[论文解读] Optimizing Non-Orthogonal Multiple Access in Random Access Networks

Ziru Chen, Yong Liu+4 more|arXiv (Cornell University)|Feb 14, 2020

Advanced Wireless Communication Technologies参考文献 13被引用 4

一句话总结

本文提出了一种优化的p-纯 aloha 协议，结合非正交多址接入（NOMA），以在随机接入网络中最大化网络吞吐量。通过建模高功率与低功率用户的传输概率，并应用连续干扰消除（SIC），作者推导出成功进行NOMA解调的解析条件，并提出一种迭代算法，联合优化高/低功率用户的传输概率，相较于传统ALOHA实现了显著的吞吐量增益。

ABSTRACT

Non-orthogonal multiple access (NOMA) has been considered as a promising solution for improving the spectrum efficiency of next-generation wireless networks. In this paper, the performance of a p-persistent slotted ALOHA system in support of NOMA transmissions is investigated. Specifically, wireless users can choose to use high or low power for data transmissions with certain probabilities. To achieve the maximum network throughput, an analytical framework is developed to analyze the successful transmission probability of NOMA and long term average throughput of users involved in the non-orthogonal transmissions. The feasible region of the maximum number of concurrent users using high and low power to ensure successful NOMA transmissions are quantified. Based on the analysis, an algorithm is proposed to find the optimal transmission probabilities for users to choose high and low power to achieve the maximum system throughput. In addition, the impact of power settings on the network performance is further investigated. Simulations are conducted to validate the analysis.

研究动机与目标

• 为解决在随机接入和有限信道状态信息条件下，最大化机器类型通信（MTC）的频谱效率的挑战。
• 分析在用户以可变功率级别随机接入信道的p-纯时隙ALOHA系统中，NOMA的可行性。
• 推导出高功率与低功率用户可同时存在的可行区域，以通过SIC确保成功的NOMA解调。
• 开发一种优化算法，联合确定高功率与低功率模式下的最优传输概率，以最大化长期平均系统吞吐量。

提出的方法

• 建立数学模型，基于用户分布、路径损耗、衰落信道和功率分配，计算NOMA用户的成功传输概率。
• 推导出长期平均吞吐量的解析表达式，结合由SINR和SIC性能决定的用户特定数据速率。
• 通过量化高功率与低功率用户数量的可行区域，确定NOMA成功传输的充分必要条件。
• 提出一种迭代算法，交替优化高功率与低功率用户的传输概率，以最大化系统吞吐量。
• 采用功率控制策略，用户以概率τ₁选择高功率（v₁），以概率τ₂选择低功率（v₂），以平衡干扰与可靠性。
• 通过MATLAB进行蒙特卡洛仿真，验证解析模型，并将NOMA增强的ALOHA与传统ALOHA进行比较。

实验结果

研究问题

• RQ1 在p-纯时隙ALOHA系统中，通过SIC实现成功NOMA解调时，高功率与低功率用户的可行区域是什么？
• RQ2 高功率与低功率模式的传输概率τ₁和τ₂如何影响长期平均系统吞吐量？
• RQ3 在用户数量和功率水平变化时，τ₁和τ₂的最优联合配置是什么，以最大化系统吞吐量？
• RQ4 功率电平（v₁, v₂）和SINR阈值的选择如何影响随机接入网络中NOMA的性能？
• RQ5 与无NOMA的常规p-纯ALOHA相比，NOMA在吞吐量方面提升了多少？

主要发现

• 高功率与低功率用户的最优传输概率τ₁和τ₂不相等；为最大化吞吐量，需满足τ₁ > τ₂，因为高功率可提升解调可靠性与复用增益。
• 在用户数m达到特定值时，网络吞吐量达到最大，随后因竞争增加而下降；当传输概率较低时，峰值向右移动。
• 所提出的算法在约10次迭代内收敛至最优解，此后吞吐量提升可忽略不计。
• 仿真结果证实，NOMA增强的ALOHA相比传统ALOHA实现了显著更高的吞吐量，尤其在中等用户密度下表现更优。
• 成功NOMA传输的可行区域是有限的：当n₁=2个高功率用户和n₂=5个低功率用户时，两者均可被正确解调；当n₂超过10时，低功率用户因干扰过强而解调失败。
• 当用户分布在不同距离且功率水平被精确控制以平衡干扰与速率时，NOMA带来的吞吐量增益最为显著。