[论文解读] Blind Signal Classification for Non-Orthogonal Multiple Access in Vehicular Networks

Minseok Choi, Daejung Yoon+1 more|arXiv (Cornell University)|Jul 20, 2018

Advanced Wireless Communication Technologies参考文献 40被引用 4

一句话总结

本文提出了一种基于相位旋转的非正交多址接入（NOMA）盲信号分类方案，用于车辆网络以减少高层信令开销。通过旋转数据符号和导频符号，该方法可在无需显式信令的情况下实现精确的正交多址接入（OMA）/NOMA、用户类型（近用户/远用户）及调制方式的分类，实现超过1 dB的信噪比增益，并在误码率和容量方面接近理想信道探测（genie）性能。

ABSTRACT

For downlink multiple-user (MU) transmission based on non-orthogonal multiple access (NOMA), the advanced receiver strategy is required to cancel the inter-user interference, e.g., successive interference cancellation (SIC). The SIC process can be applicable only when information about the co-scheduled signal is known at the user terminal (UT) side. In particular, the UT should know whether the received signal is OMA or NOMA, whether SIC is required or not, and which modulation orders and power ratios have been used for the superposed UTs, before decoding the signal. An efficient network, e.g., vehicular network, requires that the UTs blindly classify the received signal and apply a matching receiver strategy to reduce the high-layer signaling overhead which is essential for high-mobility vehicular networks. In this paper, we first analyze the performance impact of errors in NOMA signal classification and address ensuing receiver challenges in practical MU usage cases. In order to reduce the blind signal classification error rate, we propose transmission schemes that rotate data symbols or pilots to a specific phase according to the transmitted signal format. In the case of pilot rotation, a new signal classification algorithm is also proposed. The performance improvements by the proposed methods are verified by intensive simulation results.

研究动机与目标

• 解决因需显式传输用户复用格式、调制阶数和功率分配而导致的NOMA系统高层信令开销问题。
• 在频谱、时间与能量资源受限的高速移动车辆网络中，减少对显式信令的依赖。
• 通过数据与导频符号的相位旋转，实现隐式信令，提升NOMA的盲信号分类准确性。
• 最小化因错误的连续干扰消除（SIC）导致的性能损失，该损失源于对OMA/NOMA、用户类型及调制格式的误分类。

提出的方法

• 提出一种数据符号相位旋转技术，以嵌入关于NOMA复用格式的隐式信息，辅助盲分类。
• 提出一种导频复用方法，通过对接收导频符号进行相位旋转，以辅助区分NOMA与OMA，并识别同调度用户。
• 利用接收信号估计的相位信息，实现无需显式信令的信号类型（OMA与NOMA）、用户类型（近用户与远用户）及调制格式分类。
• 采用多阶段盲分类流程：先进行OMA/NOMA分类，再进行用户类型分类，最后进行调制分类，且通过分类信息启用连续干扰消除（SIC）。
• 利用统计特征与信号结构提升在低信噪比与高速移动环境下的分类鲁棒性。
• 通过误码率（WER）、调制分类（MC）错误率及用户容量等指标评估性能，并与最大似然分类（MLC）及理想信道探测方案进行对比。

实验结果

研究问题

• RQ1 如何改进NOMA系统中的盲信号分类，以减少在资源受限的车辆网络中对高层信令的依赖？
• RQ2 OMA/NOMA、近/远用户及调制格式的错误分类对NOMA系统容量与误码性能有何影响？
• RQ3 能否通过数据与导频符号的相位旋转隐式传递复用格式信息，以实现无需额外信令的盲分类？
• RQ4 所提出的分类方法在分类准确率、WER与频谱效率方面，与传统MLC及理想信道探测方案相比表现如何？
• RQ5 在NOMA系统中采用基于相位旋转的盲分类方法，可在信噪比与容量方面实现多大的性能增益？

主要发现

• 所提出的基于相位旋转的分类（PRC）在误码率（WER）性能上相比传统MLC及MLC-PRM方案，实现超过1 dB的信噪比增益。
• PRC在WER与用户容量方面达到接近理想信道探测（genie-aided）方案的性能，尤其在高信噪比区域，与理想方案的性能差距可忽略不计。
• 在低信噪比区域，PRC在分类准确率方面显著优于MLC与MLC-PRM，尤其在区分近/远用户类型与调制格式方面表现突出。
• PRC的MC错误率显著低于MLC与MLC-PRM，尤其在约15 dB信噪比附近，此时分类错误主导系统性能。
• 由于分类错误导致的容量退化在PRC中被最小化，与理想信道探测方案相比几乎无损失，尤其在场景3（高速移动场景）中表现显著。
• 所提方法通过消除对调制格式、功率比与用户类型等显式信令的需求，降低了系统开销，提升了车辆网络中的频谱与能量效率。