971-5G中NOMA是个什么鬼？.docx

《971-5G中NOMA是个什么鬼？.docx》由会员分享，可在线阅读，更多相关《971-5G中NOMA是个什么鬼？.docx（5页珍藏版）》请在第壹文秘上搜索。

1、5G中NoMA是个什么鬼？NoMA是Non-Orthogonalmultipleaccesstechnology的简称，意为非正交多址技术。NR同意使用NOMA接收机，如图1所示，它被用作上行数据传输的多用户接收器的一般框图。图1：多用户接收器的高层框图NOMA接收机关键技术在于不同多用户检测器(MUD：multi-userdetectors)和干扰消除(IC：interferencecancelation)。几年前，LTE中就提出了诸如MLTike接收器、CWlC接收器等高级接收器，例如在RelT2NAlCS中。未在实际网络中采用的原因是缺乏成本效率和可扩展性，因为从市场和网络性能角度来看，

2、gNB的硬件升级仅有益于特定功能/场景是不可取的。作为一个潜在的新特性，NOMA将添加到RCIT5NR中，该NR将包括MIJ-MIMO、配置授权和不同波形等重要特性，这些特性是所有用例(如CMBB、URLLC和mMTC)的使能器。类似地，如果设想将其与发射器侧增强一起作为NOMA增益的关键使能器，那么由NOMA研究激励的改进/高级接收器也将非常理想，它也有利于传统UE和未来可能运行MU-MIMO的UE。因此，为了特别有效地支持强制性特征，例如，上行中的CP-OFDM和DFT-s-OFDM,NOMA接收机应适用于具有两种上行波形的上行信号。Chip-wisevs.Block-wiseMUDs如表

3、1所示，MUD可分为两类:chip-wisereceiver和block-wisereceiver0表1：NOMA接收机算法的分类Chip-wiseMUreceiverBlock-wiseMUreceiverMPABlock-MMSEEPAESEChip-MMSE(i.e.MMSE-IRC)在ChiP-WiSereceiver中，MiJD操作在每个RE上独立执行，具有高度并行性，并且可以应用于所有NOMA传输方案。block-wisereceiver仅适用于具有扩展的NOMA方案。在block-wisereceiver中，它在一组RE上执行一次，即对于扩展块内的RE,其中由于更大的扩展块而增加

4、的复杂性将比在ChiPriSe块中快得多。Chip-wiseMUD在ChiPfiSe多用户检测中，某些过程迭代地细化多用户信号的估计。一个系列包括迭代消息传递或信念传播，LDPC解码器使用的成熟接收器架构。在这个架构中，有MPA（message-passing-a1gorithm）和EPA（expectationpropagationalgorithm）o两者都很简单，性能相似。另一种方法是使用FEC的软信息来细化用户间干扰的近似值，这是在ESE中完成的。Block-wiseMUD乂卜加5。卜叨）对一组1（扩展块）进行操作，以利用某些特定类型的NOMA操作（如线性扩展）提供的符号结构。在大小为

5、L个RE的扩展块上联合执行的块MMSE反演收by-应复数协方差矩阵。与ChiP-MMSE相比，block-MMSE具有更高的复杂度，即与之相比，尤其是当扩展因子L较大时。当矩阵大小（NrLbyNrL）超过一定水平时，数值稳定性成为现实中的优先事项，并行化将受到指数级影响。由于额外的延迟和复杂性惩罚，可能无法检测或验证数值不稳定的发生。它将继续通过以下接收块传播，并最终导致不可预测的故障。block-MMSE接收机严重依赖于特定NOMA发射器在RE块上信号处理的特定信号结构（即线性扩展）。如果信号中没有此类特定结构，则实现变得无用甚至有害。这将发生在ReIT5UE的信号上，该信号确实使用块扩展：

6、在信号上应用block-MMSE不会像MMSETRC那样提高任何基线性能，但会浪费更高的复杂性和更高的病态矩阵风险（矩阵反转维数从到）。1O10mMTC. 6RB. SF=4, Nue12Complexity scaling with # Rx antennas图2：具有#RX天线和扩展长度的block-l6789101112Spreadina FactormMTC. 6RB. Nr4, Overloading factor200% 108Complexity scaling with SF eve I mud复杂度的尺度规律.-e- b-MMSE-w c-EPA 一V一 c-MMSE干扰消除

7、方法比较(a)SUdetector+SIC(b)MUdetector+PIC图3:NOMA的一般迭代接收机结构。在一维中，干扰消除(IC)可以是硬的、软的或混合的。 HardIC：信道解码器将正确解码(即通过CRC检查)的二进制位反馈给检测器，用于干扰重建。它只反馈正确解码的数据流。 Soft:信道解码器将LLR(loglikelihoodratios)反馈给检测器进行干扰重建,无论数据流是否可以正确解码。然而，对于那些正确解码的码字，使用LLR值而不是硬IC是一种浪费。 HybridIC：信道解码器反馈正确解码码字的二进制位和错误解码码字的LLR,如图3所示。对于那些正确解码的用户，干扰被硬

8、消除(蓝色虚线)；对于那些未编码的用户，软信息由解码器反馈(橙色虚线)。这样，可以降低软集成电路的实现复杂度，提局硬集成电路的性能。在另一个维度中，集成电路可以串行、并行或混合实现。 SIC(SerialIC,也称为successiveIO一次仅解码一个用户。虽然SlC的顺序取决于SlNR值以利用用户之间的远近效应,但这样的顺序SIC可能会导致众所周知的错误传播。为了克服这一问题，在增强SlC中，每次成功解码UE时，都会修改SlC的顺序。 PIC(ParaIleIlC)同时对所有活动用户进行解码，从而避免了SlC的顺序相关错误传播并提高了性能，如图6(b)和图7所示。此外，由于较高的并行性，它

9、具有较低的解码延迟。注意，一次也可以解码用户子集，称为groupPIC,并且可以获取用于组选择的附加操作。如图7所示,在相关情况下，hardorderedSIC的性能最差。虽然hardenhancedSIC的性能优于hardorderedSIC,但其性能仍明显低于hardorderedSICo在PIC系列中,hybrid-PlC的性能略优于Soft-PIC,Soft-PIC比hard-PIC有明显的增益。图7:使用MMSE探测器和不同IC的CB-OFDMA的BLER性能.B.lDesignPrincipleEPA是一种众所周知的近似贝叶斯推理技术，它使用更简单的指数族分布来近似目标分布,其中K

10、UlIbaCk-Leibler散度KL(Pllq)最小化。它已经广泛应用于机器学习领域。从概念上讲，如下图所示，EPA可以被视为将目标分布投影到指数族分布集中的操作，即Proj(p)=argminKL(pq)(1)q如果为P，则投影减少为单位映射。然而，一般来说，PE，因此这样的投影是不平凡的。p1MinimumKL4=ProjB)图8:EPA基本准则.证明了(1)的最优解能够精确匹配目标分布的充分统计信息。例如，如果q是高斯分布,则q的均值和协方差将分别等于真实分布的P均值和协方差。对于MU检测问题，目标分布通常包括以下形式的因子乘积：P=WnJi(X)(2)其中D是归一化常数。EPA通过因子乘积近似(2)q=n()其中，每个因子，(X)对应于目标分布P中的因子/(x)之一，Z是归一化常数。如果每个因子/(X)都来自指数族，则因子的乘积也将来自指数族，因此可以用一组充分的统计量来描述。由于直接求解(1)通常很难，EPA迭代优化每个因子。具体来说，它从初始化所有因子开始，然后通过每次细化一个因子来循环因子。例如，假设要细化方(x),首先将其从中删除，得到qV=q方(X)。然后，通过最小化KL(M(X)qVq九，卬)来计算新的近似分布严忆因此，精细因子方(X)可以计算为甲ew/qU。套过多次迭代，得到近似分布q,作为精细因子的乘积。