[論文レビュー] Application of NOMA in 6G Networks: Future Vision and Research Opportunities for Next Generation Multiple Access.

Yuanwei Liu, Wenqiang Yi+4 more|arXiv (Cornell University)|Mar 3, 2021

Advanced Wireless Communication Technologies参考文献 9被引用数 27

ひとこと要約

本稿は、非直交多重アクセス（NOMA）を軸とする「1つの基本原則＋4つの新概念」フレームワークを導入することで、6Gネットワークの将来像を提示する。NOMAがマスコネクティビティを実現し、高度な物理層技術および機械学習と統合される役割を検討し、逐次干渉キャンセレーション（SIC）を基盤とし、チャネル状態情報に基づくとサービス品質に基づくSICアプローチの両方の重要性を強調する。

ABSTRACT

As a prominent member of the next generation multiple access (NGMA) family, non-orthogonal multiple access (NOMA) has been recognized as a promising multiple access candidate for the sixth-generation (6G) networks. This article focuses on applying NOMA in 6G networks, with an emphasis on proposing the so-called One Basic Principle plus Four New concept. Starting with the basic NOMA principle, the importance of successive interference cancellation (SIC) becomes evident. In particular, the advantages and drawbacks of both the channel state information based SIC and quality-of-service based SIC are discussed. Then, the application of NOMA to meet the new 6G performance requirements, especially for massive connectivity, is explored. Furthermore, the integration of NOMA with new physical layer techniques is considered, followed by introducing new application scenarios for NOMA towards 6G. Finally, the application of machine learning in NOMA networks is investigated, ushering in the machine learning empowered NGMA era.

研究の動機と目的

• 第六世代（6G）ネットワークにおける非直交多重アクセス（NOMA）を適用する包括的なフレームワークを確立すること。
• 特にマスコネクティビティと超信頼性低遅延通信（URLLC）を含む、新たな6Gの性能要件に対応すること。
• NOMAを新しい物理層技術および機械学習と統合することで、スペクトル効率とネットワーク知能を向上させること。
• NOMAシステムにおけるチャネル状態情報に基づくSICとサービス品質に基づくSICの間のトレードオフを評価すること。
• 6G時代におけるNOMAの新しい応用シナリオと研究機会を特定および定義すること。

提案手法

• NOMAの基盤をなすパワー・ドメイン多重と逐次干渉キャンセレーション（SIC）に基づく「1つの基本原則」を提唱し、6G多重アクセスの基盤とする。
• 4つの新概念を導入：太赫茲・可視光通信とのNOMA統合、知能反射表面、太赫茲帯NOMA、機械学習を活用したリソース割り当て。
• SICの性能を分析し、2つのバリエーション（チャネル状態情報（CSI）に基づくSICとサービス品質（QoS）に基づくSIC）を比較する。
• 知能反射表面や太赫茲通信などの新規物理層技術とNOMAの連携が、スペクトル効率とカバレッジの向上にどのように寄与するかを検討する。
• 機械学習を活用してNOMAネットワークにおけるユーザーのペアリング、電力割り当て、ビームフォーミングを最適化し、動的で知的なリソース管理を実現する。
• 6Gの極めて高い要件を満たすために、NOMAと新規無線アクセス技術およびネットワークアーキテクチャを統合した包括的なシステム設計を提案する。

実験結果

リサーチクエスチョン

• RQ1 NOMAは、6Gネットワークのマスコネクティビティと高スペクトル効率の要件を満たすために、どのように効果的に適用可能か？
• RQ2 NOMAシステムにおけるCSIベースのSICとQoSベースのSICの相対的な利点と制限は何か？
• RQ3 NOMAは、太赫茲通信や知能反射表面といった新規物理層技術と、どのように統合可能か？
• RQ4 機械学習は、動的な6Gネットワーク環境におけるNOMAの性能と適応性をどのように向上できるか？
• RQ5 6Gの想定されるユースケースとネットワークアーキテクチャの文脈で、NOMAに新たな応用シナリオはどのように生じるか？

主な発見

• 逐次干渉キャンセレーション（SIC）はNOMAにとって依然として重要なエンablerであり、CSIベースとQoSベースのSICは、性能と複雑さの面で明確なトレードオフを示す。
• 太赫茲および可視光通信とのNOMA統合は、スペクトル効率を著しく向上させ、高データレート・短距離の6Gリンクを支援する。
• NOMAと知能反射表面を組み合わせることで、視線外環境における動的チャネル制御とカバレッジの向上が可能になる。
• 機械学習技術は、NOMAのリソース割り当てを効果的に最適化でき、シグナリングのオーバーヘッドを低減し、公平性とスループットを向上させる。
• 提案された「1つの基本原則＋4つの新概念」フレームワークは、6GネットワークにおけるNOMAの発展を支援する構造的で体系的な研究ロードマップを提供する。
• NOMAは、将来の6Gシナリオにおけるマスコネクティビティと超信頼性低遅延通信（URLLC）をサポートする強力な潜在能力を示している。