移动场景下反向散射混合多址算法研究

摘" 要： 随着移动物联网的发展，在移动场景下实现高速、低功耗的信息传递具有重要研究价值。反向散射通信作为一种低功耗的通信技术可以解决功耗与能量供应问题。NOMA（非正交多址接入）是实现高频谱效率的技术，基于用户之间信道增益差进行配对通信，但是当用户信道增益差过小时，会产生强干扰进而严重影响性能，而采用OMA（正交多址接入）可以降低干扰。针对移动场景中因信道增益频繁变化而导致的性能降低以及能量供应问题，构建了移动场景下反向散射混合多址系统模型，提出反向散射设备在移动场景中使用NOMA或OMA的动态阈值，以最大化复用NOMA提升速率，剩余设备则采用OMA，并在此基础上提出最佳信道增益差配对算法。仿真结果表明，在移动场景中相较于传统方法，和速率、中断概率、复用用户数都有显著提高，在小型无人机、无人船等方面具有应用价值。

关键词： 物联网； 移动场景； 反向散射； 非正交多址； 正交多址； 混合多址； 用户分组

中图分类号： TN92⁃34" " " " " " " " " " " " " " "文献标识码： A" " " " " " " " " " " " 文章编号： 1004⁃373X（2024）05⁃0008⁃07

Research on backscatter hybrid multiple access algorithm in mobile scenarios

LI Shibao， LIU Zhengda， LU Rui

（College of Oceanography and Space Informatics， China University of Petroleum （East China）， Qingdao 266580， China）

Abstract： With the development of the mobile Internet of Things （IoT）， achieving high⁃speed and low⁃power information transmission in mobile scenarios has important research value. Backscattering communication， as a low⁃power communication technology， can solve the problems of power consumption and energy supply. NOMA （non⁃orthogonal multiple access） is a technology that achieves high frequency spectral efficiency， which implements paired communication based on the difference in channel gain between users. However， when the differences in channel gain between users are excessively small， strong interference will be generated， which affects performance seriously. Adopting OMA （orthogonal multiple access） can reduce the interference. In view of the performance degradation and energy supply issues caused by frequent changes in channel gain in mobile scenarios， a backscatter hybrid multiple access （HMA） system model is constructed. A dynamic threshold is proposed for backscatter devices to use NOMA or OMA in mobile scenarios to maximize the rate improvement of multiplexing NOMA， while OMA is adopted for the remaining devices. On this basis， the optimal channel gain difference pairing algorithm is proposed. The simulation results show that in mobile scenarios， the sum rate， outage probability and number of users who reuse products have increased significantly in comparison with the traditional methods. Therefore， the proposed algorithm has application value in small unmanned aerial vehicles， unmanned ships， and other fields.

Keywords： IoT; mobile scenario; backscattering; NOMA; OMA; HMA; user grouping

0" 引" 言

移动物联网的发展亟待在各种车载传感器、无人机[1]、无人船、海上浮标等实现稳健、智能和节能的数据共享。在此情形下解决在移动用户中能量供应不足和频谱效率底的问题尤为重要。

近年来反向散射得到了广泛的应用。反向散射通信系统有三个主要组件：反向散射发射器、作为读取器的反向散射接收器以及射频（Radio Frequency， RF）载波发射器。读取器和RF载波发射器嵌入在同一设备中。在反向散射系统中，反向散射设备反射来自RF载波发射器的入射信号与读取器通信。采集入射载波信号功率的一部分，以便在反向散射设备执行反向散射时为其电路提供功率。入射信号功率的剩余部分被反向散射设备反射回读取器。反向散射通信技术作为一种低功耗[2]、低成本、低复杂度的通信技术，用来解决物联网功耗与能量供应问题，避免了移动物联网设备需要定期更换电池的问题，延长了工作周期，是一种推动移动物联网继续向前发展的具有前景的技术。

非正交多址接入（Non⁃Orthogonal Multiple Access， NOMA）近年来发展迅速，NOMA允许多个用户配对后在同一正交资源块上进行通信，可以有效提高频谱利用率[3]，增大吞吐量，以解决移动物联网中频谱利用率低的问题。在NOMA用户配对方面，大多数现有NOMA中用户的配对是将小区中的用户按信道增益分为两组，然后将信道增益较高的用户与信道增益较低的用户进行非正交复用。常见的有：C⁃NOMA，其形成对为[（U1，UM）]，[（U2，UM−1）]，以及UCGD⁃NOMA，其形成对为[（U1，UM2+1）]，[（U2，UM2+2）]。在目前配对方法的研究里，文献[4]就已经表明了信道条件差异较大的用户配对可以实现更高的总吞吐量。在文献[5]中，作者引入了基于除法和次大差分的用户配对算法（D⁃NLUPA），并设置了应用NOMA的最小范围，通过增加相应的分离距离的最小值，每对都能获得更好的增益。文献[6]提出了具有相对均匀间隙增益的配对方案，以最大化NOMA无线电容量。但当配对用户间的信道增益差很小时，会出现用户间干扰、资源分配不足、串行干扰消除（Successive Interference Cancellation， SIC）无法解码等问题，导致系统性能下降。

当由于干扰问题导致系统容量低于正交多址接入（Orthogonal Multiple Access， OMA）[4⁃5，7]时，提出了在时域中联合NOMA和OMA的混合多址接入[8⁃9]，混合多址侧重于确定用户对之间的最佳操作模式，以提高总体和速率和服务质量，其有效性已经得到证实[10]。在混合多址接入的文献[6]将时分复用接入（TDMA）与功率域非正交多址（PD⁃NOMA）相结合，以提高系统在中断概率和吞吐量方面的性能。文献[11]根据干扰水平来划分使用NOMA或OMA，当小区间干扰较强时，将不再使用NOMA。文献[5]提到了基于网络的当前状态决定是否使用NOMA、OMA、协作NOMA进行下行链路传输。文献[11]将用户数量设置为3个，分别讨论了仅使用NOMA、OMA、混合OMA与NOMA的通信模式，考虑到用户的可能组合，总共有五种类型的资源模式。因此在典型的多小区场景中，所提出的方案优于使用NOMA和OMA的传统多址方法。文献[5]使用混合多址来解决小区间干扰问题，侧重在不损害QoS需求的情况下提高总体速率。将小区间干扰（ICI）划分为三个等级：在低干扰水平，干扰将完全不影响NOMA通信；在中等干扰水平，部分情况使得NOMA是可行的；而最后一种情况产生显著的小区间干扰，使NOMA完全不可行。文献[12]研究了密集无线网络中的两种NOMA配对方案。设置了用户的最低信噪比（SINR），如果配对用户接近最低的SINR，则用户使用NOMA将不会有太高的增益，可以切换OMA。文献[13]指出NOMA通过更有效地利用可用资源来帮助提高容量，但它也有意在传输信号中引入干扰。这意味着与正交多址（OMA）相比，需要更高的信号干扰加噪声比（SINR）值来解码接收信号。由于并非所有用户都满足使用这种多址（MA）方法的要求，因此仅考虑与NOMA的系统是不完美的，因此期望将NOMA与OMA相结合的混合MA系统。

本文在移动场景下的反向散射混合多址模型中，实现了移动节点的高速率传输性能。推导出混合多址中的动态配对阈值表达式，以确定良好的通信以及配对策略，提高了NOMA的有效性，并且基于此模型提出了一种匹配最佳信道增益差的用户配对算法，算法可以最大化地保证NOMA配对用户组的信道增益差，在实现较高用户复用数的同时，提高移动场景下的系统速率，以实现系统容量提升。

1" 系统模型

为了证明移动场景，考虑一个半径为[R]的随机航点路模型（RWP）网络。基站固定在模型中央，坐标为（0，0）。反向散射设备[U1，U2，…，UM]在设定好的速度下无规则移动，其时变坐标为[xt， yt]，则其与基站的距离可以表示为[dt=x2t+y2t]。反向散射设备的信道变化信息在基站处同步更新。由于反向散射设备的移动性，在不同时间下信道信息随时间变化，则对系统的研究划分为不同的时隙[{t0，t1，t2，…，tN}]，时隙的大小与设备的移动速度有关，假设在时隙[t0]时，按反向散射设备与基站的距离进行排序，满足关系：[d1（t0）≤d2（t0）≤…≤dM（t0）]，则[h1t02≥h2t02≥…≥hMt02]，[ht02=d-m]，[m]是大规模衰落路径损耗指数。

图1系统模型说明了移动反向散射设备中接收到基站发射信号的一部分用于设备电路运转，另一部分作为反向散射信号反射回基站。反向散射设备具体结构如图2所示。

以小区中信道增益较好的反向散射设备[Un]为例，基站发射功率为[P]时，反向散射设备接收到的能量为[Pn=Phnt2]，能量收集部分功率为[PH=ρ（1-ηn）Pn]。其中[ρ]为能量采集效率，其反射系数大小表示为[ηn]，能量收集部分为反向散射设备执行反向散射时供电。用于信号传输的功率为[PB=ηnPhnt2]。在场景中，反向散射设备通信的电路功耗为[γ]，则需要反向散射设备的反射系数满足[0≤ηn≤1-γρPhnt2]才能执行反向散射通信。

2" 混合多址系统性能分析

由于用户的移动性，导致反向散射设备的信道增益随时间变化，如果采用可实现速率较高的NOMA，需要每隔一段时间来进行配对与解配对（频率与反向散射设备移动速度有关，较高的移动速度则需要更快的配对与解配对）。在时隙[t0]中（以第一个时隙为例），假如允许设备[Uf]与设备[Un]进行NOMA配对，设备[Un]的可实现速率为：

[RNOMAn=0t0Blog21+ηnPhnt4ηfPhft4+σ2dt] （1）

设备[Uf]的可实现速率为：

[RNOMAf=0t0Blog21+ηfPhft4σ2dt]" " （2）

假设在基站处移动反向散射设备的SIC过程是完美的，[hft2]和[hnt2]对应[Uf]和[Un]的时变信道增益，满足瑞利分布，噪声方差为[σ2]。

对于用户[n]而言，变量[ηfPhft4]为与时间相关的干扰项，进入下一个时隙解配对并进行配对时，应选择与[hnt]差异较大的进行配对。因为：

[" " "RNOMAn+RNOMAf-ROMAn+ROMAf=Blog21+ηnPhnt4ηfPhft4+σ2+Blog21+ηfPhft4σ2-" " "12Blog21+ηnPhnt4σ2-12Blog21+ηfPhft4σ2=ηnhnt4+ηfhft4ηnhnt2×ηfhft2" " " " " " " " " " " " " " " " " " " " " " " " " "（3）]

当[hnt2=ηnηfhft2≈hft2]时，NOMA较OMA的速率几乎没有优势。但当场景中没有合适的用户进行配对时，也可以切换OMA。假设进入时隙[t1]中，设备[Un]与设备[Uf]都没有符合配对条件的用户（配对条件下文做推导），其切换OMA可实现速率表示如下：

[ROMAn=t0t112Blog21+ηnPhnt4σ2dt]" （4）

[ROMAf=t0t112Blog21+ηfPhft4σ2dt]" （5）

因为反向散射设备移动导致的位置不确定性，需要考虑基站的发射功率覆盖到随机航点路网络模型边缘的地区。在此将速率的最低要求表示为[R0]，则中断概率[Pout]表示为：

[Pout=Pr{RNOMAflt;R0}Pout=PrηfPhft4lt;σ22R0B-1Pout=Prhft4lt;σ22R0B-1ηfPPout=Prdftgt;ηfPσ22R0B-114m] （6）

在场景模型中，以基站为中心，用户距离基站最近为[dmin]，最远为[dmax]，在移动过程会出现当时隙[t]时，[df（t）]趋近于[dmax]，若[ηfPσ2（2R0B-1）14mlt;dmax]，基站发射功率[Plt;dmax4mσ22R0B-1ηf]，则移动到[dmax]的反向散射设备中断概率趋近于1，所以保障通信质量至少需要[P≥dmax4mσ22R0B-1ηf]。

3" 最佳信道增益差配对算法

3.1" 配对阈值

以低信道增益的反向散射设备为例，与配对阈值范围内的用户进行NOMA配对可以实现较高速率并且避免用户间干扰过强。在移动场景下，信道增益差距较大、干扰较低，适合部署NOMA，当用户移动到一定位置时，NOMA情况下的中断概率与OMA情况下的中断概率相等，可以认为两种通信方式具有相似的性能，并且随着距离更加靠近，信道增益差减小，NOMA的干扰增强，则NOMA的性能相较于OMA会变得更差，该位置就是允许NOMA通信的阈值。在NOMA网络中，低信道增益的反向散射设备中断概率表示为：

[PrRNOMAf≤R0=PrBlog21+ηfPhft4σ2 ≤R0]" （7）

其中断概率的累积分布函数为：

[PrRNOMAf≤R0≜FXμ=1-exp-μηfd-2mftρ，μ=2R0B-1，" " ρ=Pσ2] （8）

高信道增益的反向散射设备使用OMA的中断概率的累积分布函数，可以表示为：

[ϵ=22R0B-1PrROMAn≤R0=Pr12Blog21+ηnPhnt4σ2≤R0PrROMAn≤R0≜FYϵ=1-exp-ϵηnd-2mnρ] （9）

在函数[FX]和函数[FY]的交点处，可认为两反向散射设备具有相似的性能。

[1-exp-ϵηnd-2mn.ftρ=1-exp-μηfd-2mftρ]

[dn.ft=ϵηfμηn12mdft] （10）

根据上述等式，在时隙[t]时，可根据低信道增益的反向散射设备与基站的距离[dft]获得场景中可与其进行NOMA配对的阈值范围[dn.ft]，但是反向散射设备的配对阈值范围由于设备的移动性，同为时间的时变函数，在每个时隙随位置变化而更新，如图3所示，当反向散射设备移动时，阈值范围同步移动，相应的配对/解配对也会进行。将系统MTV⁃HMA（Movement Threshold Value⁃Hybrid Multiple Access）称为移动阈值混合多址。

3.2" 最佳信道增益差配对算法

通过仅考虑两个NOMA设备的配对，降低了接收器侧SIC解码的复杂性，从而降低了延迟，所以考虑以两个设备为一个复用组的形式。

在系统中的总速率主要决定于其信道增益较好的设备，要保证高信道增益设备进行NOMA配对，并且在配对时应减少对信道增益较好设备的干扰，使其与信道增益差尽可能大的设备匹配，保障其通信质量，以实现更高的系统速率。

在图4中，以常规UCGD⁃NOMA与OMA为例，其可能导致高信道增益的设备互相配对，或者高增益设备无法匹配信道增益差尽可能大的设备，有较高的干扰。而MTV⁃HMA的最佳信道增益差配对方法在移动场景中，可以保证高信道增益设备复用NOMA方案，并且可以使配对设备的信道增益差最大化，进一步降低组间干扰，从而提高了系统速率。

以下对基于阈值表达式来实现的最大信道增益差配对算法做具体说明。在系统中有[M]个反向散射设备随时间进行随机运动，配对与分组方法[t]时隙更新一次以应对移动场景下位置的变化，首先在更新配对算法时，以信道增益最低的反向散射设备作为[U1]，按信道增益升序对设备进行排序。计算[U1]的阈值到[U1]范围内的设备数[N]。计算[U1]阈值内的设备数[M-N]。取两者的最小值[minN，M-N]划分为低增益设备，其余为高增益设备。之后，从信道增益最高的低增益设备开始，将每个低增益设备与跟其信道增益差最大的设备配对。以保证高信道增益的设备可以匹配与其有最佳信道增益差的设备，以减小其干扰。配对方法如图5所示。

为了简化对于该算法的理解，通过8个移动的反向散射设备举例说明这一过程。当设备运动到[t1]时隙时，出现[Nlt;M-N]，将[U1]到[UN]之间的设备划为低信道增益设备（剩余为高信道增益设备），根据阈值允许的条件匹配最大信道增益差的设备，如果存在不满足配对条件的设备使用OMA。当设备继续运动到[t2]时隙，出现[Ngt;M-N]，将[U1]到[UM-N]之间的设备划为低信道增益设备（剩余为高信道增益设备），方式同上，并且在不同时隙进行配对与解配对。

4" 仿真实验与分析

通过对比C⁃NOMA混合OMA、UCGD⁃NOMA混合OMA在基站传输功率与总速率关系上的表现，来评估MTV⁃HMA方案的有效性。为了表现在移动场景下的复杂情况，在小区半径[R]=500 m、带宽[B]=2 MHz、噪声[N0=]-174、路径损失指数[m]=3的场景下，构建了随机航点路模型网络。在图6中，研究总时间为300 s内的低速移动情况。在小区中设置目标[{x，y}]位置和速度，并将其归一化，以描述移动反向散射设备随距离的变化。在图中将移动速度设置为5 m/s。由于反向散射设备的移动性，将每个时隙设定在2 s，并在每个时隙初进行配对，每个时隙末由于移动性造成的信道时变而进行解配对。由于传统UCGD⁃NOMA和C⁃NOMA在配对时，会出现信道增益较好的用户无法匹配与其信道增益差最佳的用户，以及小区中心区域用户无法成功配对，以上情况会导致高信道增益用户在复用用户组中受到较大的干扰，或用户无法形成配对而使用速率较低的OMA。通过本文配对算法解决上述问题后，使得系统和速率较UCGD⁃NOMA与OMA的组合提升33.64%，较C⁃NOMA与OMA的组合，性能提升46.53%。

图7通过对比C⁃NOMA混合OMA、UCGD⁃NOMA混合OMA、MTV⁃HMA中的NOMA配对数与小区内反向散射设备总数的关系，可以观察到MTV⁃NOMA比传统方法能配对更多的用户数。由于传统配对方案是机械性的，无法满足复杂的移动场景，容易导致配对的失败与不合理。提出的配对方案根据设备位置与信道增益自适应调整，考虑了多种复杂情况，为设备选择配对提供了更多的可能。在小区内移动设备总数为90时，相较于UCGD⁃NOMA配对数提升37.3%，相较于C⁃NOMA，复用数提升45.7%。

图8分析了小区中MTV⁃HMA、UCGD⁃NOMA混合OMA、C⁃NOMA混合OMA、OMA技术在三种不同用户移动速度情况下（低速、中速、高速）的和速率性能。因此，将低速设置为5 m/s，中速设置为10 m/s，高速设置为20 m/s。由于移动节点的移动速度增加，导致更加频繁的信道变化，所以用户的和速率降低。当场景中有较多的设备数时，本文的配对方法基于设备间的距离位置情况及信道条件进行配对，可以保障最优信道增益的设备复用NOMA，并且匹配最佳信道增益差的设备来降低用户组间的干扰。相较于UCGD⁃NOMA与C⁃NOMA的传统配对方法，传统方法只依赖于排序位置配对，所以在低速时，MTV⁃HMA性能提升尤为出色。但是在移动较快的中高速场景下，因为配对方法较为复杂，相较于传统方法优势并不明显。

图9分析了小区中MTV⁃HMA中的NOMA、UCGD⁃NOMA、C⁃NOMA技术在三种不同用户移动速度情况下（低速、中速、高速）的中断概率，依然将低速设置为5 m/s，中速设置为10 m/s，高速设置为20 m/s，中断概率定义为中断中的设备除以总设备数。由于本文提出的配对方法基于信道增益的时变特性，可以保证配对设备的信道增益差，在低速和中速中表现出了优于传统方法的性能，低速时中断概率分别降低83.43%和78.67%。在高速情况下，配对与解配对的时隙不变，但设备的信道增益在高速下变化的更快，所以性能提升有限。

5" 结" 语

本文深入研究了反向散射混合多址系统在移动场景下的通信方式以及配对策略，并提出最佳信道增益差配对算法。仿真结果表明，相较于传统方法，MTV⁃HMA在用户和速率方面提升33.64%，在复用用户数方面提升37.3%，尤其在低速情况下，和速率与中断概率表现出优异的性能，因此证明了本文算法的可行性。将来可以考虑优化算法以提高在高速移动场景下的性能，并且可以在优化反向散射设备反射系数、基站发射功率以追求最大化能效等方面继续开展工作。

参考文献

[1] MOUNCHILI S， HAMOUDA S. Pairing distance resolution and power control for massive connectivity improvement in NOMA systems [J]. IEEE transactions on vehicular technology， 2022， 69（4）： 4093⁃4103.

[2] AZAM I， SHAHAB M B， SHIN S Y， et al. Energy efficient pairing and power optimization for NOMA UAV network under QoS constraints [EB/OL]. [2020⁃11⁃03]. https：//arxiv.org/abs/2011.01449v1.

[3] ANWAR A， SEET B C， LI X J. Hybrid multiple access for 5G downlink systems： Throughput and outage analysis [J]. AEU： International journal of electronics and communications， 2020， 117： 153100.

[4] EJAZ W， SHARMA S K， SAADAT S， et al. A comprehensive survey on resource allocation for CRAN in 5G and beyond networks [J]. Journal of network and computer applications， 2020， 160： 102638.

[5] BAL A， KHAN M R H， PEYAL M K， et al. Performance comparison among hybrid NOMA schemes focusing on outage performance and sum rate arrangement [C]// IEEE 2nd International Conference on Emerging Technology （INCET 2021）. New York： IEEE， 2021： 1⁃5.

[6] KHAN W U， IHSAN A， NGUYEN T N， et al. NOMA⁃enabled backscatter communications for green transportation in automotive⁃industry 5.0 [J]. IEEE transactions on industrial informatics， 2022， 18（11）： 7862⁃7874.

[7] LYU W， XIU Y， ZHAO J， et al. Optimizing the age of information in RIS⁃aided SWIPT networks [J]. IEEE transactions on vehicular technology， 2023， 72（2）： 2615⁃2619.

[8] SHI J， YU W， NI Q， et al. Energy efficient resource allocation in hybrid non⁃orthogonal multiple access systems [J]. IEEE transactions on communications， 2019， 67（5）： 3496⁃3511.

[9] MARCANO A S， CHRISTIANSEN H L. A novel method for improving the capacity in 5G mobile networks combining NOMA and OMA [C]// 85th IEEE Vehicular Technology Conference. New York： IEEE， 2017： 1⁃5.

[10] QIU H， GAO S， TU G F， et al. Position information⁃based NOMA for downlink and uplink transmission in mobile scenarios [J]. IEEE access， 2020， 8： 150808⁃150822.

[11] LIU Q， SUN S， HOU J， et al. Resource allocation in NOMA⁃assisted ambient backscatter communication system [J]. Electronics newsweekly， 2022（11）： 294⁃295.

[12] NOMIKOS N， CHARALAMBOUS T， VOUYIOUKAS D， et al. Hybrid NOMA/OMA with buffer⁃aided relay selection in cooperative networks [J]. IEEE journal of selected topics in signal processing， 2019， 13（3）： 524⁃537.

[13] ZHANG Z， SUN H， HU R Q， et al. Downlink and uplink non⁃orthogonal multiple access in a dense wireless network [J]. IEEE journal on selected areas in communications， 2017， 35（12）： 2771⁃2784.

[14] EBRAHIM A， CELIK A， ALSUSA E， et al. NOMA/OMA mode selection and resource allocation for beyond 5G networks [C]// IEEE Annual International Symposium on Personal， Indoor and Mobile Radio Communications. New York： IEEE， 2020： 1⁃6.

[15] MOUNCHILI S， HAMOUDA S. Efficient pairing distance for better radio capacity in NOMA systems [C]// 2020 4th International Conference on Advanced Systems and Emergent Technologies. [S.l.： s.n.]， 2020： 383⁃388.

[16] ZHANG B， LI B， HUANG K， et al. Robust secrecy energy efficiency optimization in heterogeneous networks with SWIPT： Centralized and distributed design [EB/OL]. [2019⁃08⁃16]. https：//www.researchgate.net/publication/335215153.