论文部分内容阅读
摘 要: 针对混合非正交多址接入(NOMA)的认知无线电网络的下行链路,以主用户的干扰功率阈值、次用户最小信息速率以及子信道复用用户数为约束条件,建立信道和功率资源分配的优化问题模型,提出了一种公平性可调的信道分配方法,得到信道和用户的匹配结果;采用凸近似和Charnes-Cooper变换的方法,得到复用用户的功率分配值. 仿真结果表明,给定基站总功率为25 dBm时,所提信道分配算法的用户公平性指数提升了50%.
关键词: 非正交多址接入(NOMA); 认知无线电; 信道分配; 功率分配; 能效
中图分類号: TN 929.5 文献标志码: A 文章编号: 1000-5137(2021)01-0069-09
Abstract: For the downlink of the cognitive radio network with hybrid non-orthogonal multiple access(NOMA),the improved model for channel and power resource allocation were established with the constraints of the primary user’s interference power threshold,the secondary user’s minimum information rate,and the number of subchannel multiplexing users. To optimize the problem model,a channel allocation method with adjustable fairness was proposed to obtain the matching result between the channel and the user. The convex approximation and the Charnes-Cooper transformation method were used to obtain the power allocation value of the multiplexing users. The simulation results showed that when the total power of the base station was 25 dBm,the user fairness index of the channel allocation algorithm proposed in this paper was improved by 50%.
Key words: non-orthogonal multiple access(NOMA); cognitive radio; channel allocation; power allocation; energy efficiency
0 引 言
目前,人们对数据速率需求呈指数型增长,而数据速率的大幅提升需要消耗大量频谱资源.认知无线电技术可缓解频谱资源紧缺的问题,该技术允许次用户接入主用户未占用的频谱,同时保证主用户的数据速率,从而提高系统的频谱使用效率.
在传统认知无线电网络中,一般采用正交多址接入(OMA)技术进行用户复用,而大量文献已经证明非正交多址接入(NOMA)技术的频谱利用率优于OMA技术.LIU等[1]研究了NOMA网络中多用户下行链路能效资源分配问题,提出了一种低复杂度的两用户信道分配算法,以最大化系统能效,该算法中最佳子信道的分配策略是始终选择子信道上具有最强等效信道增益的用户进行匹配;FANG等[2]研究了非完美信道状态信息下NOMA网络的下行链路资源分配问题,通过将概率混合非凸优化问题转换成概率问题求解,提出一种新的低复杂度次优用户匹配算法,该算法中子信道倾向于选择使其能效最大化的用户集合与该子信道进行匹配.文献[1-2]中的信道分配算法易使信道状态信息相近的用户复用到同一子信道上,使得用户间的公平性降低,且影响接收端的正确解调性能[3],这是因为系统按照复用用户的信道增益情况进行功率分配,每个复用用户分得的功率差值较小,用户间干扰较大.LIANG等[4]研究了认知无线电NOMA网络下行链路的用户配对和功率分配问题,提出的分布式匹配算法(DMA)中,主用户通过协商功率分配系数与次用户交换可用功率,同时保证了主用户和次用户的信息速率要求,该算法可以实现稳定的匹配且复杂度较低;ZHANG等[5]研究了NOMA网络下行链路的动态资源分配问题,通过一种基于两侧匹配算法的次优信道分配算法,得到用户和信道匹配结果,然后考虑用户最小信息速率和最大发射功率的约束条件下,使用李亚普诺夫优化模型求解功率分配问题;LEANH等[6]研究了认知毫微微蜂窝网络上行链路的信道分配和功率分配的联合优化问题,以最大化系统的吞吐量,提出了一种基于匹配博弈的分布式算法,对用户和基站之间的竞争行为进行建模分析,所提算法具有较低的计算复杂度;SHI等[7]研究了混合NOMA系统下行链路的用户分簇和功率分配问题,提出了启发式资源分配(Heur-RA)算法以实现更高的能效性能,设想的混合式NOMA接入方案优于常规OMA,在系统配置方面比传统NOMA具备更高的灵活性;贾亦真等[8]研究了认知无线电网络中NOMA信道和功率分配联合优化问题,为了避免信道状态信息相近的用户复用到同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配方案,该算法在提高用户公平性的同时也提高了系统能效. 上述文献未解决信道状态信息相近的用户复用到同一子信道上的问题.本文作者在文献[7]的基础上,将混合NOMA系统与认知无线电结合,研究系统的信道和功率分配问题,提出了一种公平性可调的信道分配算法,得到信道和次用户的匹配结果;采用凸近似和Charnes-Cooper变换的方法,得到复用次用户的功率分配值.
1 系统模型与问题建模
1.1 系统模型
考虑基于混合NOMA的认知无线电网络的下行链路,认知无线电网络采用的是Underlay频谱共享模型,即主用户和次用户在同一子信道可以同时传输,如图1所示.假设为M个主用户PUm(m=1,2,…,M)提供服务的蜂窝小区基站(BS)既是主系统的基站,也是次系统的基站,M个主用户采用OMA接入方式.为了便于分析,将第m个主用户PUm占用的子信道索引记作m.假设图1中的次用户总数K大于主系统的可用子信道数M,则要将K个次用户分成M个簇,按不同的簇接入某个主用户占用的子信道.将k(k=1,2,…,K)记作次用户SUk的索引,子信道m上复用次用户数为Lm,当Lm=1时,子信道m上的次用户采用OMA方式接入,该子信道m上的主用户和次用户之间采用NOMA方式接入;当Lm>1时,子信道m上的次用户和次用户之间以及主用户和次用户之间采用NOMA方式接入.
基站到主用户PUm的下行链路信道增益记为gm,基站到子信道m上的次用户k的下行链路信道增益记为hk,m.假设所有下行链路的信道增益是均值为0,方差为σ2的独立同分布的高斯随机变量.BS的传输功率记为P=Ptotal+M×PPU,其中,PPU是BS发送各主用户PUm信号的功率,Ptotal表示认知无线电系统基站的总发送功率.
5 结论
针对采用NOMA技术的认知无线电网络下行链路的信道分配和功率分配问题,在次用户不影响主用户正常通信,且次用户满足最小信息速率的前提下,提出了一种公平性可调的信道分配方法,采用连续凸近似和Charnes-Cooper变换的方法,得到次用户的功率分配值.仿真结果表明,所提信道分配算法具有更好的公平性指数.后续可进一步研究如何确定簇内允许接入的最大用户数.
参考文献:
[1] LIU Q,GAO H,TAN F,et al.Energy efficient resource allocation in multi-user downlink non-orthogonal multiple access systems [C]//2017 IEEE Global Communications Conference.Singapore:IEEE,2017:1-6.
[2] FANG F,ZHANG H,CHENG J,et al.Joint user scheduling and power allocation optimization for energy-efficient NOMA systems with imperfect CSI [J].IEEE Journal on Selected Areas in Communications,2017,35(12):2874-2885.
[3] CHOI J.Power allocation for max-sum rate and max-min rate proportional fairness in NOMA [J].IEEE Communications Letters,2016,20(10):2055-2058.
[4] LIANG W,DING Z,LI Y,et al.User pairing for downlink non-orthogonal multiple access networks using matching algorithm [J].IEEE Transactions on Communications,2017,65(12):5319-5332.
[5] ZHANG H,WANG B,JIANG C,et al.Energy efficient dynamic resource optimization in NOMA system [J].IEEE Transactions on Wireless Communications,2018,17(9):5671-5683.
[6] LEANH T,TRAN N H,SAAD W,et al.Matching theory for distributed user association and resource allocation in cognitive femtocell network [J].IEEE Transactions on Vehicular Technology,2017,66(9):8413-8428.
[7] SHI J,YU W J,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.
[8] 賈亦真,姚枝秀,周梦圆,等.认知无线电网络中的非正交多址资源分配算法 [J].重庆邮电大学学报(自然科学版),2019,31(6):775-784.
JIA Y Z,YAO Z X,ZHOU M Y,et al.Research on non-orthogonal multiple access resource allocation algorithms in cognitive radio networks [J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition),2019,31(6):775-784.
[9] FANG F,ZHANG H,CHENG J,et al.Energy-efficient resource allocation for downlink non-orthogonal multiple access network [J].IEEE Transactions on Communications,2016,64(9):3722-3732.
(责任编辑:包震宇)
关键词: 非正交多址接入(NOMA); 认知无线电; 信道分配; 功率分配; 能效
中图分類号: TN 929.5 文献标志码: A 文章编号: 1000-5137(2021)01-0069-09
Abstract: For the downlink of the cognitive radio network with hybrid non-orthogonal multiple access(NOMA),the improved model for channel and power resource allocation were established with the constraints of the primary user’s interference power threshold,the secondary user’s minimum information rate,and the number of subchannel multiplexing users. To optimize the problem model,a channel allocation method with adjustable fairness was proposed to obtain the matching result between the channel and the user. The convex approximation and the Charnes-Cooper transformation method were used to obtain the power allocation value of the multiplexing users. The simulation results showed that when the total power of the base station was 25 dBm,the user fairness index of the channel allocation algorithm proposed in this paper was improved by 50%.
Key words: non-orthogonal multiple access(NOMA); cognitive radio; channel allocation; power allocation; energy efficiency
0 引 言
目前,人们对数据速率需求呈指数型增长,而数据速率的大幅提升需要消耗大量频谱资源.认知无线电技术可缓解频谱资源紧缺的问题,该技术允许次用户接入主用户未占用的频谱,同时保证主用户的数据速率,从而提高系统的频谱使用效率.
在传统认知无线电网络中,一般采用正交多址接入(OMA)技术进行用户复用,而大量文献已经证明非正交多址接入(NOMA)技术的频谱利用率优于OMA技术.LIU等[1]研究了NOMA网络中多用户下行链路能效资源分配问题,提出了一种低复杂度的两用户信道分配算法,以最大化系统能效,该算法中最佳子信道的分配策略是始终选择子信道上具有最强等效信道增益的用户进行匹配;FANG等[2]研究了非完美信道状态信息下NOMA网络的下行链路资源分配问题,通过将概率混合非凸优化问题转换成概率问题求解,提出一种新的低复杂度次优用户匹配算法,该算法中子信道倾向于选择使其能效最大化的用户集合与该子信道进行匹配.文献[1-2]中的信道分配算法易使信道状态信息相近的用户复用到同一子信道上,使得用户间的公平性降低,且影响接收端的正确解调性能[3],这是因为系统按照复用用户的信道增益情况进行功率分配,每个复用用户分得的功率差值较小,用户间干扰较大.LIANG等[4]研究了认知无线电NOMA网络下行链路的用户配对和功率分配问题,提出的分布式匹配算法(DMA)中,主用户通过协商功率分配系数与次用户交换可用功率,同时保证了主用户和次用户的信息速率要求,该算法可以实现稳定的匹配且复杂度较低;ZHANG等[5]研究了NOMA网络下行链路的动态资源分配问题,通过一种基于两侧匹配算法的次优信道分配算法,得到用户和信道匹配结果,然后考虑用户最小信息速率和最大发射功率的约束条件下,使用李亚普诺夫优化模型求解功率分配问题;LEANH等[6]研究了认知毫微微蜂窝网络上行链路的信道分配和功率分配的联合优化问题,以最大化系统的吞吐量,提出了一种基于匹配博弈的分布式算法,对用户和基站之间的竞争行为进行建模分析,所提算法具有较低的计算复杂度;SHI等[7]研究了混合NOMA系统下行链路的用户分簇和功率分配问题,提出了启发式资源分配(Heur-RA)算法以实现更高的能效性能,设想的混合式NOMA接入方案优于常规OMA,在系统配置方面比传统NOMA具备更高的灵活性;贾亦真等[8]研究了认知无线电网络中NOMA信道和功率分配联合优化问题,为了避免信道状态信息相近的用户复用到同一子信道上,提出了一种次优公平性可调的信道分配算法,并基于连续凸近似和Dinkelbach模型,得到子信道复用用户间的最优功率分配方案,该算法在提高用户公平性的同时也提高了系统能效. 上述文献未解决信道状态信息相近的用户复用到同一子信道上的问题.本文作者在文献[7]的基础上,将混合NOMA系统与认知无线电结合,研究系统的信道和功率分配问题,提出了一种公平性可调的信道分配算法,得到信道和次用户的匹配结果;采用凸近似和Charnes-Cooper变换的方法,得到复用次用户的功率分配值.
1 系统模型与问题建模
1.1 系统模型
考虑基于混合NOMA的认知无线电网络的下行链路,认知无线电网络采用的是Underlay频谱共享模型,即主用户和次用户在同一子信道可以同时传输,如图1所示.假设为M个主用户PUm(m=1,2,…,M)提供服务的蜂窝小区基站(BS)既是主系统的基站,也是次系统的基站,M个主用户采用OMA接入方式.为了便于分析,将第m个主用户PUm占用的子信道索引记作m.假设图1中的次用户总数K大于主系统的可用子信道数M,则要将K个次用户分成M个簇,按不同的簇接入某个主用户占用的子信道.将k(k=1,2,…,K)记作次用户SUk的索引,子信道m上复用次用户数为Lm,当Lm=1时,子信道m上的次用户采用OMA方式接入,该子信道m上的主用户和次用户之间采用NOMA方式接入;当Lm>1时,子信道m上的次用户和次用户之间以及主用户和次用户之间采用NOMA方式接入.
基站到主用户PUm的下行链路信道增益记为gm,基站到子信道m上的次用户k的下行链路信道增益记为hk,m.假设所有下行链路的信道增益是均值为0,方差为σ2的独立同分布的高斯随机变量.BS的传输功率记为P=Ptotal+M×PPU,其中,PPU是BS发送各主用户PUm信号的功率,Ptotal表示认知无线电系统基站的总发送功率.
5 结论
针对采用NOMA技术的认知无线电网络下行链路的信道分配和功率分配问题,在次用户不影响主用户正常通信,且次用户满足最小信息速率的前提下,提出了一种公平性可调的信道分配方法,采用连续凸近似和Charnes-Cooper变换的方法,得到次用户的功率分配值.仿真结果表明,所提信道分配算法具有更好的公平性指数.后续可进一步研究如何确定簇内允许接入的最大用户数.
参考文献:
[1] LIU Q,GAO H,TAN F,et al.Energy efficient resource allocation in multi-user downlink non-orthogonal multiple access systems [C]//2017 IEEE Global Communications Conference.Singapore:IEEE,2017:1-6.
[2] FANG F,ZHANG H,CHENG J,et al.Joint user scheduling and power allocation optimization for energy-efficient NOMA systems with imperfect CSI [J].IEEE Journal on Selected Areas in Communications,2017,35(12):2874-2885.
[3] CHOI J.Power allocation for max-sum rate and max-min rate proportional fairness in NOMA [J].IEEE Communications Letters,2016,20(10):2055-2058.
[4] LIANG W,DING Z,LI Y,et al.User pairing for downlink non-orthogonal multiple access networks using matching algorithm [J].IEEE Transactions on Communications,2017,65(12):5319-5332.
[5] ZHANG H,WANG B,JIANG C,et al.Energy efficient dynamic resource optimization in NOMA system [J].IEEE Transactions on Wireless Communications,2018,17(9):5671-5683.
[6] LEANH T,TRAN N H,SAAD W,et al.Matching theory for distributed user association and resource allocation in cognitive femtocell network [J].IEEE Transactions on Vehicular Technology,2017,66(9):8413-8428.
[7] SHI J,YU W J,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.
[8] 賈亦真,姚枝秀,周梦圆,等.认知无线电网络中的非正交多址资源分配算法 [J].重庆邮电大学学报(自然科学版),2019,31(6):775-784.
JIA Y Z,YAO Z X,ZHOU M Y,et al.Research on non-orthogonal multiple access resource allocation algorithms in cognitive radio networks [J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition),2019,31(6):775-784.
[9] FANG F,ZHANG H,CHENG J,et al.Energy-efficient resource allocation for downlink non-orthogonal multiple access network [J].IEEE Transactions on Communications,2016,64(9):3722-3732.
(责任编辑:包震宇)