MIMO⁃NOMA 传输机制研究综述：存在问题与新方法探索

宋荣方，王 鸿

(南京邮电大学 通信与信息工程学院，江苏 南京 210003)

第五代移动通信（5G）网络正在世界范围内全面部署，与此同时人们开始聚焦于6G 无线通信网的研究，以满足2030 年以后的业务需求。 与5G 网络相比，6G 无线通信网络必须具备更高的频谱／能量／成本效率、更高的数据速率（Tb／s）、更低的时延（10 倍以上）、更大的连接数（100 倍以上），以及更广的覆盖范围（接近100%）［1］。 为了达到这些要求，必须在空中接口和传输技术，以及网络架构等方面有进一步创新和突破。

多址方式是移动通信系统的重要标志，非正交多址（Non⁃orthogonal Multiple Access，NOMA）因其具有比正交多址（Orthogonal Multiple Access，OMA）更高的容量、较好的用户间公平性、更低的时延，以及可灵活支持较大的并发连接数，曾被认为是5G 系统的关键技术，持续受到学术界与工业界的广泛关注［2－10］。 然 而， NOMA 取 代 正 交 频 分 多 址（Orthogonal Frequency Division Multiple Access，OFDMA）的愿景在5G 系统中并未实现。 在3GPP标准化工作方面，NOMA 的应用尚处于初级阶段。3GPP LTE⁃A Rel.13 研究项目提出采用下行链路多用户叠加传输（Multiuser Superposition Transmission，MUST）的非正交多址［11－13］，以增强下行链路系统吞吐量和小区边缘性能，并在3GPP NR Rel.14 阶段设立工作项目对其进行标准化［14－15］，但MUST 仅作为辅助的可选模式纳入Rel.15。 Rel.14 和Rel.15 研究项目中关于上行链路NOMA 的提案众多［5－6，16］；然而，最终没有通过工作项目进行标准化，但3GPP 全会同意在后续版本中继续研究NOMA 的潜在技术方案。 尽管到目前为止尚未在上行链路物理层对NOMA 进行标准化，但是为了支持物联网中面向异步小数据包传输的上行链路大规模接入，3GPP NR Rel.16 在已有的四步随机接入信道（4⁃step RACH）基础上，针对上行链路免调度（grant⁃free）传输的两步随机接入信道（2⁃step RACH）（见图1）进行了标准化［17］，从而在媒体接入控制层为物理层采用NOMA 数据传输打下了基础。 由于NOMA 的非正交特性，它不需要精准的正交调度，从而降低信令开销和时延，非常适合上行链路免调度两步随机接入信道的小数据包传输。

图1 免调度两步随机接入

NOMA 在5G 标准化过程中遭遇挫折。 一方面是因为不同的公司提出的方案形式众多，难以达成一致，没有形成支持各种应用场景的统一的NOMA框架［1］；另一方面，NOMA 技术尚需进一步研究，以增强性能优势，降低复杂度，预期在后5G（beyond 5G，B5G）系统中得到应用［18］。

本文针对功率域NOMA 展开综述。 多用户在相同空／时／频域上叠加传输，接收端通过串行干扰删除（Successive Interference Cancellation，SIC）区分不同用户，实现一个资源块上多个用户同时传输［19］。 由于功率域NOMA 的收发机与OMA 兼容性较好，因此颇受工业界欢迎。 但在这种系统中，先解调用户需将后解调用户的信号当作噪声处理，当同一资源块上并发用户数增加时，为确保用户的信干噪比达到设定的阈值，以获得一定的服务质量，先解调用户的发射功率将随用户数增加呈指数级增长；另一方面，后解调用户需删除先解调用户的重构信号后再解调自身信号，故若在同一资源块上同时接入过多用户，采用串行干扰删除不仅会造成较大的接收复杂度，还会引起严重的误差传播［20－22］。 如果对用户进行分簇，实现NOMA 与OMA 混合多址，降低接收机复杂度，减少误差传播，则必须运行复杂的分簇最优化算法［23－25］。 这些因素阻碍了功率域NOMA 在大连接系统中的应用。

众所周知，大规模多入多出（Multiple Input Multiple Output，MIMO）技术是利用空间域大幅提升系统频谱效率或可靠性的关键技术。 然而，基于多用户MIMO 的空分多址（Space Division Multiple Access，SDMA）系统所支持的连接数（如果终端为多天线多流工作模式，则为所有终端设备的数据流数目之和）受限于基站天线数；而且，如果仅仅依靠SDMA，难以区分具有相近／相同方位信息的终端。因此，有必要在MIMO 或者大规模MIMO 基础上叠加NOMA，实现MIMO 和NOMA 的优势互补、深度融合，以满足未来大规模无线系统中巨流量和大连接需求（例如，全息通信、虚拟现实／增强现实、超清视频、远程医疗，以及大量智能手机、平板电脑等终端设备上的通信服务）。 另外，由于多天线的复用增益与分集增益可以相互折中，因此，也可以满足高可靠传输需求。 不同于单入单出（Single Input Single Output，SISO）功率域NOMA 系统，将NOMA概念扩展到基站与终端设备均配置多天线而形成的MIMO⁃NOMA 系统中，用户信道是矩阵形式，其不能根据信道强弱来进行排序，从而难以根据信道来确定串行干扰删除时用户的解调顺序。 因此，MIMO⁃NOMA 传输方案设计更具挑战性［5，26］，近年来被持续深入研究。 在接入用户较多时，通过波束成形，采用分簇方式实现SDMA 与NOMA 的混合多址是最常见的方案［22，27－39］，以减少同一簇，即同一资源块上的NOMA 用户数，从而减少误差传播，降低接收机复杂度。 MIMO⁃NOMA 文献非常丰富，后面将从功率效率、多用户收发联合优化、数据流配置，以及误差传播控制等方面详细分析并指出现有MIMO⁃NOMA 主要方案的局限性。

1 MIMO⁃NOMA 研究现状

MIMO⁃NOMA 结构（后续描述中，NOMA 均指功率域NOMA）主要可以分为两类：分簇法和用户特定波束成形法。 下面重点对此进行回顾与分析，并指出其固有的局限性，然后简单回顾多小区MIMO⁃NOMA 和智能反射表面（ Intelligent Reflecting Surface，IRS）辅助的MIMO⁃NOMA 研究状况。

1.1 基于分簇的MIMO⁃NOMA

MIMO⁃NOMA 最常见的结合方式是分簇结构，如图2 所示。

图2 基于分簇的MIMO⁃NOMA

文献［35－36］提出采用随机波束成形的方法，在基站发送端随机生成多个波束成形矢量。 首先发送参考信号，接收端据此估计出等效信道质量信息（Channel Quality Information，CQI）并反馈给基站，基站根据报告的CQI 进行多用户调度（分簇），每个波束成形矢量对应一簇NOMA 用户。 在数据传输阶段，接收端先采用干扰抑制接收机消除来自其他波束的干扰，再采用SIC 技术删除簇内用户间干扰。由于采用随机波束成形方式，部分用户与基站间的等效信道增益会很小，为满足该部分用户的传输速率需求，需要消耗较大的发射功率；另外，这种系统要求用户接收天线数不小于基站发射天线数。 文献［37］在基站发射端采用单位矩阵预编码情况下（每一簇用户拥有同一个单位预编码矢量），导出了每个用户的接收端检测矢量闭式解，使发射功率最小化。 文献［35－37］的本质具有相似性：均针对下行传输，而且每个用户均为单流传输，不具有一般性。作为MIMO⁃NOMA 的典型方案，Ding 等［38］基于信号对齐技术提出了适用于MIMO⁃NOMA 上／下行链路的通用传输方法。 在该方案中，首先根据路径损耗，将用户随机配对分簇，同一簇用户存在路径损耗差异，但未必在同一物理位置方向。 对于上行链路，先通过用户预编码，将同簇用户信号对齐到相同方向，簇间干扰通过基站均衡器来消除，簇内用户信号通过SIC 进行分离；而对于下行链路，根据上下行对偶原则，先通过用户的接收波束成形，将同簇用户信号对齐到相同方向，簇间干扰通过基站预编码来消除，簇内用户信号通过SIC 进行分离。 基于文献［38］的信号对齐分簇方案，文献［39］研究了MIMO⁃NOMA在超可靠低时延通信（Ultra⁃Reliable Low Latency Communications，URLLC）场景下的应用（终端设备多天线工作于分集模式，以增强可靠性）。 作为MIMO⁃NOMA 的特例，如果用户侧仅配置单天线，则形成多入单出（Multiple Input Single Output，MISO）或单入多出（Single Input Multiple Output，SIMO）NOMA 多用户系统。 在此情形下，用户侧不具备信号对齐或者干扰删除功能，只能将位于相近物理方位（或者说信道信息相关性较大）的用户作为一簇［22］。 基站随机生成多个正交矢量作为基准矢量，通过计算每个用户的信道矢量与基准矢量的夹角，对用户进行分簇。 如果同簇用户的方位信息差异较大，经过波束成形后，必然存在有些用户与基站间的等效信道增益很小，从而消耗较大功率。 对于未经信号对齐的其他分簇MIMO⁃NOMA 系统，情况与此类似，同样可能存在功率效率低的问题。

上述基于信号对齐的分簇方案［38－39］中，要求终端设备的天线数大于基站天线数的二分之一，这在一定程度上限制了其应用范围。 另外，上行用户预编码与基站均衡器（下行用户接收波束成形与基站预编码）分别用来进行信号对齐和抑制簇间干扰，这种“两步设计法”会产生如下问题：如果对齐后的等效信道方向夹角很小，在簇间干扰抑制过程中也会损失大部分有用信号；即使提前设定信号对齐方向，以避免相近空间角度，但如果某一簇分配的方向靠近该簇中某个用户信道奇异值最小的方向，会得到很低的等效信道增益。 此时，为了达到预定的信干噪比阈值，需要的瞬时发射功率急剧增大。 图3为采用该方案的MIMO⁃NOMA 上行链路传输系统所需瞬时发射总功率的仿真结果。 仿真条件为：小区半径为500 m，远处和近处用户的谱效需求分别为5 b／s／Hz和7.5 b／s／Hz，基站和终端天线数均为8，终端设备多天线工作于分集模式，用户总数为16，每一簇用户数为2，用户随机分布在小区内。 结果显示，瞬时发射功率波动区间很大，即该类型MIMO⁃NOMA 传输方案的性能严重依赖瞬时信道。这一结果是由于传统的基于信号对齐的分簇结构难以进行簇间多用户收发联合设计造成的，用户侧预编码／接收波束成形的功能是进行同簇用户的信号对齐。 此外，对于MIMO 多流传输，其簇内每个终端设备的数据流数受限于该簇对齐的信道数，难以实现数据流灵活配置，而每个用户期望的数据流数可能是不同的［40］，从而难以满足未来无线系统多样化终端设备的差异化业务需求。

图3 不同信道样本下多用户瞬时发射总功率（信号对齐分簇法）

1.2 基于用户特定波束成形的MIMO⁃NOMA

考虑两用户情形，文献［41－42］提出基于最小欧氏距离的下行预编码方案，利用预编码设计来优化系统误符号率性能。 文献［43－44］提出了两用户MIMO⁃NOMA 下行链路“和速率”优化方案。 在相同的系统模型下，文献［45］利用信道矩阵QR 分解提出一种低复杂度的NOMA 下行分层传输方案，并且利用统计信道状态信息（ Channel State Information，CSI）进行层间功率分配实现系统平均速率最大化。 文献［46］考虑了一般的多用户情况以及非理想CSI 因素，提出了鲁棒的下行链路传输方案。 文献［47］研究了非完美信道信息下两用户MIMO⁃NOMA 系统“和速率”最大化问题。 以上文献［41－47］均考虑了MIMO⁃NOMA 下行传输。 上述文献与分簇法有所不同。 对于基于分簇的下行链路，同一簇用户具有相同的基站预编码矩阵／矢量。而上述文献中每个用户具有不同的预编码矩阵，将之称为基于用户特定波束成形的方法，如图4 所示，以区别于分簇法。

图4 基于用户特定波束成形的MIMO⁃NOMA

Liu 等在文献［48］中将这种方法称为基于波束成形的方法（Beamformer⁃Based MIMO⁃NOMA），Huang等在文献［31］中称之为单簇MIMO⁃NOMA。 在该方法中，尽管每个用户具有不同的波束成形矢量／矩阵，但波束成形的设计不是以空分多址为目的。 因此，基站天线数可以小于用户数。 为了进行收发机设计，首先，MIMO 信道不像单天线信道，无法根据信道强弱进行排序，所以只能预定义串行干扰删除时用户的解调顺序（例如根据路径损耗进行排序，可以认为用户信道矩阵中每个元素的路径损耗相同），从而根据要求得出可达速率或误符号率性能等表达式，最后建立优化问题对用户波束成形矢量／矩阵进行求解。

相比分簇法，用户特定波束成形MIMO⁃NOMA的优点是在不考虑误差传播的情况下，系统性能优于分簇法。 这是因为首先在不考虑误差传播时，通过SIC，先解调用户对后解调用户的干扰可以被完全删除；其次，多天线的自由度不必用来抑制用户间的干扰，而可以用来提升系统的阵列增益和分集增益；最后，因为每个用户对应一个波束成形矩阵／ 矢量，用户特定波束成形法的优化自由度大于分簇法。图5 为采用这种方案所需瞬时发射总功率的仿真结果（仿真条件与图3 相同）。 显然，用户特定波束成形法所需的发射功率远小于分簇法。

图5 不同信道样本下多用户瞬时发射总功率（特定波束成形法）

基于用户特定波束成形的MIMO⁃NOMA 存在的主要问题是：该结构不能利用空分多址的优势，必须对占用相同时频资源块的所有用户实施串行干扰删除。 当存在解码错误时，会出现严重的误差传播；而分簇法只要对簇内用户进行串行干扰删除。

1.3 多小区MIMO⁃NOMA

与基于注水功率分配的机会通信策略不同，在NOMA 传输模式下，功率分配更倾向小区边缘用户，以确保公平性。 这样小区边缘用户经受的小区间干扰也会变大。 在多小区环境中，相邻小区预编码／波束成形的联合设计可以有效缓解小区间干扰［49］。作为单小区基于信号对齐的分簇MIMO⁃NOMA 在多小区情形下的推广，考虑两小区下行链路，文献［50］将小区空间分为两层，提出了外层边缘用户利用多小区干扰对齐技术设计预编码来消除小区间干扰，内层用户采用接收波束成形将信号对齐到某个外层用户的波束上，实现每个小区的每个波束（簇）上有两个用户进行NOMA 传输。 相同作者在协作多点传输（Coordinated Multi⁃Point，CoMP）模式下，提出了多小区MIMO⁃NOMA 系统预编码的设计思路［51］。 采用CoMP 技术，小区边缘用户的发射功率明显减小，其原因是在多点传输时，小区边缘用户间干扰变成了有用信息。 不同于文献［50－51］中多小区单流传输方案，在满足用户服务质量的前提下，基于分簇法，文献［52］提出了支持多小区多流传输的预编码方案，在根据远近随机选择用户进行配对条件下，对基站预编码矩阵进行了优化。 文献［53］也研究了多小区下行NOMA 系统中的协作多点传输问题，但只考虑了基站和用户端均配置单天线的情况。 笔者在文献［54－55］中研究了采用空时分组编码（Space⁃Time Block Coding，STBC）的两小区三用户“协作两点传输”MIMO⁃NOMA 系统上行链路功率最小化预编码设计，并获得了最优解的闭合表达式。 在异构多小区（异构蜂窝网）中，多小区间干扰情况更加复杂，既有同层干扰又有跨层干扰［56－60］，并且，小区间协作传输情况多种多样［61］。 文献［62］提出了一种NOMA 与OMA 混合组网的异构蜂窝网，小蜂窝采用单天线NOMA 技术，宏蜂窝采用大规模MIMO⁃OMA 技术。 文献［63］分析了基于分簇的MIMO⁃NOMA 在多小区密集网络中的性能。

多小区情形下的研究是以单小区为基础的，单小区MIMO⁃NOMA 中存在的问题在多小区中依然存在。 另外，在多小区环境下，各小区NOMA 传输策略相互影响。

1.4 IRS 辅助的MIMO⁃NOMA

目前的移动通信系统采取的信号发射和接收策略是基于“被动”适应传播环境的理念，例如自适应调制编码（Adaptive Modulation Coding，AMC）、预编码、多用户调度，以及各种自适应接收技术等，即认为环境是无法改变的。 而智能反射表面的出现使人们改变了这一看法，人们可以通过“主动”改变环境来提升系统性能，进行“发射⁃环境⁃接收”的联合优化，从而找到了5G 技术（例如超密集网络、大规模MIMO 和毫米波通信）之外的新途径［64－68］，为6G 的实现提供了新的候选技术。

文献［69－78］研究了IRS 辅助的NOMA 系统设计问题。 其中文献［69］在基站采用单天线时，通过联合设计功率分配与IRS 反射系数，使系统速率性能最优化；文献［70－71］和文献［72－73］分别研究了IRS 辅助的单小区和两小区NOMA 系统功率最小化问题，但只考虑了IRS⁃SISO⁃NOMA；文献［74－75］在基站采用多天线时，基于“分簇法”，对基站的波束成形和IRS 的反射系数进行联合优化，使系统性能最佳化；文献［76－78］在基站采用多天线时，基于“用户特定波束成形法”，对基站的波束成形和IRS 的反射系数进行联合设计，使系统发射功率最小化。 这些研究工作的核心问题是如何高效求解复杂的非凸优化问题。

2 群体串行干扰删除的提出

根据两用户非对称下行链路加性高斯白噪声（Additive White Gaussian Noise，AWGN）信道容量域（见图6）可知，把所有功率分配给信道最强的用户（即在多用户域采用注水功率分配）能实现多用户“和速率”最大化，从而出现了衰落信道下基于动态时分多址的“机会通信”概念（每个时隙选择信道最强用户进行通信）。 正因为如此，蜂窝系统中的机会通信、机会调度技术曾被深入研究，并在第三代移动通信CDMA 2000 1x EV⁃DO 下行链路中得到实际应用［79］。 这种通信方式存在的主要问题是：如果一些用户的信道状况从统计上弱于其他用户，则会产生严重的公平性问题和时延问题。 尽管采用比例公平调度可以实现吞吐量和公平性间的折中，但吞吐量只能位于图6 所示容量域的虚线上。 因此，鉴于NOMA 在公平性和容量等方面的综合优势，近年来掀起了NOMA 研究热潮。

图6 两用户非对称下行链路AWGN 信道容量域

在基站配置多天线情况下，如果用户数超过基站天线数，机会通信则体现为每个时隙优选一组用户进行SDMA 通信［80］，使吞吐量最大化，从而实现组内SDMA 与组间DTDMA 的混合多址方式。 多用户选择／调度问题在第四代移动通信系统中研究较多。 尽管吞吐量实现了最大化，但同样存在公平性问题。 这启发我们利用单天线与多天线系统间的对偶性（见表1），提出组内SDMA 与组间NOMA 相结合的混合多址新思想，以兼顾吞吐量与公平性。 组间NOMA 的核心即是本文提出的群体串行干扰删除（Group Successive Interference Cancellation，GSIC）。

表1 单天线与多天线系统传输策略对偶性

3 基于GSIC 的MIMO⁃NOMA 传输机制

NOMA 与MIMO 或者大规模MIMO 仍属B5G／6G 无线系统中的使能技术，其相互融合是满足B5G／6G 无线通信中巨流量、大连接需求的有效方法。 针对MIMO⁃NOMA 研究现状，笔者认为，现有MIMO⁃NOMA 主要传输方案尚未实现两者的高度融合。 对于信号对齐分簇法，难以实现簇间多用户收发联合优化设计，从而造成用户瞬时发射功率大幅波动；以及存在用户数据流不能灵活配置，从而难以支持用户多样化终端设备的差异化业务需求等问题。 对于用户特定波束成形法，没有利用空分多址的优势，从而导致误差传播难以控制的问题。 为此，我们将“群体串行干扰删除”新概念（或称为“广义串行干扰删除”），应用于MIMO⁃NOMA 系统，实现MIMO⁃NOMA 深度融合的传输机制。 传统的SIC 是以单个用户作为一个实体来进行顺序的信号解调和干扰删除的，而GSIC 是把一群用户作为一个整体（也可认为把一群用户作为一个虚拟用户），通过对群体（虚拟用户）进行排序，顺序地对群体用户进行解调和干扰删除。 群体内的用户可以采用空分多址或者其他正交多址方式，而群体间实施NOMA 传输。 这与NOMA 研究中常用的分簇（组）法不同，在传统的分簇法中，簇内用户采用NOMA，而簇间采用OMA。 基于GSIC 的MIMO⁃NOMA 创新结构如图7所示，同一群体的用户与基站间的路径损耗相近。

图7 基于GSIC 的MIMO⁃NOMA

以上新结构具有以下优点／特点：

（1） 有利于对群体内用户采用多用户MIMO 技术，进行多用户收发联合优化设计，使发射功率最小化。

（2） 群体内每个终端设备数据流数不必相同，可以相互协调、灵活配置，从而支持未来无线网络中不同类型终端设备的差异化业务需求。

（3） 群体间采用GSIC 进行NOMA 传输，在考虑误差传播条件下，通过优化群体数，可以实现系统性能（如功耗、能效、容量和连接数等）最优化。

（4） 基于用户特定波束成形的结构仅仅是新结构的一个特例（此时每个群体内的用户数设定为1）。 因此，新结构属于MIMO⁃NOMA 相结合的统一表示形式，从而便于优化模型的建立与性能比较。

这些优点／特点表明，基于GSIC 的传输机制，能实现MIMO⁃NOMA 深度融合。

图8 进一步展示了新结构与分簇结构工作机制的显著不同。 新结构以群体内多用户收发联合设计为显著特征，充分挖掘多维优化自由度，实现MIMO⁃NOMA 深度融合，克服传统MIMO⁃NOMA 结构的局限性。

图8 基于GSIC 的新结构与基于SIC 的分簇结构比较

图9 展示了在相同误差传播条件下（即SIC 阶数一样），基于GSIC 的新结构与基于SIC 的信号对齐分簇结构的功率消耗比较。 提出的新结构比分簇法功耗降低10 dB 左右［81］，初步验证了GSIC 新思想的可行性与优越性。 仿真条件为：小区半径为500 m，AWGN 功率为－99 dBm，路径损耗指数为3.5，基站与终端设备天线数均为8，每个终端设备数据流数为1，即多天线工作于分集模式，距离基站较近用户速率需求为较远用户的2 倍。 对于GSIC 结构，群体数为2，每个群体用户数为8；对于基于SIC 的分簇结构，簇数为8，每簇用户数为2。 性能比较是在公平条件下进行的。

图9 新方法与传统方法的功耗比较

图10 系统发射总功率与群体数的关系

4 GSIC 在无小区／多小区／IRS 辅助MIMO⁃NOMA 系统中的应用展望

基于GSIC 的MIMO⁃NOMA 深度融合传输架构，可以进一步拓展至无小区、多小区以及IRS 辅助的MIMO⁃NOMA 无线系统，以适应实际的通信环境和B5G／6G 这一新时代的到来。

4.1 基于GSIC 的无小区MIMO⁃NOMA

针对如图11 所示的无小区系统［82－84］，文献［84］指出，与分布式处理相比，采用最小均方误差接收机的集中式处理不仅使频谱效率最大化，而且能大大降低前传链路信令开销。 基于GSIC 的集中式处理无小区MIMO⁃NOMA 与单小区的主要区别在于，在对用户进行群体划分时提出基于用户与多个接入点（Access Point，AP）之间的等效路径损耗的方法。 部署5 个AP 的等效路径损耗等高线示意图如图12 所示，位于数值相同／相近的等高线上的用户可作为一个群体。

图11 无小区系统上行链路模型

图12 无小区系统等效路径损耗等高线

4.2 基于GSIC 的层间不完全协作异构多小区MIMO⁃NOMA

这里所指的不完全协作是指每个小区只能获得干扰小区的干扰协方差信息来进行收发机设计。 关于同构多小区的不完全协作收发协同优化问题，由于多小区地位的等同性，只能通过多小区相互迭代方式来实现，系统开销大；而对于异构多小区（异构蜂窝网），可充分利用异构网结构的特殊性，简化收发机设计。

异构多小区是未来蜂窝通信的重要形式，小蜂窝的引入使得网络中干扰问题变得更加复杂。 此时系统中主要存在两种干扰：跨层干扰与同层干扰。宏蜂窝与小蜂窝的干扰情况如图13 所示（以上行为例）。 可以将基于GSIC 的MIMO⁃NOMA 融合新结构分别应用于宏蜂窝与小蜂窝用户的收发机设计。 小蜂窝与宏蜂窝收发机设计是相互关联的，小蜂窝与宏蜂窝需分别根据其他小区的干扰信息和本小区用户的信道状态信息，设计收发机来对抗小区间与小区内干扰。 迭代设计虽然可以找到一个局部最优解，但是会带来较大系统开销。 可以考虑采用一种认知NOMA 的工作方式，实现小蜂窝与宏蜂窝收发机设计解耦合。 以上行传输为例，小蜂窝用户在进行预编码设计时，都要满足其到宏蜂窝基站每根天线的干扰小于一个预设门限的要求。 因此，宏蜂窝在预编码设计时，可认为每根天线的干扰都达到预设的干扰温度（即干扰门限）。 这样，宏蜂窝用户预编码设计就与小蜂窝用户预编码实现了解相关。 把宏蜂窝看成蜂窝系统的主用户，利用GSIC得到优化的宏蜂窝用户的预编码矩阵。 小蜂窝被看成蜂窝系统的次用户，根据宏用户的预编码矩阵评估宏蜂窝对小蜂窝的干扰协方差矩阵，并采用GSIC进行预编码设计。

图13 异构多小区层间不完全协作上行传输

4.3 基于GSIC 的协作多点传输同构／异构多小区MIMO⁃NOMA

复杂的多层异构蜂窝模型包括同构与异构网络模块，在3GPP 标准中，为了提高蜂窝系统性能，引入协作多点传输技术。 系统中既有同构协作多点传输，也有异构协作多点传输，分别如图14、图15 所示（以上行为例）。 协作系统中干扰连接减少很多，部分干扰信号由于联合接收变成了有用信号。 由于边缘用户的信号在多个基站间合并，达到设定目标性能的发射功率将会降低，同时，对内层非正交接入用户的干扰也将减小，因此可降低系统总的功耗。另外，不同于单小区情形，边缘协作用户的预编码不仅影响本小区内层NOMA 用户收发机设计，而且对相邻小区内层用户收发机设计有影响。 并且，对于异构网络协作多点传输，因为宏用户较大的发射功率，内层宏用户对相邻小蜂窝的干扰也不能忽略；同时，距离宏基站较近的小蜂窝也会对宏基站造成干扰。

图14 同构网络上行协作多点传输

图15 异构网络上行协作多点传输

将参与协作多点传输的用户与非协作多点传输的用户预编码分别设计，从边缘协作用户到内层非协作用户，逐层设计最优预编码矩阵。 在同构多小区协作多点传输中，一般认为内层用户距离受其干扰的蜂窝基站较远，可以忽略其对其他蜂窝的干扰。这样，对内层用户只需根据边缘用户的当前预编码采用GSIC 来设计内层用户的预编码。 对于异构多小区协作多点传输，由于宏蜂窝用户发射功率较大，即便在内层的宏用户也会对小蜂窝造成干扰，同时距离宏基站较近的小蜂窝也会对宏基站造成干扰，因此可参照层间不完全协作异构多小区情形设计内层用户预编码矩阵。

4.4 基于GSIC 的IRS 辅助MIMO⁃NOMA

IRS 的引入改变了信道的传输特性，此时既有基站与用户之间固有的信号传输路径，又有经过IRS 反射的传输路径。 不同的反射相位偏移会影响反射信号到达接收端的方向，可以通过优化反射相位偏移，使得反射信号与固有信号相匹配，以增强接收端有用信号的强度。 因此，在IRS 辅助的MIMO⁃NOMA 系统中，增加了IRS 的相位偏移这一维度的优化，需要对基站、终端收发机，以及IRS 的相位偏移进行联合设计。 同时，考虑到在IRS 辅助系统中很难得到精确的信道状态信息，在进行系统设计时，需要综合考虑非理想信道状态信息对系统性能的影响。

针对未来无线通信巨流量大连接传输需求，IRS与MIMO⁃NOMA 的深度融合是满足这一应用需求的高效技术手段。 为了克服已有设计架构的局限性，可以采用如图16 所示的基于GSIC 的IRS 辅助MIMO⁃NOMA 系统架构（以上行为例），以实现IRS／MIMO／NOMA 融合新模式，构建“发射机⁃传播环境⁃接收机”三维联合优化新模型。

图16 基于GSIC 的IRS 辅助上行MIMO⁃NOMA 系统

5 结束语

大规模MIMO 和NOMA 均属未来无线通信中的使能技术，近五年来，出现了大量MIMO⁃NOMA研究论文，其主要传输结构可分为分簇法和用户特定波束成形法。 笔者认为，这些传输结构尚未实现两者高度融合的传输机制，主要存在以下问题：

（1） 对于未经信号对齐的分簇结构，如果同簇用户的方位信息差异较大，经过波束成形后，必然存在有些用户与基站间的等效信道增益很小，从而导致功率效率低的问题。

（2） 对于信号对齐的分簇结构，难以实现簇间多用户收发机联合优化设计，同样造成功率效率低的问题。

（3） 对于信号对齐的分簇结构，存在用户数据流难以灵活配置，从而难以支持未来大规模无线系统多样化终端设备的差异化业务需求。

（4） 对于用户特定波束成形的结构，存在空分多址优势未被利用，从而导致误差传播难以控制的问题。

面向未来无线网络巨流量大连接多业务应用场景，在考虑误差传播等非理想因素前提下，以功率最小化以及满足用户多样化业务需求为主要目标，我们提出“群体串行干扰删除”新概念与新方法，探索NOMA 与MIMO 的深度融合传输机制，构建两者有机结合的统一框架。 可以将基于GSIC 的单小区MIMO⁃NOMA 进一步拓展至异构／同构多小区情形，构建群体内、群体间、小区内以及小区间协同优化新模式；通过引入等效路径损耗概念，可以将GSIC 应用于无小区环境下的MIMO⁃NOMA。 本文最后进一步展望了GSIC 在智能反射表面辅助的MIMO⁃NOMA 系统中的应用，以构建群体内、群体间与传播环境的联合优化新模型。 结合上述应用场景，未来工作还可包括进一步分析并揭示系统性能受有关非理想因素（例如导频污染、误差传播、小区间非理想干扰信息和非理想信道状态信息反馈等）影响的规律，为系统具体实现提供理论支撑与技术支持。