[논문 리뷰] Application of NOMA in 6G Networks: Future Vision and Research Opportunities for Next Generation Multiple Access.

Yuanwei Liu, Wenqiang Yi외 4명|arXiv (Cornell University)|2021. 03. 03.

Advanced Wireless Communication Technologies참고 문헌 9인용 수 27

한 줄 요약

이 논문은 '기본 원칙 하나와 네 가지 신개념' 프레임워크를 도입하여 6세대(6G) 네트워크의 미래 비전을 제안한다. 이 프레임워크는 비직교 다중접근(NOMA)을 중심으로 하며, 대량의 연결성과 고급 물리계층 기술, 기계학습과의 융합을 가능하게 한다. 특히 성공적 간섭 제거(SIC)가 핵심 기반 역할을 하며, 채널 상태 정보 기반과 서비스 품질 기반 SIC 접근 방식을 강조한다.

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.

연구 동기 및 목표

• 비직교 다중접근(NOMA)을 제6세대(6G) 네트워크에 적용하기 위한 종합적 프레임워크를 수립하기 위해.
• 특히 대량의 연결성과 초고신뢰성 저지연 통신을 중심으로 하는 신규 6G 성능 요구사항을 충족하기 위해.
• NOMA를 신규 물리계층 기술과 기계학습과 융합하여 스펙트럼 효율성 향상과 네트워크 지능화를 강화하기 위해.
• NOMA 시스템에서 채널 상태 정보 기반과 서비스 품질 기반 성공적 간섭 제거(SIC) 간의 상호 교환 관계를 평가하기 위해.
• 6G 시대에 있어 NOMA의 새로운 응용 시나리오와 연구 기회를 식별하고 정의하기 위해.

제안 방법

• NOMA의 '기본 원칙'을 제안하며, 이는 전력 도메인 다중접속과 성공적 간섭 제거(SIC)에 기반하여 6G 다중접속의 기초로 삼는다.
• 네 가지 새로운 개념을 도입한다: 타라헤르츠 및 가시광통신과의 NOMA 통합, 지능형 반사 표면, 타라헤르츠 대역 NOMA, 기계학습 기반 자원 할당.
• 두 가지 변형인 채널 상태 정보(CSI)-기반 SIC와 서비스 품질(QoS)-기반 SIC를 비교함으로써 SIC의 성능을 분석한다.
• 지능형 반사 표면과 같은 새로운 물리계층 기술과의 시너지를 분석하여 스펙트럼 효율성과 커버리지 향상을 도모한다.
• 기계학습을 활용해 NOMA 네트워크에서 사용자 쌍화, 전력 할당, 빔포밍 최적화를 수행함으로써 적응형이고 지능적인 자원 관리 기반 시스템을 구현한다.
• 6G의 극한 요구사항을 충족시키기 위해 NOMA를 새로운 무선 액세스 기술과 네트워크 아키텍처와 통합한 통합 시스템 설계를 제안한다.

실험 결과

연구 질문

• RQ1 어떻게 NOMA를 효과적으로 적용하여 6G 네트워크의 대량 연결성과 고스펙트럼 효율성 요구사항을 충족시킬 수 있는가?
• RQ2 NOMA 시스템에서 CSI 기반과 QoS 기반 성공적 간섭 제거(SIC) 간의 상대적 장점과 한계는 무엇인가?
• RQ3 어떤 방식으로 NOMA를 타라헤르츠 통신과 지능형 반사 표면과 같은 새로운 물리계층 기술과 융합시킬 수 있는가?
• RQ4 기계학습은 어떻게 동적인 6G 네트워크 환경에서 NOMA의 성능과 적응성을 향상시킬 수 있는가?
• RQ5 6G의 예상 응용 시나리오와 네트워크 아키텍처 맥락에서 NOMA의 새로운 응용 시나리오는 어떻게 도출되는가?

주요 결과

• 성공적 간섭 제거(SIC)는 NOMA의 핵심 추진력으로 남아 있으며, 채널 상태 정보 기반과 서비스 품질 기반 SIC는 성능와 복잡도 간에 각각 다른 상충 관계를 보인다.
• NOMA를 타라헤르츠 및 가시광통신과 통합하면 스펙트럼 효율성이 크게 향상되고 고속도, 단거리 6G 링크를 지원할 수 있다.
• NOMA와 지능형 반사 표면을 조합하면 비선시선 환경에서 동적 채널 제어와 커버리지 향상이 가능해진다.
• 기계학습 기법은 NOMA 자원 할당 최적화에 효과적으로 활용될 수 있으며, 신호 전송 오버헤드를 감소시키고 공정성과 전송률을 향상시킨다.
• 제안된 '기본 원칙 하나와 네 가지 새로운 개념' 프레임워크는 6G 네트워크에서 NOMA 기술을 발전시키기 위한 체계적인 연구 로드맵을 제공한다.
• NOMA는 향후 6G 환경에서 대량의 연결성과 초고신뢰성 저지연 통신(URLLC)을 지원할 잠재력이 높다.