Skip to main content
QUICK REVIEW

[论文解读] A Simple Design of IRS-NOMA Transmission

Zhiguo Ding, H. Vincent Poor|arXiv (Cornell University)|Jul 16, 2019
Advanced Wireless Communication Technologies参考文献 7被引用 23
一句话总结

本文提出了一种智能反射表面(IRS)辅助的非正交多址接入(NOMA)方案,通过IRS相位移控对齐用户信道向量,提升频谱效率,使每个空间波束可同时服务多个用户。主要贡献在于提出了一种实用设计,在有限分辨率相位移器导致的硬件损伤下仍能实现高 spectral efficiency 和改进的连接性,推导并验证了中断概率的解析表达式。

ABSTRACT

This letter proposes a simple design of intelligent reflecting surface (IRS) assisted non-orthogonal multiple access (NOMA) transmission, which can ensure that more users are served on each orthogonal spatial direction than spatial division multiple access (SDMA). In particular, by employing IRS, the directions of users' channel vectors can be effectively aligned, which facilitates the implementation of NOMA. Both analytical and simulation results are provided to demonstrate the performance of the proposed IRS-NOMA scheme and also study the impact of hardware impairments on IRS-NOMA.

研究动机与目标

  • 为解决传统空分多址(SDMA)每空间方向仅能服务一个用户的问题,实现每个波束支持多个用户。
  • 探究IRS是否可动态对齐用户信道向量,以促进NOMA传输,从而克服由传播引起的正交性限制。
  • 表征在硬件损伤(特别是有限分辨率相位移器)影响下实际IRS-NOMA系统的性能。
  • 推导IRS-NOMA的解析中断概率表达式,并通过仿真验证。

提出的方法

  • 采用具有N个可重构反射单元的IRS,调整信号的相位移,对齐多个用户的等效信道向量。
  • 在基站使用迫零波束成形服务K个近点用户,同时每个波束额外通过IRS辅助NOMA服务一个边缘用户。
  • 将每个边缘用户的接收信号建模为IRS反射系数、信道矩阵和功率分配系数的函数。
  • 推导用户解调的SINR表达式,包含用户间干扰和噪声,并基于统计信道状态信息构建中断概率模型。
  • 应用随机几何与特殊函数(如修正贝塞尔函数)推导不同IRS波束成形策略下的中断概率闭式表达式。
  • 对比理想波束成形与实际的开关式(on-off)及基于离散傅里叶变换(DFT)的相位移方案,评估硬件约束下的性能。

实验结果

研究问题

  • RQ1IRS能否用于对齐多个用户的等效信道向量,实现在同一空间波束上的NOMA传输?
  • RQ2IRS中使用有限分辨率相位移器如何影响NOMA系统的中断性能?
  • RQ3在硬件损伤下,IRS-NOMA的分集增益与误码地板行为如何?
  • RQ4不同IRS波束成形策略(如开关式与DFT)对系统中断概率有何影响?
  • RQ5所推导的解析中断概率表达式能否准确预测实际IRS-NOMA系统的性能?

主要发现

  • 所提出的IRS-NOMA方案通过每个空间波束服务多个用户,相比传统SDMA实现了更高的频谱效率。
  • 理想波束成形下的中断概率可随发射功率增加而趋近于零,表明获得全分集增益。
  • 采用有限分辨率相位移器的实际IRS-NOMA系统在中断概率上表现出误码地板,无法通过增加发射功率消除。
  • 通过增加IRS反射单元数N可缓解该误码地板,如引理2中的解析近似所示。
  • 在单用户与多用户场景下,开关式IRS波束成形策略的中断性能优于基于DFT的方案。
  • 引理1与引理2中推导的解析中断概率表达式与仿真结果高度吻合,验证了其准确性和有效性。

更好的研究,从现在开始

从论文设计到论文写作,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。