破局与革新：未来移动通信中基于非正交多址的关键技术探索

一、引言1.1研究背景与意义移动通信技术作为现代信息社会的关键支撑，自诞生以来经历了飞速发展，深刻改变了人们的生活和工作方式。从1G模拟通信的语音通话，到2G数字通信实现短信与低速数据传输，再到3G开启移动互联网时代，让人们能够浏览网页、观看视频，以及4G带来的高速数据传输，推动了移动支付、高清视频直播、在线游戏等业务的蓬勃发展，移动通信技术的每一次迭代都带来了用户体验的巨大飞跃。如今，5G以其高速率、低时延和大连接的特性，正赋能工业互联网、智能交通、远程医疗等众多领域，引领万物互联的新时代。在移动通信系统中，多址接入技术是实现多个用户共享有限频谱资源的关键。早期的移动通信网络，如第一代移动通信系统（1G）采用频分多址（FDMA）技术，将可用频谱划分为多个不重叠的子频带，每个用户分配一个或多个子频带进行通信，实现了多用户通信，但频谱利用率较低。第二代移动通信系统（2G）引入时分多址（TDMA）技术，把时间划分为多个时隙，每个用户分配一个或多个时隙进行通信，提高了频谱利用率。第三代移动通信系统（3G）采用码分多址（CDMA）技术，所有用户使用相同的频带和时间资源，通过分配唯一的扩频码来区分不同用户，进一步提升了频谱效率和系统容量，同时具备较强的抗干扰能力。而在第四代移动通信系统（4G）中，正交频分多址（OFDMA）成为主流的多址技术，它将频谱划分为多个正交的子载波，每个用户可以分配一个或多个子载波进行通信，支持高速数据传输，有效应对了移动数据流量的快速增长。然而，随着物联网、人工智能、虚拟现实等新兴技术的迅猛发展，未来移动通信面临着前所未有的挑战。一方面，海量的智能设备接入，如智能家居设备、工业传感器、可穿戴设备等，对系统的连接数提出了极高要求；另一方面，高清视频流、云游戏、实时虚拟现实交互等应用需要更高的数据传输速率和更低的时延。传统的正交多址技术在应对这些挑战时逐渐显露出局限性。正交多址技术通过在时间、频率或码域上为用户分配正交资源，虽然能够有效避免用户间干扰，但资源利用效率有限，可支持的用户数量受限于正交资源的数量。在未来通信场景中，这种限制难以满足大规模连接和高速率数据传输的需求。例如，在密集的城市物联网环境中，大量设备同时接入网络，正交多址技术可能无法为每个设备提供足够的资源，导致部分设备接入失败或通信质量下降。为了突破正交多址技术的瓶颈，非正交多址技术应运而生。非正交多址技术通过利用额外的资源维度，如功率域、码域等，在同一资源块上允许多个用户的信号重叠传输，从而显著提升频谱效率和系统容量。以功率域非正交多址（PD-NOMA）为例，基站根据用户的信道条件为不同用户分配不同的发射功率，接收端通过连续干扰消除（SIC）技术，利用信号功率差异依次解码不同用户的信号，有效解决了用户间干扰问题。这种方式使得在相同的时频资源下，能够服务更多的用户，并且在系统吞吐量和用户公平性之间取得了更好的平衡。在物联网场景中，非正交多址技术可以让大量低功耗、低速率的传感器设备同时接入网络，实现数据的实时采集与传输；在高速移动的场景下，如智能交通中的车联网，它能够保障车辆与车辆、车辆与基础设施之间的高速、稳定通信，满足自动驾驶对实时性和可靠性的严格要求。非正交多址技术的研究与应用对于未来移动通信的发展具有至关重要的意义。它不仅是提升频谱效率和系统容量的关键手段，能够有效缓解频谱资源紧张的问题，满足日益增长的移动数据流量需求；还为实现万物互联的愿景提供了技术支撑，推动物联网、工业互联网等新兴产业的发展，促进各行业的数字化转型。此外，非正交多址技术与其他新兴技术，如人工智能、区块链、可重构智能表面（RIS）等的融合，有望开创更加高效、智能、可靠的无线通信新时代，为人们的生活和社会的发展带来更多的便利和创新。1.2国内外研究现状非正交多址技术作为未来移动通信的关键技术之一，在全球范围内引发了广泛的研究热潮，国内外众多科研机构、高校和企业都积极投入到该领域的研究中，在理论研究和应用实践方面均取得了显著进展。在理论研究方面，国外起步较早，成果丰硕。一些顶尖高校和科研机构如美国的斯坦福大学、麻省理工学院，欧洲的爱立信研究院、诺基亚贝尔实验室等，对非正交多址技术的基本原理、性能分析和优化算法展开了深入研究。在功率域非正交多址（PD-NOMA）方面，研究人员对其容量性能进行了严格的数学推导和分析，证明了在相同的频谱资源下，PD-NOMA相比传统正交多址技术能够显著提升系统容量和频谱效率。例如，通过对两用户PD-NOMA系统的容量分析，发现其能够在保证一定用户公平性的前提下，实现更高的系统吞吐量。在码域非正交多址（CD-NOMA）领域，国外学者致力于设计高效的码本和多用户检测算法，以降低用户间干扰，提高系统性能。如提出的基于低密度奇偶校验码（LDPC）的CD-NOMA码本设计方案，有效提升了码本的纠错能力和抗干扰性能，使得在复杂信道环境下，系统仍能保持较高的可靠性和稳定性。国内的科研团队在非正交多址技术理论研究方面也取得了长足进步。清华大学、上海交通大学、西安电子科技大学等高校在相关研究中表现突出。国内学者针对非正交多址技术在复杂场景下的应用，提出了一系列创新性的理论和方法。例如，针对5G-Advanced及6G后续演进中超大规模机器连接场景，研究人员从基础通信理论角度出发，率先推导了上行多用户在多种调制策略下的误码率闭式解，为系统性能分析和优化提供了重要的理论依据。同时，理论推导并分析论证了多用户非对称上行信道“边界效应”的边界阈值，为优化调制策略的选择提供了指导，在此基础上提出的非对称自适应调制框架与算法，有效减轻了“边界效应”对系统性能产生的不稳定性影响，显著提升了上行非正交多址接入系统整体吞吐量。在应用实践方面，国外的通信企业在非正交多址技术的商用化进程中走在前列。三星、高通等公司积极推动非正交多址技术在5G网络中的应用，通过大量的试验和验证，将非正交多址技术与5G的其他关键技术，如大规模MIMO、毫米波通信等相结合，实现了系统性能的显著提升。在韩国的5G网络建设中，三星利用非正交多址技术，有效提升了网络的容量和覆盖范围，满足了用户对高速数据传输和大连接的需求。高通公司则通过研发先进的芯片组，支持非正交多址技术的应用，为5G终端设备提供了强大的技术支持，推动了非正交多址技术在全球范围内的商用部署。国内的通信企业也不甘落后，华为、中兴等在非正交多址技术的应用实践中取得了重要成果。华为在5G基站和终端设备中深入研究和应用非正交多址技术，通过优化功率分配和干扰消除算法，提高了系统的性能和稳定性。在实际的5G网络部署中，华为的非正交多址技术解决方案有效提升了网络的频谱效率和用户体验，为智能城市、工业互联网等领域的应用提供了有力支撑。中兴通讯则致力于非正交多址技术在物联网和车联网等领域的应用研究，通过与汽车制造商和物联网企业的合作，开展了车联网和工业物联网的试点项目，验证了非正交多址技术在这些领域的可行性和优势，为其大规模应用奠定了基础。尽管国内外在非正交多址技术研究方面取得了诸多成果，但仍存在一些问题和挑战。在理论研究方面，对于非正交多址技术在复杂信道环境下，如高速移动、多径衰落严重的场景中的性能分析还不够完善，缺乏精确的数学模型和有效的分析方法。在应用实践中，非正交多址技术的实现复杂度较高，对终端设备的处理能力和功耗提出了严峻挑战，如何降低实现复杂度，提高终端设备的性能和续航能力，是亟待解决的问题。此外，非正交多址技术与现有通信系统的兼容性也是一个重要问题，需要进一步研究和优化，以实现平滑过渡和协同发展。1.3研究内容与方法1.3.1研究内容本研究聚焦于未来移动通信中基于非正交多址的关键技术，旨在深入剖析其原理、性能及应用，为该技术的进一步发展和实际应用提供理论支持和技术方案。具体研究内容如下：非正交多址技术原理与性能分析：深入研究功率域非正交多址（PD-NOMA）、码域非正交多址（CD-NOMA）等典型非正交多址技术的基本原理，包括信号叠加、编码方式、多用户检测等关键环节。通过数学建模和理论推导，分析不同非正交多址技术在不同信道条件下的系统容量、频谱效率、误码率等性能指标，明确其优势和局限性，为后续技术优化提供理论基础。关键技术优化与算法设计：针对非正交多址技术在实际应用中面临的问题，如用户间干扰、功率分配不合理等，研究优化策略和改进算法。例如，设计高效的功率分配算法，根据用户的信道状态、业务需求等因素，动态调整用户的发射功率，以提高系统性能和用户公平性；研究先进的多用户检测算法，降低检测复杂度，提高检测精度，有效消除用户间干扰。此外，探索非正交多址技术与其他新兴技术，如大规模MIMO、毫米波通信、可重构智能表面（RIS）等的融合方案，充分发挥各技术的优势，实现性能的协同提升。复杂场景下的应用研究：考虑未来移动通信的多样化场景需求，如物联网、车联网、工业互联网等，研究非正交多址技术在这些复杂场景下的应用可行性和性能表现。针对物联网中大量低功耗、低速率设备的接入需求，优化非正交多址技术的资源分配和接入机制，实现高效的设备连接和数据传输；研究车联网中高速移动场景下非正交多址技术的适应性，解决信号快速衰落和多普勒频移等问题，保障车辆与车辆、车辆与基础设施之间的可靠通信；分析工业互联网中对通信可靠性和实时性的严格要求，探索非正交多址技术在工业控制、远程监测等应用中的关键技术和解决方案。与现有通信系统的兼容性研究：为了实现非正交多址技术在未来移动通信中的广泛应用，研究其与现有通信系统，如4G、5G网络的兼容性和互操作性。分析非正交多址技术对现有通信系统架构、协议和设备的影响，提出相应的改进措施和融合方案，确保非正交多址技术能够在现有通信网络基础上平滑演进，降低部署成本和技术风险。例如，研究如何在5G网络中引入非正交多址技术，实现与5G现有技术的协同工作，同时保证对5G终端设备的兼容性。1.3.2研究方法为了全面、深入地开展关于未来移动通信中基于非正交多址的关键技术研究，本研究将综合运用多种研究方法，以确保研究的科学性、系统性和可靠性。具体研究方法如下：文献研究法：广泛收集和整理国内外关于非正交多址技术的学术论文、研究报告、专利文献等资料，全面了解该技术的研究现状、发展趋势和存在的问题。对相关文献进行深入分析和总结，梳理非正交多址技术的发展脉络和关键技术点，为后续研究提供理论基础和研究思路。通过文献研究，跟踪国际前沿研究成果，借鉴已有研究的经验和方法，避免重复研究，确保研究的创新性和前沿性。理论分析法：基于通信原理、信息论、概率论等相关理论知识，对非正交多址技术的原理、性能和算法进行深入的理论分析。建立数学模型，推导系统性能指标的理论表达式，如系统容量、频谱效率、误码率等，通过理论分析揭示非正交多址技术的内在规律和性能瓶颈。运用优化理论和方法，对功率分配算法、多用户检测算法等关键技术进行优化设计，从理论层面上寻求性能提升的最优解。理论分析能够为研究提供坚实的理论支撑，指导仿真实验和实际应用的开展。仿真实验法：利用MATLAB、NS-3等专业仿真软件，搭建非正交多址技术的仿真平台，对不同的非正交多址方案和算法进行仿真实验。通过设置不同的仿真参数，如信道模型、用户数量、业务类型等，模拟未来移动通信的各种场景，对非正交多址技术的性能进行全面评估和验证。对比不同方案和算法在仿真实验中的性能表现，分析其优缺点，为技术优化和方案选择提供依据。仿真实验能够在虚拟环境中快速验证研究成果，降低研究成本和风险，同时可以对难以通过理论分析得到的复杂场景进行研究。对比分析法：将非正交多址技术与传统正交多址技术进行对比分析，从系统容量、频谱效率、用户公平性、实现复杂度等多个维度进行比较，明确非正交多址技术的优势和改进方向。在研究不同的非正交多址方案和算法时，也采用对比分析法，对各种方案和算法的性能进行横向比较，找出最适合不同应用场景的技术方案。对比分析法能够直观地展示不同技术之间的差异，帮助研究人员更好地理解非正交多址技术的特点和应用价值。二、非正交多址技术基础理论2.1非正交多址技术原理非正交多址（Non-OrthogonalMultipleAccess，NOMA）技术的核心在于打破了传统正交多址技术中对资源正交性的严格限制，通过在功率域、码域等维度上进行资源复用，实现多个用户信号在相同的时频资源块上同时传输，从而有效提升系统容量和频谱效率。在功率域非正交多址（PD-NOMA）中，其基本原理基于叠加编码（SuperpositionCoding，SC）和连续干扰消除（SuccessiveInterferenceCancellation，SIC）技术。以下行链路为例，基站根据用户的信道条件为不同用户分配不同的发射功率。通常，信道条件较差的用户被分配较高的发射功率，信道条件较好的用户则分配较低的发射功率。假设基站要向两个用户（用户1和用户2）发送信号，用户1的信道条件较差，用户2的信道条件较好。基站发送的信号S可以表示为S=\sqrt{\alpha_1}x_1+\sqrt{\alpha_2}x_2，其中x_1和x_2分别是发送给用户1和用户2的信号，\alpha_1和\alpha_2是功率分配因子，且\alpha_1+\alpha_2=1，\alpha_1>\alpha_2。在接收端，用户2由于信道条件好，接收到的信号中，自身信号x_2的功率相对较弱用户1的信号x_1的功率影响较小，所以用户2可以将用户1的信号视为噪声，直接对自己的信号进行解码。而用户1在接收信号后，首先利用连续干扰消除技术，根据已知的用户2的信号特征，从接收到的混合信号中减去用户2的信号，然后再对自己的信号进行解码。通过这种方式，PD-NOMA实现了在相同的时频资源上同时传输多个用户的信号，提高了频谱效率。码域非正交多址（CD-NOMA）则是利用不同的编码方式或码本在码域上实现多用户信号的复用。例如，稀疏码多址接入（SparseCodeMultipleAccess，SCMA）是一种典型的CD-NOMA技术。在SCMA系统中，发送端将多个用户的信息映射到稀疏的码本上，这些码本在码域上具有非正交的特性。每个用户的信号在码本上的映射位置和编码方式不同，从而实现多个用户信号在相同的时频资源上的叠加传输。在接收端，通过多用户检测算法，利用码本的稀疏特性和信号之间的相关性，分离出各个用户的信号。与传统的正交多址技术相比，SCMA能够在相同的资源下支持更多的用户连接，提升系统的接入能力。为了更直观地理解非正交多址技术的优势，将其与正交多址技术（OrthogonalMultipleAccess，OMA）进行对比。在OMA中，如正交频分多址（OFDMA），通过将频谱划分为多个正交的子载波，每个用户在特定的子载波上进行通信，不同用户之间的信号在频域上是正交的，从而避免了用户间干扰。然而，这种正交性限制了系统的容量，因为可分配的正交子载波数量是有限的，当用户数量增加时，每个用户可获得的资源相应减少。而NOMA允许多个用户在相同的时频资源上传输信号，通过功率域或码域的复用，充分利用了频谱资源。在相同的频谱带宽和发射功率条件下，NOMA能够支持更多的用户连接，提高系统的吞吐量。以一个简单的场景为例，假设有10个用户需要接入通信系统，使用OFDMA时，由于正交子载波数量的限制，可能只能同时为部分用户提供服务，而其他用户需要等待资源分配。而采用NOMA技术，通过合理的功率分配或码本设计，可以让这10个用户同时在相同的时频资源上进行通信，大大提高了系统的接入能力和频谱效率。此外，在小区边缘用户场景中，NOMA为信道条件较差的边缘用户分配较高功率，相比OMA能有效提升边缘用户的通信质量和吞吐量，改善用户公平性。2.2主要技术类型2.2.1功率域非正交多址（PD-NOMA）功率域非正交多址（PD-NOMA）是目前研究和应用较为广泛的一种非正交多址技术，其工作机制基于叠加编码和连续干扰消除技术，通过在功率域上区分不同用户的信号，实现多用户在相同的时频资源上同时传输。在发送端，PD-NOMA利用叠加编码（SC）为不同用户分配不同的发射功率。以两用户场景为例，假设基站要向用户A和用户B发送信号，基站发送的信号S可以表示为S=\sqrt{\alpha_1}x_1+\sqrt{\alpha_2}x_2，其中x_1和x_2分别是发送给用户A和用户B的信号，\alpha_1和\alpha_2是功率分配因子，且\alpha_1+\alpha_2=1。通常，信道条件较差的用户（如处于小区边缘的用户）被分配较高的发射功率，以保证其接收信号的质量；信道条件较好的用户（如靠近基站的用户）则分配较低的发射功率。这种功率分配方式使得不同用户的信号在功率域上具有差异，从而实现了信号的非正交叠加传输。在接收端，采用连续干扰消除（SIC）技术进行信号解码。以用户A和用户B为例，假设用户B的信道条件较好，接收到的信号中，用户A的信号相对较弱，对用户B信号的干扰较小，因此用户B可以将用户A的信号视为噪声，直接对自己的信号进行解码。而用户A在接收信号后，首先需要利用已知的用户B的信号特征，从接收到的混合信号中减去用户B的信号，然后再对自己的信号进行解码。具体过程如下：用户A接收到的信号为y_1=h_1S+n_1=h_1(\sqrt{\alpha_1}x_1+\sqrt{\alpha_2}x_2)+n_1，其中h_1是用户A的信道增益，n_1是噪声。用户A先根据已知的用户B的信号x_2，重构出用户B在接收端的信号h_1\sqrt{\alpha_2}x_2，然后从接收到的信号y_1中减去该重构信号，得到只包含自己信号和噪声的信号y_1-h_1\sqrt{\alpha_2}x_2=h_1\sqrt{\alpha_1}x_1+n_1，最后对该信号进行解码，得到自己的信号x_1。PD-NOMA在提升系统性能方面具有显著优势。首先，它能够有效提升频谱效率。传统的正交多址技术，如正交频分多址（OFDMA），由于用户信号在时频资源上相互正交，可支持的用户数量受限于正交资源的数量。而PD-NOMA允许多个用户在相同的时频资源上传输信号，通过功率域的复用，充分利用了频谱资源，在相同的频谱带宽和发射功率条件下，能够支持更多的用户连接，从而提高了系统的频谱效率。研究表明，在相同的系统参数下，PD-NOMA系统的频谱效率相比OFDMA系统可提升20%-50%。其次，PD-NOMA在改善用户公平性方面表现出色。在传统的多址技术中，小区边缘用户由于信道条件差，往往难以获得足够的资源和良好的通信质量。而PD-NOMA通过为信道条件较差的小区边缘用户分配较高的发射功率，使得这些用户能够获得更好的信号接收质量，有效提升了小区边缘用户的吞吐量和通信可靠性，改善了用户之间的公平性。在一个包含多个小区的场景中，采用PD-NOMA技术后，小区边缘用户的吞吐量相比传统OFDMA技术提升了30%以上，有效缩小了与小区中心用户的性能差距。此外，PD-NOMA还具有较低的实现复杂度。相比一些其他非正交多址技术，如稀疏码多址接入（SCMA），PD-NOMA的编码和解码过程相对简单，对终端设备的处理能力要求较低，更容易在实际系统中实现和应用。这使得PD-NOMA在现有通信系统的升级和演进中具有较大的优势，能够以较低的成本实现系统性能的提升。2.2.2码域非正交多址（CD-NOMA）码域非正交多址（CD-NOMA）是另一种重要的非正交多址技术，其核心原理是利用码域的扩频、加扰等操作，使多个用户的信号在码域上具有非正交特性，从而实现多用户在相同的时频资源上同时传输，有效减少多址干扰，提升接收机的检测性能。在发送端，CD-NOMA通过不同的编码方式或码本设计，为每个用户分配独特的码序列。例如，在稀疏码多址接入（SCMA）中，发送端将多个用户的信息映射到稀疏的码本上。这种码本具有稀疏性，即每个用户的码序列在码本中只有少数几个非零元素，且不同用户的码序列在码本上的位置和取值具有一定的相关性，但并非完全正交。通过这种方式，多个用户的信号在码域上实现了非正交叠加。假设共有4个用户，每个用户的信息被映射到一个长度为6的码本上，用户1的码序列可能为[1,0,0,1,0,0]，用户2的码序列为[0,1,0,0,1,0]，用户3的码序列为[0,0,1,0,0,1]，用户4的码序列为[1,1,0,0,0,1]，这些码序列在码域上相互重叠，但又具有各自的特征，从而实现了多用户信号的复用。在接收端，采用多用户检测算法来分离各个用户的信号。由于用户信号在码域上是非正交的，接收端接收到的信号是多个用户信号的叠加，存在多址干扰。为了有效消除干扰，接收端利用码本的稀疏特性和信号之间的相关性，采用如消息传递算法（MPA）等先进的多用户检测算法。以MPA算法为例，它通过在码本的因子图上进行消息传递，迭代计算每个用户信号的概率分布，逐步消除其他用户信号的干扰，从而准确地恢复出各个用户的原始信息。在一个存在4个用户的SCMA系统中，接收端接收到的信号为y=h_1s_1+h_2s_2+h_3s_3+h_4s_4+n，其中h_i是第i个用户的信道增益，s_i是第i个用户的发送信号，n是噪声。MPA算法通过不断更新因子图上的消息，如从变量节点到校验节点的消息和从校验节点到变量节点的消息，逐步估计出每个用户信号的概率分布，最终确定每个用户的发送信息。CD-NOMA在实际应用中具有重要意义。在物联网场景中，大量的低功耗、低速率设备需要接入网络，对系统的连接数和频谱效率提出了极高的要求。CD-NOMA技术能够在有限的频谱资源下，支持更多的设备连接，满足物联网海量设备接入的需求。通过采用SCMA技术，在相同的频谱资源下，系统的连接数相比传统正交多址技术可提高数倍，有效解决了物联网设备接入的瓶颈问题。在高速移动的车联网场景中，CD-NOMA能够利用其独特的码域特性，抵抗信号的快速衰落和多普勒频移等问题，保障车辆与车辆、车辆与基础设施之间的可靠通信。由于车联网环境中信号传播条件复杂，传统的多址技术难以保证通信的稳定性，而CD-NOMA通过码域的优化设计和多用户检测算法，能够在复杂的信道环境下准确地分离出各个用户的信号，确保车联网通信的实时性和可靠性。2.2.3其他类型除了功率域非正交多址（PD-NOMA）和码域非正交多址（CD-NOMA）这两种主流类型外，还有一些其他的非正交多址技术，它们各自具有独特的特点和应用场景，为未来移动通信的发展提供了更多的选择。稀疏码多址接入（SparseCodeMultipleAccess，SCMA）是一种典型的非正交多址技术，它在码域非正交多址的基础上，进一步利用了码本的稀疏特性。与传统的码分多址技术不同，SCMA的码本设计使得每个用户的信号在码域上表现为稀疏向量，即大部分元素为零，只有少数关键位置的元素非零。这种稀疏特性使得SCMA在相同的时频资源下能够支持更多的用户连接，并且在接收端通过先进的多用户检测算法，如消息传递算法（MPA），可以有效地分离出各个用户的信号。在一个SCMA系统中，假设共有6个用户，每个用户的信息被映射到一个长度为4的稀疏码本上，用户1的码序列可能为[1,0,0,1]，用户2的码序列为[0,1,1,0]等，这些稀疏码序列在码域上相互重叠，但通过MPA算法可以准确地识别出每个用户的信号。与PD-NOMA相比，SCMA在支持大规模连接方面具有更显著的优势，更适合物联网等需要大量设备接入的场景。然而，SCMA的实现复杂度相对较高，对接收端的计算能力要求也更高，这在一定程度上限制了其大规模应用。图样分割多址接入（PatternDivisionMultipleAccess，PDMA）是另一种具有特色的非正交多址技术。它通过在发送端设计独特的信号图样，在功率域、空间域、编码域等多个维度上实现多用户信号的非正交复用。在PDMA系统中，发送端根据用户的需求和信道条件，为每个用户分配不同的信号图样，这些图样在多个维度上相互交织，形成复杂的非正交信号。接收端则采用连续干扰消除（SIC）等技术，结合信号图样的特征，依次解码出各个用户的信号。PDMA在提升系统容量和频谱效率方面具有一定的优势，同时，它能够根据不同的应用场景和用户需求，灵活地调整信号图样的设计，具有较好的适应性。与CD-NOMA相比，PDMA在信号设计和处理上更加灵活，能够更好地适应复杂多变的通信环境，但在实际应用中，其信号设计和检测算法的复杂度也较高，需要进一步优化。这些其他类型的非正交多址技术与主流类型在原理、性能和应用场景上存在一定的差异。它们各自的优势和局限性决定了在未来移动通信中，需要根据具体的需求和场景，合理选择和应用不同的非正交多址技术，以实现系统性能的最优化。在一些对连接数要求极高的物联网场景中，SCMA可能是更好的选择；而在需要灵活适应复杂通信环境的场景下，PDMA则更具优势。通过深入研究和对比这些技术，不断探索其优化和融合方案，将为未来移动通信的发展提供更强大的技术支持。2.3技术特点与优势2.3.1频谱效率提升非正交多址技术通过独特的资源复用方式，在提升频谱效率方面展现出显著优势。以功率域非正交多址（PD-NOMA）为例，其在发送端利用叠加编码，使多个用户的信号在相同的时频资源上进行功率域复用。假设在一个特定的时频资源块中，传统正交多址技术（如正交频分多址OFDMA）只能为一个用户分配该资源块进行通信，而PD-NOMA可以根据用户的信道条件，为多个用户分配不同的发射功率，让这些用户的信号在该时频资源块上叠加传输。从数学原理上分析，在香农公式C=B\log_2(1+\frac{S}{N})（其中C为信道容量，B为信道带宽，S为信号功率，N为噪声功率）的基础上，对于多用户通信系统，非正交多址技术通过增加同时传输的用户数量K，在相同的信道带宽B和总发射功率P_{total}条件下，假设每个用户的信号功率为P_i（i=1,2,\cdots,K），且\sum_{i=1}^{K}P_i=P_{total}，系统的总容量C_{total}可以表示为C_{total}=B\sum_{i=1}^{K}\log_2(1+\frac{P_i}{N+\sum_{j\neqi}P_j})。与正交多址技术相比，非正交多址技术由于允许用户信号在功率域上叠加，使得在相同的资源下能够传输更多的用户信息，从而提高了频谱效率。在实际应用场景中，如在一个密集的城市区域，大量用户同时请求数据传输。采用OFDMA技术时，由于正交资源的限制，可能无法满足所有用户的需求，部分用户需要等待资源分配，导致整体频谱利用率较低。而采用PD-NOMA技术，通过合理的功率分配，可以让多个用户同时在相同的时频资源上进行通信，大大提高了频谱效率。根据相关研究和实际测试，在相同的系统参数下，PD-NOMA系统的频谱效率相比OFDMA系统可提升20%-50%。这意味着在有限的频谱资源下，非正交多址技术能够支持更多的用户和更高的数据传输速率，有效缓解了频谱资源紧张的问题，满足了未来移动通信对频谱效率的严格要求。2.3.2系统容量增加非正交多址技术在增加系统容量方面具有独特的优势，其原理主要基于对资源的高效利用和多用户信号的非正交传输。在传统的正交多址技术中，由于用户信号在时频资源上相互正交，可接入的用户数量受到正交资源数量的限制。例如，在OFDMA系统中，子载波的数量决定了可同时接入的用户数量上限，当用户数量超过子载波数量时，部分用户需要等待资源分配，这限制了系统容量的进一步提升。而NOMA技术通过在功率域或码域上的复用，打破了这种限制。以功率域非正交多址为例，基站可以根据用户的信道条件为不同用户分配不同的发射功率，使多个用户的信号在相同的时频资源上叠加传输。在一个包含多个用户的通信场景中，假设基站要向三个用户（用户A、用户B和用户C）发送数据，在传统正交多址方式下，需要将时频资源划分为三个正交的部分，分别分配给三个用户。而在PD-NOMA系统中，基站可以将用户A的信号以较高功率发送，用户B和用户C的信号以较低功率叠加在用户A的信号上同时发送。在接收端，用户A首先接收到自己的信号，然后用户B和用户C利用连续干扰消除（SIC）技术，依次从混合信号中减去用户A的信号以及其他用户的信号，从而解调出自己的信号。这种方式使得在相同的时频资源下，系统能够容纳更多的用户，有效拓展了可接入用户的数量。从系统容量的角度来看，系统容量通常定义为单位时间内系统能够传输的最大信息量。对于非正交多址系统，由于能够同时服务更多的用户，每个用户都可以在单位时间内传输一定量的信息，因此系统的总吞吐量得到了显著提升。在一个实际的通信系统中，采用NOMA技术后，系统的用户容量相比传统正交多址技术提升了30%以上，系统总吞吐量也相应增加，能够更好地满足未来移动通信中大量设备接入和高速数据传输的需求。2.3.3改善小区边缘用户性能在移动通信系统中，小区边缘用户由于距离基站较远，信号在传输过程中会经历较大的路径损耗和衰落，导致信道条件较差，通信质量难以保证。非正交多址技术通过独特的功率分配机制，为改善小区边缘用户性能提供了有效的解决方案。以功率域非正交多址（PD-NOMA）为例，在发送端，基站根据用户的信道条件为不同用户分配不同的发射功率。通常，小区边缘用户被分配较高的发射功率，以补偿信号在传输过程中的损耗，提高其接收信号的质量；而小区中心用户由于信道条件较好，分配相对较低的发射功率。假设在一个小区中，有位于小区中心的用户1和位于小区边缘的用户2。基站发送的信号S可以表示为S=\sqrt{\alpha_1}x_1+\sqrt{\alpha_2}x_2，其中x_1和x_2分别是发送给用户1和用户2的信号，\alpha_1和\alpha_2是功率分配因子，且\alpha_1+\alpha_2=1，由于用户2信道条件差，所以\alpha_2>\alpha_1。在接收端，采用连续干扰消除（SIC）技术。用户1由于信道条件好，接收到的信号中，用户2的信号相对较弱，对其自身信号的干扰较小，因此用户1可以将用户2的信号视为噪声，直接对自己的信号进行解码。而用户2在接收信号后，首先利用已知的用户1的信号特征，从接收到的混合信号中减去用户1的信号，然后再对自己的信号进行解码。通过这种方式，小区边缘用户能够获得足够的信号功率，从而有效提升其吞吐量和通信可靠性。仿真和实际测试结果表明，采用NOMA技术后，小区边缘用户的吞吐量相比传统正交多址技术有显著提升。在一个包含多个小区的场景中，采用PD-NOMA技术后，小区边缘用户的吞吐量提升了30%-50%，有效缩小了与小区中心用户的性能差距，保障了通信质量和用户公平性，使得小区边缘用户也能够享受到高质量的通信服务，提升了整个系统的用户体验。2.3.4低时延与低信令开销非正交多址技术在降低时延和减少信令开销方面具有独特的优势，以免调度接入方案为例，能够有效减少终端与基站之间的交互次数，从而实现低时延和低信令开销。在传统的依赖于访问授权请求的正交多址接入（OMA）系统中，用户发起连接时必须先向基站发送调度请求，基站在收到请求之后，需要通过下行链路发送信号来调度响应用户的接入请求。这个过程涉及多次信号交互，会产生较大的传输延迟和信令开销。在LTE系统中，访问授权过程大约需要15.5ms，这无法满足5G及未来移动通信中对用户延时保持在1ms以下的严格要求。而在一些非正交多址技术方案中，如稀疏码多址接入（SCMA）的上行链路，可以设计成免调度的接入方案。在这种方案下，终端可以使用开环功控选择合适的功率一次性上传数据，无需与基站进行多次交互。具体来说，终端根据预先设定的规则和自身的信道状态，选择合适的功率和码本进行数据传输。由于不需要等待基站的调度授权，大大减少了接入时延。在接收端，使用盲检测和压缩感知（CompressiveSensing，CS）等技术可以用于数据检测，实现了无授权的上行链路传输，进一步减少了传输的延迟和信令开销。此外，在功率域非正交多址（PD-NOMA）系统中，对信道状态信息（CSI）的准确性要求相对降低，因为信道状态信息主要用于功率分配。相比传统的正交多址技术，PD-NOMA系统不需要频繁地获取和反馈精确的信道状态信息，从而减少了信令开销。在实际应用中，这种低时延和低信令开销的特性使得非正交多址技术能够更好地满足物联网、车联网等对实时性要求较高的应用场景，确保数据能够快速、准确地传输，提高了系统的整体性能和效率。2.3.5系统鲁棒性增强非正交多址技术在提升系统鲁棒性方面具有独特的优势，主要体现在对信道状态信息（CSI）准确性的敏感度降低以及抗干扰能力的增强。基于功率域的NOMA系统对接收端反馈的信道状态信息CSI的准确性的敏感度降低。在传统的正交多址技术中，信道状态信息对于资源分配和信号检测至关重要，不准确的信道状态信息可能导致资源分配不合理，从而严重影响系统性能。而在NOMA系统中，尤其是功率域非正交多址（PD-NOMA），虽然信道状态信息也用于功率分配，但即使信道状态信息存在一定的误差或不准确，由于其通过功率域复用和连续干扰消除（SIC）技术来区分用户信号，在传输信道状态不发生大幅、快速改变的情况下，不准确的信道状态信息不会对系统性能产生严重影响。假设在一个PD-NOMA系统中，基站根据不准确的信道状态信息为两个用户分配了功率，虽然功率分配可能不是最优的，但在接收端，通过SIC技术，用户仍然能够有效地分离出自己的信号，系统仍能保持一定的性能水平。同时，由于接收端采用了SIC技术，系统具备一定的干扰消除能力，减少了干扰对通信的影响，增强了系统的抗干扰能力。在多用户通信环境中，不可避免地存在多址干扰（MultipleAccessInterference，MAI）。SIC技术通过逐次消除干扰的方式，先检测出功率较大的用户信号并将其从接收信号中减去，然后再检测下一个用户信号，依次类推，从而有效地消除了多址干扰。在一个存在多个用户的NOMA系统中，当某个用户受到其他用户的干扰时，接收端可以利用SIC技术，按照信号功率大小依次解码和消除干扰，使得该用户能够准确地接收到自己的信号，保证了通信的可靠性。这种对干扰的有效抑制能力使得NOMA系统在复杂的通信环境中能够保持较好的性能，增强了系统的鲁棒性，提高了通信的稳定性和可靠性，使其更适合在干扰复杂多变的未来移动通信场景中应用。三、未来移动通信场景需求与非正交多址技术适配性3.15G场景需求与NOMA应用5G作为新一代移动通信技术，定义了三大典型应用场景，分别是增强移动宽带（eMBB）、大规模机器类通信（mMTC）和超可靠低时延通信（uRLLC）。这些场景对通信系统提出了不同的性能要求，非正交多址（NOMA）技术凭借其独特的优势，在5G的各个场景中展现出了良好的适配性和应用潜力。3.1.1增强移动宽带（eMBB）增强移动宽带（eMBB）场景主要聚焦于满足用户对高速率、大容量数据传输的需求，旨在大幅提升用户体验。在这个场景下，高清视频、虚拟现实（VR）、增强现实（AR）、云游戏等业务对数据传输速率和网络容量提出了极高的要求。例如，8K高清视频的实时播放需要至少100Mbps以上的稳定传输速率，而VR/AR应用则对低时延和高带宽有着严格的要求，以确保用户能够获得沉浸式的体验，避免出现画面卡顿和延迟。NOMA技术在eMBB场景中具有显著的应用优势。其通过功率域或码域的复用，允许在相同的时频资源上同时传输多个用户的信号，从而有效提升了频谱效率和系统容量。在一个包含多个用户的小区中，采用NOMA技术，基站可以根据用户的信道条件，为不同用户分配不同的发射功率，使多个用户能够在相同的时频资源上进行通信。对于信道条件较好的用户，分配较低的发射功率；而对于信道条件较差的用户，如小区边缘用户，分配较高的发射功率，以保证其能够获得足够的信号强度，实现高质量的数据传输。以实际应用为例，在一个大型商场或体育场馆等人员密集的场所，大量用户同时请求高速数据服务，如观看高清视频、进行实时直播等。传统的正交多址技术由于资源正交性的限制，难以满足所有用户的需求，容易出现网络拥塞和传输速率下降的问题。而采用NOMA技术，通过合理的功率分配和多用户检测算法，可以让更多的用户同时接入网络，并且保持较高的传输速率。在这样的场景下，NOMA技术能够使系统的频谱效率提升30%-50%，用户的平均传输速率提高20%以上，有效满足了eMBB场景下对高速率、大容量数据传输的需求，提升了用户的体验质量。3.1.2大规模机器类通信（mMTC）大规模机器类通信（mMTC）场景主要面向物联网应用，其核心需求是支持海量设备的连接，同时要求设备具备低功耗和低成本的特性，以满足诸如智能家居、智能交通、工业物联网等领域中大量传感器和终端设备的接入需求。在智能家居系统中，可能包含数百个智能设备，如智能灯泡、智能门锁、智能摄像头等，这些设备需要实时向服务器传输数据，如设备状态、环境数据等。NOMA技术在mMTC场景中具有独特的优势。首先，NOMA通过非正交的资源复用方式，能够在有限的频谱资源下支持更多的设备连接。在码域非正交多址（CD-NOMA）中，如稀疏码多址接入（SCMA），利用稀疏码本的设计，使得多个设备的信号在码域上实现非正交叠加，从而大大增加了系统的接入能力。在一个物联网场景中，采用SCMA技术的NOMA系统相比传统正交多址系统，能够支持的设备连接数提升了数倍，有效解决了海量设备接入的瓶颈问题。其次，NOMA技术可以降低设备的功耗和信令开销。在mMTC场景中，许多设备采用电池供电，对功耗有着严格的限制。NOMA的免调度接入方案，使得设备可以在不需要与基站进行频繁信令交互的情况下，直接发送数据，减少了信令开销和设备的能量消耗。一些基于NOMA的物联网设备，通过采用开环功控和预定义的资源分配方式，设备在发送数据时无需等待基站的调度授权，从而降低了功耗，延长了电池寿命。在实际应用案例中，在智能工厂的生产线上，部署了大量的传感器，用于实时监测设备的运行状态、生产环境参数等。这些传感器需要频繁地向中央控制系统发送数据，采用NOMA技术后，不仅实现了海量传感器的同时接入，还降低了传感器的功耗，提高了整个生产系统的可靠性和效率。3.1.3超可靠低时延通信（uRLLC）超可靠低时延通信（uRLLC）场景对通信的可靠性和时延有着极为严格的要求，主要应用于工业控制、自动驾驶、远程医疗等领域。在工业自动化生产线中，设备之间的实时控制指令传输需要在毫秒级甚至微秒级的时延内完成，并且要求通信的可靠性达到99.999%以上，以确保生产线的稳定运行和产品质量。在自动驾驶场景中，车辆与车辆（V2V）、车辆与基础设施（V2I）之间的通信时延需要控制在10毫秒以内，以实现车辆的安全行驶和协同控制。NOMA技术在uRLLC场景中具有重要的应用价值。一方面，NOMA通过连续干扰消除（SIC）等技术，能够有效降低多用户之间的干扰，提高信号传输的可靠性。在接收端，SIC技术按照信号功率的强弱顺序，依次解码和消除干扰信号，从而准确地恢复出每个用户的原始信号。在一个存在多个用户的uRLLC系统中，当某个用户受到其他用户的干扰时，SIC技术可以有效地消除干扰，确保该用户能够准确地接收到自己的信号，满足了uRLLC场景对高可靠性的要求。另一方面，NOMA的免调度接入方案可以减少通信的时延。在uRLLC场景中，许多应用需要实时响应，传统的依赖于调度授权的通信方式会产生较大的时延。而NOMA的免调度接入方案，使得设备可以在有数据时立即发送，无需等待基站的调度授权，从而大大降低了通信时延。在车联网中，车辆可以利用NOMA的免调度接入特性，实时向周围车辆和基础设施发送紧急制动、路况信息等，确保了信息的及时传递，提高了行车安全性。在实际应用中，在远程医疗手术中，医生通过网络对患者进行手术操作，需要保证控制信号的低时延和高可靠性传输，以确保手术的顺利进行。采用NOMA技术后，能够满足远程医疗对通信的严格要求，实现了手术操作的精准控制，为远程医疗的发展提供了有力的技术支持。3.26G场景展望与NOMA潜力挖掘3.2.1更高性能指标需求6G作为未来移动通信的重要发展方向，对连接密度、传输速率、时延和可靠性等性能指标提出了前所未有的更高要求。在连接密度方面，随着物联网、工业互联网等领域的飞速发展，未来将有海量的设备接入网络。据预测，到2030年，全球物联网设备连接数将达到千亿级别，这就要求6G网络能够支持每平方公里数百万甚至数千万的设备连接，以满足智能家居、智能工厂、智能交通等场景中大量设备同时通信的需求。在传输速率上，6G需要实现比5G更高的峰值速率和用户体验速率。为了满足高清视频、虚拟现实（VR）、增强现实（AR）、全息通信等对数据量和实时性要求极高的应用，6G网络的峰值速率有望达到1Tbps以上，用户体验速率也将提升至10-100Gbps，确保用户在观看8K甚至16K高清视频时能够流畅播放，在进行VR/AR交互时能够获得实时、沉浸式的体验，避免出现卡顿和延迟现象。时延方面，6G要求实现更低的端到端时延，以满足工业控制、自动驾驶、远程医疗等对实时性要求极为严格的应用场景。在工业自动化生产线中，设备之间的控制指令传输需要在微秒级的时延内完成，以确保生产线的精准运行和产品质量；在自动驾驶场景中，车辆与车辆（V2V）、车辆与基础设施（V2I）之间的通信时延需要控制在1毫秒以内，以实现车辆的安全行驶和协同控制。因此，6G网络的时延目标将达到亚毫秒级甚至更低，确保信息的及时传递和系统的稳定运行。在可靠性方面，6G需要具备更高的可靠性，以保障关键业务的稳定运行。对于远程医疗手术、金融交易等应用，通信的可靠性至关重要，任何通信中断或错误都可能导致严重的后果。6G网络的可靠性指标将达到99.9999%以上，通过采用冗余传输、纠错编码、多链路备份等技术，有效降低通信错误率和中断概率，确保关键业务的连续性和准确性。非正交多址（NOMA）技术在满足这些6G性能需求方面具有巨大潜力。NOMA通过功率域、码域等非正交资源复用方式，能够在相同的时频资源上支持更多的用户连接，有效提升连接密度。在码域非正交多址（CD-NOMA）中，如稀疏码多址接入（SCMA），利用稀疏码本的设计，使得多个设备的信号在码域上实现非正交叠加，相比传统正交多址技术，能够支持数倍甚至数十倍的设备连接，满足6G网络对海量设备接入的需求。在提升传输速率方面，NOMA技术通过同时传输多个用户的信号，提高了频谱效率，从而间接提升了传输速率。在功率域非正交多址（PD-NOMA）中，基站根据用户的信道条件为不同用户分配不同的发射功率，使多个用户能够在相同的时频资源上进行通信，增加了系统的吞吐量。研究表明，在相同的频谱资源下，PD-NOMA系统的频谱效率相比传统正交多址系统可提升30%-50%，从而为实现6G的高速率传输提供了有力支持。对于降低时延，NOMA的免调度接入方案具有显著优势。在传统的正交多址技术中，用户接入网络需要经过多次信令交互和调度授权，这会产生较大的时延。而NOMA的免调度接入方案允许设备在有数据时立即发送，无需等待基站的调度授权，大大降低了通信时延。在车联网场景中，车辆利用NOMA的免调度接入特性，能够实时向周围车辆和基础设施发送紧急制动、路况信息等，确保了信息的及时传递，满足6G对低时延的严格要求。在提高可靠性方面，NOMA通过连续干扰消除（SIC）等技术，能够有效降低多用户之间的干扰，提高信号传输的可靠性。在接收端，SIC技术按照信号功率的强弱顺序，依次解码和消除干扰信号，从而准确地恢复出每个用户的原始信号。在一个存在多个用户的6G系统中，当某个用户受到其他用户的干扰时，SIC技术可以有效地消除干扰，确保该用户能够准确地接收到自己的信号，满足6G对高可靠性的要求。3.2.2新应用场景适配6G作为未来移动通信的重要发展方向，将催生一系列全新的应用场景，这些场景对通信技术提出了独特而严苛的要求。智能交通领域，随着自动驾驶技术的不断发展，车辆与车辆（V2V）、车辆与基础设施（V2I）、车辆与人（V2P）之间的通信需求呈爆发式增长。在自动驾驶场景中，车辆需要实时获取周围车辆的位置、速度、行驶方向等信息，以及道路基础设施提供的交通信号灯状态、路况信息等，以实现安全、高效的行驶。这就要求通信系统具备超低时延、超高可靠性和高带宽的特性，确保车辆能够及时做出决策，避免交通事故的发生。全息通信则是6G时代极具潜力的另一应用场景。它通过将三维图像和声音等信息进行实时传输，为用户提供沉浸式的通信体验。在远程教育中，学生可以通过全息通信技术身临其境地参与课堂教学，与教师和其他学生进行互动；在远程医疗中，医生可以通过全息图像对患者进行全面的诊断和治疗，提高医疗的准确性和效率；在远程会议中，参会者可以以全息影像的形式“面对面”交流，增强沟通的效果和真实感。全息通信对数据传输速率和精度要求极高，需要6G网络具备超高的传输速率和极低的时延，以保证全息图像和声音的实时、准确传输。非正交多址（NOMA）技术在这些新应用场景中展现出了良好的适配性和优化方向。在智能交通场景中，NOMA的低时延和高可靠性特性使其能够满足车辆通信的严格要求。NOMA的免调度接入方案允许车辆在有数据时立即发送，无需等待基站的调度授权，大大降低了通信时延。在车联网中，车辆可以利用NOMA的免调度接入特性，实时向周围车辆和基础设施发送紧急制动、路况信息等，确保了信息的及时传递，提高了行车安全性。同时，NOMA通过连续干扰消除（SIC）等技术，能够有效降低多用户之间的干扰，提高信号传输的可靠性，即使在复杂的交通环境中，也能保证车辆通信的稳定和准确。为了更好地适配智能交通场景，NOMA技术可以进一步优化。可以结合车辆的移动特性和交通流量的变化，动态调整功率分配和资源调度策略。在交通拥堵时，为紧急救援车辆等关键用户分配更高的功率和更多的资源，确保其通信的畅通；在车辆高速行驶时，优化信号检测和干扰消除算法，以适应快速变化的信道条件，提高通信的可靠性和稳定性。在全息通信场景中，NOMA的高频谱效率特性使其能够满足全息通信对高数据传输速率的需求。NOMA通过功率域或码域的复用，允许在相同的时频资源上同时传输多个用户的信号，从而有效提升了频谱效率和系统容量。在全息通信中，大量的三维图像和声音数据需要在短时间内传输，NOMA技术可以通过高效的资源复用，提高数据传输速率，确保全息图像和声音的实时、流畅传输。针对全息通信场景，NOMA技术可以在编码和调制方式上进行优化。采用更高效的编码算法，如低密度奇偶校验码（LDPC）、极化码等，提高数据的纠错能力和传输可靠性；在调制方式上，采用高阶调制技术，如256QAM、1024QAM等，增加每个符号携带的信息量，进一步提升数据传输速率，以满足全息通信对数据量和实时性的严格要求。四、基于非正交多址的关键技术研究4.1功率分配技术4.1.1传统功率分配算法在非正交多址（NOMA）系统中，功率分配是一项关键技术，其分配方案直接影响着系统的性能。传统的功率分配算法在NOMA系统中有着不同的应用方式和效果，以下对几种常见的传统功率分配算法进行介绍和分析。等功率分配算法是一种较为简单直观的功率分配方式。在这种算法中，基站将总发射功率平均分配给各个用户，即每个用户获得相同的发射功率。假设基站的总发射功率为P_{total}，用户数量为N，则每个用户分配到的功率P_i=\frac{P_{total}}{N}，i=1,2,\cdots,N。这种算法的优点是实现简单，不需要复杂的计算和信道状态信息（CSI）反馈，降低了系统的信令开销和计算复杂度。在一些对计算资源和信令开销要求严格的物联网场景中，等功率分配算法可以快速实现多用户的功率分配，满足设备的基本通信需求。然而，等功率分配算法没有考虑用户的信道条件差异，在实际应用中，不同用户的信道条件往往不同，信道质量好的用户能够更有效地利用发射功率，而信道质量差的用户可能无法获得足够的信号强度，导致通信质量下降。在小区边缘用户和小区中心用户共存的场景中，等功率分配会使小区边缘用户由于信号衰落严重，无法获得足够的功率来保证通信质量，从而降低了系统的整体性能和用户公平性。最大信干噪比（SINR）分配算法则是根据用户的信干噪比来分配功率。该算法的目标是最大化每个用户的信干噪比，从而提高用户的通信质量。在实际实现中，基站首先计算每个用户在不同功率分配情况下的信干噪比，然后选择能够使每个用户信干噪比最大的功率分配方案。对于用户i，其信干噪比\text{SINR}_i=\frac{P_ih_i^2}{\sum_{j\neqi}P_jh_j^2+\sigma^2}，其中P_i是分配给用户i的功率，h_i是用户i的信道增益，\sigma^2是噪声功率。通过不断调整功率分配，使每个用户的信干噪比达到最大。这种算法的优点是能够充分利用用户的信道条件，对于信道质量好的用户，分配更多的功率，从而提高系统的整体吞吐量。在高速数据传输场景中，如高清视频流传输，最大信干噪比分配算法可以确保信道条件好的用户获得足够的功率，实现高清视频的流畅播放。然而，该算法没有考虑用户之间的公平性，可能会导致信道条件差的用户获得的功率过少，无法满足其基本通信需求，从而影响用户体验。在一些对用户公平性要求较高的场景中，如公共通信服务，这种算法可能不太适用。传统功率分配算法在NOMA系统中的适用场景各有不同。等功率分配算法适用于对计算复杂度和信令开销要求较低，且用户信道条件差异不大的场景；最大信干噪比分配算法则适用于对系统吞吐量要求较高，对用户公平性要求相对较低的场景。在实际应用中，需要根据具体的系统需求和场景特点，选择合适的功率分配算法，以实现系统性能的优化。4.1.2优化的功率分配策略为了克服传统功率分配算法的局限性，提升非正交多址（NOMA）系统的性能，基于用户信道状态、服务质量需求等因素的优化功率分配策略应运而生。比例公平功率分配算法是一种典型的优化策略，它在系统吞吐量和用户公平性之间寻求平衡。比例公平功率分配算法的核心思想是，在分配功率时，不仅考虑用户的信道条件，还兼顾用户的历史传输速率。对于每个用户i，其比例公平度量值R_i=\frac{r_i}{T_i}，其中r_i是用户i当前的瞬时传输速率，T_i是用户i在过去一段时间内的平均传输速率。基站在分配功率时，优先为比例公平度量值较小的用户分配更多的功率，以提高这些用户的传输速率，从而保证用户之间的公平性。同时，也会根据用户的信道增益h_i来调整功率分配，对于信道条件好的用户，适当增加功率分配，以提高系统的整体吞吐量。假设基站要为两个用户分配功率，用户1的信道增益为h_1，当前瞬时传输速率为r_1，过去一段时间内的平均传输速率为T_1；用户2的信道增益为h_2，当前瞬时传输速率为r_2，过去一段时间内的平均传输速率为T_2。基站会根据用户1和用户2的比例公平度量值R_1和R_2，以及信道增益h_1和h_2，通过优化算法来确定为用户1和用户2分配的功率P_1和P_2，使得系统在保证用户公平性的前提下，实现较高的吞吐量。在实际应用中，这种基于用户信道状态和服务质量需求的优化功率分配策略能够显著提升系统性能。在物联网场景中，不同设备的通信需求差异较大，一些设备可能需要实时传输大量数据，而另一些设备则只需偶尔传输少量数据。通过优化功率分配策略，可以根据设备的服务质量需求，为对实时性要求高的设备分配更多的功率，确保其数据能够及时传输；同时，也能保证其他设备的基本通信需求，提高了整个物联网系统的可靠性和效率。在车联网场景中，车辆的行驶状态和通信需求不断变化，优化功率分配策略可以根据车辆的信道状态，如信号强度、干扰情况等，动态调整功率分配，为处于高速行驶或信号遮挡区域的车辆分配更多功率，保证车辆与车辆、车辆与基础设施之间的通信稳定，提高了车联网的安全性和可靠性。4.1.3案例分析为了验证不同功率分配算法在非正交多址（NOMA）系统中的性能差异，通过MATLAB仿真实验进行深入分析。在仿真实验中，构建一个包含1个基站和10个用户的单小区NOMA系统，基站位于小区中心，用户随机分布在小区内。信道模型采用瑞利衰落信道，考虑路径损耗和阴影衰落的影响。设置基站的总发射功率为30dBm，噪声功率谱密度为-174dBm/Hz，系统带宽为10MHz。首先，对传统的等功率分配算法进行仿真。在等功率分配情况下，每个用户分配到的功率相等，即P_i=\frac{30}{10}=3dBm，i=1,2,\cdots,10。仿真结果显示，在这种功率分配方式下，系统的总吞吐量较低，约为15Mbps。这是因为等功率分配没有考虑用户的信道条件差异，导致信道质量好的用户无法充分利用功率，而信道质量差的用户由于功率不足，通信质量受到严重影响。在小区边缘的用户，由于信号衰落严重，虽然分配到了一定功率，但仍然无法获得足够的信号强度，导致数据传输速率极低，从而拉低了系统的整体吞吐量。接着，对最大信干噪比（SINR）分配算法进行仿真。在该算法中，基站根据每个用户的信干噪比来分配功率，以最大化每个用户的信干噪比。仿真结果表明，采用最大信干噪比分配算法后，系统的总吞吐量得到了显著提升，达到了约25Mbps。这是因为该算法能够充分利用用户的信道条件，为信道质量好的用户分配更多的功率，从而提高了系统的整体传输速率。然而，从用户公平性角度来看，该算法存在明显的不足。通过观察用户的传输速率分布可以发现，信道条件好的用户获得了大量的功率，传输速率较高，而信道条件差的用户获得的功率较少，传输速率极低，用户之间的传输速率差距较大，公平性较差。最后，对比例公平功率分配算法进行仿真。在比例公平功率分配算法中，基站综合考虑用户的信道状态和历史传输速率，在系统吞吐量和用户公平性之间寻求平衡。仿真结果显示，采用比例公平功率分配算法后，系统的总吞吐量约为22Mbps，虽然略低于最大信干噪比分配算法，但用户公平性得到了显著改善。通过计算用户的公平性指标（如Jain's公平性指数）可以发现，比例公平功率分配算法下的公平性指数达到了0.85左右，而最大信干噪比分配算法下的公平性指数仅为0.6左右。这表明比例公平功率分配算法能够有效缩小用户之间的传输速率差距，保证每个用户都能获得相对公平的服务质量。通过以上仿真实验可以清晰地看出，不同功率分配算法在NOMA系统中的性能存在显著差异。比例公平功率分配算法在提升系统吞吐量的同时，能够有效改善用户公平性，相比传统的等功率分配算法和最大信干噪比分配算法，具有更好的综合性能，更适合在未来移动通信的NOMA系统中应用。4.2干扰消除技术4.2.1串行干扰消除（SIC）技术串行干扰消除（SuccessiveInterferenceCancellation，SIC）技术是一种在多用户通信中用于分离和解码同时传输的多个信号的技术，在非正交多址（NOMA）系统中发挥着关键作用。其基本原理是基于信号功率的差异，对接收信号中的多个用户信号进行逐次检测和干扰消除。在NOMA系统中，发送端将多个用户的信号进行功率复用后发送。假设基站向三个用户（用户A、用户B和用户C）发送信号，用户A的信道条件最差，分配到的发射功率最高；用户B的信道条件次之，发射功率适中；用户C的信道条件最好，发射功率最低。接收端接收到的信号是这三个用户信号的叠加，即y=h_Ax_A+h_Bx_B+h_Cx_C+n，其中h_A、h_B、h_C分别是用户A、B、C的信道增益，x_A、x_B、x_C分别是用户A、B、C的发送信号，n是噪声。SIC技术在接收端的工作流程如下：首先，根据信号功率大小对用户信号进行排序，由于用户A的功率最高，所以先对用户A的信号进行检测和解码。接收端利用已知的信道增益h_A和其他相关信息，对用户A的信号进行估计和判决，得到用户A的信号估计值\hat{x}_A。然后，从接收信号y中减去用户A的信号估计值与信道增益的乘积，即y_1=y-h_A\hat{x}_A，得到只包含用户B和用户C信号以及噪声的信号y_1。接着，对用户B的信号进行检测和解码，同样利用相关信息得到用户B的信号估计值\hat{x}_B，再从y_1中减去用户B的信号估计值与信道增益的乘积，即y_2=y_1-h_B\hat{x}_B，得到只包含用户C信号和噪声的信号y_2。最后，对用户C的信号进行检测和解码，得到用户C的信号估计值\hat{x}_C。在实际应用中，SIC技术的性能表现受到多种因素的影响。用户检测顺序是一个关键因素，合理的检测顺序能够有效提高干扰消除的效果和系统性能。通常按照信号功率从大到小的顺序进行检测，因为功率较大的信号更容易被准确检测和消除干扰。然而，在实际通信环境中，用户的功率会随着信道状态的变化而动态改变，这就需要SIC接收机能够实时监测用户功率并调整检测顺序。在高速移动的车联网场景中，车辆的位置和行驶状态不断变化，导致信道状态快速改变，用户功率也随之波动。此时，SIC接收机需要具备快速准确的功率监测和排序能力，以适应这种动态变化，保证干扰消除的有效性。SIC技术也存在一定的局限性。随着用户数量的增加，SIC接收机的复杂度会显著提高。每增加一个用户，就需要增加一级检测和干扰消除的操作，这不仅增加了硬件成本和计算资源的消耗，还会导致处理时延的增加。当用户数量较多时，SIC接收机的硬件实现难度加大，对处理器的性能要求也更高，可能会影响系统的实时性和可靠性。检测误差的传播也是一个问题，如果在前面的检测过程中出现错误，那么这个错误会随着干扰消除的过程传播到后续的检测中，导致后续用户信号的检测错误概率增加，从而降低系统的整体性能。4.2.2其他干扰消除算法除了串行干扰消除（SIC）技术，并行干扰消除（ParallelInterferenceCancellation，PIC）算法也是一种重要的干扰消除技术，在非正交多址（NOMA）系统中发挥着独特的作用。PIC算法与SIC算法在原理和实现方式上存在明显差异。PIC算法的基本原理是在接收端同时对所有用户的信号进行检测和干扰消除。在NOMA系统中，接收端接收到的信号是多个用户信号的叠加，即y=\sum_{i=1}^{K}h_ix_i+n，其中K是用户数量，h_i是第i个用户的信道增益，x_i是第i个用户的发送信号，n是噪声。PIC算法首先对每个用户的信号进行初步检测，得到每个用户信号的初步估计值\hat{x}_i。然后，根据这些初步估计值，重构出每个用户的信号在接收端的干扰分量\sum_{j\neqi}h_j\hat{x}_j，并从接收信号y中减去这些干扰分量，得到消除干扰后的信号y'=y-\sum_{i=1}^{K}\sum_{j\neqi}h_j\hat{x}_j。最后，对消除干扰后的信号y'再次进行检测，得到每个用户信号的最终估计值。与SIC算法相比，PIC算法在复杂度和性能方面具有不同的特点。在复杂度方面，PIC算法由于需要同时对所有用户的信号进行处理，其计算复杂度相对较高。在一个包含K个用户的系统中，PIC算法的计算复杂度通常与K^2成正比，而SIC算法的计算复杂度与K成正比。这意味着随着用户数量的增加，PIC算法的计算复杂度增长速度更快，对硬件资源的要求也更高。在性能方面，PIC算法在某些情况下能够提供更好的性能。由于PIC算法同时对所有用户信号进行干扰消除，不存在检测误差传播的问题，这使得它在用户信号功率差异较小或者信道条件较为复杂的情况下，能够更有效地消除干扰，提高系统的误码率性能。在一个多径衰落严重的信道环境中，SIC算法可能会因为前面用户信号检测错误而导致后续用户信号检测性能大幅下降，而PIC算法则可以通过同时处理所有用户信号，减少这种影响，保持相对稳定的性能。还有一些其他的干扰消除算法，如基于消息传递算法（MessagePassingAlgorithm，MPA）的干扰消除算法。MPA算法主要应用于码域非正交多址（CD-NOMA）系统，如稀疏码多址接入（SCMA）。在SCMA系统中，信号在码域上具有稀疏特性，MPA算法利用这种稀疏特性，通过在因子图上进行消息传递来实现干扰消除。MPA算法在处理复杂的码域信号时具有较高的准确性和可靠性，能够有效地分离出各个用户的信号。然而，MPA算法的计算复杂度也较高，尤其是在用户数量较多和码本复杂度较高的情况下，计算量会显著增加。4.2.3干扰消除技术的改进与创新针对非正交多址（NOMA）系统中干扰特性，对现有干扰消除技术进行改进或提出创新算法是当前研究的重要方向。在串行干扰消除（SIC）技术方面，针对其检测误差传播的问题，可以采用改进的判决反馈策略。传统的SIC技术在判决反馈过程中，一旦前面的用户信号检测错误，就会将错误的信号估计值反馈到后续的干扰消除过程中，导致误差传播。改进的判决反馈策略可以在每次判决反馈前，对信号估计值进行可靠性评估。通过计算信号估计值的置信度或利用其他辅助信息，判断信号估计值的可靠性。如果信号估计值的可靠性较低，则不进行反馈，而是采用其他方法，如多次迭代检测或利用先验信息进行修正，以减少误差传播对后续用户信号检测的影响。在一个存在多径衰落和噪声干扰的NOMA系统中，采用改进的判决反馈策略后，系统的误码率性能相比传统SIC技术有了显著提升，尤其是在信道条件较差的情况下，能够有效提高系统的可靠性。为了降低SIC技术的复杂度，也可以采用基于机器学习的用户检测顺序优化算法。传统的SIC技术按照信号功率从大到小的顺序进行用户检测，在实际通信环境中，这种固定的检测顺序可能并非最优。基于机器学习的算法可以利用大量的信道状态信息和用户数据，通过训练模型来学习不同信道条件下的最优用户检测顺序。深度神经网络可以根据输入的信道增益、噪声水平、用户信号特征等信息，输出最优的用户检测顺序。这种方法能够根据实时的信道状态动态调整用户检测顺序，提高干扰消除的效率，同时减少不必要的计算复杂度。在一个动态变化的通信场景中，采用基于机器学习的用户检测顺序优化算法后，SIC接收机能够更快地适应信道变化，提高系统性能，并且相比传统方法，计算复杂度降低了20%-30%。在创新算法方面，一些研究提出了基于深度学习的干扰消除算法。深度学习算法具有强大的非线性拟合能力和特征提取能力，能够对复杂的NOMA系统信号进行有效的处理。在接收端，可以构建一个深度神经网络模型，将接收到的混合信号作为输入，通过多层神经网络的学习和处理，直接输出各个用户的信号估计值。这种方法不需要像传统干扰消除算法那样进行复杂的信号分解和干扰消除步骤，而是通过端到端的学习来实现干扰消除。在一个包含多个用户的NOMA系统中，基于深度学习的干扰消除算法在误码率性能上优于传统的SIC和PIC算法，尤其是在高信噪比和复杂信道环境下，能够实现更低的误码率和更高的系统容量。4.3与其他技术的融合4.3.1NOMA与MIMO技术融合NOMA与MIMO（多输入多输出）技术的融合是未来移动通信领域的一个重要研究方向，这种融合能够充分发