欢迎光临散文网 会员登陆 & 注册

5G中NOMA是个什么鬼?

2022-09-30 11:34 作者:余网优化  | 我要投稿

NOMA是Non-orthogonal multiple access technology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。

NOMA接收机关键技术在于不同多用户检测器(MUD:multi-user detectors)和干扰消除(IC:interference cancelation)。

几年前,LTE中就提出了诸如ML-like接收器、CWIC接收器等高级接收器,例如在Rel-12 NAICS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,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Rel-15 NR中,该NR将包括MU-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eMBB、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-wise vs. Block-wise MUDs

如表1所示,MUD可分为两类:chip-wise receiver和 block-wise receiver。

在chip-wise receiver中,MUD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-wise receiver仅适用于具有扩展的NOMA方案。在block-wise receiver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的复杂性将比在chip-wise 块中快得多。

Chip-wise MUD

在chip-wise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-algorithm)和EPA(expectation propagation algorithm)。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-wise MUD

block-wise MUD对一组RE(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L个 RE的扩展块上联合执行的块MMSE反演Nr×L-by-Nr×L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 (Nr·L by Nr·L) 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Rel-15 UE的信号上,该信号确实使用块扩展:在信号上应用 block-MMSE不会像MMSE-IRC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)。

干扰消除方法比较

在一维中,干扰消除(IC)可以是硬的、软的或混合的。

  • Hard IC: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 IC:信道解码器将LLR(log likelihood ratios)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。

  • Hybrid IC: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,提高硬集成电路的性能。

在另一个维度中,集成电路可以串行、并行或混合实现

  • SIC(Serial IC,也称为 successive IC)一次仅解码一个用户。虽然SIC的顺序取决于SINR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SIC中,每次成功解码UE时,都会修改SIC的顺序。

  • PIC(parallel IC)同时对所有活动用户进行解码,从而避免了SIC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,它具有较低的解码延迟。注意,一次也可以解码用户子集,称为group PIC,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,hard ordered SIC的性能最差。虽然hard enhanced SIC的性能优于hard ordered SIC,但其性能仍明显低于hard ordered SIC。在PIC系列中, hybrid-PIC的性能略优于soft-PIC,soft-PIC比hard-PIC有明显的增益。

B.1 Design Principle

EPA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Kullback-Leibler散度最小化。它已经广泛应用于机器学习领域。从概念上讲,如图所示,EPA可以被视为将目标分布投影到指数族分布集Φ的操作,即

       

如果为,则投影减少为单位映射。然而,一般来说,,因此这样的投影是不平凡的。

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:


5G中NOMA是个什么鬼?的评论 (共 条)

分享到微博请遵守国家法律