《IEEE Open Journal of the Communications Society》:Survey of Cooperative NOMA for Beyond 5G: State-of-the-Art, Applications and Research Directions
编辑推荐:
本推荐语由编辑撰写:为解决5G/B5G系统中高可靠、低延迟、海量连接等需求,研究人员对协作非正交多址接入(C-NOMA)技术开展了系统性综述研究。文章详细阐述了C-NOMA通过用户辅助中继和专用中继增强系统可靠性、扩展覆盖范围的基本原理,并深入探讨了其与认知无线电(CR)、全双工(FD)、智能反射面(IRS)、人工智能(AI)等前沿技术的融合方案。研究指出,C-NOMA在提升频谱效率(SE)、能量效率和用户公平性方面展现出巨大潜力,是未来6G网络中实现超可靠连接的关键使能技术。
在当今这个被在线视频游戏、物联网(IoT)、虚拟现实/增强现实(VR/AR)以及各种直播会议充斥的时代,移动数据流量正经历爆炸式增长。根据爱立信的预测,到2025年,移动数据流量预计将达到约90亿的惊人规模。为了应对这种对数据的爆炸性需求,从1G到4G的蜂窝通信系统在多址接入技术上取得了显著进步,例如频分多址(FDMA)、时分多址(TDMA)、码分多址(CDMA)和正交频分多址(OFDMA)。然而,这些技术都依赖于同一个概念——正交性,即用户以正交的方式共享资源块(如频率信道、时隙、扩频码等)。尽管正交多址(OMA)技术能够实现接收机设计的简单化且用户间干扰最小,但其显著限制了可以接入频谱的用户总数,从而降低了频谱效率(SE)。最终,非正交多址接入(NOMA)因其能够促进频谱资源的高效利用而获得了广泛认可。
NOMA的独特魅力在于它能够在同一频段内同时服务任意数量的用户。它采用功率域复用的现象,在相同的时频资源块内叠加多个用户信号。由于NOMA在功率域为用户引入了额外的自由度,它吸引了全球多个研究机构、学术界和工业界的关注。更具体地说,为了确保NOMA概念的成功实施,具有不同信道增益的用户被分簇在一起。功率域NOMA的理念是,基站(BS)首先根据用户的信道增益来排列要服务的用户。通常,当用户由于不利的信道条件而与BS的连接非常差时,该用户被视为“弱用户”。相反,当用户与BS有极佳连接时,则被归类为“强用户”。通过这种方式,弱用户被分配更多的功率,而强用户被分配较少的功率。最后,在发射端,通过叠加编码(SC)现象将弱用户和强用户的信号进行叠加。由于这种用户间的复用会导致干扰的产生,在接收端采用连续干扰消除(SIC)来抑制干扰。
为了进一步提高NOMA系统的性能,并以提高可靠通信范围为主要动机,将NOMA与协作通信相结合显得非常有吸引力。协作NOMA(C-NOMA)是一种创新的无线通信方法,它利用用户间的协作中传来提高NOMA的效率。通过将协作通信与NOMA原理相结合,C-NOMA增强了频谱效率(SE),确保了公平的资源分配,并提高了系统可靠性,尤其是在用户经历不同信道条件的环境中。
在C-NOMA框架中,BS发射一个复合信号,其中多个用户的数据流在功率域叠加。在此设置中,信道条件较好的用户(即近用户)采用SIC来解码远用户的信号。在成功解码远用户的消息后,近用户充当中继,将解码后的信号转发给远用户,从而增强了远用户的接收质量。这种协作中继机制不仅减轻了小区边缘用户路径损耗和衰落的不利影响,还改善了系统的整体性能指标,如覆盖面积和链路可靠性。
尽管有这些好处,C-NOMA也带来了几个值得深入研究的的技术挑战。关键研究领域包括干扰管理(尤其是在多中继和多小区环境中)、功率分配优化以平衡吞吐量和公平性、协作中继中的安全和隐私问题、以及最大化网络效用的用户选择/配对算法。这些方面中的每一个都引入了性能、复杂性和可扩展性之间的权衡。
为了全面展示C-NOMA的发展现状与未来潜力,研究人员在《IEEE Open Journal of the Communications Society》上发表了这篇题为“Survey of Cooperative NOMA for Beyond 5G: State-of-the-Art, Applications and Research directions”的综述文章。本研究旨在系统性地梳理C-NOMA的技术脉络,并为其在6G及未来的发展指明方向。
研究人员在综述中主要运用了系统性的文献调研、分类与比较分析等方法。通过对大量现有研究工作的归纳总结,文章构建了C-NOMA的统一技术分类体系,并深入比较了其与正交多址(OMA)技术的核心差异。同时,研究还重点分析了C-NOMA与多种新兴技术(如智能反射面(IRS)、人工智能(AI)、区块链、移动边缘计算(MEC)等)的融合机理与性能增益。此外,文章还通过理论推导和性能指标(如中断概率(OP)、频谱效率(SE)等)的对比,评估了不同C-NOMA方案的优势与局限。
C-NOMA的基本结构与分类
文章将C-NOMA网络的基本结构分为两大类:用户中继和专用中继。
在用户中继系统中,数据从源发送给两个用户,即近用户和远用户。传输需要两个阶段完成。在第一阶段,源向近用户发送叠加信号。近用户首先将远用户的信号解码,同时将其自身信号视为噪声。随后,它使用SIC获取自身信号以消除远用户的信号。近用户然后在第二阶段转发远用户的信号。用户中继可以增强通信可靠性并扩大网络覆盖范围。专用中继系统则使用一个专用节点作为中传来辅助数据传输。数据通过中继从源发送到两个用户。专用中继被分配给特定的传输任务,不能转发其他源的传输,这确保了中继节点不会因过载而影响信号放大和衰落抑制的质量。
C-NOMA与前沿技术的融合
文章详细探讨了C-NOMA与多种前沿技术的深度融合,展示了其强大的适应性和扩展性。
- •
与人工智能(AI)的融合: AI技术,特别是深度强化学习(DRL)和联邦学习(FL),被确定为实现智能功率分配、中继选择和用户分簇的关键使能器,解决了传统优化方法的局限性。例如,图神经网络(GNN)可用于实现下行链路C-NOMA中快速、接近最优的功率分配。
- •
与智能反射面(IRS)的融合: IRS由大量低成本、可重构的无源元件组成,可以智能地控制入射电磁波的相位、幅度或极化。IRS辅助的C-NOMA能够通过被动波束成形改善用户公平性、扩展覆盖范围并提高频谱和能量效率。研究表明,即使采用离散相移,IRS辅助的NOMA也能实现接近最优的中断性能。
- •
与全双工(FD)的融合: FD中继允许在同一频段内同时进行信号的发送和接收,从而将频谱效率(SE)提高一倍。然而,C-NOMA系统中的自干扰(SI)管理是一个关键的设计问题。将FD与能量收集(例如SWIPT)相结合,可以改善协作网络的可持续性。
- •
与移动边缘计算(MEC)的融合: 部署在基站(BS)旁的MEC服务器可以处理资源分配、中继选择和信号解码等任务。在C-NOMA系统中,MEC可以支持集中式或分层优化,快速管理功率分配、用户配对和中继选择。MEC天然地支持协作任务卸载和通信计算资源的联合分配。
- •
与区块链的融合: 在区块链辅助的C-NOMA中,去中心化账本技术用于以透明和防篡改的方式管理协作中继、资源分配和频谱分配。智能合约可以自动调节中继选择策略、激励机制和访问权限,消除对集中控制器的依赖。
性能评估与挑战
文章从频谱效率(SE)、能量效率和服务质量(QoS)要求等方面对C-NOMA进行了批判性分析,并特别强调了诸如准确信道状态信息(CSI)获取、鲁棒的连续干扰消除(SIC)、可扩展的中继选择以及异构环境中的安全性等挑战。关键的研究挑战包括:
- 1.
功率分配: 需要在强用户和弱用户之间取得平衡,同时考虑能量效率,并需要动态功率控制策略来适应变化的网络条件。
- 2.
安全和隐私: 协作传输的共享特性使得系统容易受到窃听、干扰和中继节点被攻击等威胁。需要结合物理层安全(PLS)、人工智能驱动的威胁检测和区块链技术来增强安全性。
- 3.
信道估计(CE): 在快速变化的信道条件下,获得准确的CSI对于有效的功率控制和SIC至关重要。低开销和自适应的CE技术是实际部署的关键。
- 4.
可扩展性: 针对海量物联网(mMTC)场景,需要轻量级的架构和算法来支持大规模用户连接。
研究结论与展望
本综述系统性地整合了C-NOMA领域的最新技术发展,并勾勒出未来的研究方向。研究表明,C-NOMA通过协同利用协作分集和非正交资源复用,在频谱效率、用户公平性、覆盖范围和链路可靠性方面显著优于传统OMA方案。其与AI、IRS、FD、MEC、区块链等新兴技术的深度融合,进一步释放了其在应对6G网络极端性能需求方面的巨大潜力。
未来的研究将集中于AI驱动的优化、量子辅助通信、无人机(UAV)与卫星集成、可重构智能表面(RIS)使能的设计以及混合OMA-NOMA切换等方向。通过解决这些开放的挑战,C-NOMA有望成为6G及以后时代实现安全、高能效和超可靠连接的基石技术,为海量物联网、自动驾驶系统和下一代智慧城市基础设施提供支撑。这项研究为学术界和工业界的研究人员提供了关于C-NOMA的全面参考,指明了通往更智能、更高效无线网络未来的道路。