[论文解读] Use of Non-Orthogonal Multiple Access in Dual-hop relaying
本文提出了一种在双跳非正交多址接入(NOMA)中继系统中的两阶段功率分配方案,其中源节点和中继节点均采用波束成形编码并优化功率分配。通过在接收端结合最大比合并(MRC)并推导出高信噪比(SNR)下的闭式遍历和速率(SR)表达式,该方案相较于现有NOMA中继方法实现了显著的SR增益,且次优功率分配在高SNR下几乎与最优性能一致。
To improve the sum-rate (SR) of the dual-hop relay system, a novel two-stage power allocation scheme with non-orthogonal multiple access (NOMA) is proposed. In this scheme, after the reception of the superposition coded symbol with a power allocation from the source, the relay node forwards a new superposition coded symbol with another power allocation to the destination. By employing the maximum ratio combination (MRC), the destination jointly decodes the information symbols from the source and the relay. Assuming Rayleigh fading channels, closed-form solution of the ergodic SR at high signal-to-noise ratio (SNR) is derived and a practical power allocation is also designed for the proposed NOMA scheme. Through numerical results, it is shown that the performance of the proposed scheme is significantly improved compared with the existing work.
研究动机与目标
- 提升因源到中继链路质量较差而受限的双跳协作中继系统(CRS)中的遍历和速率(SR)性能。
- 通过在源和中继节点引入两阶段功率分配策略,解决现有基于NOMA的CRS性能受限的问题。
- 为所提出的NOMA-CRS方案推导出高SNR下的闭式遍历SR表达式。
- 设计一种实用的次优功率分配策略,使其在高SNR下能紧密逼近最优性能。
提出的方法
- 在第一时隙,源节点以功率分配因子 $a_1$ 和 $a_2$ 向中继和中继端同时发送波束成形信号。
- 中继节点通过逐次干扰消除(SIC)解码两个用户信号,并以因子 $a_3$ 和 $a_4$ 重新编码一个新的波束成形信号,在第二时隙进行传输。
- 中继端使用最大比合并(MRC)将来自源和中继的信号联合合并,以联合解码两个用户信号。
- 基于统计信道状态信息(CSI),假设瑞利衰落信道,利用高SNR下的统计特性推导出闭式遍历SR表达式。
- 通过求解遍历SR表达式对 $a_1$ 和 $a_3$ 的导数,设计出次优的两阶段功率分配策略。
- 通过20,000次信道实现的蒙特卡洛仿真验证了理论分析结果,覆盖不同信道增益设置。
实验结果
研究问题
- RQ1所提出的基于NOMA的双跳中继系统中的两阶段功率分配相较于传统CRS-NOMA,如何提升遍历和速率?
- RQ2所提出的NOMA-CRS在高SNR下的遍历和速率的闭式表达式是什么?
- RQ3所提出的次优功率分配方案在高SNR下与最优解的性能接近程度如何?
- RQ4在何种信道条件下(例如 $\alpha_{SR} > \alpha_{RD}$)该方案表现出最大的性能增益?
主要发现
- 所提方案在0–20 dB SNR范围内,相较于文献[4]中的CRS-NOMA方案,实现了显著更高的遍历和速率。
- 推导出的式(25)中的理论遍历SR表达式与仿真结果高度吻合,验证了理论模型的正确性。
- 基于式(27)和(28)推导出的次优功率分配方案在高SNR下紧密跟踪最优解,证实了其实际应用价值。
- 当 $\alpha_{SR} > \alpha_{RD}$ 时性能增益最为显著,表明在有利中继信道条件下可获得更高的分集增益。
- 在高SNR下,所提方案与CRS-NOMA均收敛至相同的分集增益 $\frac{1}{2}\log_2 \rho$,证实了其渐近最优性。
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。