[论文解读] Adaptive Multi-User Clustering and Power Allocation for NOMA Systems with Imperfect SIC

Nemalidinne Siva Mouni, M. Pavan Reddy+2 more|arXiv (Cornell University)|Mar 29, 2022

Advanced Wireless Communication Technologies被引用 5

一句话总结

该论文提出了一种非正交多址（NOMA）系统在非完美连续干扰 cancellation（SIC）下的自适应多用户聚类（AMUC）与功率分配方案。该方案推导出功率分配因子和SIC不完善程度的解析边界，以确保NOMA速率超过OMA速率，并设计了一种基于速率增益准则递归分割聚类的聚类算法。主要贡献在于提出了一种可证明具有速率保障、复杂度低的算法，在实际SIC不完善条件下提升了频谱效率。

ABSTRACT

Non-orthogonal multiple access (NOMA) is recognized as a promising radio access technique for the next generation wireless systems. We consider a practical downlink NOMA system with imperfect successive interference cancellation and derive bounds on the power allocation factors for a given number of users in each cluster. We propose a minimum signal-to-interference-plus-noise ratio difference criterion between two successive NOMA users in a cluster of users to achieve higher rates than an equivalent orthogonal multiple access (OMA) system. We then propose adaptive multi-user clustering and power allocation algorithms for downlink NOMA systems. Through extensive simulations, we show that the proposed algorithms achieve higher rates than the state-of-the-art algorithms.

研究动机与目标

• 为解决在非完美SIC条件下NOMA系统中用户聚类与功率分配的挑战，其中传统方案可能无法保证速率增益。
• 推导出功率分配因子的解析下界与SIC不完善参数的上界，以确保NOMA速率超过OMA速率。
• 设计一种低复杂度、自适应的聚类算法，基于速率增益准则递归分割聚类，以最大化频谱效率。
• 提出一种功率分配策略，从最弱用户开始，根据推导出的边界分配最小必要功率，然后将剩余功率分配给最强用户。
• 通过在泊松分布的基站与用户组成的现实城市蜂窝场景下进行仿真，验证所提方案。

提出的方法

• 通过NOMA速率必须超过OMA速率的条件，推导出功率分配因子αi的下界，得到不等式(13)。
• 引入函数F(γ_i^OMA)以简化边界表达式，并定义δi，用于制定聚类约束条件。
• 提出AMUC算法，当速率增益条件不满足时，将聚类递归地划分为两半，并采用近-远配对策略以保持吞吐量增益。
• 采用从最弱用户（Gth）开始的递归功率分配，利用推导出的下界，然后将剩余功率分配给最强用户以最大化和速率。
• 使用伪代码（算法1）整合聚类与功率分配，其复杂度分析为O((2N/G)(G log₂G − (1−G)/(1−log₂G)))。
• 采用蒙特卡洛仿真，基于城市场景中泊松分布的基站与用户，评估不同聚类大小下的频谱效率。

实验结果

研究问题

• RQ1 在存在SIC不完善的情况下，NOMA用户要实现高于OMA的速率，所需的最小功率分配因子是多少？
• RQ2 SIC不完善程度（β）应如何界定，才能确保NOMA速率增益超过OMA？
• RQ3 何种聚类策略可确保在非完美SIC条件下，多用户NOMA的频谱效率仍高于OMA？
• RQ4 如何优化功率分配以在满足速率增益约束的前提下最大化和速率？
• RQ5 所提出的自适应聚类与功率分配算法的计算复杂度是多少？

主要发现

• 公式(13)中推导出的αi下界可确保在满足条件时，对任意用户i均有R_i^NOMA > R_i^OMA。
• 所提出的AMUC算法通过在速率增益条件不满足时递归分割聚类，实现了比传统聚类更高的频谱效率。
• 仿真结果表明，小区频谱效率随最优聚类大小提升，在64个用户的场景下峰值出现在G=8。
• 基于推导边界的功率分配策略可确保为每个用户分配最小必要功率，剩余功率则分配给最强用户以最大化和速率。
• AMUC算法的最坏情况复杂度为O((2N/G)(G log₂G − (1−G)/(1−log₂G)))，具有良好的可扩展性与实际部署效率。
• 只要β保持在推导出的上界范围内，该算法在非完美SIC下仍能维持速率增益。