[论文解读] Modeling, Analysis, and Optimization of Grant-Free NOMA in Massive MTC via Stochastic Geometry

Jiaqi Liu, Gang Wu+3 more|arXiv (Cornell University)|Apr 5, 2020

Advanced Wireless Communication Technologies参考文献 37被引用 4

一句话总结

该论文提出了一种用于大规模机器类通信（mMTC）的无调度非正交多址接入（GF-NOMA）方案，采用非正交前导序列（NOPs）和基于压缩感知（CS）的多用户检测，并通过随机几何建模。推导了成功概率、信道估计误差和平均数据速率的闭式表达式，结果表明基于CS的GF-NOMA在能量效率和覆盖效率方面优于争用式和正交无调度方案。

ABSTRACT

Massive machine-type communications (mMTC) is a crucial scenario to support booming Internet of Things (IoTs) applications. In mMTC, although a large number of devices are registered to an access point (AP), very few of them are active with uplink short packet transmission at the same time, which requires novel design of protocols and receivers to enable efficient data transmission and accurate multi-user detection (MUD). Aiming at this problem, grant-free non-orthogonal multiple access (GF-NOMA) protocol is proposed. In GF-NOMA, active devices can directly transmit their preambles and data symbols altogether within one time frame, without grant from the AP. Compressive sensing (CS)-based receivers are adopted for non-orthogonal preambles (NOP)-based MUD, and successive interference cancellation is exploited to decode the superimposed data signals. In this paper, we model, analyze, and optimize the CS-based GF-MONA mMTC system via stochastic geometry (SG), from an aspect of network deployment. Based on the SG network model, we first analyze the success probability as well as the channel estimation error of the CS-based MUD in the preamble phase and then analyze the average aggregate data rate in the data phase. As IoT applications highly demands low energy consumption, low infrastructure cost, and flexible deployment, we optimize the energy efficiency and AP coverage efficiency of GF-NOMA via numerical methods. The validity of our analysis is verified via Monte Carlo simulations. Simulation results also show that CS-based GF-NOMA with NOP yields better MUD and data rate performances than contention-based GF-NOMA with orthogonal preambles and CS-based grant-free orthogonal multiple access.

研究动机与目标

• 解决大规模机器类通信（mMTC）中突发性设备活动带来的低时延、高连接率上行链路传输挑战。
• 克服基于调度和争用式无调度协议的局限性，后者存在高时延和前导序列碰撞问题。
• 设计一种无争用、高能效的接入方案，利用非正交前导序列（NOPs）和压缩感知（CS）实现多用户检测。
• 通过随机几何建模优化系统性能，提升能量效率和接入点（AP）覆盖范围。
• 为基于CS的GF-NOMA在真实随机网络部署中的性能提供分析指标——包括成功概率、信道估计误差和数据速率。

提出的方法

• 使用泊松点过程（PPP）建模mMTC网络以表示设备的随机分布，支持随机几何分析。
• 采用非正交前导序列（NOPs）实现多个设备同时传输而无碰撞，利用设备的稀疏性。
• 在前导阶段应用基于压缩感知（CS）的算法进行活动用户检测（AUD）和信道估计（CE）。
• 在数据阶段，接入点（AP）采用连续干扰消除（SIC）解调叠加的数据信号。
• 利用拉普拉斯变换和坎贝尔定理，推导关键性能指标的闭式表达式：成功概率、信道估计误差和平均聚合数据速率。
• 通过数值方法优化能量效率和AP覆盖效率，考虑发射功率、路径损耗和前导序列长度等系统参数。

实验结果

研究问题

• RQ1 在随机设备部署下，基于CS的GF-NOMA系统中活动用户检测的成功概率是多少？
• RQ2 前导阶段的信道估计误差如何影响系统整体性能，包括数据速率和可靠性？
• RQ3 在所提出的基于CS的GF-NOMA协议下，数据阶段实现的平均聚合数据速率是多少？
• RQ4 与采用正交前导序列的争用式GF-NOMA及基于CS的无调度正交接入相比，该系统在频谱效率和能量效率方面的性能表现如何？
• RQ5 在所提出的GF-NOMA框架中，使能量效率和AP覆盖效率最大化的最优系统参数是什么？

主要发现

• 通过随机几何方法推导出活动用户检测的成功概率闭式表达式，表明即使在高设备密度下仍具有高可靠性。
• 信道估计误差得到理论边界约束，并显示其随前导序列长度和信噪比（SNR）增加而减小。
• 平均聚合数据速率被推导为活动用户数、路径损耗指数和系统带宽的函数，SIC显著提升了性能。
• 蒙特卡洛仿真验证了分析结果，确认了成功概率和数据速率表达式的准确性。
• 基于CS的GF-NOMA结合NOPs在多用户检测和数据速率性能方面优于采用正交前导序列的争用式GF-NOMA及基于CS的无调度正交接入方案。
• 优化结果表明，所提方案在低SNR和高设备密度场景下，相比基准方案实现了更高的能量效率和AP覆盖效率。