CN108650006A - 基于大规模mimo的非正交多址接入方法 - Google Patents

Abstract

本发明涉及一种基于大规模MIMO的非正交多址接入方法，包括以下步骤：步骤1：确定最优解调顺序，步骤2：确定用户的接收功率，步骤3：确定用户的最优发射功率，步骤4：确定数据帧结构：接入同一基站的不同用户遵循相同的上行链路帧结构同步发送，用户所使用的时隙长度不超过无线信道的相干时间；步骤5：导频选择方式：用户获得导频的方式为各个用户独立的从给定导频集合里面随机选择自己所使用的导频；步骤6：在步骤4和步骤5的基础上，多个用户终端以最优发射功率发送信号给基站，基站接收到信号后，借助大规模MIMO的信道硬化能力，仅在天线端对多用户的复合信道进行估计，并利用串行干扰消除技术，最终完成全部用户信号的恢复。

Description

基于大规模MIMO的非正交多址接入方法

技术领域

本发明涉及无线通信、大规模MIMO***、多址接入技术领域，具体涉及一种基于大规模MIMO的非正交多址接入方法。

背景技术

正交多址技术：传统的通信***均以正交多址(Orthogonal Multiple Access，OMA)技术为核心，这些技术首先对无线资源进行划分，然后将在时间、频率、码字空间中一个或多个领域内相互正交的资源分配给不同的用户。其中，资源的正交性决定了用户信号之间的正交性，由此多个用户可以互不干扰地完成数据传输，从而简化基站端接收机的设计。

正交多址技术的缺点：在未来网络，尤其是物联网中，拥有海量无线设备的大背景之下，传统正交多址方案的局限性逐渐显现。通信***的服务主体由“人”转变为“物”，主要矛盾也由有限的下行带宽转变为有限的上行连接数。而正交多址接入对无线资源划分的颗粒大小直接决定了可供分配的资源块数量，这就制约了***接纳用户数的上限。因此，传统的正交多址接入方案严重制约了用户连接上限，已无法适应未来连接数目庞大的物联网业务需求。

基于扩频码域的非正交多址技术：为了突破传统多址方案中无线资源正交划分对接入用户数量的限制，获取更高的频谱效率，非正交多址(Non-Orthogonal MultipleAccess，NOMA)技术是一种可行的方案。一般来说，非正交多址可以通过码域、功率域、空域以及这几个域的联合使用来实现，而目前比较主流的方案通常基于扩频码域和基于功率域实现用户的多址。其中，基于扩频码域的代表技术有：华为技术有限公司提出的稀疏码分多址技术(Sparse Code Multiple Access，SCMA)^[1]、中兴通讯提出的多用户共享多址技术(Multi-User Shared Access，MUSA)^[2]、以及大唐电信提出的图样分割多址技术(PatternDivision Multiple Access，PDMA)^[3]等。SCMA、PDMA和MUSA都是通过设计稀疏扩频码或稀疏扩频图样来区分不同用户，这三者的共同特点都在于使用了稀疏的扩频码，在相同时间-频率资源上叠加多个用户的低码率传输数据，从而使更多的用户复用相同的资源，提高***的容量。

基于扩频码域的非正交多址技术的缺点：对于这种基于扩频码域的非正交多址方案来说，特定的传输块(Transmission Block,TB)所需要的时频资源将是传统正交多址中所需时频资源的数倍，因此占用的时频资源更多，可以说是一种用更多的时频资源来换取传输效率的方法。从这一点来看，非正交多址的资源分配相对来说并不那么灵活。其次，基于扩频的多址方案中，多用户复用的数据块需要联合检测来进行用户区分，故而接收复杂度将大大増加。总的来说，基于扩频码域的非正交多址技术在扩频码的优化设计及低复杂度接收算法设计两个方面还存在巨大的挑战。

基于功率域的非正交多址技术(NOMA)：基于功率域的非正交多址(Non-orthogonal Multiple Access,NOMA)，最早是由日本NTT DoCoMo^[4][5]公司提出的。此类技术将资源复用的思想拓展到了功率域，是一种纯功率域的复用。其核心思路是，通过利用无线信号在传播中产生的路径损耗差异，或者人为地实施差异化功率分配，使得复用同一资源的多个用户信号成分接收信干噪比(Signal-to-Noise-plus-Interference Ratio,SINR)具有层次化的差异^[6]。接收端通过优先解调较高信干噪比的用户成分，进行串行干扰消除，从而实现多用户检测。

基于功率域的非正交多址技术(NOMA)的缺点：未来5G移动通信所要面临的一大挑战就是上行方向激增的连接数量，而传统的NOMA主要研究的是下行方向的传输问题，且集中于单一的功率域复用，因此如何将NOMA用于解决上行海量终端的并发访问是一个尚未解决的问题。值得关注的是，5G移动通信中使用了大规模MIMO(multiple-input,multiple-output，多输入-多输出)技术作为物理层基本技术方案，其中基站端的大量天线带来了丰富的空域自由度，能够显著地提升***容量。而如何使NOMA技术适用于大规模MIMO的场景以获得更高的用户接入量，仍缺乏相关的解决方案。

发明内容

随着第五代移动通信时代的到来，物联网应用场景的出现，网络通信所面临的困难将从传统的传输速率受限转为网络连接能力受限。由激增的终端连接数造成的无线信道拥塞问题日渐突出。传统的通信***已无法应对未来无线通信中大量用户的并发访问需求，因此引入全新的接入机制势在必行。为了解决这一难题，业界也做了诸多努力，其中包括对资源进行更细粒度的划分、基于非正交频谱扩展的多址接入技术以及基于功率域的NOMA技术等等，这些技术均从不同的角度达到增大***容量的目的。与现有的技术不同，本发明利用的是大规模MIMO技术的特性，通过在基站端配置大量天线来实现空域复用。同时，结合功率域非正交接入的思想，允许多个用户复用相同的导频资源，极大地增加了无线终端的连接数量，从而承载更多的并发接入请求，提高***容量。

为达到以上目的，本发明采取的技术方案是：

一种基于大规模MIMO的非正交多址接入方法，包括以下步骤：

步骤1：确定最优解调顺序：若K个用户具有相同的目标传输速率，令用户索引k表示其解调序号，则当且仅当各用户的路径损耗系数满足β₁≥β₂≥…≥β_K时，其中功率域NOMA***中用户的总发射功率最小，此时接收机的解调顺序最优，保证距离基站较近的用户始终优先解调；

步骤2：确定用户的接收功率：假设用户的目标传输速率为R_k，为了简化表达，引入中间变量其中B是***带宽，则当各用户的目标传输速率R_k相等时，可得此外，各用户间的功率差也相等：则各用户的接收功率如下式所示：

或者根据用户的最优解调顺序，用户接收功率的通式表示为：

其中β_k是路径损耗系数，p_k为用户k的上行发射功率；

步骤3：确定用户的最优发射功率：确定用户最优发射功率的方法包括：在理想全局信息下，基于中断概率准则确定最优发射功率和在无需全局信息下，基于路径损耗部分补偿确定最优发射功率；

步骤4：确定数据帧结构：接入同一基站的不同用户遵循相同的上行链路帧结构同步发送，用户所使用的时隙长度不超过无线信道的相干时间；

步骤5：导频选择方式：用户获得导频的方式为各个用户独立的从给定导频集合里面随机选择自己所使用的导频；

步骤6：在步骤4和步骤5的基础上，多个用户终端以最优发射功率发送信号给基站，基站接收到信号后，借助大规模MIMO的信道硬化能力，仅在天线端对多用户的复合信道进行估计，并利用串行干扰消除技术，最终完成全部用户信号的恢复。

在上述方案的基础上，在理想全局信息下，基于中断概率准则确定最优发射功率的具体步骤为：

将用户k的信号成功解调这一事件记为A_k，则用户的信道容量约束表示为：

其中h_k是用户k的小尺度衰落信道，M代表天线的数量，N₀为等效噪声的方差，B是***带宽，R_k是用户k的目标传输速率，引入中间变量上述用户的信道容量约束条件变为：

为了进一步简化表达，引入中间变量γ_k＝‖h_k‖⁴/M，则式(10)可写成：

引入系数b_k，并定义如下函数形式：

其中，若l＝k，则b_l＝a_l，否则b_l＝-φ_ka_l；

综上，用户的信道容量约束表示为：

其中N₀为等效噪声的方差，Γ_k(γ_k,γ_k+1,...,γ_K)表示多个服从非中心卡方分布的独立随机变量线性组合的形式，不同用户对应的函数可近似为：

其中μ_k和ν_k为引入的中间变量，是自由度为d_k的卡方分布；

其中：

利用步骤2中的公式(8)，可得于是有：

当确定为最优解调顺序时，f₁(k)、f₂(k)和f₃(k)为常数，具体定义如下所示：

利用上述的公式推导，可将公式(15)-公式(17)进一步简写为：

其中ψ₁(k)、ψ₂(k)和ψ₃(k)为常数，

其中ψ₁(k)≥0对任意k成立，则公式(13)简写为：

其中，ε是最大容许中断概率，由于卡方分布的自由度在实际取值中一般为非整数，所以卡方分布变为参数为ψ₃(k)≥2和1/2的Gamma分布，记Gamma分布累计概率密度函数的反函数为F^-1(p；ψ₃(k)/2,1/2)，于是用户k的中断概率约束表示为：

令：

η₀＝(ψ₁(k)F^-1(ε；ψ₃(k)/2,1/2)+ψ₂(k))，

则公式(28)简化为：

(η₀-η₁)λ²-η₂λ-η₃≥0. (29)

其中k,K>0,M>0,φ>0,λ>0，故η₁>0,η₂>0,η₃>0，当η₀＝ψ₁(k)F^-1(ε；ψ₃(k)/2,1/2)+ψ₂(k)≤0时，中断约束不成立，另外要保证λ解集非空，同时η₀>η₁必须成立，则公式(29)表示为：

由于用户的接收功率始终为正，则公式(30)中λ<0的部分被忽略，η₁,η₂,η₃为常数，而η₀是k的函数，因此定义：

其中λ(k)关于k单调递增，多个用户的中断概率约束转化为单个用户中断概率约束中最紧的一个，则K个用户功率域NOMA***的中断约束为：

λ≥λ(k)k＝1,2,...,K, (32)

公式(32)结合公式(31)，得出如下公式：

将求得的λ带入上述公式(8)中，得出用户最优发射功率的表达式：

在上述方案的基础上，步骤6中对多用户的复合信道进行估计的具体步骤为：

对于共用导频序列c_i的K个用户，基站接收的导频信号Y_c为：

其中：g_k为用户k对应的上行信道增益，p_k为用户k的上行发射功率，为接收导频信号的加性高斯噪声矩阵，

然后根据最小二乘估计，基站获得导频序列编号i上K个用户的等效复合信道：

其中：(·)^H代表矩阵的共轭转置操作，h_k是用户k的小尺度衰落信道，复合噪声是M×1维向量，且满足n～CN(0,σ²I_M)，CN表示复高斯随机分布。

在上述方案的基础上，步骤6中利用串行干扰消除技术，完成全部用户信号恢复的具体步骤为：

假设用户的数据符号与导频序列的功率相等，当用户发送符号时，基站接收的数据信号是：

其中s_k为用户k的上行数据符号，β_k为路径损耗系数，z为接收噪声，满足z～CN(0,σ²I_M)；

利用导频信号传输获得的信道估计，基站对接收的数据符号进行最大比合并，从而恢复数据符号，具体如下所示：

其中M代表天线的数量，k'、k均代表用户索引，且k'≠k，公式(5)的第一部分是各用户数据符号的加权和，权值β_kp_k‖h_k‖²/M与发射功率、上行信道及基站天线数有关，第二部分是等效噪声，用w表示；

随着天线数M的不断增加，式(5)中等效噪声w也将收敛于如下复高斯分布：w～CN(0,N₀)

其中

其中，σ代表白噪声的标准差，当公式(5)第一部分中的权值β_kp_k‖h_k‖²/M符合功率域NOMA***的相关信号功率约束时，基站则根据最优解调顺序逐个解调用户的数据符号，进行干扰消除，从而恢复全部用户的信号。

在上述方案的基础上，所述数据帧结构中的导频时隙和数据时隙长度可以根据实际需要进行灵活设计。

附图说明

本发明有如下附图：

图1数据帧格式图。

图2不同功率分配下成功传输用户个数统计(K＝4)图。

图3不同功率分配下成功传输用户个数统计(K＝3)图。

图4本发明所述方法流程图。

具体实施方式

以下结合附图1-4对本发明作进一步详细说明。

1、***模型：

本发明考虑采用大规模MIMO技术的无线通信场景。假设基站端配备M根天线，天线的索引用m表示，且有m＝1,2,...,M。基站服务的小区中，K个单天线用户共用某个导频序列，并传输各自的上行数据，用户的索引用k表示，且有k＝1,2,...,K。用户k的上行发射功率为p^k，根据不同的情况，它表示导频或数据传输采用的发射功率。用户k对应的上行信道增益记作其中β_k是路径损耗系数，h_k是用户k的小尺度衰落信道。h_k＝[h_k,1,h_k,2,...,h_k,M]^T包含M个独立同分布的分量，[.]^T代表矩阵的转置操作，其中分量h_k,m对应于用户k天线到基站天线m的无线链路。用户小尺度衰落信道满足h_k～CN(0,I_M),k＝1,...,K，其中CN表示复高斯随机分布，I_M表示M×M维的单位矩阵。

K个用户共享长度为L的导频序列c_i＝[c_i1,…,c_iL]，其中i和j分别代表导频序列的编号。由导频序列的正交性质可知，仅当i＝j时否则其中(·)^H代表矩阵的共轭转置操作。用户k的上行数据符号记作向量形式，即s_k＝[s_k,1,…,s_k,N]。在不影响结果一般性的条件下，将用户数据符号归一化，即有其中，E[.]表示求数学期望，I_N表示N×N维的单位矩阵，下标N代表相邻子载波的数量。用户k传输的导频序列和数据符号整体可记作[c_i,s_k]^T，则基站接收的导频信号和数据信号可表示为：

其中，和分别是接收导频信号和接收数据信号的加性高斯噪声矩阵，该矩阵是一个M×L维的负数矩阵。其中每个元素是均值为零，方差为σ²的循环对称复高斯随机变量，因此两者分别满足和

2、数据帧结构

本发明需要接入同一基站的不同用户遵循相同的上行链路帧结构同步发送，且用户所使用的时隙长度不超过无线信道的相干时间，而用户数据帧结构中的导频时隙和数据时隙的长度可以根据实际需要进行灵活设计。

图1所示的是一种可行的数据帧格式。它主要由两部分构成，前部分是用于信道估计的导频信号，后部分是由用户终端发送的数据信号。需要说明的是，这里采用的仅是其中一种可行的实现方式，其它方式亦可行，即在实际的通信过程中，允许两者相差一定的保护时间间隔，保护时间可以但不限于循环前缀(Cyclic Prefix,CP)补零等方式，用于对抗由多径传播引起的符号间干扰或由同步误差带来的干扰。

3、用户终端的数据发送方法

在本发明中，假定用户获得导频的方式为各个用户独立的从给定导频集合里面随机选择自己所使用的导频，即可能多个用户选择使用相同的导频。然而本发明并不局限于此种一般化的导频选择方式。

用户成功完成导频选择之后，就可以进一步进行数据发送了。在此过程中，用户采用上面数据帧结构中提到的数据帧格式，而关于用户功率如何选择的问题，将在基于理想全局信息的最优功率分配方案中进行详细的阐述。

4、基站端信号恢复

多个用户终端随机选择导频发送给基站，因此当并发的用户数较多时，可能出现多个用户使用相同的导频的情况。此时，基站在进行信道估计时将无法区分使用相同导频的用户所经历的不同无线信道，即基站端估计得到的信道响应是使用相同导频的用户所对应的无线信道的综合，也即多个用户的复合信道。进一步地，本发明将利用复合信道来完成信号均衡。

4.1用户信道估计

导频信号的传输对信道状态信息(Channel State Information,CSI)的获取至关重要。由于不同的导频相互正交，基站只需区分使用相同导频的用户即可。对于共用导频序列c_i的K个用户，基站接收的导频信号为式(1)：

进一步地，根据最小二乘(Least Square,LS)估计，基站即可以获得导频序列编号i上K个用户的等效复合信道：

其中复合噪声是M×1维向量，且满足n～CN(0,σ²I_M)。

传统的数据恢复方案中，基站首先需要分别估计每一个用户的信道g_k，然后求解用户数据。然而，估计每一个用户信道需要给每一个用户提供一个正交的导频序列。由于正交导频的数目与导频序列的长度正相关，更多的并发用户就需要更长的序列，造成巨大的导频开销。本发明中，基站不单独估计每一个用户的信道，而只估计复用导频的全部用户的复合信道，并利用复合信道估计完成均衡。因此上式(3)中获得的等效复合信道实际上是同导频的多个用户无线信道的线性组合。然而，利用复合信道估计进行均衡将造成多用户干扰。为此，本发明利用串行干扰消除技术从多用户干扰中恢复用户数据，达到在不增加导频序列开销的前提下提高接入的用户数量。

4.2用户信号均衡

由于本发明采用的是非正交的多址接入，因此当多个用户恰巧选择了相同的导频时就会产生用户冲突问题，即各用户之间的数据传输可能存在一定的干扰。这意味着，与经典的信道估计不同，目前算法中基站无法区分采用同一导频的多个用户的无线信道，因此也无从获得每个用户的信道估计。本发明通过借助大规模MIMO的信道硬化能力，基站无需分别估计各用户的信道，仅在天线端对多用户的复合信道进行估计，并辅之以干扰消除，即可完成用户数据的恢复。上述转化问题的思想是本发明的核心。

不失一般性地，假设用户数据符号与导频序列功率相等。当用户发送符号时，基站接收的数据信号是：

其中接收噪声满足z～CN(0,σ²I_M)。

利用导频信号传输获得的信道估计，基站可以对接收的数据信号进行最大比合并(Maximum Ratio Combing,MRC)，从而恢复数据符号：

从上式(5)可以看出，经过接收机处理后，数据符号估计值可拆分为两部分，第一部分是各用户数据符号的加权和，其权值β_kp_k‖h_k‖²/M与发射功率、上行信道及基站天线数有关，具体解调某用户时，该部分可拆分为目标用户k的有用信号和其他K-1个用户的干扰信号部分；上式第二部分是等效噪声，用w表示。

用户数据符号的加权求和与功率域NOMA信号形式类似。因此，只要不同用户数据符号的加权系数符合NOMA的有关信号功率约束，基站就可以逐个解调用户符号，进行干扰消除，从而恢复全部K个用户的信号。这样一来，大规模MIMO***(大规模天线***)的主要瓶颈——导频污染(pilot contamination)问题得以避免，***容量得以提升。其中，最优的用户上行发射功率选择方案将在基于理想全局信息的最优功率分配方案中进行介绍。

式(5)中，向量n,z和h₁,h₂,...,h_K之间两两独立。考虑到h_k中M个分量是独立同分布的高斯随机变量，容易得出2‖h_k‖²～χ²(2M)。根据中心极限定理，当天线数足够大时，自由度为2M的卡方分布可以用一个与之同均值且同方差的正态分布近似表示，即有2‖h_k‖²～N(2M,4M)。

接收数据信号y中，多个用户复数矢量信道相互叠加，由于h_k中虚部的存在，信道相位不同的用户数据叠加可能发生相消干涉，造成解调的困难；而经过接收机均衡处理后，多个用户信道的复数矢量求和被转化为实数标量信道的求和，即恢复数据信号的第一项，此时不同用户的实数等效信道相加，因此解调过程得以大大简化。当基站天线数M趋于无穷时，不同用户数据的加权中‖h_k‖²/M～N(1,1/M)，其方差趋于零。这反映出大规模MIMO中，小尺度衰落的随机性随着天线数的增长逐步消失，也就是信道硬化。

与上文类似，随着天线数M的不断增加，式(5)中等效噪声项也将收敛于如下复高斯分布：w～CN(0,N₀)

其中k'、k均代表用户索引，且k'≠k。

4.3用户解调

本发明采用的是串行干扰消除的方法进行用户解调，通过在基站端使用串行干扰消除接收方法来依次解除多个用户。在此前提下，基站端最优的用户解调顺序详见最优解调顺序。

5、基于理想全局信息的最优功率分配方案

在理想全局信息假设下，本发明提出了基于中断概率准则的最优发射功率选择方式。

5.1最优解调顺序

本节考虑各用户目标传输速率相等，且各用户间功率差相等(即)的情形。在此假设下，各用户的接收功率可根据序列关系递推如下：

或者根据解调顺序，其通式可表示为：

由上式(7)可以看出，接收功率βkpk关于k单调递减：即越靠后解调的用户，其需要的接收功率越低。由于λ>0,φ>0，因此，最优解调顺序满足：若K个用户具有相同的目标速率，令用户索引k表示其解调序号，则当且仅当各用户的路径损耗系数满足β₁≥β₂≥…≥β_K 时，功率域NOMA***中用户总发射功率最小，此时SIC(Successive Interference Cancellation，串行干扰消除)接收机的解调顺序最优。换言之，***应保证具有较高信道增益的用户(距离基站较近的用户)始终优先解调。

5.2最优功率分配方案

确定用户解调顺序后，本节根据中断概率的约束，确定各用户的接收功率，进而计算用户发射功率。将用户k的信号成功解调这一事件记为A_k，则用户的信道容量约束可以表示为：

其中B是***带宽，R_k是用户k的目标传输速率，引入中间变量上式约束条件变为：

为了进一步简化表达，引入中间变量γ_k＝‖h_k‖⁴/M，则式(10)可写成：

引入系数b_k，并定义如下函数形式：

其中，若l＝k，则b_l＝a_l，否则b_l＝-φ_ka_l。

综上，用户的信道容量约束可以表示为：

由上文可知，当天线数M趋于无穷时，2‖h_k‖²满足的卡方分布可用正态分布近似。采用类似的方法可以得到对于非中心的高斯随机变量，其平方服从非中心的开方分布(Non-Central Chi-Square Distribution)。因此‖h_k‖⁴/M～χ²(1,M)，其自由度为1，非中心参数为M。其中Γ_k(γ_k,γ_k+1,...,γ_K)可表示为多个服从非中心开方分布的独立随机变量线性组合的形式。不同用户对应的函数可近似为：

其中：

令若l＝k，则b_l＝a_l，否则b_l＝-φ_ka_l。考虑上节得出的用户接收功率关系β_kp_k＝λ(1+φ)^K-k，可得于是有：

其中当为最优解调顺序时，f₁(k)、f₂(k)和f₃(k)为常数，其定义为：

于是式(15)-公式(17)可进一步简写为：μ_k＝ψ₁(k)λ²,ν_k＝ψ₂(k)λ²,d₃＝ψ₃(k)，其中ψ₁(k)、ψ₂(k)、ψ₃(k)为常数，参数详细定义如下：

注意到ψ₁(k)≥0对任意k成立，式(13)中的约束条件可简写为：

d_k对应着卡方分布(Chi-square Distribution)的自由度，但在实际中由于其取值往往非整数，卡方分布实际上变为参数为ψ₃(k)≥2和1/2的Gamma分布。记此分布累计概率密度函数(Cumulative Distribution Function,CDF)的反函数为F^-1(p；ψ₃(k)/2,1/2)，于是用户k的中断概率约束可表述为：

上式推导中，等效噪声的方差N₀的表达式可根据式(6)中的用户递推关系得出，其推导过程在本节末尾详述。将不等号左右两侧λ前的系数分别定义为η₀和η₁,η₂,η³，式(28)约束可简化为：

(η₀-η₁)λ²-η₂λ-η₃≥0. (29)

考虑到k,K>0,M>0,φ>0,λ>0，不难得出η₁>0,η₂>0,η₃>0。故下式(34)中不等号右侧始终为正。因此当η₀＝ψ₁(k)F^-1(ε；ψ₃(k)/2,1/2)+ψ₂(k)≤0时，中断约束不可能成立，***必然发生中断。此外，要使得λ解集非空，η0>η1必须成立。

根据以上假设，不等式(29)变为：

由于接收功率始终为正，解集中λ<0的部分被忽略。式(30)中η₁,η₂,η₃为常数，而η₀是k的函数，因此可以定义：

从上述的推导中我们可以得出如下结论：

λ(k)关于k单调递增，多个用户的中断概率约束可以转化为单个用户中断概率约束中最紧的一个。即K个用户功率域NOMA***的中断约束：

λ≥λ(k)k＝1,2,...,K, (32)

可以简化为：

将求得的λ带入用户接收功率的递推关系式，即可得出用户发射功率表达式：

6、分布式功率分配方案(无需全局信息的)

考虑到实际***中，用户并不具备全局信息，接下来将从基于路径损耗部分补偿的分布式功率分配算法入手，允许用户共享某些全局信息，帮助终端独立地选取适宜的发射功率，从而取得接近理论最优功率分配方案的性能。

6.1基于路径损耗部分补偿的功率分配方案

本节讨论当无法获取全局信息时，多用户的上行功率分配方案。如前文所述，大规模MIMO***中，信道硬化特性可以将共用导频的各个用户复矢量信道之和转化为标量信道加权和的形式，因此用户功率的分配问题可以采用类似功率域NOMA的方法解决。在功率域NOMA中，构造先后解调的各级用户功率之差是影响***容量的关键。

基于路径损耗部分补偿方案的主要思路是在同一基准接收功率的基础上，不均匀地补偿不同用户的路径损耗。该方案的优点体现在三个方面：首先，它是一种完全分布式的功率分配方案，参数配置简单，可以轻易地在每个用户处独立进行；其次，通过对接收功率目标和功率补偿比例的调整，它可以取得接近全局信息时最优功率分配的效果；

最后，和传统方案相比，它可以有效降低用户的整体发射功率，且使得并发用户取得相近的性能。

本发明的有益效果：

支持更高的***过载率

本发明对比不同功率分配方案对多用户传输***过载率的影响，其中，***过载率是指某一传输方法在单位时间-频率资源块上面可以承载的用户的数目，因此能够达到更高的过载率说明该传输方法在相同的资源条件下能够支持更多的接入用户。在基于***容量上界设计的理论上行功率分配方案中，依据指定的多用户传输中断概率可以获得各级用户所需的最低接收功率，结合用户的具体衰落情况，即可得出***的最低发射功率。在该理论分配方案中，不考虑具体的调制和编码方案，而是通过计算每个用户在串行干扰消除过程之后的SINR，并比较其对应的***容量与目标传输速率的关系，判断用户能否成功传输。

为了保证不同功率分配方案之间的公平性，每次仿真实现不同功率分配方案下用户的位置、无线信道以及总发射功率完全相同。具体而言，本发明根据全局信息下的中断概率设计全部用户的理论最优发射功率，并根据其他的功率分配方案，对多个用户的总发射功率进行再次分配，然后统计不同功率配置下用户取得的SINR。

需要说明的是，由于用户最大发射功率等因素的制约，实际中***并不能无限多地叠加不同用户的信号。此外，***在复用导频的用户较多时支持的最大数据速率也低于用户较少的情形。

以1％为中断概率设计目标，基站天线数量M＝200，选取K＝4，R_k＝5kbit/s以及K＝3，R_k＝5kbit/s两组用户数及目标速率配置，其中R_k是用户k的目标传输速率。通过统计不同功率分配方案下SINR满足速率要求的用户个数，即可得到用户成功传输个数的直方图。本发明比较了五种不同功率分配方案的用户传输情况，具体结果如图2和图3所示。同时，基于用户成功传输个数，计算出各方案的多用户成功传输数量的期望，即***过载率，如表1所示。

表1不同功率分配下成功传输用户数目

具体地，由用户成功传输个数直方图(如图2、图3所示)以及***过载率(如表1所示)可以看出，当K＝4，R_k＝5kbit/s时，基于全局信息设计的理论方案中全部成功传输的用户比例最高，路径损耗部分补偿功率分配方案的性能虽然略低于理论方案，但明显优于等功率接收和随机功率分配方案。且当用户数较少时，***可以支持更高的数据速率。等功率发射方案利用用户自身大尺度衰落的差异构造接收功率差，当用户间隔合理时可以取得较好的性能，其成功用户数的分布与随机功率分配方案类似，但性能略好。而等功率接收方案由于各用户功率过于接近，造成每个用户都受到严重干扰，性能最差。当K＝3，R_k＝5kbit/s时，结果与K＝4，R_k＝5kbit/s的情况类似，基于路径损耗部分补偿的功率分配方案依然能取得与理论方案相似的性能，相比其他方案具有明显的优势。

综上可知，本发明提出的分布式功率分配方案可以提供更高的***过载率，即基于路径损耗部分补偿的功率分配方案能够支持大规模MIMO***中多个用户的并发传输，并获得与理论功率分配方案类似的性能。

除了分布式功率分配方案外，本发明还有如下替代方案可以使用。

基于概率的多级功率分配方案

文献[8]提供了一种分布式功率分配方案的设计思路，通过将信号的表达及相关参数适配到大规模MIMO***中，即可得到如下的基于概率的多级功率分配方案。

对于K个用户使用相同导频的情形，假设导频碰撞的用户数量对各用户已知，则此时用户可根据公共的信息分别推断出可用的K个接收功率级别。将多个功率级别由低到高依次排列并编号，记第l个接收功率级别为τ_l，且其定义为：

其中u是一个可调节参数，用于对抗第l-1级用户干扰功率的随机性，可以通过数值方法优化；N₀是等效噪声的方差。

定义离散接收功率级别的集合为{τ₁,τ₂,.....,τ_K}，则确定不同的功率级别后，每个用户以1/K的均等概率从集合E中随机选择一个作为目标接收功率，再结合自身的大尺度衰落，即可完成发射功率的选取。

对于每个功率级别恰好仅有一个用户使用的情况，将各功率级别代入式(6)的方差中，即可得到：

此时算法性能最佳，结合式(35)与式(36)即可求解各功率级别的取值。

基于概率的多级功率分配方案实施简单，它通过对目标接收功率的离散化设计，保证用户的功率差异。随机的功率选择有利于用户功率取值的分散，而参数u的存在则保持了一定的灵活性。即便对于全部用户都取得同一接收功率级别的最差情况，该方案也能够保证与等功率接收方案相当的性能。

本发明的技术关键点和欲保护内容如下：

1.通过利用复合信道估计进行接收信号均衡，辅以干扰消除，增加接入量，核心的问题转化成用户发射功率选择和基站对接收到的信号进行干扰消除的问题。

2.基于理想全局信息的、总发射功率最小的最优用户解调顺序。

3.基于理想全局信息的最优功率分配方案。

4.无需全局信息的分布式分配方案(即基于路径损耗部分补偿的方案)。

附件：

参考文献(如专利/论文/标准)

[1]Nikopour H,Baligh H.Sparse code multiple access[C]//2013IEEE 24thInternational Symposium on Personal Indoor and Mobile Radio Communications(PIMRC),2013:332-336

[2]Yuan Z,Yu G,Li W,et al.Multi-user shared access for Internet ofthings[C]//2016IEEE 83rd.Vehicular Technology Conference(VTC Spring),2016:1-5.

[3]Chen S,Ren B,Gao Q,et al.Pattern division multiple access(PDMA)-Anovel non-orthogonal multiple access for 5G radio networks[J].IEEETransactions on Vehicular Technology,2016,66(4):3185-3196.

[4]Saito Y,Kishiyama Y,Benjebbour A,et al.Non-orthogonal multipleaccess(NOMA)for cellular future radio access[C]//2013 IEEE 77th.VehicularTechnology Conference(VTC Spring),2013:1-5.

[5]Saito Y,Benjebbour A,Kishiyama Y,et al.System-level performanceevaluation of downlink non-orthogonal multiple access(NOMA)[C]//2013IEEE 24thInternational Symposium on.Personal Indoor and Mobile Radio Communications(PIMRC),2013:611-615.

[6]Ding Z,Liu Y,Choi J,et al.Application of non-orthogonal multipleaccess in LTE and 5G networks[J].IEEE Communications Magazine,2017,55(2):185-191.

[7]Zhang J T.Approximate and asymptotic distributions of Chi-squared-type mixtures with applications[J].Publications of the American StatisticalAssociation,2005,100(469):273-285.

[8]Lin H,Ishibashi K,Shin W Y,et al.A simple random access schemewith multilevel power allocation[J].IEEE Communications Letters,2015,19(12):2118-2121.

本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (5)

1.一种基于大规模MIMO的非正交多址接入方法，其特征在于，包括以下步骤：

步骤1：确定最优解调顺序：若K个用户具有相同的目标传输速率，令用户索引k表示其解调序号，则当且仅当各用户的路径损耗系数满足β₁≥β₂≥…≥β_K时，其中功率域NOMA***中用户的总发射功率最小，此时接收机的解调顺序最优，保证距离基站较近的用户始终优先解调；

步骤2：确定用户的接收功率：假设用户的目标传输速率为R_k，为了简化表达，引入中间变量其中B是***带宽，则当各用户的目标传输速率R_k相等时，可得此外，各用户间的功率差也相等：则各用户的接收功率如下式所示：

或者根据用户的最优解调顺序，用户接收功率的通式表示为：

其中β_k是路径损耗系数，p_k为用户k的上行发射功率；

步骤3：确定用户的最优发射功率：确定用户最优发射功率的方法包括：在理想全局信息下，基于中断概率准则确定最优发射功率和在无需全局信息下，基于路径损耗部分补偿确定最优发射功率；

步骤4：确定数据帧结构：接入同一基站的不同用户遵循相同的上行链路帧结构同步发送，用户所使用的时隙长度不超过无线信道的相干时间；

步骤5：导频选择方式：用户获得导频的方式为各个用户独立的从给定导频集合里面随机选择自己所使用的导频；

步骤6：在步骤4和步骤5的基础上，多个用户终端以最优发射功率发送信号给基站，基站接收到信号后，借助大规模MIMO的信道硬化能力，仅在天线端对多用户的复合信道进行估计，并利用串行干扰消除技术，最终完成全部用户信号的恢复。

2.如权利要求1所述的基于大规模MIMO的非正交多址接入方法，其特征在于，在理想全局信息下，基于中断概率准则确定最优发射功率的具体步骤为：

将用户k的信号成功解调这一事件记为A_k，则用户的信道容量约束表示为：

其中h_k是用户k的小尺度衰落信道，M代表天线的数量，N₀为等效噪声的方差，B是***带宽，R_k是用户k的目标传输速率，引入中间变量上述用户的信道容量约束条件变为：

为了进一步简化表达，引入中间变量γ_k＝‖h_k‖⁴/M，则式(10)写成：

引入系数b_k，并定义如下函数形式：

其中，若l＝k，则b_l＝a_l，否则b_l＝-φ_ka_l；

综上，用户的信道容量约束表示为：

其中N₀为等效噪声的方差，Γ_k(γ_k,γ_k+1,...,γ_K)表示多个服从非中心卡方分布的独立随机变量线性组合的形式，不同用户对应的函数可近似为：

其中μ_k和ν_k为引入的中间变量，是自由度为d_k的卡方分布；

其中：

利用步骤2中的公式(8)，可得于是有：

当确定为最优解调顺序时，f₁(k)、f₂(k)和f₃(k)为常数，具体定义如下所示：

利用上述的公式推导，可将公式(15)-公式(17)进一步简写为：

其中ψ₁(k)、ψ₂(k)和ψ₃(k)为常数，

其中ψ₁(k)≥0对任意k成立，则公式(13)简写为：

其中，ε是最大容许中断概率，由于卡方分布的自由度在实际取值中一般为非整数，所以卡方分布变为参数为ψ₃(k)≥2和1/2的Gamma分布，记Gamma分布累计概率密度函数的反函数为F^-1(p；ψ₃(k)/2,1/2)，于是用户k的中断概率约束表示为：

令：

η₀＝(ψ₁(k)F^-1(ε；ψ₃(k)/2,1/2)+ψ₂(k))，

则公式(28)简化为：

(η₀-η₁)λ²-η₂λ-η₃≥0. (29)

其中k,K>0,M>0,φ>0,λ>0，故η₁>0,η₂>0,η₃>0，当η₀＝ψ₁(k)F^-1(ε；ψ₃(k)/2,1/2)+ψ₂(k)≤0时，中断约束不成立，另外要保证λ解集非空，同时η₀>η₁必须成立，则公式(29)表示为：

由于用户的接收功率始终为正，则公式(30)中λ<0的部分被忽略，η₁,η₂,η₃为常数，而η₀是k的函数，因此定义λ(k)：

其中λ(k)关于k单调递增，多个用户的中断概率约束转化为单个用户中断概率约束中最紧的一个，则K个用户功率域NOMA***的中断约束为：

λ≥λ(k)k＝1,2,...,K, (32)

公式(32)结合公式(31)，得出如下公式：

将求得的λ带入上述公式(8)中，得出用户最优发射功率的表达式：

3.如权利要求1所述的基于大规模MIMO的非正交多址接入方法，其特征在于，步骤6中对多用户的复合信道进行估计的具体步骤为：

对于共用导频序列c_i的K个用户，基站接收的导频信号Y_c为：

其中：g_k为用户k对应的上行信道增益，p_k为用户k的上行发射功率，为接收导频信号的加性高斯噪声矩阵，

然后根据最小二乘估计，基站获得导频序列编号i上K个用户的等效复合信道：

其中：(·)^H代表矩阵的共轭转置操作，h_k是用户k的小尺度衰落信道，复合噪声是M×1维向量，且满足n～CN(0,σ²I_M)，CN表示复高斯随机分布。

4.如权利要求3所述的基于大规模MIMO的非正交多址接入方法，其特征在于，步骤6中利用串行干扰消除技术，完成全部用户信号恢复的具体步骤为：

假设用户的数据符号与导频序列的功率相等，当用户发送符号时，基站接收的数据信号是：

其中s_k为用户k的上行数据符号，β_k为路径损耗系数，z为接收噪声，满足z～CN(0,σ²I_M)；

利用导频信号传输获得的信道估计，基站对接收的数据符号进行最大比合并，从而恢复数据符号，具体如下所示：

其中M代表天线的数量，k'、k均代表用户索引，且k'≠k，公式(5)的第一部分是各用户数据符号的加权和，权值β_kp_k‖h_k‖²/M与发射功率、上行信道及基站天线数有关，第二部分是等效噪声，用w表示；

随着天线数M的不断增加，式(5)中等效噪声w也将收敛于复高斯分布：w～CN(0,N₀)

其中

其中，σ代表白噪声的标准差，当公式(5)第一部分中的权值β_kp_k‖h_k‖²/M符合功率域NOMA***的相关信号功率约束时，基站则根据最优解调顺序逐个解调用户的数据符号，进行干扰消除，从而恢复全部用户的信号。

5.如权利要求1所述的基于大规模MIMO的非正交多址接入方法，其特征在于，所述数据帧结构中的导频时隙和数据时隙长度可以根据实际需要进行灵活设计。