[论文解读] Energy-Efficient Transmission Design in Non-Orthogonal Multiple Access
本文提出了一种用于下行链路单天线系统中非正交多址接入(NOMA)的节能功率分配策略,在满足用户速率约束的条件下,最大化单位总功耗下的频谱效率。通过将非凸分数规划问题分解为两个子问题——分别采用闭式表达式和二分搜索求解——表明与传统的正交多址接入(OMA)相比,NOMA在用户信道条件差异较大时能实现显著更高的能量效率。
Non-orthogonal multiple access (NOMA) is considered as a promising technology for improving the spectral efficiency (SE) in 5G. In this correspondence, we study the benefit of NOMA in enhancing energy efficiency (EE) for a multi-user downlink transmission, where the EE is defined as the ratio of the achievable sum rate of the users to the total power consumption. Our goal is to maximize the EE subject to a minimum required data rate for each user, which leads to a non-convex fractional programming problem. To solve it, we first establish the feasible range of the transmitting power that is able to support each user's data rate requirement. Then, we propose an EE-optimal power allocation strategy that maximizes the EE. Our numerical results show that NOMA has superior EE performance in comparison with conventional orthogonal multiple access (OMA).
研究动机与目标
- 为应对5G网络中日益增长的能耗问题,通过优化NOMA系统中的能量效率(EE)来解决该问题。
- 在多用户下行链路NOMA系统中,最大化和速率与总功耗之比(即EE)。
- 通过最小数据速率约束,满足每个用户的质量保障(QoS)要求。
- 求解在实际功率和速率约束下,由EE最大化引发的非凸分数规划问题。
- 证明NOMA在不同用户部署场景下,能量效率优于传统的OMA。
提出的方法
- 将EE最大化问题建模为非凸分数规划问题,其中EE定义为和速率除以总功耗(包括发射功耗与电路功耗)。
- 通过功率分配系数的约束,推导出满足每个用户最小速率要求的可行功率范围。
- 将主问题分解为两个顺序子问题:第一个为多变量非凸优化,采用闭式表达式求解;第二个为单变量拟凹优化,采用二分法求解。
- 在用户端采用连续干扰消除(SIC),并假设基站具备完美的瞬时信道状态信息(CSI)。
- 应用Karush-Kuhn-Tucker(KKT)条件以证明最优性,并推导出功率分配系数的闭式表达式。
- 采用数学归纳法证明最优功率分配关于总功率参数的单调性。
实验结果
研究问题
- RQ1在具有个体速率约束的多用户下行链路系统中,NOMA能否实现比传统OMA更高的能量效率?
- RQ2在实际约束条件下,如何有效分解并求解EE最大化问题中的非凸分数规划问题?
- RQ3用户位置与信道增益分布对NOMA系统可实现能量效率有何影响?
- RQ4最优功率分配策略如何依赖于最低数据速率需求与信道条件?
- RQ5信道增益最强的用户在决定系统级能量效率方面起什么作用?
主要发现
- 当用户与基站距离不同时,NOMA相比OMA能实现显著更高的能量效率。
- 信道增益最强的用户(距离基站最近)主导系统能量效率,因其能更高效地利用功率。
- 在情况2(一个用户靠近,两个用户远离)中,尽管平均距离与情况3(所有用户处于相同平均距离)相近,但其性能更优,证实了最强信道的影响。
- 所提出的算法通过求解两个子问题实现高效收敛:前K₀个用户的功率分配采用闭式解,剩余功率分配采用二分法求解。
- 最优功率分配系数关于总功率参数严格递增,确保收敛过程单调且稳定。
- 数值结果证实,无论在高路径损耗或衰落环境中,NOMA在所有测试场景下均保持优越的能量效率表现。
更好的研究,从现在开始
从阅读论文到最终审阅,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。