5G非正交多址技术关键问题研究

刘志航，田宇昊，袁伟娜

(华东理工大学信息学院，上海 200237)

0 引言

随着移动互联应用的飞速发展、移动通信用户数量的爆炸式增长，通信质量对可靠性、灵活性、时延等指标的更高要求，使移动通信业务面临着巨大的挑战。如何利用有限的频谱资源应对爆炸式的数据流量增长，是当今移动通信研究的重要课题[1-3]。因此，通过增加用户接入数提高通信系统频谱效率的新型多址接入技术，是5G通信研究的一个热点。在最新的研究中，非正交多址接入(non-orthogonal multiple access,NOMA)技术基于功率域复用提高用户连接数，具有低时延、高可靠性、高灵活性的特点，同时还兼顾了用户公平性与信道条件差异的考量，已成为5G通信的关键技术之一[4]。

NOMA技术在发送端利用信道编码和功率分配使多用户共享时频资源，因此用户之间的资源分配情况对于系统的整体性能起着非常重要的作用。可靠的资源分配方案可以保证接收端的有效解码，维持系统的高频谱效率，保证用户的公平性。因此，如何针对NOMA系统进行有效的资源分配，是NOMA研究的一个关键问题。目前，该类研究方法主要可以分为数学优化和子问题分解两个类型。

NOMA系统中多用户共享信道资源，势必会引入多址干扰(multiple access interference,MAI)。因此，如何高效地消除这种干扰，也是NOMA技术研究的一个关键问题。

目前，NOMA系统普遍使用串行干扰消除(serial interference cancellation,SIC)技术，在系统接收端抑制MAI。相关研究主要针对SIC技术存在的误码传播问题对该算法进行改进，少数研究围绕其他技术抑制NOMA系统的多址干扰。

1 资源分配

多数NOMA资源分配研究主要针对两用户小区的情况。由于两用户的信道条件因各自与基站的距离不同而存在差异，为减小信号失真，中心用户分到的功率要比边缘用户分到的大一些，而用户分得功率的具体数值为总功率乘以各用户的功率分配因子。

两用户小区的资源分配如图1所示。该分配方式可由两用户小区扩展到多用户小区。其中，不同用户之间需要根据信道条件进行排序，然后根据生成的功率分配因子分配功率。

图1 两用户小区资源分配示意图Fig.1 Resource allocation in a two-user cell

NOMA资源分配的主要性能指标为服务质量(quality of service，QoS)和公平性。此外，资源分配性能问题还可以采用数学手段转化为中断发生概率问题，中断发生概率越小，性能越高。因此，中断性能也是资源分配的另一个性能指标。NOMA资源分配研究的另一个关注点是多条件分析。非正交多址接入作为5G通信的关键技术，经常需要与其他通信技术相结合，所以其资源分配方案必须根据实际应用环境作出相应的调整。

1.1 数学优化

数学优化方法的主要思路为：将资源分配的某一性能指标作为目标函数，通过数学手段对分配性能进行优化。文献[5]研究在单基站多用户环境下，分配方式对NOMA系统性能的影响，分析与数据仿真显示采用固定分配的非正交多址接入(NOMA with fixed power allocation,F-NOMA)技术和速率高于传统多址技术。其性能与配对用户信道条件差异成正比。文献[6]研究基于NOMA技术的感知中继网络的资源分配问题，将目标函数定为次要用户(secondary user，SU)数量的最大值，同时满足主要用户(primary user，PU)和次要用户的服务质量，对不满足服务质量的SU进行了阻塞。与分式传输功率分配(fractional transmit power allocation，FTPC)相比，该算法在复杂度相当的情况下获得了更好的性能。文献[7]针对两移动用户的NOMA场景，提出了一种公平资源分配方式，推导出功率公平分配的信道增益确切范围，保证系统的信息容量至少在正交多址接入水平。文献[8]提出了一种协作NOMA中继 (collaborative NOMA assisted relaying，CNAR)系统和复杂度更低的简化CNAR系统，分别分析了源-中继(source-relay，S-R)和中继-目的(relay-destination，R-D)两个链路的中断概率，通过最小化中断概率来达到最佳功率分配效果，保证了单个用户的高数据速率。文献[9]研究信道条件相同的两用户之间的资源分配方案，利用预编码和检测策略降低其中一个用户的信道条件，并采用功率补偿来弥补该用户的服务质量损耗。文献[10]研究带有协作全双工中继的NOMA下行链路，利用基站和中继的闭式表达式，分别用最小化中断概率和最大化用户速率最小值推导出优化资源分配方案。文献[11]研究动态分配功率的优化问题，在满足服务质量的条件下，最小化固定子载波分配的总传输功率，并提出一种次优算法；同时，优化了子载波分配和功率分配。文献[12]并根据NOMA下行链路两用户场景中保证信号速率的功率分配因子范围，并根据信道增益动态改变功率分配因子。文献[13]关注多信道NOMA系统的动态功率分配和信道分配问题，优化加权和速率以维持总吞吐量和用户公平性之间的平衡，并在此基础上提出一种低复杂度的用户预选算法，得到功率分配闭式解，以较低的复杂度逼近最优分配性能。文献[14]基于比例公平调度机制，证明了最大化最小归一化系数既可以提供用户公平性，又能获得在小范围波动的传输速率。

1.2 子问题分解

资源分配问题可以分为多个环节，部分研究着重于资源分配子问题的分步解决以及多问题联合的解决方案。文献[15]考虑单小区NOMA中继网络的资源分配。由于频率和功率分配优化是一个非确定性多项式 (non-deterministic polynomial,NP)问题，因此将其分解为子信道分配和功率分配两个子问题。将子信道分配问题定义为一个多对多的外部性双边匹配博弈问题。基于盖尔-沙普利算法提出分配算法，然后使用迭代注水算法进行功率分配，可以在速率上接近最优的穷尽搜索分配方法。文献[16]研究半双工感知OFDM-NOMA系统，将容量最大化问题分解为感知时间、用户调度和功率分配三个优化子问题，经过逐一分析，使用迭代框架联合处理各个子问题。针对两用户场景，提出基于拉格朗日对偶法和牛顿法的分配方案；针对多用户场景，利用非合作博弈和牛顿法进行资源分配。文献[17]分别针对NOMA的上行链路和下行链路，推导出总吞吐量最大化的混合整数非线性规划问题模型。由于该问题具有组合特性，考虑采取用户分组和功率分配分步解决。根据用户信道增益差异，分别对两个链路提出一种低复杂度的次优分组方案，并利用优化卡鲁什库恩塔克(Karush-Kuhn-Tucker,KKT)条件得出两链路下任意用户组大小的最优分配闭式解。文献[18]从速率容量和能耗的角度出发，提出一种迭代框架，可以在有收敛的情况下解决功率、时间和子信道三个分配优化子问题。文献[19]研究MIMO-NOMA下行链路接收天线多于传输天线的情况，将移动用户分为对应MIMO波束相互正交的若干集群。对于同一集群的用户，使用迫零波束成型方法减少相互干扰，然后对集群间和集群内用户动态分配功率。文献[20]研究带内全双工驱动NOMA系统的性能与复杂度平衡关系，将资源分配分为信道分配和功率分配两部分，提出了一种基于匹配理论的分布式信道分配机制。

2 干扰消除

2.1 基于SIC的干扰消除

目前，大多数NOMA系统的干扰消除方案以SIC接收机为主体，其核心在于串行干扰消除技术。在SIC解码过程中，在信道条件较差的边缘用户端只解码大功率信号，即该用户的信号。对信道条件更好的中心用户端，先解码大功率信号；然后,将已解码的信号视为干扰信息，将其从总信号中减去；最后,解码中心用户的小功率信号。SIC信号检测过程如图2所示。

图2 SIC信号检测过程图Fig.2 SIC signal detection process

在用户数较多的情况下，系统需要根据信干噪比对用户信号进行排序，然后执行SIC迭代，完成对整个原信号的解码。综上所述，SIC技术具有复杂度低、干扰消除效率高的特点。但它的缺点是存在误码传播。如果大功率信号解码错误，那么后面的所有用户解码都会受到误码的影响。因此，多数研究主要通过对SIC的技术步骤进行改进，以处理误码传播问题。

近年来，很多学者研究采用数学优化手段在接收端消除MAI，并针对SIC技术性能不佳的问题，将一些数学方法与SIC技术结合，如常见的迫零(zero foring,ZF)算法和最小均方误差(minimum mean squared error,MMSE)算法等[21-22]。文献[23]推导出理想SIC技术在任意发送端数量的NOMA上行链路上的最佳接收功率水平，仿真结果显示最佳功率随传输器数量增加而线性增加。文献[24]提出了一种基于信道即时状态信息的动态次序SIC译码机制，其中断概率小于固定顺序的SIC译码方式，并可以保证不同用户之间的中断平衡。文献[25]研究下行NOMA系统与2对2开环单用户MIMO结合下，串行干扰消除技术的性能与设计。该研究同时考虑该系统中用户间干扰和流间干扰，根据用户间的传输比组合对SIC步骤前后采用不同的比例生成方案，然后在用户接收端以最小均方误差法作为准则，计算出接收权重矩阵。文献[26]研究NOMA下行链路中SIC的解码顺序与解码时间的关系。如果接收端按照错误顺序解码，用户信号将会请求基站重传数据，增加解码时间。文献[27]使用不完美SIC技术对基于底层认知中继网络的协作NOMA系统进行干扰消除。考虑来自主要信号源的干扰和对主要目的地的干扰，在瑞利信道下推导出信号到达每个次要目的地的中断概率闭式解与渐进表达式。文献[28]对每两个相邻时间段使用联合信道编码，提高了时间多样性增益。对这种编码模式，可以根据干扰的时域特点，使用低复杂度的之字形SIC技术进行解码。文献[29]针对SIC的误码传播问题，对NOMA下行链路多用户SIC技术进行改进，将错误解码信号视为干扰，继续检测下一用户。仿真结果显示，该技术能优化后解码用户的中断性能，并且可以维持中断平衡。文献[30]通过数学分析与仿真，在瑞利信道和高斯噪声条件下，求解出不完美SIC技术在下行NOMA链路中的误码率性能。文献[31]将容量最大化问题转化为基于多元高斯混合模型的熵最大化问题，利用星座图旋转对SIC进行了改进，提高了系统容量并优化了误码率性能。文献[32]提出了一种多重决定串行干扰消除(multiple decision SIC，MD-SIC)技术，针对误码传播问题，引入多个码字作为候选码以防止错误传播。相比传统SIC，MD-SIC用少量的额外复杂度获得了明显的性能增益。文献[33]将并行干扰消除(parallel interference cancellation，PIC)技术与SIC技术结合，提出一种基于ZF算法的联合干扰消除技术。并行干扰可以有效解决时延和误码传播问题，但其迭代次数和复杂度要求较高。所提出的方案对大功率信号使用PIC技术，其余信号判断用户信号功率差值大小，差值较大时使用PIC技术，差值较小则使用SIC技术。文献[34]从计算时间上对PIC和SIC两技术作了性能对比，证明了PIC技术的并行计算性能在用户数量较大时更有优势。文献[35]研究软进软出PIC(soft-in soft-out PIC，SISO-PIC)技术与SIC技术的结合，使信号按照功率大小依次通过SISO-PIC窗口进行处理，既优化了干扰消除效果，又发挥了SISO-PIC技术降低时延、迭代次数较少的优势。文献[36]研究在基于序列的NOMA系统中对功率多样性用户的串行干扰消除，提出一种基于交叉相关性的序列分组方法，减少了组间干扰，并讨论了在不同功率补偿下的分组算法。

2.2 基于非SIC技术的干扰消除

除接收端的SIC技术外，NOMA系统还可以利用其他技术对MAI进行有效抑制。文献[37]将基于周期平稳性的频谱转移滤波法应用于功率域NOMA系统，以减小信道间的干扰与噪声。首先，对信道条件进行初始化估计；然后，基于自适应恢复算法，利用频谱转移滤波器消除带间噪声和干扰；最后，重新估计信道信息，完成信号解调。文献[38]提出了一种结合多点协调传输和负载平衡的多重协调方法。其中，多点协调传输包括协调波束成型和联合传输。协调波束成型可以消除小区内干扰，联合传输可以减少小区间干扰；负载平衡可以保证规模差异较大的小区之间的传输负载平衡性。这种方案的优势在于：其较好地满足了总体用户公平性，使小区边缘用户的信道质量得到了保证。文献[39]提出一种基于两用户小区的新型NOMA发送-接收机制，可以免去串行干扰消除步骤。在发送端，采用联合调制的方式满足格雷映射规则，联合调制多用户信号；在接收端，对小区中心用户和小区边缘用户进行正交相移键控(quadrature phase shift keying,QPSK)后，计算比特数据的对数似然函数。其中，中心用户的解码不再需要消除边缘用户干扰，因此可以降低系统的复杂度。文献[40]在NOMA系统接收端使用多路干扰消除(multiple interference cancellation，MIC)技术，从叠加信号中反复去除解码后的信号。相比SIC技术，该技术可以更有效地减小系统的信干噪比，提高频谱效率。

3 问题分析

目前，NOMA系统的资源分配研究已经有了一定的进展：资源分配的性能指标从服务质量、公平性，扩展到频谱效率和中断概率等，性能优化效果显著。但是这些研究大多针对两用户小区的理想模型，基于多用户小区的实际情况的考虑仍不成熟。实际上，通信质量和资源分配效果同时受多个因素的影响，如计算误差和硬件损耗等，而目前基于这些影响的研究还很少。因此，急需新的研究对这类问题进行深入分析。另外，从目前研究情况来看，基于数学优化的资源分配研究都可以实现对单一性能指标的优化，但对多个性能指标的联合优化方案较少。此外，资源分配可以细分为多个环节，如用户分组、信道分配和功率分配等。当前的研究趋势为从单一的分配方案向多个子问题联合优化演进。因此，如何联合多个子问题优化资源分配质量，也是目前NOMA资源分配研究的一大挑战。

鉴于以上几点原因，可以得出未来研究的发展方向。①全面考虑实际应用情况中NOMA系统的资源分配问题，从多用户小区入手，尤其是在非理想的硬件条件下规划用户分组和资源分配的方案。如在通信系统受到信道误差及硬件设备损耗的影响或者用户信道状态差异不明显的情况下，对资源分配的优化方案进行调整。②对资源分配的多个性能指标进行联合优化，兼顾系统各方面性能的考量。③采用数学手段对资源分配问题进行细分，研究多个子问题的联合解决方案。比如，针对不同的用户分组方案采用不同的功率分配模式。

当前，大多数NOMA系统的干扰消除技术研究重点在于SIC的改进方案，而对基于非SIC的干扰消除技术的研究较少。未来的干扰消除技术研究可以结合其他技术，如并行干扰消除等，以有效解决干扰消除、复杂度和误码传播等问题。另外，相关研究应用的技术手段多限于时域范畴内的数学方法，方法类型过于单一。由于NOMA系统多个用户共享时间频率资源，未来的研究可以考虑从其他角度消除多址干扰。比如频率域、概率类的干扰消除技术，或在发送端功率分配处有效抑制多址干扰等。最后，目前很少有研究针对不同的资源分配方案提出不同的干扰消除技术。而实际上，资源分配方案决定了信道中不同用户相互干扰的程度，因此在接收端的干扰消除技术性能很大程度取决于该技术与发送端资源分配方案的匹配度。鉴于以上分析，未来研究可以考虑将资源分配算法与干扰消除技术衔接起来，从复杂度、分配效率和误码率等多个方面联合优化系统性能。

4 结束语

本文简述了NOMA技术的原理和性能优势，并针对NOMA系统的两大关键问题(资源分配与干扰消除)作深入分析。关于资源分配的研究，大多没有考虑实际应用中多用户小区的情况。未来的研究可以着重考虑非理想的硬件条件，并对多个子问题进行联合处理。关于干扰消除的研究方法过于单一的问题，可以考虑从新的角度实现干扰消除，并与资源分配等关键问题联系起来协同解决。