率关系
Fig.3 System outage probability versus duplex mode of relay
图4给出了当中继数目为3时,本文两种算法和文献[12]策略下系统中断概率仿真曲线。由图可见,三种算法都明显提高系统的中断性能。在低信噪比区域,本文部分中继选择策略与文献[12]策略下性能相当,随着中继转发功率增大,文献[12]相比本文策略2,可带来更明显的性能增益。而两阶段中继选择策略对比另外两种算法,中断性能得到了显著提升。
图4 本文中继选择算法与文献[12]算法对比
Fig.4 Comparison of the relay selection algorithm of this paper and algorithm in literature[12]
图5显示了中继发射功率与系统中断概率的关系。由图5可以看出,两种中继选择策略相比单中继转发,都体现出了很好的性能增益。并且两种中继选择策略下,系统的中断性能随着中继发射功率的增大而提高。在两阶段中继选择策略中,随着发射功率的增加性能提高幅度越大。两阶段中继选择策略保证了主用户实现可靠通信的同时,可以使次级用户传输速率最大化。因此适用于一些对次级用户速率要求比较高的通信场景,如导航,紧急消息广播。部分中继选择策略需要根据上行链路瞬时状态信息来选取最优中继子集。由仿真结果对比两种中继选择策略,当中继数目较多时,两阶段中继选择策略体现出显著的性能优势,但相应的算法和硬件的复杂度要求更高。而部分中继选择策略性能增益有限,但更容易在通信场景中实现。因此,可以通过增加中继发射功率和增加中继数量可显著降低系统中断概率。
图5 中继发射功率与系统中断概率关系
Fig.5 System outage probability versus transmitting power of relay
5 结论
本文讨论了在两种中继选择策略下,全双工和半双工中继辅助的认知NOMA网络,推导了系统中断概率的闭合解,并通过了仿真验证。结果表明:1)相比部分中继选择策略,两阶段中继选择策略能显著提升系统中断性能;2)通过增加中继数目和提高中继发射功率都能提高系统性能;3)系统通过采用全双工中继技术能有效提高系统频谱效率和中断性能。
[1] ISLAM S M R, AVAZOV N, DOBRE O A, et al. Power-domain non-orthogonal multiple access (NOMA) in 5G systems: Potentials and challenges[J]. IEEE Communications Surveys & Tutorials, 2017, 19(2): 721-742.
[2] DING Zhiguo, DAI Huaiyu, POOR H V. Relay Selection for Cooperative NOMA[J]. IEEE Wireless Communications Letters, 2016,5(4): 416- 419.
[3] YU Chao, KO H L, PENG Xin, et al. Secrecy outage performance analysis for cooperative NOMA over nakagami-m channel[J]. IEEE Access, 2019, 7: 79866-79876.
[4] LV L, CHEN Jian, NI Qiang, et al. Cognitive non-orthogonal multiple access with cooperative relaying: A new wireless frontier for 5G spectrum sharing[J]. IEEE Communications Magazine, 2018, 56(4): 188-195.
[5] IM G, LEE J H. Outage probability for cooperative NOMA systems with imperfect SIC in cognitive radio networks[J]. IEEE Communications Letters, 2019, 23(4): 692- 695.
[6] ARZYKULOV S, TSIFTSIS T A, NAURYZBAYEV G, et al. Outage performance of underlay CR-NOMA networks with detect-and-forward relaying[C]∥2018 IEEE Global Communications Conference (GLOBECOM). Abu Dhabi, United Arab Emirates. IEEE, 2018: 1- 6.
[7] ARZYKULOV S, NAURYZBAYEV G, TSIFTSIS T A, et al. On the outage of underlay CR-NOMA networks with detect-and-forward relaying[J]. IEEE Transactions on Cognitive Communications and Networking, 2019, 5(3): 795- 804.
[8] LI Cheng, GUO Daoxing, GUO Kefeng, et al. Outage performance of partial relay selection in underlay CR-NOMA networks[C]∥2019 28th Wireless and Optical Communications Conference (WOCC). Beijing, China. IEEE, 2019: 1-5.
[9] DO D T, NGUYEN M S V, JAMEEL F, et al. Performance evaluation of relay-aided CR-NOMA for beyond 5G communications[J]. IEEE Access, 2020, 8: 134838-134855.
[10] LV L, NI Qiang, DING Zhiguo, 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.
[11] LUO Liping, LI Quanzhong, CHENG Julian. Performance analysis of overlay cognitive NOMA systems with imperfect successive interference cancellation[J]. IEEE Transactions on Communications, 2020, 68(8): 4709- 4722.
[12] LE Q N, NGUYEN N, YADAV A, et al. Outage Performance of Full-Duplex overlay CR-NOMA networks with SWIPT[C]∥2019 Global Communications Conference (GLOBECOM). IEEE, 2019: 1- 6.
[13] 李美玲, 李莹, Sami Muhaidat, 等. 非理想干扰删除下全双工中继NOMA系统的物理层安全性能研究[J]. 电子学报, 2019, 47(1): 183-189.
LI Meiling, LI Ying, MUHAIDAT S, et al. Physical layer security for NOMA-based full duplex relay networks with non-ideal interference cancellation[J]. Acta Electronica Sinica, 2019, 47(1): 183-189.(in Chinese)
[14] TREGANCINI A, OLIVO E E B, OSORIO D P M, et al. Performance analysis of full-duplex relay-aided NOMA systems using partial relay selection[J]. IEEE Transactions on Vehicular Technology, 2020, 69(1): 622- 635.
[15] TIAN Li, YAN Chunlin, LI Weimin, et al. On uplink non-orthogonal multiple access for 5g: Opportunities and challenges[J]. China Communications, 2017, 14(12): 142-152.
[16] 路晓华, 贺玉成, 张良梅, 等. 智能窃听下协作NOMA网络的性能分析[J]. 信号处理, 2021, 37(1): 148-157.
LU Xiaohua, HE Yucheng, ZHANG Liangmei, et al. Performance analysis of cooperative NOMA network with intelligent eavesdropping[J]. Journal of Signal Processing, 2021, 37(1): 148-157.(in Chinese)
[17] ZHANG Di, LIU Yuanwei, DAI Linglong, et al. Performance analysis of FD-NOMA-based decentralized V2X systems[J]. IEEE Transactions on Communications, 2019, 67(7): 5024-5036.
