随着大规模 MIMO物联网的普及,能源效率(Energy Efficiency,EE)优化问题将是未来 5G 发展面临的挑战,其中多个用户可以在相同子信道上复用的 NOMA 技术表现出更大的吸引力。假设完全了解信道状态信息,基站根据最大比分配原则将具有最大分配因子的机器设备分配给用户设备,在上行链路中采用了一种子信道与用户设备双边匹配算法,通过基于 NOMA 的功率控制和时间调度,使得系统中的 EE 最优。仿真结果表明,与现有的方案相比,提出的优化方案能耗降低了 6%以上。

 


0 引言

随着无线通信技术的发展和智能设备的普及,物联网(Internet of Things,IoT)得到快速发展[1]。IoT 是一种智能网络技术,即把任何物品与互联网连接起来进行信息交换和通信,以实现智能化识别、定位、跟踪、监控和管理的一种网络。物联网的主要目标是最大限度地利用物理世界的硬件对象通信,并将这些对象收集的数据转换为有用的信息,而不需要人为的帮助。不同于常规人类通信,在物联网的蜂窝网络中,机器类型通信设备(Machine Type Communication Device,MTCD)具有自己独特的特征:大量设备、时间控制、小数据传输、超低功耗等。大规模的接入控制将是物联网通信面临的重大挑战。为了应对这个挑战,一种有效的方法是在蜂窝网络中部署机器型通信网关(Machine Type Communication Gateway,MTCG)作为中继器为 MTCD 服务[2]。考虑到用户设备(User Equipment,UE)具有比 MTCD 更大的功率和存储空间,文献[3]中提出了将 UE 配置为 MTCG 的无线资源分配方案。最近,在下行蜂窝网络中引入了非正交多址(Non-orthogonal Multiple Access,NOMA)[4]。与 TDMA 不同,NOMA 是在发送端叠加多个用户信号,共用相同的时域、频域资源,采用功率复用的设计思想,在同一个子信道同时为多个用户提供服务。因此,NOMA 技术对具有同时服务大量用户的能力的物联网通信显得很有吸引力[5]。然而,由于机器类型通信设备总是配置为低功耗,能效优化问题对物联网通信很重要。关于 NOMA 物联网通信,现有工作主要集中在 IoT 系统中的传感器选择问题[6]。在文献[7]中提出了一种多目标传感器选择方案。文献[8]中提出了一种机器类通信功率控制和时间调度方案。文献[9]中提出了一种低复杂度 NOMA 功率分配算法。文献[10]中提出了一种物联网的能效架构,通过预测传感器的睡眠间隔来节省能耗。文献[11]提出了一种能效优化的综合系统模型,通过天线选择睡眠机制来优化基站的 EE。文献[12]中考虑了下行链路非正交多址网络的高效资源分配,通过优化子信道和功率分配,以最大限度地提高 NOMA 网络的能量效率。

   

针对 NOMA 物联网蜂窝网络,基于上行链路能耗最小化问题[8],MTCDs 到 UEs 的传输中,基站根据 UE 的电池电平和 MTCD 与 UE 的距离,将 MTCD 分配给具有最大分配因子的 UE,UE 所服务的 MTCD 使用 NOMA 向 UE 发送数据。充当 MTCG 的 UE 可以解码和转发 MTCDs 的信息,并将自己的数据直接发给基站。在上行链路中,采用了一种子信道与用户设备双边匹配算法,组内用户使用 NOMA 的方式向基站发送数据。与现有的研究相比,提出的方案能效明显提升。

 

1 系统模型

 

 

 

 

 

1.1 SDN 到 UE 的问题制定

 

 

其中,P=(p1,…,pD)T,t=(t1,…,tN),Dj 是在约束时间 T1 内 SDNj 必须上传的有效载荷,Pj 是 SDNj 的最大发射功率。

 

1.2 UE 到基站的问题制定

当 UEs 成功解码 SDNs 发送的消息后,所有 UEs 向 BS 天线集发送数据。在发送数据之前用户和子信道进行双边匹配。匹配完成以后,每个子信道都复用使得能效最优的用户,天线 l 处接收到的信号为:

 

2 能效优化

2.1 SDN 到 UE 的能效优化

显然,式(5)是非凸的,为了将非凸性问题转变为凸性问题,根据文献[8],SDNj 的发射功率 pj 可以写为:

 

 

所以问题(10)的拉格朗日函数如式(11)所示:

 

 

因为式(14)的左边项随着λ增大而减小,可以使用二分法来获得λ的唯一解。得到拉格朗日乘数λ后,可以由式(12)得到最优的 t。然后,根据式(9)获得最优的 P。

 

2.2 UE 到 BS 的能效优化

假设当前接入的用户数 N≥2L,将当前的用户复用到 L 个子信道向 BS 发送数据,考虑到接收端译码的复杂度,设每个子信道可复用的用户数上限为 tx4-2.2-x1.gif。由文献[8]可知,信道条件越差,用户所需的传输功率越大,所以用户根据当前的信道状态选择具有最优的信道增益的子信道,并发送匹配请求,设信道状态信息是共享的,每个子信道根据当前收到的匹配请求选择用户接入子信道。匹配详细步骤参照下面的算法。

   

子信道与用户匹配算法:

   

(1)初始化匹配列表 Smatch(l),以记录在所有子信道 Sl 上匹配的用户。

   

(2)根据噪声归一化信道响应,初始化用户和子信道的优先匹配列表,分别为 PF_UE(n)、PF_SC(l),tx4-2.2-x2.gifn∈N。

   

(3)初始化未匹配的用户列表 Sunmatch,以记录尚未分配给任何子信道的用户。

   

(4)while {Sunmatch}为非空集合

   

(5) for n=1 to |{Sunmatch}|  //|·|表示集合的基数

   

(6) 未匹配用户根据它的优先列表 PF_UE(n)向最优的子信道发送匹配请求。

   

(7) if |{Smatch}|≤tx4-2.2-x1.gif  then

   

(8)  子信道 l 增加用户 n 到 Smatch(l),并将用户 n 从{Sunmatch}中移除。

   

(9) end if

   

(10) if |{Smatch}|=tx4-2.2-x1.gif  then

       

①子信道 l 根据噪声归一化信道响应比较信道的增益,并将前 tx4-2.2-x1.gif 个用户加入子信道,其他的用户拒绝加入。

       

②未匹配的用户列表{Sunmatch}将匹配的用户移除,增加将被拒绝的用户到{Sunmatch}。

       

③被拒绝的用户从优先列表中删除子信道。

   

(11) end if

   

(12)  end for

   

(13) end while

   

经过双边匹配以后,得到问题(8)也是非凸的,根据文献[8],同理可将问题(8)转变成式(15)的凸性问题。

 

3 数值结果

在本节中,评估提出方案的性能。设置 N=6,B=180 kHz,σ2=-20 dB,Ei=20 kbit,Pj=13 dBm,Qi=33 dBm 和 T=1 s,tx4-2.2-x2.gifi∈N,j∈Ji。将 SDNs 按最大比分配原则均匀分配给 UEs,SDNs 的数量取值范围为 D∈[50,100],分配的子信道数 L=3。此外,在此假设每个 SDNs 的有效载荷是相同的,即 S1=…=SD=2 kbit,而路径损耗模型是 128.1+37.6log10 d,其中 d(以 km 为单位)为设备间的距离,阴影衰落的标准偏差为 4 dB。

   

将提出的方案(标为“PA-NOMA”)与以下 3 种 NOMA 的物联网系统方案进行比较:(1)等时间共享方案(“ET-NOMA”),其中 ti=tN+1=…=tN+L=T/(N+L),tx4-2.2-x2.gifi∈N,SDNs 的发射功率从式(9)得到;(2)NOMA 的功率控制和时间调度方案[8](标记为“PTA-NOMA”);(3)采用 TDMA 的 NOMA M2M 系统的功率分配方案[3](标记为“OPA-TDMA”),其中,Ji 中的设备通过时分多址上传它们的数据到 UEi。

   

图 3 显示了约束时间 T 中所有 UE 和 SDN 的总能量消耗。可以看出,PA-NOMA、ET-NOMA 和 PTA-NOMA 优于采用 TDMA 的功率分配方案 OPA-TDMA,特别是当 SDN 的数量增大时。这是因为同一个 UE 服务的 SDN 可以通过使用 NOMA 方案同时发送数据,每个 SDN 的传输时间大于使用 TDMA 方案的传输时间,导致 NOMA 的能量消耗小于 TDMA。与 TDMA 相比,NOMA 中有多种额外的信令和处理开销。由于 PA-NOMA 是根据最低要求的有效载荷和信道条件分配的传输时间和功率,同时还将用户设备分配给最优的子信道,根据文献[8],好的信道增益可分配较低的功率,因此与 ET-NOMA 相比,PA-NOMA 的能耗大大降低。与 PTA-NOMA 相比,当用户数为 50 以上,有 6%以上的能效降低。

 

   

图 4 显示了分配的子信道数与总的能耗对应的关系。设置 N=4,子信道数 L 取值 L∈[1,N],其他条件不变。由图可知,当 L=1 时,即所有的用户基于 NOMA 原理向基站发送数据,即未分子信道,与 PTA-NOMA 方案相同;当 L=2 时,即将用户与 2 个子信道进行双边匹配,总的能耗低于当 L=1 时的能耗;当 L=3 时,即将用户与 3 个子信道进行双边匹配,总的能耗是最低的;当 L=4 时,即所有的用户基于 TDMA 向基站发送消息,显然,当 L=4 时,能耗是最大的。从图 4 也可看出所提出的优化方案明能耗明显低于其他方案。同时也验证了图 3 得出的结论。

 

 

4 结论

在文中,研究了 NOMA 物联网通信的能耗最小化问题。基站根据最大比分配原则将具有最大分配因子的机器设备分配给用户设备,即根据设备间距离和电池水平进行分配;然后在上行链路中采用了子信道与用户双边匹配算法使得能效最优。根据现有的功率控制和时间调度方案,同样通过求解最优 KKT 条件来计算最优值。仿真结果表明,提出的方案比现有的 NOMA 和 TDMA 方案消耗的能量更低。