NOMA系统中基于用户服务质量需求的资源分配算法设计

杨 毅,朱建月,后益坤,韦灵峰

(1.南京电子技术研究所,江苏 南京 210039;2.南京信息工程大学 电子与信息工程学院,江苏 南京 210044;3.中国人民解放军63768部队,陕西 西安 710600)

0 引言

随着5G无线通信系统中智能无线设备数量的爆炸式增长以及物联网(Internet of Things,IoT)的出现,现有的多址接入技术已经无法满足大规模用户接入和高数据传输速率的需求,因此下一代多址接入技术被提出[1]。功率域非正交多址接入(Non-Orthogonal Multiple Access,NOMA)技术是下一代多址接入技术中的关键技术之一。NOMA旨在发送端使用叠加编码,而在接收端使用连续干扰消除(Successive Interference Cancellation,SIC)进行多用户检测[2]。与传统的正交多址接入(Orthogonal Multiple Access,OMA)方案相比,NOMA可以显著提高频谱效率,降低接入延迟,并支持大规模连接[3]。

NOMA的核心思想是多个用户共享同一个信道,然而由于用户间的频谱共享,NOMA存在过多的多址干扰。SIC技术能够有效地降低用户间的干扰[4],然而解码顺序是SIC实现中的一个关键问题。在大多数现有的关于NOMA系统资源分配的研究中,通常是根据用户的信道状态信息(Channel State Information,CSI)来确定SIC解码顺序。例如,朱建月等人[5]研究了在下行NOMA系统中用户资源分配的问题,并提出了功率分配和信道分配的联合优化方案使系统和速率最大化。张双等人[6]针对下行异构蜂窝NOMA网络提出了一种功率分配算法来使系统的能效最大化。胡浪涛等人[7]研究了下行多小区NOMA系统中的用户资源分配问题,并提出了一种基于深度强化学习的功率分配算法,使系统能效最大化。Ali等人[8]针对上行和下行NOMA系统,分别提出了一种功率分配和用户分组联合优化方案以提高系统的总吞吐量。Zeng等人[9]重点研究了在多载波上行NOMA系统中的功率分配问题,并提出了一个低复杂度的算法以提高系统的和速率与能效。值得指出的是,文献 [5-9]中均采用了基于CSI的SIC解码顺序,但是Ding等人[10]指出这种解码方式具有一定局限性,特别是当用户信道增益相似的时候这种解码方案会产生很高的错误传播率。事实上,基于用户服务质量(Quality of Service,QoS)的SIC解码顺序可以很好地克服这些问题。

本文研究了在上行NOMA系统中,基于QoS的SIC解码顺序下的用户资源分配问题。此外,考虑到随着一个信道上用户数的增加,SIC的复杂度也随之增加[11-12],通常假设两个用户共用一个信道[13-14],即将两个用户分在一个组内使用NOMA进行传输,而组之间将使用传统的OMA方式。因此,本文工作也使用类似的方案,即两个具有不同服务质量需求的用户使用NOMA共享一个信道进行信号传输,其中一个为时延敏感用户,但其速率要求较低,另一个为高速率用户,但其时延容忍度较高。为了更好提升NOMA系统的频谱效率,本文提出了一种功率分配和用户分组的联合优化方案,以使在保证所有信道上时延敏感用户的QoS需求的同时,最大化高速率用户的和速率。经过仿真分析,该方案能够以较低的时间复杂度获得与穷尽搜索相近的结果。

1 系统模型与问题提出

1.1 系统模型

本文考虑一个上行NOMA蜂窝网络,其中一个基站(Base Station,BS)通过M个信道为N个用户提供服务。根据NOMA的原理,多个用户将共享相同的信道,并使用SIC来解码其信号。另外,值得指出的是接收端SIC的复杂度将随着一个信道上用户数量的增加而增加,为了减少SIC的传播误差,通常假设两个用户共享一个信道[13-14]。因此,本文也假设两个用户共享一个信道m,其中m=1,2,…,M,且这两个用户分别对延迟和速率有要求,即一个是具有较低传输速率要求但延迟敏感的用户UE1,m,用r1,m表示其目标数据速率;另一个是具有一定延迟容忍度的高速率传输要求的用户UE2,m。BS在每个信道m上发送的信号分别表示为:

(1)

(2)

(3)

本文考虑了一种基于用户服务质量的SIC解码顺序,具体来说,在每个信道m上,BS将首先解码具有更高QoS需求的用户,即UE1,m的信号,然后在消除UE1,m信号后解码UE2,m的信号。因此,两个用户的传输速率分别可以表示为:

(4)

R2,m=lb(1+α2,mp2,m),

(5)

(6)

用户UE1,m的传输延迟可以表示为[15]:

(7)

式中:λ1,m是UE1,m的固定到达率,且满足R1,m≥λ1,m。

1.2 问题提出

为了更好地实现NOMA系统中的资源分配,以提高频谱效率,本文在保证UE1,m的QoS需求的前提下,最大化所有信道上UE2,m的和速率,相应的资源分配问题可以描述为:

(8)

本文将使用交替优化的方法来进行功率分配和用户分组的联合优化设计,虽然这可能不是最优的,但是这种方案比较有效[16]。具体来说是首先通过固定用户分组来优化功率分配使目标函数最大化,然后进一步解决用户分组问题。

2 功率分配算法设计

本节中,在给定用户分组的情况下重点对用户的功率分配进行优化,根据式(8),功率分配问题可以写成:

(9)

(10)

式(10)的解在命题1中以闭合式给出。

(11)

UE2,m的最优功率为:

(12)

式中:

(13)

式中:

(14)

(15)

(16)

(17)

tm=max{Υm,Ψm},m=1,2,…,M。

(18)

从而所有信道的功率分配问题可以写为:

(19)

式(19)是一个凸问题,可以使用标准的凸优化工具解决,例如CVX等[17]。

3 用户分组

3.1 用户分组算法

本文对给定用户分组情况下的功率分配进行了优化,在保证UE1,m的QoS需求的前提下,最大化所有信道上用户UE2,m的和速率。在本节中,将通过匈牙利算法进一步寻找优化的用户分组解[18]。

首先,将N个用户分为两组,一组为时延敏感用户,另一组为高速率用户;然后,根据式(1)求得时延敏感用户组中第i个用户和高速率用户组中第j个用户配对时高速率用户的可实现速率,并用Rij表示,其中i=1,2,…,N/2,j=1,2,…,N/2;最后,采用匈牙利算法求解优化后的用户分组。

在匈牙利算法中,首先输入代价矩阵C,其中C(i,j)=1/Rij;接着,对矩阵进行变换直到用于标记的横线和垂线的总数等于组数N/2;最后输出优化后的用户分组配置Θ*,其中Θ*(i,j)=1时表示时延敏感用户组中第i个用户与高速率用户组中第j个用户进行配对,否则Θ*(i,j)=0。

3.2 联合优化算法

在第2节和算法1中分别对功率分配和用户分组进行了优化,进一步提出了一种联合优化算法。在算法2中,首先对信道功率预算进行初始化,即将总功率P平分到M个信道上;接着,利用算法2对用户分组进行优化并对信道功率预算qm与信道上的用户功率p1,m和p2,m更新,直到结果收敛或达到最大迭代次数。

算法2 联合优化算法1. 初始化:qm=P/M,m=1,2,…,M;2.重复3.利用算法2对用户分组进行优化;4.根据本文计算qm,p1,m和p2,m;5.直到结果收敛或达到最大迭代次数;6.输出最终的qm,p1,m和p2,m。

4 仿真分析

图1展示了各种配对方案在所有信道上获得的高速率用户的和速率。本文将提出的用户配对策略与三种不同的配对方案进行了比较,对于随机配对方案,随机选择所有高速率用户中的一个和所有延迟敏感用户中的一个进行配对,对于基于CSI的配对方案,本文采用了基于信道状态信息的次优算法。此外,还将三种匹配方法与穷举搜索进行了比较,不难发现本文所提出的用户配对策略所获得的高速率用户的和速率与穷举搜索非常相近。

图1 不同配对方式下BS功率和高速率用户总速率关系Fig.1 BS power vs total rate of high speed users with different pairing

图2和图3分别为不同的r1,m和λ1,m对高速率用户和速率的影响。从图中可以明显看出,随着延迟敏感用户UE1,m的目标数据速率r1,m或其固定到达率λ1,m减少时,高速率用户的和速率将会增加,这是因为此时UE1,m的QoS需求降低,可以将更多的功率分配给高速率用户,使其和速率增加。与此同时,所提方案的性能明显优于基于CSI的配对方法,并且逼近最优结果。

图2 不同r1,m下BS功率和高速率用户总速率关系Fig.2 BS power vs total rate of high speed users with different r1,m

图3 不同λ1,m下BS功率和高速率用户总速率关系Fig.3 BS power vs total rate of high speed users with different λ1,m

图4为所提出的联合优化算法和穷尽搜索法的CPU运行时间对比。由于穷举搜索法的复杂性较高,图4仅展示N≤10的部分。从图中可以发现当用户数量N较小时,两种方法的复杂度差异较小。但是,当用户数量N增加时,穷举搜索法的复杂性增长远远高于所提出的联合优化算法。因此,所提出的用户配对策略能够以较低的复杂度获得与穷举搜索法相近的结果。此外,时间复杂度随BS功率的增加而增加,这表明总功率P的增加导致计算量的增加。

图4 户数量和CPU运行时间的关系Fig.4 User numbers vs CPU runtime

5 结论

本文重点研究了采用基于用户QoS的SIC解码顺序的上行NOMA系统,其中一个时延敏感用户和一个高速率用户共享一个信道。为了在保证时延敏感用户的QoS需求的同时,最大化所有高速率用户的和速率,本文提出了一种功率分配和用户分组的联合优化方案。仿真结果表明,该方案能够以较低的复杂度获得与穷举搜索法相近的结果。