[论文解读] Large Intelligent Surface Assisted Non-Orthogonal Multiple Access: Performance Analysis

Lina Bariah, Sami Muhaidat+4 more|arXiv (Cornell University)|Jul 19, 2020

Advanced Wireless Communication Technologies参考文献 34被引用 5

一句话总结

本文提出了一种大规模智能表面（LIS）辅助的非正交多址接入（NOMA）系统，以提升6G网络中的频谱效率和能量效率。通过将端到端衰落信道建模为M个半-Nakagami-m随机变量之和，推导出在非完美连续干扰 cancellation（SIC）下的对偶错误概率（PEP）和分集增益的闭式表达式，结果表明LIS显著提升了误码性能，并在M较大时实现全分集增益。

ABSTRACT

Large intelligent surface (LIS) has recently emerged as a potential enabling technology for 6G networks, offering extended coverage and enhanced energy and spectral efficiency. In this work, motivated by its promising potentials, we investigate the error rate performance of LIS-assisted non-orthogonal multiple access (NOMA) networks. Specifically, we consider a downlink NOMA system, in which data transmission between a base station (BS) and $L$ NOMA users is assisted by an LIS comprising $M$ reflective elements. First, we derive the probability density function of the end-to-end wireless fading channels between the BS and NOMA users. Then, by leveraging the obtained results, we derive an approximate expression for the pairwise error probability (PEP) of NOMA users under the assumption of imperfect successive interference cancellation. Furthermore, accurate expressions for the PEP for $M = 1$ and large $M$ values ($M > 10$) are presented in closed-form. To gain further insights into the system performance, an asymptotic expression for the PEP in high signal-to-noise ratio regime, the achievable diversity order, and a tight union bound on the bit error rate are provided. Finally, numerical and simulation results are presented to validate the derived mathematical results.

研究动机与目标

• 分析大规模智能表面（LIS）辅助的非正交多址接入（NOMA）系统在下行链路传输中的误码率性能。
• 将基站与NOMA用户之间的端到端衰落信道建模为M个半-Nakagami-m分布随机变量之和。
• 在非完美连续干扰取消（SIC）条件下，推导出对偶错误概率（PEP）的精确闭式表达式。
• 在高信噪比（SNR）区域评估分集增益和比特误码率（BER）性能。
• 通过数值计算与仿真对比验证分析结果。

提出的方法

• 将端到端信道增益建模为M个独立的半-Nakagami-m随机变量之和，表示从基站到LIS以及从LIS到每个用户的路径损耗与衰落的联合效应。
• 利用矩方法密度近似推导总信道增益的概率密度函数（PDF），并通过Fox’s H-函数近似将其表示为Meijer’s G-函数形式。
• 利用矩生成函数和多项式展开方法，计算M个半-Nakagami-m变量之和的前四阶矩。
• 在非完美SIC条件下，推导出NOMA用户对偶错误概率（PEP）的近似闭式表达式，适用于M=1和大M（>10）两种情况。
• 在高SNR区域建立PEP的渐近表达式，并通过PEP斜率推导出可实现的分集增益。
• 基于推导出的PEP表达式，提供一个紧致的比特误码率（BER）联合上界。

实验结果

研究问题

• RQ1 大规模智能表面（LIS）的部署如何影响下行NOMA系统中的对偶错误概率（PEP）？
• RQ2 反射单元数量M对LIS辅助NOMA系统中分集增益和误码率性能有何影响？
• RQ3 在非完美连续干扰取消（SIC）条件下，M=1和大M（>10）时闭式PEP表达式的准确性如何？
• RQ4 在高信噪比（SNR）区域，PEP的渐近行为如何？系统实现了何种分集增益？
• RQ5 所提出的分析模型在BER性能方面与仿真结果相比如何？

主要发现

• 推导出M=1和大M（>10）时NOMA用户的对偶错误概率（PEP）闭式表达式，实现了性能评估的高精度。
• 结果表明系统分集增益为M，说明随着M增大可实现全分集增益，这对可靠通信至关重要。
• 高SNR区域的渐近PEP表达式证实系统实现了全分集增益，PEP随SNR增大按O(SNR^(-M))的速率下降。
• 推导出一个紧致的比特误码率（BER）联合上界，其与仿真结果高度吻合，验证了分析的准确性。
• 通过前四阶矩推导出的Meijer’s G-函数形式的端到端信道PDF表示，提供了高精度近似。
• 数值结果表明，增加M可显著改善误码性能，随着M增大，BER降低数个数量级。