[论文解读] Exploiting NOMA for UAV Communications in Large-Scale Cellular Networks

Tianwei Hou, Yuanwei Liu+3 more|arXiv (Cornell University)|Feb 5, 2019

UAV Applications and Optimization参考文献 41被引用 4

一句话总结

本文提出了一种在大规模蜂窝网络中采用非正交多址（NOMA）的无人机（UAV）通信框架，利用随机几何方法建模无人机与用户的位置分布。提出了以无人机为中心和以用户为中心的卸载及应急通信策略，在非完美连续干扰 cancellation（ipSIC）条件下推导出精确的覆盖概率表达式，表明ipSIC系数是性能的主导因素，当功率分配与速率优化时，NOMA显著优于正交多址（OMA）。

ABSTRACT

This paper advocates a pair of strategies in non-orthogonal multiple access (NOMA) in unmanned aerial vehicles (UAVs) communications, where multiple UAVs play as new aerial communications platforms for serving terrestrial NOMA users. A new multiple UAVs framework with invoking stochastic geometry technique is proposed, in which a pair of practical strategies are considered: 1) the UAV-centric strategy for offloading actions and 2) the user-centric strategy for providing emergency communications. In order to provide practical insights for the proposed NOMA assisted UAV framework, an imperfect successive interference cancelation (ipSIC) scenario is taken into account. For both UAV-centric strategy and user-centric strategy, we derive new exact expressions for the coverage probability. We also derive new analytical results for orthogonal multiple access (OMA) for providing a benchmark scheme. The derived analytical results in both user-centric strategy and UAV-centric strategy explicitly indicate that the ipSIC coefficient is a dominant component in terms of coverage probability. Numerical results are provided to confirm that i) for both user-centric strategy and UAV-centric strategy, NOMA assisted UAV cellular networks is capable of outperforming OMA by setting power allocation factors and targeted rate properly; and ii) the coverage probability of NOMA assisted UAV cellular framework is affected to a large extent by ipSIC coefficient, target rates and power allocations factors of paired NOMA users.

研究动机与目标

• 为解决基于无人机的蜂窝网络中频谱与能量利用效率的问题。
• 通过将无人机作为空中基站，在灾难场景和临时事件中提升连接性。
• 通过将NOMA集成到无人机网络中，提升频谱与能量效率。
• 利用随机几何方法对大规模无人机网络的覆盖性能进行建模与分析。
• 在现实的非完美SIC条件下，对比NOMA与OMA的性能。

提出的方法

• 提出一种基于泊松点过程建模无人机与用户分布的大规模无人机网络模型。
• 应用随机几何方法，推导来自干扰无人机与用户的干扰的拉普拉斯变换。
• 采用Nakagami-m衰落模型描述小尺度衰落，包含 Line-of-Sight（LoS）与非视 Line-of-Sight（non-LoS）分量。
• 使用泊松孔过程（Poisson Hole Process, PHP）隔离距离为R的最强干扰无人机。
• 在非完美连续干扰 cancellation（ipSIC）条件下，推导以无人机为中心与以用户为中心策略的精确覆盖概率表达式。
• 在接收端采用功率域NOMA与叠加编码，并考虑非完美取消效应。

实验结果

研究问题

• RQ1 与OMA相比，NOMA在无人机辅助蜂窝网络中如何提升覆盖概率？
• RQ2 非完美SIC系数对基于NOMA的无人机网络覆盖性能有何影响？
• RQ3 功率分配因子与目标速率如何影响NOMA辅助无人机系统的覆盖概率？
• RQ4 在随机几何条件下，以无人机为中心与以用户为中心策略的分析性能极限是什么？
• RQ5 最强干扰源（距离为R）的接近程度如何影响系统覆盖？

主要发现

• 当功率分配因子与目标速率被合理优化时，NOMA在覆盖概率方面优于OMA。
• 非完美SIC系数是影响以无人机为中心与以用户为中心策略覆盖概率的主导因素。
• 非完美SIC会显著降低覆盖概率，凸显了对鲁棒接收机设计的需求。
• 推导出的精确覆盖概率表达式适用于NOMA与OMA，使得性能可直接比较。
• 距离为R的最强干扰源具有显著影响，通过泊松孔过程排除该干扰源可提升分析的可 tractability 与准确性。
• 数值结果证实，经过参数优化的NOMA在无人机网络中实现了比OMA更高的频谱效率与更好的可靠性。