摘要：无人机(UAV)协助下非正交多址接入(NOMA)使能的数据采集系统,考虑了地空概率信道模型和服务质量约束,并联合优化UAV三维布局设计和传感器功率分配最大化所有传感器的总能效。针对原混合整数非凸规划问题,提出了一种基于凸优化理论、深度学习理论和哈里斯鹰优化(HHO)算法的能效优化机制。在任意给定的UAV三维布局下,首先将功率分配子问题等价转化为凸优化问题;其次基于最优的功率分配方案,采用深度神经网络(DNN)构建从传感器位置到UAV三维布局的映射,并利用HHO算法离线训练最佳映射对应的模型参数。训练后的机制仅需执行少量代数运算并求解单个凸优化问题。仿真实验结果表明,在传感器数为12的情况下,相较于基于粒子群算法的遍历搜索机制,所提机制在仅损失约4.73%的总能效的情况下将运算时间降低了5个数量级。

摘要：为了提高无线通信系统的频谱利用率、降低功耗,针对双向协作非正交多址接入携能网络,提出了一种自适应功率分裂的无线携能准则。中继利用译码转发协议和用户的距离信息执行串行干扰消除,检测用户的信息并从发送端收割能量。发送端设计自适应功率分裂准则,使中继可以成功检测用户的信息,然后把剩余的能量全部用于能量传输,进而中继可以收割到最多的能量并将所解码的信息转发给接收端。基于所提的自适应功率分裂准则,分析网络的全局中断概率、端到端中断概率,以及高信噪比条件下的分集增益。与基于固定功率分裂的协作三级正交多址接入携能网络相比,基于自适应功率分裂的协作两级非正交多址接入携能网络可以获得更优的中断性能。

摘要：针对无线接入网络切片虚拟资源分配优化问题,该文提出基于受限马尔可夫决策过程(CMDP)的网络切片自适应虚拟资源分配算法。首先,该算法在非正交多址接入(NOMA)系统中以用户中断概率和切片队列积压为约束,切片的总速率作为回报,运用受限马尔可夫决策过程理论构建资源自适应问题的动态优化模型;其次定义后决策状态,规避最优值函数中的期望运算;进一步地,针对马尔科夫决策过程(MDP)的"维度灾难"问题,基于近似动态规划理论,定义关于分配行为的基函数,替代决策后状态空间,减少计算维度;最后设计了一种自适应虚拟资源分配算法,通过与外部环境的不断交互学习,动态调整资源分配策略,优化切片性能。仿真结果表明,该算法可以较好地提高系统的性能,满足切片的服务需求。

摘要：针对可重构智能反射表面(RIS)辅助多输入多输出(MIMO)非正交多址接入(NOMA)下行传输系统,该文提出利用统计信道状态信息(CSI)的基站发送协方差矩阵与RIS相移矩阵设计方法。首先,在莱斯空间相关信道假设下,利用大维随机矩阵理论,推导了RIS辅助MIMO NOMA系统遍历和速率的确定性表达式;然后,在弱用户速率约束与发送功率受限的条件下,通过最大化确定性大系统近似和速率,利用统计CSI,分别设计了强、弱用户的次优发送协方差矩阵和RIS的相移矩阵。仿真结果表明,所推导的近似表达式具有很好的近似效果,所设计的发送协方差矩阵和相移矩阵能显著提升系统的和速率。

摘要：为了满足蜂窝用户对数据更高的要求和其数量的增加,需要在目前的异构网络中做一些改进,非正交多址接入被认为是提高连接数目和频谱效率的有效解决方案。针对基于功率域非正交多址接入的异构网络,研究了该系统中多用户之间的公平性问题。首先,采用最大化吞吐量的配对策略进行用户配对;然后,为了实现每对用户的公平,提出最佳功率分配方法。进一步考虑到系统中不同的用户被预先定义服务优先级,在最佳功率分配方法的基础上,添加公平性调节器,设计了一种基于公平性的模运算算法。另外,定义了一种新的公平性指标用来衡量多个两用户系统之间的公平性。数值结果表明,提出的算法和功率控制方法相比,在提高系统公平性的同时,可以满足服务质量在数据速率和服务优先级两个方面的要求。

摘要：针对协作中继通信系统频谱效率低和链路利用率低的问题,面向多播、单播业务共存场景,该文提出一种反向散射NOMA赋能的混合多播-单播协作传输方案。机会式选择一个多播用户作为协作节点,将其接收信号的一部分功率用于自身解码,剩余功率反向散射以增强其余用户的接收质量。为提升系统性能,通过联合优化基站功率分配系数、协作用户反向散射系数和协作节点选择变量,在保障多播服务质量的前提下,实现单播用户最小可达速率的最大化。为解决上述高度非凸联合优化问题,该文设计一种协作用户选择准则并提出了一种迭代算法来获取原问题的最优解。仿真结果验证了所提迭代算法的快速收敛性,相较于传统非协作传输方案,所提方案可将单播用户最小可达速率提升11.5%,有效保证多业务服务质量。

摘要：该文将非正交多址接入(NOMA)技术应用于下行多中继协作电力线通信(PLC)网络,考虑对数正态信道衰落和伯努利-高斯信道噪声,设计机会式中继选择方案。首先,根据电力线信道的瞬时信道状态信息(ICSI)进行目的节点排序,同时自适应调整功率分配系数。其次,以满足目的节点服务质量(QoS)要求和最小化系统功耗为目标,分别针对译码转发(DF)和放大转发(AF)协议设计基于加权调和平均的分布式机会中继选择方案。然后,分别分析两协议下的系统性能并进行Monte-Carlo仿真分析。结果表明,所设计方案可获得比基准方案更优的系统性能;该文DF方案能够进行两次功率分配系数动态调整,并可获得比AF方案更高的吐量性能;此外,该方案分布式进行,能够节约用于ICSI反馈的信令开销。

摘要：非正交多址接入(non-orthogonal multiple access,NOMA)技术的广泛应用改变了传统物理层安全对用户传输速率的限制,在降低时延的同时会引起系统能耗增加。针对安全通信与降低能耗问题,提出一种基于混合协作NOMA的安全边缘计算传输方法。该方法对每个用户数据处理过程设计了多时隙混合协作方案,根据不同用户的信道条件分别设置卸载决策,保证用户间公平,并推导出系统保密中断概率的闭合表达式。然后以最小化系统能耗为目标,采用基于块坐标下降的三步迭代优化算法求得最优卸载方案。仿真结果显示,所提出的传输方法能在保证信息安全的条件下有效地减少系统能耗。

摘要：该文针对电力线信道下协作非正交多址接入(nonorthogonal multiple-access,NOMA)网络中候选中继非可信的问题,在有界信道不确定性条件下,考虑目的节点的QoS要求和最大发射功率限制,以最大化系统的安全和速率为目标,提出联合最优中继选择和优化分配源节点处用于发送机密NOMA信号和干扰信号的功率的鲁棒安全传输方案,并给出基于量化信道状态信息(channel state information,CSI)的深度强化学习(deep reinforcement learning,DRL)求解方法。该DRL算法将联合优化问题分解成中继选择和功率分配2个子问题,并基于深度Q学习方法在分解的动作空间里学习每个子问题的最优策略,其中的DRL状态和动作均基于CSI的量化区间索引精心设计。仿真结果表明,所提算法能有效解决维度灾难问题,且时间复杂度低;能自适应调整动作策略应对网络规模的变动,扩展性能和泛化性能好。

摘要：稀疏码分多址接入（SCMA）方案映射矩阵维度太小时,短环和规则度分布的SCMA映射矩阵与存在远近效应的环境不能很好地匹配,为此,提出一种新型的非正交多址接入方案——低密度叠加编码调制（LDSM）.该方案设计了更加稀疏的非规则度分布映射矩阵,带来分集增益和编码增益,提高整体方案性能的同时,对边缘用户的性能也有所提高.在独立瑞利衰落信道下,通过平均互信息的分析,从理论上证明了LDSM方案较SCMA方案有一定的信噪比增益.仿真结果证明,在远近功率差为10 d B,过载为150%时,小规模的LDSM方案和大规模LDSM方案较SCMA方案的整体用户性能分别能获得2.3 d B和2.46 d B的增益.