[论文解读] 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 27

一句话总结

本文通过提出‘一个基本原理加四个新概念’框架，构想了6G网络的未来愿景，核心为非正交多址接入（NOMA）。研究探讨了NOMA在实现海量连接方面的角色，及其与先进物理层技术及机器学习的融合，强调连续干扰消除（SIC）作为基础，并对比分析了基于信道状态信息的SIC与基于服务质量的SIC两种方法。

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.

研究动机与目标

• 建立非正交多址接入（NOMA）在第六代（6G）网络中应用的综合框架。
• 应对新兴的6G性能需求，特别是海量连接与超可靠低时延通信。
• 研究NOMA与新型物理层技术及机器学习的融合，以提升频谱效率与网络智能化水平。
• 评估基于信道状态信息的SIC与基于服务质量的SIC在NOMA系统中的权衡关系。
• 识别并定义NOMA在6G时代的新应用场景与研究机遇。

提出的方法

• 提出NOMA的‘一个基本原理’，其基础为时频域复用与连续干扰消除（SIC），作为6G多址接入的基石。
• 引入四个新概念：NOMA与太赫兹及可见光通信的融合、智能反射面、太赫兹频段NOMA，以及机器学习赋能的资源分配。
• 通过对比两种SIC变体——基于信道状态信息（CSI）的SIC与基于服务质量（QoS）的SIC——分析NOMA中SIC的性能表现。
• 研究NOMA与新兴物理层技术（如智能反射面与太赫兹通信）之间的协同效应，以提升频谱效率与覆盖范围。
• 探索利用机器学习优化NOMA网络中的用户配对、功率分配与波束成形，实现自适应与智能的资源管理。
• 提出一种整体系统设计，将NOMA与新型无线接入技术及网络架构相结合，以满足6G的极端需求。

实验结果

研究问题

• RQ1 如何有效应用NOMA以满足6G网络在海量连接与高谱效用方面的需求？
• RQ2 基于信道状态信息的SIC与基于服务质量的SIC在NOMA系统中各有哪些相对优势与局限性？
• RQ3 NOMA在6G中如何与太赫兹通信、智能反射面等新型物理层技术实现融合？
• RQ4 机器学习在动态6G网络环境中如何提升NOMA的性能与适应性？
• RQ5 在6G所设想的应用场景与网络架构背景下，NOMA将催生哪些新型应用场景？

主要发现

• 连续干扰消除（SIC）仍是NOMA的关键使能技术，基于信道状态信息的SIC与基于服务质量的SIC在性能与复杂度之间各具权衡。
• NOMA与太赫兹及可见光通信的融合可显著提升频谱效率，并支持高数据速率、短距离的6G链路。
• 在NOMA中引入智能反射面可实现动态信道调控，提升非视 Line-of-Sight 环境下的覆盖性能。
• 机器学习技术可有效优化NOMA的资源分配，降低信令开销，提升公平性与吞吐量。
• 所提出的‘一个基本原理加四个新概念’框架为推动NOMA在6G网络中的发展提供了结构化的研究路线图。
• NOMA在支持未来6G场景中的海量连接与超可靠低时延通信（URLLC）方面展现出强大潜力。