[论文解读] A Survey: Non-Orthogonal Multiple Access with Compressed Sensing Multiuser Detection for mMTC

Mehmood Alam, Qi Zhang|arXiv (Cornell University)|Oct 12, 2018

Advanced Wireless Communication Technologies参考文献 55被引用 9

一句话总结

本综述提出将非正交多址接入（NOMA）与基于压缩感知的多用户检测（CS-MUD）相结合，作为5G及以后网络中大规模机器类型通信（mMTC）的可扩展解决方案。通过利用低数据速率物联网设备的突发性活动特性，CS-MUD实现了无调度接入并降低了信令开销，显著提升了频谱效率和用户容量，同时将计算负载转移至基站。

ABSTRACT

One objective of the 5G communication system and beyond is to support massive machine type of communication (mMTC) to propel the fast growth of diverse Internet of Things use cases. The mMTC aims to provide connectivity to tens of billions sensor nodes. The dramatic increase of sensor devices and massive connectivity impose critical challenges for the network to handle the enormous control signaling overhead with limited radio resource. Non-Orthogonal Multiple Access (NOMA) is a new paradigm shift in the design of multiple user detection and multiple access. NOMA with compressive sensing based multiuser detection is one of the promising candidates to address the challenges of mMTC. The survey article aims at providing an overview of the current state-of-art research work in various compressive sensing based techniques that enable NOMA. We present characteristics of different algorithms and compare their pros and cons, thereby provide useful insights for researchers to make further contributions in NOMA using compressive sensing techniques.

研究动机与目标

• 解决5G网络中大规模连接与高控制信令开销在mMTC中的关键挑战。
• 克服传统正交多址接入（OMA）方案（如TDMA、FDMA和CDMA）在大规模物联网场景下的频谱效率低下问题。
• 探索并对比利用压缩感知技术检测NOMA系统中突发活跃用户的先进CS-MUD技术。
• 识别基于CS-MUD的NOMA系统中检测精度、计算复杂度与系统性能之间的权衡。
• 为mMTC中高效、低复杂度的无调度接入提供设计洞见与未来研究方向。

提出的方法

• 综述并分类关键的CS-MUD技术：标准CS-MUD、增强型CS-MUD（E-CSMUD）、多序列CS-MUD（MS-CSMUD）以及CS-MPA。
• 利用压缩感知理论从欠定线性系统中检测活跃用户，利用用户活动的稀疏性特征。
• 在基站采用贪婪追踪算法（如GOMP）和消息传递算法（如CS-MPA中的算法）实现稀疏信号恢复。
• 使用概率性活动模式建模用户活动，并通过优化扩频序列以最小化互相关性和检测误码率。
• 将NOMA原理——如功率域复用和用户配对——整合进CS-MUD框架，以增强系统过载能力。
• 通过仿真对比分析检测增益、复杂度和误码率在不同活动概率下的性能权衡。

实验结果

研究问题

• RQ1 不同CS-MUD方案（如CS-MUD、E-CSMUD、MS-CSMUD、CS-MPA）在检测性能和计算复杂度方面如何比较？
• RQ2 用户活动概率和扩频序列设计对NOMA系统中CS-MUD检测精度有何影响？
• RQ3 NOMA与压缩感知技术的结合如何提升频谱效率并支持mMTC中的大规模连接？
• RQ4 基于CS-MUD的NOMA系统中的关键性能限制因素有哪些，如序列互相关性和多用户干扰？
• RQ5 优化签名分配能否降低检测误码率，尤其是在高度相关用户同时活跃时？

主要发现

• 基于CS-MUD的NOMA在低活动概率（例如5%）下相比传统方案性能提升最高达120%，如图15所示。
• CS-MPA方案检测性能最高，但其复杂度随活跃用户数增加呈指数增长，尤其在高活动概率下更为显著。
• 与基线CS-MUD相比，E-CSMUD和MS-CSMUD的复杂度分别增加2倍和4倍，原因在于每个用户使用多序列及帧ID解码。
• 当活动概率从0.05增至0.1时，MS-CSMUD的性能显著下降，主要由于多用户干扰和序列互相关性增加。
• 高度相关的扩频序列会导致最大检测误码率，尤其当两个此类用户同时活跃时。
• 基于活动概率优化签名分配可降低检测误码率，通过最小化将相关序列分配给可能同时活跃用户的概率。