基于混合非正交多址接入的认知无线电网络的信道和功率分配研究

吴静芳 李莉 熊芷萌 周小平

摘  要： 针对混合非正交多址接入（NOMA）的认知无线电网络的下行链路，以主用户的干扰功率阈值、次用户最小信息速率以及子信道复用用户数为约束条件，建立信道和功率资源分配的优化问题模型，提出了一种公平性可调的信道分配方法，得到信道和用户的匹配结果;采用凸近似和Charnes-Cooper变换的方法，得到复用用户的功率分配值. 仿真结果表明，给定基站总功率为25 dBm时，所提信道分配算法的用户公平性指数提升了50%.

关键词： 非正交多址接入（NOMA）; 认知无线电; 信道分配; 功率分配; 能效

中图分類号： TN 929.5      文献标志码： A     文章编号： 1000-5137（2021）01-0069-09

Abstract： For the downlink of the cognitive radio network with hybrid non-orthogonal multiple access（NOMA），the improved model for channel and power resource allocation were established with the constraints of the primary users interference power threshold，the secondary users minimum information rate，and the number of subchannel multiplexing users. To optimize the problem model，a channel allocation method with adjustable fairness was proposed to obtain the matching result between the channel and the user. The convex approximation and the Charnes-Cooper transformation method were used to obtain the power allocation value of the multiplexing users. The simulation results showed that when the total power of the base station was 25 dBm，the user fairness index of the channel allocation algorithm proposed in this paper was improved by 50%.

Key words： non-orthogonal multiple access（NOMA）; cognitive radio; channel allocation; power allocation; energy efficiency

0  引 言

目前，人们对数据速率需求呈指数型增长，而数据速率的大幅提升需要消耗大量频谱资源.认知无线电技术可缓解频谱资源紧缺的问题，该技术允许次用户接入主用户未占用的频谱，同时保证主用户的数据速率，从而提高系统的频谱使用效率.

在传统认知无线电网络中，一般采用正交多址接入（OMA）技术进行用户复用，而大量文献已经证明非正交多址接入（NOMA）技术的频谱利用率优于OMA技术.LIU等[1]研究了NOMA网络中多用户下行链路能效资源分配问题，提出了一种低复杂度的两用户信道分配算法，以最大化系统能效，该算法中最佳子信道的分配策略是始终选择子信道上具有最强等效信道增益的用户进行匹配;FANG等[2]研究了非完美信道状态信息下NOMA网络的下行链路资源分配问题，通过将概率混合非凸优化问题转换成概率问题求解，提出一种新的低复杂度次优用户匹配算法，该算法中子信道倾向于选择使其能效最大化的用户集合与该子信道进行匹配.文献[1-2]中的信道分配算法易使信道状态信息相近的用户复用到同一子信道上，使得用户间的公平性降低，且影响接收端的正确解调性能[3]，这是因为系统按照复用用户的信道增益情况进行功率分配，每个复用用户分得的功率差值较小，用户间干扰较大.LIANG等[4]研究了认知无线电NOMA网络下行链路的用户配对和功率分配问题，提出的分布式匹配算法（DMA）中，主用户通过协商功率分配系数与次用户交换可用功率，同时保证了主用户和次用户的信息速率要求，该算法可以实现稳定的匹配且复杂度较低;ZHANG等[5]研究了NOMA网络下行链路的动态资源分配问题，通过一种基于两侧匹配算法的次优信道分配算法，得到用户和信道匹配结果，然后考虑用户最小信息速率和最大发射功率的约束条件下，使用李亚普诺夫优化模型求解功率分配问题;LEANH等[6]研究了认知毫微微蜂窝网络上行链路的信道分配和功率分配的联合优化问题，以最大化系统的吞吐量，提出了一种基于匹配博弈的分布式算法，对用户和基站之间的竞争行为进行建模分析，所提算法具有较低的计算复杂度;SHI等[7]研究了混合NOMA系统下行链路的用户分簇和功率分配问题，提出了启发式资源分配（Heur-RA）算法以实现更高的能效性能，设想的混合式NOMA接入方案优于常规OMA，在系统配置方面比传统NOMA具备更高的灵活性;贾亦真等[8]研究了认知无线电网络中NOMA信道和功率分配联合优化问题，为了避免信道状态信息相近的用户复用到同一子信道上，提出了一种次优公平性可调的信道分配算法，并基于连续凸近似和Dinkelbach模型，得到子信道复用用户间的最优功率分配方案，该算法在提高用户公平性的同时也提高了系统能效.