5G非正交多址技术关键问题研究

非正交多址接入(NOMA)技术是5G通信的关键技术之一。该技术采用功率域复用的方式增加用户接入数,具有较高的频谱效率和可靠性,应用前景广泛。因此,研究5G非正交多址接入技术具有相当重要的意义。尤其是对其关键问题,如用户间的资源分配和多址干扰的消除等方面的问题,更值得深入研究。分别对这两个关键问题,就国内外目前的研究进展进行了详尽的分析和探讨。从实际多用户小区的资源分配、单一的串行干扰消除技术出发,总结了目前研究中所存在的问题,并提出相关解决方案,为更好地发挥NOMA技术的性能优势、抑制多用户共享资源带来的多址干扰问题提供参考。随着研究的深入,资源分配和干扰消除两大关键问题必将得到完善的解决,非正交多址技术也会在5G通信领域中得到广泛的应用。     

认知无线电研究进展

随着无线通信广泛的应用,移动互联网业务的需求高速增长,静 态的频谱规划政策使得可用的频谱资源越来越匮乏。认知无线电（Cognitive radio, CR）在感知频谱环境的基 础上,有目的地实时改变工作参数,实现对频谱的高效利用,为解决当前频谱资源利用率低 的问题提供了理论与技术支持。目前,CR技术已得到了广泛的关注。本文首先对认知无线电 体系及标准的研究现状作了简要介绍,然后深入地分析了频谱感知、频谱共享及功率控制3 项关键技术,最后对认知无线电的应用前景进行总结,包括电视白频谱、能量收集及5G网络 3个方面,并对未来异构泛在网络环境下开展基于认知无线电技术的无线资源管理、无缝切 换及负载均衡等方面的研究进行了展望。     

基于CR-NOMA网络的功率分配策略及中断性能分析

非正交多址接入技术(Non-orthogonal Multiple Access,NOMA)可以提高频谱效率,降低传输时延。另一种可以提高频谱效率的技术是认知无线电技术(Cognitive Radio,CR)。针对CR-NOMA中继网络,推导得到系统和次级用户的中断概率闭合表达式。为了最小化系统中断概率,研究了功率分配问题,并分析了功率分配因子对系统性能的影响。最后,通过蒙特卡洛仿真验证了理论结果的正确性。     

上行链路协作NOMA中基于TOA定位的研究

在未来的5G网络应用中,非正交多址接入技术(Non-Orthogonal Multiple Access,NOMA)对于用户设备的定位尤为重要.论文研究了在不同5G网络条件下上行协作NOMA在基于到达时间(Time-of-Arrival,TOA)定位的表现,并采用放大转发(Amplify-and-Forward,AF)...     

5G关键技术之NOMA介绍

随着移动通信的快速发展,频谱资源变得越来越紧缺,如何更加有效的利用频谱资源成为了5G亟待解决的问题。文章介绍了NOMA的工作原理,在与其他多址方式比较的基础上,分析了NOMA的技术特点,并对NOMA未来的发展进行了展望。     

软件定义车联网中缓存辅助的NOMA功率分配方案研究

由于对丰富多媒体服务的需求日益增长,车联网需要提供海量的设备连接以满足高频谱效率和低延迟的需求。软件定义网络（SDN）、缓存和非正交多址接入（NOMA）被认为是有效解决这些关键挑战的潜在技术。针对软件定义车联网,提出了一种缓存辅助的NOMA功率分配方案。首先,针对车联网中车辆总是处于高速运动状态的特点,提出了一种新的簇头选择算法,到达的道路交通将借助SDN进行预测,实现自适应车辆分簇。其次,引入了缓存辅助的NOMA方案,每个车辆在文件缓存阶段使用NOMA原理缓存和请求文件。再次,针对双Nakagami-m衰落条件下的两个簇头车辆通信场景,提出了一种最优功率分配策略,将优化问题公式化为找到每辆车的最佳功率曲线,从而最大化地在每辆车上成功解码目标文件的概率。最后,数值仿真和理论分析表明,所提缓存辅助NOMA功率分配方案,性能明显优于传统的NOMA和缓存辅助的OMA。     

基于模糊马尔可夫链预测的CR频谱接入算法

基于认知无线电（CR）的动态频谱接入技术,近年成为研究热点,但大部分算法都是根据当前授权用户的频谱活动情况来指导认知用户的频谱接入。本文研究了一种基于模糊马尔可夫链预测模型的动态频谱接入算法,该算法结合授权频段空闲时长的统计规律和模糊理论对信道状态进行预测,认知用户结合自身要求和信道状态的预测结果选择接入。仿真结果验证...     

基于NOMA的5G超密网计算迁移与资源分配策略

针对5G超密网中移动设备计算能力不足、频谱资源有限的问题,提出了一种基于非正交多址接入（NOMA）的计算迁移与带宽分配策略。首先,对系统模型进行了分析,并在此基础上以最小化设备计算代价为目标对所研究的问题进行形式化定义;然后,将该问题分解成设备的计算迁移、系统的带宽分配和设备的分组匹配三个子问题,并利用模拟退火、内点法和贪心算法对这三个子问题进行求解;最后,通过联合优化算法对上述子问题进行交替性迭代求解,最终获得最优计算迁移和资源分配策略。仿真结果表明,所提出的联合优化策略不但优于传统的正交多址接入（OMA）方式,而且能获得比平均分配带宽的NOMA技术更低的设备计算代价。     

基于能效的认知无线电频谱接入算法

认知无线电(CR)技术和能效(EE)通信设计这两种技术已经使得系统分别达到较高的频谱效率(SE)和能源利用效率(EE)。然而在认知无线电系统中,既要保持较高的频谱效率,又要使得能源利用效率相对较高的问题,始终少有研究。针对此问题,在正交频分复用(OFDM)认知无线电网络的基础上考虑平均能效和频谱效率折中的频谱接入方案,提出了一种低复杂度的次优启发式算法。仿真结果表明,所提算法相对于其他已有算法能够显著节约能量,并且在性能和复杂度方面具有较大优势。     

基于NOMA的车联网系统架构的探索与设计

5G(Fifth Generation Mobile Communication Network)时代的到来加快了各行业的发展和改革。将5G与物联网、车联网、工业互联网等产业相结合成为了必然的趋势。首先结合车联网介绍了5G的核心技术NOMA(Non-Orthogonal Multiple Access),并将其与传统的OFDM(Orthogonal Frequency Division Multiplexing)进行了比较。随后探讨了基于5G的车联网架构。最后对5G车联网进行了展望。     

基于5G网络无线接入安全技术措施研究

[目的/意义]在互联网技术不断发展的进程中,5G技术凸显出优势,但是该技术在具体应用中,往往面临着诸多安全问题的挑战。加强无线接入安全防护,可以提高网络的安全性,降低信息被盗、丢失等风险。所以,基于5G网络无线接入安全技术措施的研究,对于提高互联网应用的安全性,具有十分重要的现实意义。[方法/过程]基于5G网络安全架构,提出了5G网络无线接入安全需求,并以此为基础,提出了认证与授权、基于切片安全隔离技术、5G网络切片技术架构、5G网络切片自身安全技术、物理层安全保密通信技术等措施,并对这些技术措施的应用进行了介绍。[结果/结论]基于仿真实验数据的分析结果显示,认证与授权、基于切片安全隔离技术、5G网络切片技术架构、5G网络切片自身安全技术、物理层安全保密通信技术等措施的应用,可以有效地提高5G网络无线接入安全,降低网络被侵害的概率。     

探究4G无线网络安全接入技术

本文在对探究4G无线网络安全接入技术进行研究分析时,首先分析了4G无线网络安全接入安全,并分析了4G无线网络安全接入技术基本理论基础,最后探讨总结了4G无线网络安全接入技术的认证新方案。     

基于机器学习的认知无线网络优化策略

5G的发展带来了终端设备爆炸式增长的现象,使得频谱资源紧缺的问题越加严峻,认知无线网(cognitive radio,CR)的提出,被认为是提高频谱利用率的有效途径。认知无线网,融合了当代无线电通信技术、计算机技术、微电子学技术、软件无线电技术和现代信号处理技术等多学科之长,通过感知周围的电磁环境、学习及理解等方式,自主为用户寻找到当前空闲的频谱,完成信息交互过程。针对频谱资源紧张的现状,为改善频谱分配,首先介绍了有关认知无线网络的概念及其特点,重点介绍了机器学习中遗传算法,强化学习和隐马尔可夫模型在认知无线网络中的应用,并展望了其在认知无线网络中的发展前景。机器学习算法的引入,实现了高效的频谱资源管理,有效地解决了无线频谱资源紧张的问题。     

应用MDFT结构的认知无线电频谱感知方法

针对认知无线电系统采用传统正交频分复用（OFDM）技术时,其高频谱泄露带来的邻带间干扰及造成的主用户信号检测性能下降等问题,提出了一种基于改进离散傅里叶变换（MDFT）调制滤波器组的认知无线电（CR）多用户接入频谱检测方案,并推导了CR系统在应用MDFT滤波器组条件下检测概率表达式。理论推导及不同参数下仿真结果表明,与基于OFDM的CR系统相比,MDFT结构的系统比以矩形窗函数为原型滤波器的OFDM系统带外有更高阻带衰减;在较低信噪比情况下,基于3GPP TS 25.104协议标准的多径步行信道采用MDFT滤波器组结构的CR系统频谱感知性能相比于采用OFDM调制方式有了明显提升。     

基于双门限能量检测的认知车联网协作频谱感知

为了解决认知车联网环境下无线频谱资源短缺的问题,提出一种基于双门限能量检测的认知车联网协作频谱感知方法。该方法在单门限值的基础上引入范围内车辆数改进为双门限值,设置双门限中间部分为不判决区域,舍弃了受到噪声严重干扰而落在不判决区域的车辆次用户本地判决结果,达到增加次用户频谱感知成功率的目的,从而提高频谱利用率。仿真实验结果证明,提出的频谱感知方法可以在不同车辆密度、信噪比条件下有效提高频谱检测概率。     

下行多用户NOMA系统中基于能效优化的资源分配

非正交多址接入技术（Non-orthogonal multiple access, NOMA）提高了通信系统的频谱效率且可支持大量用户接入,因此受到广泛关注。以能量效率（简称能效）最大化为目标的多用户NOMA系统下行链路的资源分配问题,是一个难以求解的非凸问题,为此,将问题分解成用户分组和功率分配2个子问题。首先采用一种基于贪婪算法的用户分组方式降低了穷举法的计算复杂度;其次根据确定的分组方式,得到各个子信道上复用用户的功率分配系数表达式。为了进一步提高系统的能效,研究了子信道间非等功率分配方案,将子信道功率分配问题规划成非线性非凸的比率和问题,并利用Dinkelbach类算法得到次优解。仿真结果显示,文中采用的方案可以达到更好的系统容量和能效。     

基于竞价机制的认知无线蜂窝网D2D功率分配方法

针对用户资源利用率低的问题,为保障用户服务质量,采用竞价机制,面向无线蜂窝网络,将认知无线电(CR)技术与D2D技术结合,提出一种分布式D2D功率分配方法。该方法基于CR技术感知到可用频谱资源并对其进行标价,通过更改标价的方式达到新的纳什均衡,迭代优化之后使得存在的纳什均衡可以最大化地增加D2D对的获利,从而高效地使用可用频谱资源。实验结果表明,与传统蜂窝模型中的D2D通信相比,该方法能提高数据的传输效率以及通信系统中资源的利用率。     

基于禁忌搜索和Q-learning的CR-NOMA系统的功率分配算法

针对下一代移动通信对于高速率和大规模连接的需求,对认知无线电（CR）-非正交多址接入（NOMA）混合系统中通过优化功率分配来提升次用户总传输速率进行研究,提出一种基于禁忌搜索和Q-learning的功率分配（PATSQ）算法。首先,认知基站在系统环境中观测并学习用户的功率分配,次用户采用NOMA方式接入授权信道。其次,将功率优化分配问题中的功率分配、信道状态和总传输速率分别表述为马尔可夫决策过程中的动作、状态和奖励,通过结合禁忌搜索和Q-learning的方法来解决该马尔可夫决策过程问题并得到一个最优的禁忌Q表。最后,在主次用户服务质量（QoS）和最大发射功率的约束下,认知基站通过查找禁忌Q表得到最优的功率分配因子,实现系统中次用户总传输速率的最大化。仿真结果表明,在总功率相同条件下,所提算法在次用户总传输速率和系统容纳用户数量上要优于认知移动无线网络（CMRN）算法、次用户预解码（SFDM）算法以及传统等功率分配算法。     

适应于5G网络的联合功率域和编码域的NOMA系统

提出一个基于联合功率域和编码域的非正交多址(Non-Orthogonal Multiple Access, NOMA)系统，用以解决5G网络系统中频谱资源紧缺的问题。提出的系统在发射端通过稀疏码分多址(Sparse Code Multiple Access, SCMA)编码器对信号进行编码，根据各个用户不同的信道增益，分配给用户不同的功率。在接收端利用基于消息传递和连续干扰消除组合的算法检测各用户的信号。实验结果表明，与传统的SCMA系统相比，在加性高斯白噪声和衰落信道场景下，提出的NOMA系统在用户配对方面具有较高的灵活性和更高的频谱效率。     

认知无线网络的认知能力保障方法研究综述

认知无线网络通过对无线环境的感知获得频谱空洞信息,并以动态频谱接入为关键技术,机会地使用空闲频谱,与传统的无线网络相比,具有更高的网络通信资源利用率。认知能力作为认知无线网络的本质属性,其安全保障直接关系到认知无线网络的实用化进程。由于网络结构的复杂性、节点的移动性等问题,认知能力在各个认知环节中均面临不同程度的安全威胁。首先从认知循环:认知通信、资源感知、推理决策和服务适配4个环节分析认知能力保障所面临的安全问题以及相应的解决方案,然后总结现有方法的不足和缺陷,提出认知能力保障策略基于信任机制的发展趋势;最后指出未来认知能力保障领域所面临的挑战,并对该领域的研究方向进行了展望。