非完美信道状态信息下基于量子辅助的可靠性感知串行干扰消除接收机的可重构智能表面索引调制非正交多址接入系统
《AEU - International Journal of Electronics and Communications》:Quantum-assisted reliability-aware SIC receiver for RIS-index modulated NOMA systems under imperfect CSI
【字体:
大
中
小
】
时间:2026年09月26日
来源:AEU - International Journal of Electronics and Communications 3.1
编辑推荐:
摘要 可重构智能超表面(RIS)辅助非正交多址接入(NOMA)技术已成为提升第五代后续(beyond-5G)和第六代(6G)无线网络频谱效率与覆盖范围的一项有前景的技术。然而,传统逐次干扰消除(SIC)接收机因不完善的信道状态信息(CSI)、残余干扰和误差传播而面临性能退化问
摘要 可重构智能超表面(RIS)辅助非正交多址接入(NOMA)技术已成为提升第五代后续(beyond-5G)和第六代(6G)无线网络频谱效率与覆盖范围的一项有前景的技术。然而,传统逐次干扰消除(SIC)接收机因不完善的信道状态信息(CSI)、残余干扰和误差传播而面临性能退化问题,在RIS索引调制(RIS-IM)NOMA系统中尤为突出,因为这些系统需要对通信符号和RIS激活图案进行联合检测。针对上述挑战,本文提出了一种基于可训练变分量子电路(VQC)的量子辅助可靠性感知SIC(QA-SIC)接收机。该VQC处理接收信号特征,包括信道增益、信干噪比(SINR)、残余干扰、CSI不确定性和RIS激活信息,以生成可靠性评分来指导自适应SIC解码。此外,本文推导了有效SINR、误码率(BER)、中断概率、RIS索引错误概率、可达速率和计算复杂度的闭式解析表达式。仿真结果表明,与常规SIC、最小均方误差(MMSE)SIC和经典RIS-IM SIC接收机相比,所提出的QA-SIC接收机能够持续实现更低的误码率和中断概率、更高的RIS索引检测准确率、更优的频谱效率和能效,以及在不完全CSI条件下增强鲁棒性,同时保持多项式计算复杂度。这些结果凸显了量子辅助接收机在实现可靠智能的6G RIS辅助NOMA通信方面的潜力。
引言 A. 背景
第六代(6G)无线网络的快速发展受到对超高速率、海量连接、超低时延、高可靠性和高效通信日益增长需求驱动,以支持智能交通、工业自动化、扩展现实和物联网(IoT)等新兴应用。在面向未来无线系统的使能技术中,非正交多址接入(NOMA)作为一种有前景的多址技术脱颖而出,因为它允许多个用户通过功率域复用以及时分复用的方式同时共享相同的时间-频率资源。尽管其频谱效率优异,但在严重的信道衰落、残余干扰和不精确信道估计条件下,NOMA的性能会明显退化。为解决这些局限性,可重构智能超表面(RIS)最近作为一种革命性技术出现,能够通过可编程的无源反射单元智能地操控无线传播环境。RIS和NOMA的互补特性自然地推动了RIS辅助NOMA系统的发展,在这种系统中,可编程的无线传播环境改善了功率域复用的效果。
近年来,基于RIS的索引调制(RIS-IM)作为一种创新的传输范式出现,它利用RIS单元的激活状态、反射图案或分组来传达额外的信息比特,而无需占用额外的带宽或发射功率。虽然RIS-IM显著提高了通信效率,但也引入了新的接收机挑战,因为必须同时联合估计传输的通信符号和RIS激活索引,这在实际无线环境中使得检测过程变得复杂得多。
与这些发展并行的是,量子机器学习(QML)最近作为面向未来无线通信系统的一种有前景的计算范式,引起了广泛关注。这些最新进展表明,量子增强学习有望通过提供改进的特征表示和自适应决策能力,解决传统接收机算法的多个局限性。
B. 相关工作
Ding等人全面回顾了NOMA的发展历程,指出高效的SIC、用户配对和功率分配是未来无线网络的主要研究挑战,同时强调了其在提高频谱效率和支撑海量连接方面的优势[1]。Islam等人进一步证明,功率域NOMA在吞吐量、用户公平性和频谱利用方面显著优于传统正交多址技术,尽管实际部署仍受限于不完全的SIC和接收机复杂度[2]。Liu等人扩展了这些研究,讨论了NOMA与新兴的5G及后续通信技术的集成,强调了鲁棒的接收机架构在密集无线环境中缓解干扰和解码错误的重要性[3]。早期的NOMA研究主要侧重于通过优化资源分配和协作通信来提高传输可靠性。Ding等人提出了协作NOMA传输,证明用户协作能够增强分集增益并改善处于恶劣信道条件下的用户的可靠性[4]。Timotheou和Krikidis随后研究了面向公平性的功率分配策略,证明合适的发射功率分配在保持可接受的系统吞吐量同时显著改善了用户公平性[5]。Choi进一步研究了分层MIMO-NOMA传输,提出了一种高效的功率分配框架,通过优化复用用户间的解码顺序来提升接收机性能[6]。Hanif等人开发了一种极小化极大化优化框架,用于最大化NOMA系统下行链路和速率,为功率分配和干扰管理提供了高效的迭代解决方案[7]。尽管这些研究显著推进了NOMA传输技术,但接收机通常被假设为在理想信道知识和完美SIC条件下工作,限制了其在实际通信场景中的适用性。
随着RIS技术的出现,一些研究探讨了可编程无线环境的实用系统设计与优化。Basar等人引入了RIS辅助无线通信的概念,证明可编程反射表面能够在不需要有源射频链路的情况下显著提升接收信号质量,从而为传统中继提供了一种能效高的替代方案[8]。Wu和Zhang随后提出了面向RIS辅助无线网络的联合有源-无源波束成形框架,证明发射波束成形和RIS相移的协调优化能显著提升通信可靠性和系统吞吐量[9]。此外,Di Renzo等人建立了智能无线环境的概念,为RIS技术提供了全面的理论基础,包括电磁建模、硬件实现、信道表征和未来的研究方向,从而将RIS定位为6G智能无线通信的关键使能技术之一[10]。
Ding和Poor提出了最早的IRS辅助NOMA传输策略之一,证明智能配置的反射表面在保持低实现复杂度的同时能显著提升接收信号强度[11]。Hou等人随后研究了RIS辅助NOMA网络,证明RIS反射系数和NOMA传输的联合优化在实际部署场景下显著增强了中断性能、可达速率和用户公平性[12]。Mu等人进一步提出了面向RIS辅助NOMA系统的联合波束成形优化框架,证明协调的有源和无源波束成形相比传统波束成形方案显著改善了频谱效率[13]。Huang等人证明智能反射表面通过联合优化发射波束成形和RIS相移显著改善了无线通信系统的能效[14]。ElMossallamy等人全面回顾了RIS辅助无线通信的工作原理、硬件架构和部署挑战,强调了实际信道建模和无源波束成形优化的重要性[15]。Wu等人随后提供了一份关于RIS辅助无线通信的详细教程,涵盖电磁建模、信道估计、波束成形优化和资源管理,为未来的RIS使能网络提供了全面的理论基础[16]。Liu等人进一步研究了多用户无线系统中RIS与NOMA的交互作用,证明可编程传播环境相比传统NOMA传输显著改善了通信可靠性、频谱效率和用户公平性[17]。
尽管RIS辅助NOMA已成为未来无线通信的一项有前景的技术,但接收机设计、不完全信道估计、残余SIC干扰和可靠符号检测等方面的一些实际问题仍未得到充分解决。Hemanth等人分析了考虑实际硬件损伤的RIS辅助NOMA系统的中断性能,证明非理想的收发组件显著降低了通信可靠性[18]。Shaikh等人扩展了这一分析,研究了硬件损伤下的下行RIS辅助NOMA系统,证明系统性能随着硬件非线性程度的增加而迅速退化[19]。这些研究清楚地表明传统SIC接收机不足以用于实际的RIS辅助NOMA部署,推动了开发更鲁棒的接收机架构的需求。
RIS-IM通过RIS激活图案实现额外的信息传输。然而,在不完善信道条件下,可靠的索引检测变得更加具有挑战性。Basar提出了RIS-IM系统作为一种新的超越MIMO传输技术,证明RIS单元的可配置反射状态可以作为一种额外的信息承载维度,从而显著提高频谱效率[20]。扩展这一概念,Liu等人利用RIS配置作为空间信息载体实现了RIS辅助空间移键控,并以相对较低的硬件复杂度证明了传输可靠性的改善[21]。Salan等人评估了在不完善信道相位估计条件下的RIS辅助空间调制系统,证明信道估计误差在广义衰落信道上显著影响检测精度[22]。Dixit和Kumar推导了考虑不完全SIC和不完全CSI的NOMA系统的精确误码率分析,强调了残余干扰对接收机性能的严重影响[23]。Aldababsa等人研究了在Nakagami-m衰落信道上运行的STAR-RIS辅助NOMA系统,证明实际衰落特性显著影响中断概率和可达分集阶数[24]。最近,Shah等人分析了考虑信道估计误差和不完全SIC的RIS使能车联网NOMA系统,确认实际CSI不确定性仍然是动态无线环境中的主要性能瓶颈之一[25]。为提高信道估计精度,Nguyen等人提出了基于CNN-LSTM的RIS辅助NOMA系统框架,证明深度学习在时变信道下显著改善了CSI估计[26]。Hussein等人提出了具有特征星座的RIS-IM,证明通过优化的反射特征实现了传输可靠性的改善[27]。Cogen和Basar随后引入了RIS增强的码索引调制,用于高速率通信系统,在保持低实现复杂度的同时显著提高了频谱效率[28]。Dogukan和Basar进一步提出了混合RIS使能增强反射调制,表明联合利用反射调制和IM为未来无线系统提供了额外的传输灵活性[29]。然而,现有的RIS-IM接收机通常采用传统最大似然或基于SIC的检测算法,并未明确处理不完全CSI下的解码可靠性。尽管这些研究改善了接收机鲁棒性,但它们主要依赖于传统机器学习或确定性信号处理技术,并未将解码可靠性明确纳入SIC过程。
最近,QML在物理层无线通信中展现了可观的前景。Nawaz等人回顾了QML在6G网络中的应用,识别出信号检测、资源优化和智能无线通信是未来的主要研究方向[30]。Chen等人随后证明变分量子电路(VQC)具有强大的非线性表示能力,能够以较少的可训练参数高效学习复杂的特征分布,使其适用于智能决策和信号处理应用[31]。这些最新进展表明,量子增强学习有望通过提供改进的特征表示和自适应决策能力,解决传统接收机算法的多个局限性。Tabi等人开发了一种用于端到端无线通信系统的混合量子-经典自编码器,证明量子特征提取相比纯经典学习方法显著改善了信号表示和重建精度[32]。然而,现有的量子辅助无线通信研究主要聚焦于信号表示或优化,尚未探索在不完全CSI条件下面向RIS索引调制NOMA系统的可靠性感知SIC接收机设计。表I总结了所提出接收机与最相关的现有工作之间的主要差异。
C. 动机与贡献
这些局限性推动了本文所提出接收机的发展,其中量子学习不仅被用作分类器,还被用作可靠性估计机制来指导逐次干扰消除。通过利用接收信号、估计的信道系数、残余干扰和RIS激活状态的量子特征表示,所提出的接收机在SIC执行前生成自适应可靠性评分来量化解码置信度。这种可靠性感知的解码策略有效地抑制了误差传播,提高了通信符号与RIS索引的联合检测精度,并增强了接收机在不完全CSI条件下的鲁棒性。本文的主要贡献总结如下:
• 针对不完全CSI条件下的RIS索引调制NOMA系统,提出了一种量子辅助可靠性感知SIC(QA-RA-SIC)接收机。与传统SIC接收机不同,所提出的架构联合检测通信符号和RIS激活索引,同时明确考虑信道不确定性和残余干扰。
• 开发了一个基于VQC的可靠性估计模块,用于学习接收信号、估计的CSI、干扰统计信息和RIS索引信息的非线性表示。
生成的量子可靠性得分随后被用于自适应控制SIC解码过程,以减少误差传播。•为有效SINR、中断概率、误码率和可实现速率推导出了闭式表达式,为所提出接收机的性能提供了理论洞察。•大量仿真结果验证了所提出的QA-RA-SIC接收机在误码率、中断概率、RIS索引检测精度、频谱效率、能量效率、时延、收敛性以及不完美CSI下的鲁棒性方面始终优于传统SIC、增强型SIC和现有学习辅助接收机,证明了其适用于可靠智能的6G RIS辅助NOMA系统。
**章节摘要**
**系统模型**
**A. 网络架构**
考虑一个下行RIS辅助NOMA通信系统,由多天线基站(BS)、N元素RIS和K个单天线用户设备(UE)组成,如图1所示。BS采用功率域NOMA在同一时频资源块上同时服务多个用户。RIS被部署用于智能地操控传播环境,将入射电磁波反射向目标用户。与……不同
**所提出的量子辅助SIC接收机**
**A. 问题建模**
传统SIC接收机按照预定的解码顺序依次解码接收到的叠加信号。在完美信道估计条件下,先前解码用户检测到的信号被重构并从接收信号中减去,然后再解码下一个用户。然而,在实际的RIS辅助NOMA系统中,不完美CSI、残余干扰和RIS索引不确定性显著降低了解码性能。一次错误的……
**性能分析**
本节分析了所提出的VQC辅助可靠性感知SIC接收机在不完美信道状态信息和RIS索引调制条件下的理论性能。推导出了信号与干扰加噪声比(SINR)、误码率(BER)、中断概率、RIS索引错误概率和可实现速率的闭式表达式及解析界。此外,还分析了量子辅助可靠性估计对干扰消除的……
**计算复杂度分析**
本节分析了所提出的VQC辅助可靠性感知SIC接收机的计算复杂度,并将其与传统最大似然(ML)、MMSE-SIC和传统SIC接收机进行了比较。复杂度从符号检测、可靠性估计和RIS索引检测所需的算术运算数量来评估。与联合搜索所有可能符号组合和RIS激活模式的ML检测器不同,所提出的……
**仿真结果与讨论**
本节评估了所提出的QA-SIC接收机在不完美CSI条件下RIS索引调制NOMA系统的性能。所提出的接收机与四个代表性基准方案进行了比较,分别为传统SIC、MMSE-SIC、经典RIS-IM SIC和最大似然(ML)检测。评估考虑了通信性能和接收机效率两个方面,使用多个性能指标,包括误码率(BER)、中断概率、RIS索引错误概率……
**结论**
本文提出了一种面向不完美CSI条件下运行的RIS索引调制NOMA系统的量子辅助可靠性感知逐次干扰消除(QA-SIC)接收机。与传统SIC接收机无论解码置信度如何都执行完全干扰消除不同,所提出的接收机集成VQC来估计每个解码符号的可靠性,并执行自适应的可靠性加权干扰消除,从而显著减少残余……
**CRediT作者贡献声明**
S. Devipriya:概念化。
**利益冲突声明**
作者声明不存在已知的可能影响本文报告工作的竞争性经济利益或个人关系。
S. Devipriya
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号