logo资料库

认知协作网络中非正交多址接入技术性能研究.pdf

发布时间：2022-05-30 发布人：admin 分类：说明书 资料大小：0.94M 资料格式：pdf 举报 版权申诉
第1页 / 共10页
第2页 / 共10页
第3页 / 共10页
第4页 / 共10页
第5页 / 共10页
第6页 / 共10页
第7页 / 共10页
第8页 / 共10页
资料共10页，剩余部分请下载后查看
    07-180192-N”²
    第 39 卷第 9 期 2018 年 9 月 通 信 学 报 Journal on Communications Vol.39 No.9 September 2018 认知协作网络中非正交多址接入技术性能研究 李美玲 1，李莹 1，SAMI Muhaidat2，董增寿 1，王安红 1，梁杰 1，丁丽萍 3 （1.太原科技大学电子信息工程学院, 山西 太原 030024；2.英国萨里大学，萨里 GU27XH; 3.中国科学院软件研究所，北京 100190） 摘 要：将 NOMA 技术应用于下行认知中继协作网络，提出基于 AF 的认知多用户中继协作 NOMA 系统 （CM-RC-NOMA），给出了不同认知中继协作方案下 PU 和 SU 中断性能，并推导了其闭合表达式；同时将 AF 中继协作方式与 DF 中继协作方式进行了对比。仿真结果表明，当 SU 到 PU 信道链路条件不差于 BS 到 PU 信道 链路条件时，AF 方式相比 DF 方式可以使 PU 获得更低的中断概率；另一方面，所提最佳认知中继协作方案相比 传统最佳认知中继协作方案可以获得更佳的 PU 中断性能。 关键词：认知协作网络；非正交多址接入；最佳中继；中断概率 中图分类号：TN911.1 文献标识码：A doi: 10.11959/j.issn.1000−436x.2018152 Research on the NOMA performance in cognitive cooperation network LI Meiling1, LI Ying1, SAMI Muhaidat2, DONG Zengshou1, WANG Anhong1, LIANG Jie1, DING Liping3 1. School of Electronic and Information Engineering, Taiyuan University of Science and Technology, Taiyuan 030024, China 2. University of Surrey, Surrey GU27XH, UK 3. Institute of Software, Chinese Academy of Sciences, Beijing 100190, China Abstract: The non-orthogonal multiple access (NOMA) technology was studied in a downlink cognitive relay coopera- tion network. A cognitive multiuser relay cooperation based NOMA scheme was proposed (CM-RC-NOMA), in which, the outage performance of PU and SU were given under different cognitive relay cooperation schemes and the corre- sponding outage expressions were also derived. At the same time, the AF based relay cooperation method and the DF based relay cooperation method were compared. The simulation results show that the lower outage of PU can be achieved by AF method compared with DF method, when the channel condition of BS to PU is no more than that of SU to PU. It is also revealed that the optimal outage performance of PU can be achieved by the proposed best cognitive relay coopera- tion scheme in contrast to the traditional best cognitive relay cooperation scheme. Key words: cognitive cooperation network, NOMA, best relay, outage probability 1 引言 非正交多址接入 (NOMA, non-orthogonal mul- tiple access) 技术通过为不同的用户信号分配不同 的功率，从而实现在相同的频带上同时为多个用户 提供服务，与传统正交多址接入技术(OMA, or- 收稿日期：2018−04−22；修回日期：2018−08−02 通信作者：李莹，564932926@qq.com 基金项目：国家自然科学基金资助项目（No.61672373, No.U1510115, No.91646203）；山西省高等学校科技创新基金资助项 目（No.201802090）；山西省晋城科技攻关基金资助项目（No.201501004-4）；山西省互联网+3D 打印协同创新中心基金资助 项目，山西省科技创新团队基金资助项目（No. 201705D131025）；山西省 1331 工程重点创新团队基金资助项目 Foundation Items: The National Natural Science Foundation of China (No. 61672373, No. U1510115, No. 91646203), STIP (No.201802090), Jincheng Technology Research Projects of Shanxi Province (No.201501004-4), CiCi3DP, STITSX (No. 201705D131025), KITSX1331 2018152-1
    ·58· 通 信 学 报 第 39 卷 thogonal multiple access)相比，可大大提高频谱利用 率[1-2]。研究表明 NOMA 相比 OMA 方案可以有效 提高频谱利用率[3-5]。 在无线网络中，信道的多径传播、阴影衰落和 路径损耗等特性将会严重影响到系统性能。而协作 通信技术可以有效抵抗无线信道衰落，提高传输可 靠性[6-8]。关于协作传输在 NOMA 系统(C-NOMA) 中的应用正在业界广泛研究。文献[9]基于 NOMA 系统，考虑一个基站通过单个放大转发(AF,amplify and forward)中继与多个移动端同时通信，对系统中 断 概 率 性 能 进 行 了 分 析 。 文 献[10] 则 考 虑 基 于 NOMA 的蜂窝网络，分析了单个中继采用解码转发 (DF,decode and forward)时全双工协作 NOMA 系统 的中断性能。文献[11]进一步考虑 NOMA 系统存在 2 个用户和一个中继的场景，并分析了全双工中继 模式下用户的中断性能。文献[12]将 NOMA 应用 于具有多播业务和单播业务的多用户网络，设计了 一种可以在确保多播业务可靠性的同时提高单播 业务性能的赋形方案及功率分配方法。 认知无线电技术可以为多用户提供开放的频 谱资源提高频谱效率，因此，将认知无线电中的频 谱共享策略与 NOMA 技术结合可以进一步提高频 谱利用率。通过将 NOMA 引入到认知系统，可以 提高 SU 的接入机会以及系统吞吐量。在传统 OMA 系统中，即使主用户(PU, primary user)的信道条件 较差，次用户 (SU, secondary user)也无法接入授权 频谱，从而导致资源的空闲，降低系统吞吐量。利 用 NOMA 技术，基站可以同时为 PU 和 SU 提供服 务，而不会引起 PU 性能明显降低，从而有效提高 频谱利用率。NOMA 系统与 OMA 系统中用户性能 分析的不同，关键在于基站对多个用户信号的功率 分配和终端所使用的 SIC 技术带来的性能提升。在 文献[13]中，作者研究了 NOMA 技术应用于认知网 络时的系统性能，结果表明基于 NOMA 的认知网 络系统性能明显优于传统基于 OMA 的认知网络系 统性能。文献[14]则研究了利用 NOMA 技术实现认 知无线网络中认知用户的频谱共享。文献[15]首次 提出，SU 利用连续干扰删除(SIC, successive inter- ference cancellation) 技术来避免同信道干扰从而得 到期望信号，将接收到的基站消息发送给 PU 从而 提高认知 NOMA 系统性能，文中考虑 SU 采用 DF 方式转发数据。在中继转发协议方式中，DF 协议 可以避免噪声前传，适合于源节点—中继节点信道 质量较好的环境，但是操作方式相对复杂，而且一 定存在解码转发延时。而 AF 方式操作简单，同时 中继也会将噪声放大化转发到目的节点。但是在 NOMA 系统中，由于 SU 和 PU 均采用 SIC 技术消 除干扰，PU 可获得的信号干扰噪声比与传统 OMA 系统有所不同，因此基于 AF 的认知中继协作 NOMA 系统性能值得深入研究。 本 文 考 虑 一 个 下 行 认 知 多 用 户 中 继 协 作 NOMA (CM-RC-NOMA, cognitive multiuser relay cooperation based NOMA)系统，如图 1 所示，基站 发送 2 个不同消息的复合信号，分别给一个单播 PU 和一组多播业务的 SU，其中，SU 将作为认知中继 以 AF 方 式 辅 助 PU 传 输 数 据 。 基 于 所 考 虑 CM-RC-NOMA 系统提出基于 AF 的多认知中继协 作方案和最佳认知中继协作方案，推导了各种方案 下 CM-RC-NOMA 系统 PU 中断概率和 SU 中断概 率；分析了认知用户数对系统性能的影响情况。结 果表明，当 SU 到 PU 信道链路条件不差于 BS 到 PU 信道链路条件时，AF 方式相比 DF 方式可以使 PU 获得更低的中断概率；另一方面，所提最佳认 知中继协作方案相比传统最佳认知中继协作方案 可以使 PU 中断概率更低。 图 1 CM-RC-NOMA 系统模型 2 系统模型 本文考虑的下行 CM-RC-NOMA 系统包括一个 基站 (BS, base station) 、一个 PU 和 M 个 SU。每 个 SU 配置单天线并以半双工模式工作。BS 发射的 信号包含发送给 PU 的信号 PUξ 和发送给 SU 的信号 SUξ 。PU 作为高优先级服务用户，SU 作为第二服 务用户。考虑 BS 与 SU、BS 与 PU 和 SU 与 PU 之 mh 表 间的链路服从独立同分布的瑞利衰落，用 BS-SU 2018152-2
    第 9 期 李美玲等：认知协作网络中非正交多址接入技术性能研究 ·59· mh 示 BS 到第 m (m=1,2,…,M)个 SU 的信道条件， SU-PU 表示第 m (m=1,2,…,M)个 SU 到 PU 的信道条件， h 表示 BS 到 PU 的信道条件。当 BS PU→ 链路 BS-PU 信道条件较差时，SU 可以作为协作中继为 PU 转发 信号，则根据此建立的 CM-RC-NOMA 系统模型， 可以得到 2 2 h> 。 mh BS-SU BS-PU SU = = + + P P 1, PU S PU α α SU α α PU α ξ α ξ SU S SU BS 发送包括 PU 用户消息和 SU 用户消息的下 , SP 为 x 行复合 NOMA 信号 BS 基站发射功率， PUα 为 PU 的功率分配系数， SUα 为 SU 的功率分配系数，且 PU < 。在 第一个时隙，当 BS 在全网广播 NOMA 信号后，PU 和 SU 将接收包含 PUξ 和 SUξ 的复合信息，PU 和第 i 个 SU 接收到的信号可以分别表示为 ( ) α ξ α ξ SU SU ( ) α ξ α ξ SU SU ) ( ~ CΝ 0, h BS-PU n h i i SU BS-SU )2 ( ~ CΝ 0, σ 分别为 SUi→ 链路上的 信道加性高 斯白 PU→ 和 BS PU PU in SU σ 和 P S P S n 1 PU n 1 PU y 1 PU y i SU PU PU 2 PU + + = + = + SU (1) (2) 其中， BS 噪声。 在第二个时隙，所有 SU 接收到复合 NOMA 信 号后，采用 AF 方式将接收到的信号转发给 PU，其 发射功率为 iP ，假设 SUi 的放大转发系数为 Gi，其 中，Gi 进行归一化可表示为 P i (3) G = P h S i BS-SU 2 + 2 σ SU 因此，结合式 (2)，在第 2 个时隙，PU 接收到 的来自第 i 个 SU 的信号可以表示为 y 2,AF PU + h i = SU-PU h i = SU-PU h i SU-PU Gy i SU Gh i BS-SU Gn n+ i SU n 2 PU P α ξ α ξ S SU SU PU PU + ( (4) 而当 SU 采用 DF 方式转发信号时，PU 接收到 2 PU ) + 的信号可表示为 y 2,DF PU n 2 PU = h i SU-PU ( ~ CΝ 0, + P i ( α ξ α ξ SU SU ) PU PU σ 为 SU 2 PU 其中， ) + n 2 PU (5) PU→ 链路上的加性 高斯白噪声。在后面的分析中，为方便表示，考虑 所有信道上加性噪声方差为 2σ 。 在认知中继网络中，次网络可以选择全部 SU 转发原始 NOMA 信号，也可以选择其中一个 SU 来 转发，由于 PU 会利用 SIC 技术来应对干扰从而对 接收到的信号进行解码，因此，在单认知中继协作 NOMA 系统中，认知中继的选择对于 PU 性能的影 响情况如何值得深入研究。后面的仿真结果也表 明，本文给出的基于 PU 的 SINR 的最佳中继选择方 案，相比传统仅考虑信道条件的最佳中继选择方 案，可以降低 PU 中断性能，提高 PU 传输可靠性。 下面，对如图 1 所示的模型分别对 SU 中断性能和 基于多用户认知中继协作 NOMA（MCR-C-NOMA， multi-user cognitive relay based C-NOMA）方案和单 用 户 认 知 中 继 协 作 NOMA （ SCR-C-NOMA ， single-user cognitive relay based C-NOMA）方案下 PU 中断性能进行分析，其中，在 SCR-C-NOMA 情 况下，本文讨论 3 种最佳认知中继协作方式：基于 SU 的 SINR 最 大 化 的 最 佳 认 知 中 继 C-NOMA （SU-S-BCR-C-NOMA，SU-S based best cognitive relay C-NOMA）方案、基于 PU 的 SINR 最大化的 最佳认知中继 C-NOMA（PU-S-BCR-C-NOMA， PU-S based best cognitive relay C-NOMA）方案和联 合考虑 SU 和 PU SINR 最大化的最佳认知中继 C-NOMA （ C-SU-PU -BCR-C-NOMA, C-SU-PU based best cognitive relay C-NOMA）方案。 3 SU 中断性能分析 对于本文考虑的如图 1 所示 CM-RC-NOMA 系 统模型而言，当 SU 采用 SIC 技术对自身信号进行 解码时，根据 NOMA 技术原理，SU 先对 PUξ 进行 解码，然后再对 SUξ 进行解码。因此，SU 发生中断 的情况分为 2 个方面：1）SU 对 PUξ 解码失败；2） SU 对 SUξ 解码成功，但对 SUξ 解码失败。所以，SUi 的中断概率可计算为 P SU i out = Pr Pr ⎛ ⎜ ⎜ ⎝ ⎛ ⎜ ⎜ ⎝ ρα S PU BS-SU 2 ρα S SU BS-SU h i h i ρα S PU BS-SU 2 ρα S SU BS-SU h i h i < γ PU + ⎞ ⎟ ⎟ ⎠ 2 + 1 2 γ ρα PU , S PU BS-SU h i + 1 > 2 < γ SU ⎞ ⎟ ⎟ ⎠ (6) 本文考虑所有信道链路均服从瑞利衰落且独 x 立同分布，其概率密度函数 2 ( ) f h x ⎛ ⎞−⎜ ⎟ λ ⎠ ⎝ λ ，λ = exp 为瑞利衰落信道平均信噪比。在后面的分析中，分 SUi→ 和 别用 BPλ 、 BS PU→ 、 BS iλ 表示 BS iλ 和 SP 2018152-3
    ·60· 通 信 学 报 第 39 卷 SU PU i → 链路上的平均信噪比。 因此可以得到，式(6)可分别计算为 Pr Pr ⎛ ⎜ ⎜ ⎝ ⎛ ⎜ ⎜ ⎝ h i ρα PU BS-SU 2 h i BS-SU S ρα S SU h i ρα PU BS-SU 2 h i BS-SU S ρα S SU 2 + 1 2 + 1 < γ PU ⎞ ⎟ ⎟ ⎠ ① =1 exp − ⎛ −⎜ ⎝ γ PU i ρβλ BS S ⎞ ⎟ ⎠ (7) > γ ρα PU S SU , h i BS-SU 2 < γ SU ⎞ ⎟ ⎟ ⎠ = Pr ① = Pr ⎛ ⎜ ⎝ ⎛ ⎜ ⎝ ρβ S h i BS-SU 2 > γ PU , h i BS-SU 2 < γ SU α ρ SU S ⎞ ⎟ ⎠ h i BS-SU 2 > hγ , PU ρβ S i BS-SU 2 < γ SU α ρ SU S ⎞ ⎟ ⎠ (8) 其中，条件①为 0β> 。 对于式(8)，若 γ SU ( 1 γ γ PU SU + + γ PU ) > α SU ，则可进 一步计算为 exp ⎛ ⎜ ⎝ − γ PU ⎞ ⎟ λ ρβ ⎠ BS S − exp − ⎛ ⎜ ⎝ γ SU λ α ρ BS SU S ⎞ ⎟ ⎠ (9) 结 合 式 (6) 、 式 (7) 和 式 (9) ， 可 以 得 到 ， 当 的多路信号，其中，SC 合并方式实现复杂度低， 方法简单，而且本文的主要目的在于衡量基于 AF 的认知中继协作 NOMA 系统的性能。所以，本文 考虑 PU 采用 SC 方式合并来自 BS 的信号和 M 路 SU 的信号。 需要说明的是，由于 PU 接收到的是 NOMA 复 合信号，因此，需要利用 SIC 技术将自身所需要的 信号 PUξ 进行解码，这就需要将 PUξ 和 SUξ 分离，因 此，PU 将首先对每路信号进行分离，然后再采用 SC 方式合并接收到的多路 SU 转发的信号。根据 式(1)，PU 在第一个时隙，将 SUξ 视为干扰信号，此 阶段可获得的信号干扰噪声比为 SINR BS-PU = 2 P α S PU h P α BS-PU S SU h BS-PU + 2 2 σ (13) 在第二个阶段，PU 将接收到来自 M 路 SU 转 发的信号。当 SU 分别采用 AF 和 DF 中继方式时， 根据式(4)和式(5)，可以得到SU i → 链路上可获 得的信号干扰噪声比分别为 PU Pr γ SU + γ γ γ γ PU SU PU + SU > α SU 时， SINR i ,AF SU-PU = 2 ρ S BS-SU h i iP SU out = − 1 exp 而当 γ SU + γ γ γ γ PU SU PU + SU ⎛ −⎜ ⎝ γ SU λ α ρ BS SU S ⎞ ⎟ ⎠ < α SU 时 (10) SINR i ,DF SU-PU = h i ρα PU SU-PU 2 h i SU-PU i ρα SU i 2 + 1 ρρα i S ρα i h i PU SU-PU 2 h i ( SU SU-PU 2 2 h i BS-SU + ρ i ) +1 2 h i SU-PU 1 + (14) (15) h i BS-SU 2 > ⎛ ⎜ ⎜ ⎝ γ PU − ( PU ρ α γ α PU SU S , h i BS-SU 2 < ) γ SU α ρ SU S ⎞ ⎟ ⎟ ⎠ 此时，结合式(6)可以得到 iP SU out = − 1 exp ⎛ −⎜ ⎝ γ PU ρβλ SU S ⎞ ⎟ ⎠ = 0 (11) (12) 4 MCR-C-NOMA PU 中断性能 在 MCR 方案中，网络中的所有 SU 都会接收 到 BS 信号并采用 AF 方式转发给 PU。因此，PU 将接收到第一时隙来自 BS 的复合信号和第 2 时隙 来自 M 个 SU 转发的信号。PU 可以采用最大比合 并（MRC，maximum ratio combining）、等增益合并 （EGC，equal gain combining）和选择式合并（SC， selective combining）等分集合并技术来处理接收到 其中， =ρ S P S 2 σ , ρ i = P i 2 σ 。关于仿真部分所对比 的 DF 中继方式的分析，本文单独在第 5 节讨论， 如非特别说明，下面的分析均针对 AF 中继方式。 结合式(4)~式(6)，当 PU 采用 SC 合并方式合并检 测到的期望信号时，可获得的信号干扰噪声比可 表示为 SINR SINR SINR max( (16) = ) i SU-PU MCR PU BS-PU , max M i =1,2, , 当 PU 处可获得的信号干扰噪声比 SINR 小 于所能解码的最小要求信噪比 PUγ 时，PU 无法正确 获得自身信号，从而发生中断现象。因此，中断概 率 MCR outP 可表示为 MCR PU P MCR out = Pr ( SINR MCR PU < γ PU ) (17) 结合式(16)和式(17)可以写为 2018152-4
    第 9 期 李美玲等：认知协作网络中非正交多址接入技术性能研究 ·61· P MCR out = Pr ( SINR BS-PU < γ PU ) M ∏ i 1 = Pr ( SINR i SU-PU < γ PU ) (18) 的信号，最终 PU 可获得的信号干扰噪声比为 ) SINR SINR SINR max SU -PU BCR PU BS-PU ( = , best (22) 因此，对于式(18)，结合式(13)，可以得到 因此，可以得到最佳 SCR 方案 PU 中断概率可 Pr ( SINR BS-PU < γ PU ) = − 1 exp − ⎛ ⎜ ⎝ γ PU ρλ β S BP ⎞ ⎟ ⎠ , ( β > 0 ) (19) i SU-PU < γ PU ) ( y ) d y + 2 以表示为 = P BCR out Pr < γ PU ) ( ( SINR BCR PU SINR < = Pr BS-PU ) γ PU (23) 对于式(23)，等号后面第一项与认知中继的选 γ PU SINR SU -PU Pr ( < ) best 择无关，而第二项根据式(14)，可以得到 f 2 i h SU-PU ( y ) ( γ ρ i PU ( y ) y 1 + ρ ρβ γ − PU 0 s i ∫ ) f 2 i h BS-SU ( ) x x y d d , ( β > 0 ) Pr ( SINR SU -PU best < γ PU ) (20) ，根据文献[16]，式(20)可 = Pr ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ρρα PU S i h BS-SU best ρ i h SU -PU best ρ S ⎛ ⎜ ⎜ ⎜ ⎜ + ⎝ best h SU -PU 2 ⎛ ⎜ ⎝ 2 ρα SU i + 1 2 2 h BS-SU best h SU -PU best 2 +1 ⎞ ⎟ ⎠ < γ PU ⎞ ⎟ ⎟ ⎟ ⎟ ⎠ (24) 根据式(24)，可以看到，PU 中断概率主要取决 于所选择的认知中继，其决定了它与 BS 和 PU 的 信道条件。下面分别讨论 SU-S-BCR、PU-S-BCR 和 C-SU-PU-BCR 这 3 种最佳认知中继协作 NOMA 方案下 PU 中断概率。 1) SU-S-BCR 方案 SU-S-BCR 方案以 BS SUi→ 链路上 SU 获得的 信号干扰噪声比最大化为准则选择最佳的SU 为PU 转发信号，此时，最佳 SU 选择方案可表示为 } 1 arg max − (25) { 1,2, SINR SU i , M ∈ s best i SU = , ( ) i 根据式(2)，可以得到式(25)可退化为传统 OMA 系统基于源链路信道条件最大化的最佳认知中继 选择方案(S-BCR, source based best cognitive relay)。 SU s best = arg max i ( ) 2 h i BS-SU i , ∈ { 1,2, − M , } 1 (26) 因此，当采用 SU-S-BCR 方案转发 PU 信号时， 根据式(24)，PU 的中断概率最终可计算如式(27)所示。 2) PU-S-BCR 方案 PU-S-BCR 方案以SU i → 链路上 PU 获得的 信号干扰噪声比最大化为准则选择最佳的SU 为PU 转发信号，最佳 SU 选择方案可表示为式(28)。 PU Pr ( ∫ SINR γ PU βρ i 0 f i h SU-PU = ∫ ∞ γ PU βρ i β α γ α PU SU = − 其中， 以进一步计算为 < SINR Pr PU ( i SU-PU 2 ) − γ PU ⎛ ⎜ ⎜ ⎝ exp =1 − λ βρρ i SP S 1 1 γ PU λ β ρ ρ i SP + ⎛ ⎜ ⎝ S ⋅ ⎞ ⎟ ⎠ ⎞ ⎟ ⎟ ⎠ γ β γ PU PU 2 βρρλ λ SP BS + S 2 i ⎞ ⎟ ⎟ ⎠ (21) ( ) ρργ γ β + ( PU PU S i 1 2 ) K 1 2 ⎛ ⎜ ⎜ ⎝ 将式(19)和式(21)代入式(18)即可得到 MCR 方 案下采用 AF 中继转发方式下 PU 中断概率。 5 SCR-C-NOMA PU 中断性能 在如图 1 所示的 CM-RC-NOMA 系统中，可以选 择其中一个最佳的 SU 为 PU 转发数据，以节约信令 开销。文献[8]的研究表明，传统 OMA 系统同时考虑 BS SU→ 链路和 SU PU→ 链路信道条件选择最佳 认知中继可以获得与多认知中继协作相同的系统性 能。而在认知协作 NOMA 系统中，PU 和传统 OMA 系统操作方式不同，会先对信号利用 SIC 进行解码， 因此最终 PU 获得的信号干扰噪声比不同，因此有必 要研究不同最佳认知中继协作方案下 NOMA 系统性 能，仿真结果也表明 NOMA 系统中基于 PU 的 SINR 最 大化的最佳认知中继选择方案与传统基于PU 信道链路 条件最大化的最佳认知中继选择方案不同。 用 BCR PU SINR 表示最佳中继协作方案中 PU 可获 SU 表示所选择的最佳认 得的信号干扰噪声比， S 知中继。根据系统模型所述，由于 PU 采用 SC 合 并方式合并第一时隙得到的信号和第二时隙得到 best 2018152-5
    ·62· 通 信 学 报 第 39 卷 Pr ( SINR SU -PU S best < γ PU Pr ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ρ S ⎛ ⎜ ⎜ ⎜ ⎝ max l i i , ≠ + ρ i i ρρα PU 2 S h l BS-SU h l SU-PU h i BS-SU 2 < = M ∑ i 1 = SU ) h l SU-PU ρα SU i + 1 2 h l BS-SU 2 h l SU-PU ( 2 h l BS-SU 2 ) , i < γ PU , 2 +1 ) ⎞ ⎟ ⎟ ⎟ ⎠ ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ (27) (28) D best = arg max i ( SINR SU -PU i best { } ∈ 1,2, M , 由于 PU 收到的是包含 PUξ 和 SUξ 的复合信号， PU 需要利用 SIC 技术得到其可获得的 SINR 值，从 式(14)可以看出，它与传统 OMA 系统认知中继转 发时 PU 得到的 SINR 值是不同的，因此，式(28)中 所描述的最佳 SU 选择方案不能退化为传统 OMA 系统中继到目的链路信道最大化的最佳中继选择 方案，即以 SU i → 链路信道条件最大化选择最 佳 SU（D-BCR, destination based best cognitive re- lay），仿真结果也证实了这一点。 PU 因此，经推导，当采用 PU-S-BCR 方案转发 PU 信号时，PU 的中断概率为 Pr ( SINR SU -PU D best < γ PU = M ∑ i 1 = Pr ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ ( i ρρα PU 2 S h j BS-SU ρ S ⎛ ⎜ ⎜ ⎜ h j + ρ ⎝ i SU-PU SINR max j i i , ≠ ) h j SU-PU ρα SU i 2 + 1 2 h j BS-SU 2 h j SU-PU < γ PU , 2 +1 ) ⎞ ⎟ ⎟ ⎟ ⎠ ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ (29) SINR i SU-PU j SU-PU < 3) C-SU-PU-BCR 方案 C-SU-PU-BCR 方 案 综 合 考 虑 BS 和 SU i → 链路信道条件，以 PU 最终获得的信号 干扰噪声比最大化为准则选择最佳的 SU 为 PU 转 发信号，最佳 SU 选择方案可表示为 SUi→ PU 选择方案不能退化为传统 OMA 系统中的联合信道 中继选择方案，即以 BS i → 链路信 道条件均最佳的准则选择最佳 SU（Max-Min-BCR, max-min based best cognitive relay），仿真结果也证 实了这一点。 SUi→ 和SU PU 经推导，当采用 C-SU-PU-BCR 方案转发 PU 信号时，PU 的中断概率为 Pr ( SINR SU < Max-Min best -PU γ PU ) h m SU-PU Pr ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ M ∑ i 1 = = 其中， iY 2 2 h m BS-SU 2 S ρρα PU 2 i ( i 2 1 + ρ S +1 ρα SU h m BS-SU h m SU-PU h m SU-PU ⎛ ⎜ ⎜ ⎜ ρ ⎝ i max i i m ≠ , SINR SINR , min = i SU-PU i BS-SU ( ) ) ⎞+ ⎟ ⎟ ⎟ ⎠ < Y i 。 < γ PU , Y m ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ (31) 需要说明的是，对于式(27)、式(29)和式(31)很难 得到精确的计算表达式，但是本文已经给出了简单的 求和表达式，很容易借助计算机仿真辅助得到其结果。 4) DF 中继方式时 PU 中断性能 在仿真中，本文对比了 AF 中继方式和 DF 中 继方式对认知 NOMA 系统性能影响情况。本节给 出仿真中 SU 采用 DF 中继转发方式时，PU 中断概 率的计算。根据文献[15]，PU 中断概率为 + SINR = ∅ Pr = < γ PU ) P DF out BS-PU ( Pr D ≠ ∅ ) Pr ( SINR DF PU < γ PU (32) ) ) ( ( D Pr M ∑ ∑ i 1 = D ⊆Ψ i D i = i 其中，D 表示 SU 解码集， Ψ 表示 SU 成功解码的 集合。 Pr ( D = ∅ = ∏ P SU out ) i M i 1 = Pr ( D ) ≠ ∅ ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ Pr S ρα S SU h m ρα PU BS-SU 2 h m BS-SU h m BS-SU ρα PU S 2 2 + 1 > γ PU , > γ SU ⋅ ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ (33) (34) SU Max-Min best = arg max min ( ( SINR { } ∈ 1,2, M , i BS-SU , SINR i SU-PU = ) , ) (30) ∏ m D k ∈ i i 同理，由于 PU 收到的是包含 PUξ 和 SUξ 的复合 信号，最终 PU 可获得的 SINR 值与传统 OMA 系统 采用最大最小准则选择认知中继转发时 PU 得到的 SINR 值是不同的，因此，式(30)中所描述的最佳 SU ⎛ ⎜ ⎜ 1 −⎜ ⎜ ⎜ ⎝ Pr ∏ n D ∈ k ⎛ ⎜ ⎜ ⎜ ⎜ ⎜ ⎝ 2018152-6 S ρα S SU h n ρα PU BS-SU 2 h n BS-SU h n BS-SU ρα PU S 2 2 + 1 > γ PU , > γ SU ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎟ ⎟ ⎟ ⎟ ⎟ ⎠
    第 9 期 李美玲等：认知协作网络中非正交多址接入技术性能研究 ·63· ) < γ PU SINR Pr ( SINR DF PU ( Pr min ( =1 Pr = − , BS-PU ( SINR SINR ) 而根据式(15)可得 γ PU BS-PU > < i ,DF SU-PU Pr ) SINR ( γ PU i ,DF SU-PU ) > γ PU ) (35) Pr ( SINR i ,DF SU-PU < γ PU ) =1 exp − ⎛ −⎜ ⎝ ⎞ γ PU ⎟ ρλ β ⎠ SP i (36) 结合式(32)~式(36)可以得到本文参考的 SU 采 用 DF 中继方式时 PU 的中断概率。 6 仿真结果 本节对比了认知 NOMA 系统 AF 方案和 DF 方 案对于 PU 中断性能的影响情况。另一方面，在认 知 NOMA 系统中，PU 收到的是包含自身所需信 号和 SU 信号的复合信号，需利用 SIC 技术将 SU 信号视为干扰信号而提取 PU 信号，因此接收到 的信号干扰噪声比不仅取决于其信道链路条件， 还 与 认 知 中 继 的 选 择 有 关 ， 本 文 分 别 对 比 了 MCR-C-NOMA、SU-S-BCR-C-NOMA、PU-S-BCR- C-NOMA 和 C-SU-PU-BCR-C-NOMA 以及最佳单 认知中继方案下 PU 中断性能，并与采用传统 OMA 系统最佳中继选择方案时的 C-NOMA 系统进行了 性能对比，即 S-BCR-C-NOMA、D-BCR-C-NOMA 和 Max-Min-BCR-C-NOMA。 i PU 0.8 1α P P ， PU α = ， SU 图 2(a)和图 2(b) 分别为当选择认知中继辅助 PU 传输时，在不同的信道条件下，认知中继分别 采用 AF 和 DF 方式时 PU 和 SU 的中断概率。其中， λ单位为 dB， =S α= − ， N=2，PU 目标传输速率为 1 bit·(s·Hz)−1，SU 目标传 输速率为 1.5 bit·(s·Hz)−1。由图 2(a)可以看出，在 CM-RC-NOMA 系统中，当认知中继到 PU 链路条 件差于基站到 PU 链路条件时，认知中继采用 AF 方式和 DF 方式为 PU 转发数据时对于 PU 中断性能 几乎相同；否则，在其他链路条件下，认知中继采 用 AF 方式为 PU 转发数据时可以使 PU 获得更低的 中断概率，即提高 PU 的传输性能，这是因为虽然 AF 方式会将噪声放大转发，但是 PU 在接收到认知 中继转发的信号后，首先采用 SIC 消除干扰信号， 同时也会消除大部分加性噪声干扰，因此采用 AF 方式可以获得更优的性能。此外本文还可以看出， 当基站到 SU 链路条件较差时，PU 中断概率明显升 高。当基站到 SU 链路条件与 SU 到 PU 链路条件总 是有其中一条链路条件较差时，AF 方式对于 PU 中 断性能的影响较小。 而对于 SU 而言， 由于本文不考虑 SU 网络内 部的转发，因此其中断性能与认知中继转发方式无 关，而仅与 BS 到 SU 链路条件有关，由图 2(b)可以 看出，BS 到 SU 链路条件越好，SU 中断概率越低。 图 2 中断概率随发射信噪比的变化情况 BS PU = = = 0.8 1α λ λ λ SP α = ， SU 如图 3 所示，在不同的认知中继数量下，认 知中继分别采用 AF 方式和 DF 方式转发数据时 PU 的中断概率。图 3(a)中， BP 5 dB ， P P ， PU S= i α= − ，PU 目标传输速 率为 1 bit·(s·Hz)−1。由图 3 可以看出，随着认知中 继个数的增加，PU 中断概率下降，且不论认知中 继个数为多少，AF 方式始终可以使 PU 实现较低的 中断概率。但是从图 3(b)中可以看出，当 BP ， ，即 SU 到 PU 信道条件差 λ = BS 于 BS 到 PU 信道链路条件时，AF 和 DF 方式下的 PU 中断性能几乎相同，这是因为此时，BS 到 PU 链路上传输的信息对于 PU 接收信息起主要作用。 10 dB ， SP λ = λ = 0 dB 5 dB 2018152-7
    ·64· 通 信 学 报 第 39 卷 图 3 PU 中断概率随发射信噪比的变化情况 图 4 不同认知中继协作方案下的 PU 中断性能 5 dB 0.8 ， S= i P P ， PU α = ， SU λ λ= BS α= − PU 如图 4 所示，不同认知中继选择方案下 PU 中 断 性 能 对 比 。 其 中 在 图 4(a) 中 ， BP = 1α λ = ， SP PU 目标传输速率为 1 bit·(s·Hz)−1。由图 4(a)可以看出， Max-Min-BCR 方案可以实现与 MCR 方案几乎相同 的性能，而 S-BCR 方案和 D-BCR 方案的性能几乎相 同，这一点也说明了 AF 中继转发方式的优势。因此， 在实际中，本文可以采用 Max-Min-BCR 方案选择最 佳的认知中继辅助 PU 传输，从而实现较低的信令开 销和 PU 端的计算复杂度。但是从图 4(b)可以看出， ，即 SU 到 PU 当 BP 信道条件差于 BS 到 PU 信道链路条件时，S-BCR 方 案性能差于 D-BCR 方案性能，而与 Round-Robin 方 案性能几乎相同，但不论在何种条件下，Max-Min- BCR 方案始终可以实现最佳的 PU 中断性能。 10 dB λ = ， BS λ = ， SP λ = 5 dB 0 dB 图 5 所提方案与传统方案对比 0 dB 。可以看出，PU-S-BCR 方案性能优于 λ = SP D-BCR 方案，C-SU-PU-BCR 方案性能也略优于 Max-Min-BCR 方案。在 CM-RC-NOMA 系统中， C-SU-PU-BCR 方案与 MCR 方案性能几乎相同， PU-S-BCR 方 案 性 能 最 佳 ， 这 是 由 于 在 CM-RC-NOMA 系统中，PU 已经利用 SIC 技术消 除了干扰信号，因此，SU 到 PU 链路上的 SINR 值 图 5 所示为所提 MCR、SU-S-BCR、PU-S-BCR、 C-SU-PU-BCR 方 案 与 传 统 S-BCR 、 D-BCR 、 Max-Min-BCR 方案对比， BP ， , BS λ = 10 dB λ = 5 dB 2018152-8
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料