多载波 NOMA 系统总和速率最大化研究

[1]韩文毫,潘沛生. 多载波NOMA系统总和速率最大化研究[J]. 计算机技术与发展, 2021, 31(11): 142-147.

参考文献
等效信道增益的参考文献
[1]Energy Efficient Resource Allocation in Multi-User Downlink Non-Orthogonal Multiple Access Systems
由子信道的能量效率到整个系统的能量效率
Energy-Efficient Resource Allocation for Downlink Non-Orthogonal Multiple Access Network
摘要
多载波NOMA的工作内容差不多，创新点在每一步的求解方法不一样。

文献综述中提到的分组方法大致也是老生常谈的几个：

分配方法	具体内容
穷举搜索	通过遍历所有候选用户组合选择出性能最优的用户分组。
随机分组	将用户随机分成先将用户随机分成若干组， 再根据信道增益差异从各组中抽取一个用户进行配对。

把信道状态相差最大的最大的两个用户复用到同一子载波（应用范围有局限性只能是两用户）

分配方法	具体内容
全空间搜索
分数阶功率分配	考虑信道 增益对功率分配的影响，只能解决子信道内的功率分配
固定功率	按固定比例将功率分配给用户，但缺少对信道特性的考虑
线性注水算法

很多其他文章的内容可以是在这些基础的算法是进行微调。

两个问题联合在一起考虑：
结合拉格朗日对偶和动态规划的方法联合优化用户分组和功率分配问题，虽然能够获得近似全搜索算法的最优解， 但算法复杂度很高。

创新点：
用户分组——稳定匹配
先提出一种稳定匹配分组算法，根据等效信道增益选择初步的分组方案；再根据总和速率的大小确定最终分组方案。
功率分配——基于遗传算法的功率分配算法
首先根据功率约束条件搜索初始功率分配矩阵，由一定数量的用户组成种群，由染色体基因表示分配功率，通过不断的选择、交叉和变异得到最优的功率分配矩阵，达到NOMA系统的总和速率最大化的目标原则。

用户分组算法

等效信道增益，找到对应的参考文献，但是还是只是一句话，没有说为什么。


【子载波的分配情况通常会用一个二进制数表示】
优化问题以及约束条件
在保证用户公平性的前提下提升NOMA系统的总和速率问题。

载波间功率均匀分配，子载波内为FTPA算法

稳定匹配的核心在高亮部分，发生冲突时的接受和拒绝。

功率分配算法

遗传算法介绍：模仿自然界生物进化机制发展起来的一种随机全局搜索和优化方法。
根据上节中用户分组算法基于遗传算法的基本原理，经过多次编码、选择、交叉、变异等步骤循环得到该约束条件下最优的功率分配矩阵，计算最大的总和速率。
初始化环节：

总结和结果分析

分组算法

随机用户分组算法
随机用户分组算法和次优化分组算法没有考虑信道增益对用户分组的影响；
分组匹配算法没有考虑信道差异对NOMA总和速率的影响；
总结：稳定匹配的用户分组充分考虑了信道增益对用户分组的影响，并将NOMA的总和速率作为选定标准，有效地提高了系统的总和速率。

功率分配算法

等功率分数阶功率分配
等分数阶功率分配
线性注水迭代算法

拓展文章阅读

1.《OFDM-NOMA 下行链路用户分组及功率分配研究》——刘玉婷
（1）用户分组方案
贪婪算法：减小了搜索范围，降低了计算复杂度
功率分配的背景知识——各子载波之间采用平均功率分配，平均功率分配无需考虑顺序。
在单个子载波上进行用户分组时，选择具有最大加权和速率的用户作为子载波上的第一个用户，再从剩余用户中选择能够更好改善系统和容量的用户加入分组


（2）功率分配方案
将注水原理与FTPA方式相结合，子载波间采用线性注水法完成功率分配，得到各个子载波功率$p_n$然后使用FTPA方式在单个子载波上叠加用户分配功率。
凸函数，利用拉格朗日算法求解，得到子载波之间的功率表达式；

依照这个相互关系，对满足总功率约束如下处理：

FTPA功率分配算法：