《Digital Signal Processing》:Joint equalization and power allocation for UAV-assisted RSMA-OTFS transmission over doubly dispersive channels
编辑推荐:
无人机通信中结合正交时频空间调制与速率分割多址接入的传输框架研究,提出低复杂度QR分解均衡器和NSGA-II算法优化功率分配,实现高动态环境下可靠通信与吞吐量提升。
Ghania Khraimech | Fatiha Merazka | Mustapha Benssalah
LISIC实验室,电信系,电气工程学院,阿尔及尔USTHB大学,16111,阿尔及利亚
摘要
随着第六代(6G)网络的出现,无人机(UAV)预计将在提高覆盖范围、连接性和容量方面发挥关键作用,尤其是在高度动态的环境中。然而,基于UAV的通信系统面临重大挑战,如高移动性和严重的多普勒效应、干扰管理以及链路可靠性问题,这是由于无线信道的双重选择性特性,这种特性既包括时间选择性变化也包括频率选择性变化,而高移动性正是导致这些变化的原因。为了解决这些问题,本文提出了一种下行传输框架,该框架将速率分割多址接入(RSMA)与正交时频空间(OTFS)调制相结合。这种组合提高了UAV辅助网络中的通信可靠性和频谱效率。信道模型使用了整数值的延迟-多普勒参数来反映真实的高移动性条件。为了减少符号间干扰(ISI)并提高检测性能,引入了一种基于QR分解和Givens旋转的低复杂度均衡算法,该算法针对OTFS信道矩阵的稀疏结构进行了优化。此外,还制定了一个双目标功率分配策略,用于同时最小化比特错误率(BER)和最大化吞吐量。非支配排序遗传算法II(NSGA-II)被用来找到适合不同系统需求的帕累托最优解。全面的仿真进一步比较了所提出的OTFS-RSMA系统与基准方案(即OTFS-NOMA和OFDMA-RSMA)在相同条件下的性能,结果显示OTFS-RSMA系统具有更优越的总速率和BER性能。
引言
对可靠、高速和低延迟连接的需求不断增加,特别是在动态和移动环境中,这加速了先进无线通信系统的发展。无人机(UAV)已成为空中通信网络中的关键组成部分,作为空中中继,提供了现代通信技术最具有前景的应用之一。UAV越来越多地被部署用于改善高移动用户与基站(BS)之间的通信,特别是在传统地面基础设施不足、不可用或难以部署的情况下。这种能力在需要灵活、按需和视距(LoS)通信链接的应用中特别有价值,例如军事行动、灾难恢复和农村地区的覆盖[1]。然而,UAV和用户设备(UE)的高移动性引入了重大挑战,包括严重的多普勒效应和时变信道条件,这些在毫米波(mmWave)和太赫兹(THz)频段等高频信道中尤为明显,因为多普勒位移和延迟扩展变得更加显著[2]。为了克服这些挑战,必须开发先进的调制技术和创新的多址接入策略,以实现在这种动态环境中的可靠通信。
一种受到广泛关注的调制技术是正交时频空间(OTFS)。与传统的正交频分复用(OFDM)不同,OFDM在时频域中对数据进行调制,而OTFS在延迟多普勒域(DD)中操作,对多普勒位移和延迟扩展具有很强的抵抗力[3]。这种固有的鲁棒性使OTFS特别适合高移动性环境,例如UAV辅助通信系统,其中频繁发生快速和动态的信道变化。
除了调制方案外,多址接入策略的选择在决定通信系统的整体性能方面也起着关键作用。传统的正交多址接入(OMA)技术,如时分多址接入(TDMA)和频分多址接入(FDMA),由于资源分配僵化和可扩展性差,在超密集网络中效率低下[4]。相比之下,非正交多址接入(NOMA)技术提供了更高的频谱效率,但往往在干扰管理和公平性方面存在问题[5]。为了解决这些权衡,提出了速率分割多址接入(RSMA)作为一种通用框架,它结合了OMA和NOMA的优点。RSMA通过将用户消息分割成共享流和私有流来实现这一点,从而实现更灵活的干扰管理和更高的频谱效率[6]。这种适应性使RSMA特别适合UAV辅助网络,其中多样化的用户需求需要通过动态的速率分割调整来平衡系统容量和用户公平性。
此外,RSMA已使用OTFS调制扩展到高移动性环境。在这一方向上的首批贡献之一是在[7]中提出的,作者提出了一种用于上行通信的OTFS-RSMA传输方案,并通过分析和仿真结果进行了验证。在[8]中,引入了一种结合了优化功率分配算法的联合OTFS-RSMA架构,以应对高移动性带来的独特挑战。此外,在[9]中,作者将这种方法扩展到下行通信,提出了一种旨在优化动态环境中总速率性能的跨域传输方案。尽管这些工作提供了有价值的见解,但它们主要关注单目标公式,如总速率最大化,而没有明确解决频谱效率(总速率)和可靠性(比特错误率(BER)之间的关键权衡。相比之下,我们的工作提出了一个双目标优化问题,同时最大化总速率和最小化BER。为了解决这个问题,我们采用了非支配排序遗传算法II(NSGA-II)[10]。该算法以其精英主义、通过拥挤距离机制保持多样性以及计算效率高的非支配排序而闻名。NSGA-II已广泛应用于高级无线系统的多目标资源分配[11]。它已被用于联合优化网络辅助的全双工大规模MIMO ISAC框架中的通信和感知性能,证明了其在复杂和动态无线电环境中生成良好分布的帕累托前沿的有效性。与凸方法或加权和方法不同,NSGA-II在单次运行中生成了分布良好的帕累托前沿,而无需预先定义权衡权重。这种能力对于在高度动态信道中运行的UAV辅助系统尤为重要。
此外,本文还提出了一种基于QR分解和Givens旋转的低复杂度均衡器。与[12]中提出的QRD-SIC检测器不同,后者专注于交错OTFS并采用连续干扰消除来提高检测精度,但以迭代复杂性为代价,我们的方法使用Givens旋转直接对有效信道矩阵进行正交化,从而消除了昂贵的矩阵求逆和迭代解码,同时保持了接近最优的性能。
受这些发现的启发,我们提出了一种针对双重选择性信道的UAV辅助下行通信的新型RSMA-OTFS传输架构。本工作的关键贡献总结如下:
1.我们为UAV下行场景引入了一个强大的RSMA-OTFS框架,该框架将OTFS的DD域鲁棒性与RSMA的灵活干扰管理能力相结合。据我们所知,这是首批探索和实施UAV辅助下行通信中RSMA over OTFS调制的研究之一。
2.为了在可靠性和吞吐量之间取得平衡,我们制定了一个双目标优化问题,同时最小化BER和最大化可实现的总速率。考虑到实际系统约束,我们采用了非支配排序遗传算法II(NSGA-II)进化算法,动态地在共享流和私有流之间分配功率。
3.为了减轻DD干扰,我们提出了一种基于QR分解和Givens旋转的低复杂度线性均衡方法[13]。这种方法不仅提高了数值稳定性,还便于硬件实现,这对于实时UAV通信系统至关重要。
本文的其余部分组织如下。第2节回顾了相关工作。第3节介绍了所提出的系统模型。第4节提出了功率分配方案,旨在优化BER和总速率性能。第5节描述了所提出的低复杂度检测算法,第6节讨论了仿真结果。最后,第7节总结了本文。
符号说明:标量用常规小写字母(
a)表示,向量用粗体小写字母(
a)表示,矩阵用粗体大写字母(
A)表示,张量用花体字母(
)表示。向量
a的第
个元素表示为
ai,矩阵
A的(
)项表示为
A[
i, j]。上标(?·?)
H表示厄米特(共轭转置),?表示克罗内克积,|?·?|表示绝对值。
FN表示具有
N点的离散傅里叶变换矩阵(DFT),
IM表示单位矩阵
M?×?
M。
相关工作
近年来,随着第五代(5G)网络在全球的部署,研究社区现在将注意力转向了第六代(6G),其目标是提供前所未有的性能指标,包括太赫兹频率操作、超可靠的低延迟通信(URLLC)以及空中和地面网络的无缝集成[14],[15]。然而,将UAV集成到无线网络中由于两者的快速移动性而面临重大挑战
系统模型
在这项工作中,我们研究了一个中继辅助的下行协作网络,其中地面基站(GBS)将用户数据传输给UAV,UAV作为中继。然后UAV将每条消息分割成公共部分和私有部分(使用RSMA),执行叠加编码,并将得到的传输信号映射到OTFS延迟-多普勒网格上。信号随后通过双重选择性的UAV-用户信道传输,相应地推导出接收信号表达式。
联合吞吐量和BER性能的功率分配框架
本节研究了通过开发公共消息和私有消息之间的高效功率分配策略来联合优化总速率和BER。在RSMA-OTFS系统中实现这种权衡特别具有挑战性,因为最大化吞吐量与最小化解码错误之间存在冲突。为了解决这个双目标优化问题,我们提出了使用NSGA-II算法,该算法非常适合这种情况。该算法有效地生成了一组
提出的低复杂度均衡器
在本节中,我们提出了一种低复杂度的QR均衡器,它利用了有效OTFS信道矩阵的圆形结构
仿真结果
本节评估了所提出的OTFS-RSMA系统在UAV辅助通信场景中的BER和总速率性能,证明了整体设计的有效性。使用NSGA-II算法进行了这两个性能指标的联合优化,同时提出了一种低复杂度的基于QR的均衡器,以降低检测复杂性而不影响精度。
系统性能在两种信道条件下进行了比较:扩展车辆A(EVA)信道模型
结论
在这项工作中,我们提出了一种专为在真实双重选择性无线信道上运行的UAV辅助通信设计的新型RSMA-OTFS下行传输方案。集成的RSMA-OTFS框架在减轻高移动性场景中的严重延迟和多普勒效应方面表现出特别的有效性。我们开发了一种计算效率高的均衡器,该均衡器使用QR分解和Givens旋转来抑制符号间干扰
CRediT作者贡献声明
Ghania Khraimech:概念化、方法论、软件、形式分析、资源管理、数据整理、初稿撰写、审阅和编辑。Fatiha Merazka:概念化、方法论、数据整理、初稿撰写、审阅和编辑。Mustapha Benssalah:初稿撰写、审阅和编辑。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
Ghania Khraimech出生于阿尔及利亚的Boumerdès。她于2016年在阿尔及尔USTHB大学获得了电信和网络工程学士学位,2018年获得了电信、网络和多媒体硕士学位。她目前正在USTHB大学攻读电信和信息理论博士学位。她的研究兴趣包括先进无线通信、无人机(UAV)