首页/论文/2201.10165

arXiv 2201.101652022-01-25cs.NI

在Wi-Fi网络中启用同步上行链路NOMA

Enabling Synchronous Uplink NOMA in Wi-Fi Networks

Grigory Korolev, Aleksey Kureev, Evgeny Khorov, Andrey Lyakhov

备注：: International Conference "Engineering & Telecommunication 2021"

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

非正交多址接入（NOMA）是未来Wi-Fi的一种很有前途的技术。在上行链路NOMA中，具有不同信道条件的站通过按功率电平分割信号而在相同频率下同时发射。由于Wi-Fi使用随机接入，因此Wi-Fi中上行链路NOMA的实现面临许多挑战。本文提出了一种在Wi-Fi网络中实现同步上行NOMA的数据传输机制，其中多个站点同时开始向接入点进行数据传输。所开发的机制可以与Wi-Fi中的传统增强型分布式信道接入（EDCA）机制一起工作。仿真结果表明，与传统EDCA相比，该机制可以使总吞吐量和几何平均吞吐量增加一倍。

英文摘要：

Non-Orthogonal Multiple Access (NOMA) is a promising technology for future Wi-Fi. In uplink NOMA, stations with different channel conditions transmit simultaneously at the same frequency by splitting the signal by power level. Since Wi-Fi uses random access, the implementation of uplink NOMA in Wi- Fi faces many challenges. The paper presents a data transmission mechanism in Wi-Fi networks that enables synchronous uplink NOMA, where multiple stations start data transmission to the access point simultaneously. The developed mechanism can work with the legacy Enhanced Distributed Channel Access (EDCA) mechanism in Wi-Fi. With simulation, it is shown that the developed mechanism can double the total throughput and geometric mean throughput compared with the legacy EDCA.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

NOMA的快速上行授权：一种基于联邦学习的方法

Fast Uplink Grant for NOMA: a Federated Learning based Approach

最近，非正交多址（NOMA）技术已经出现，并且被认为是5G系统及以后的构建块。在本文中，我们专注于资源分配基于NOMA的系统，我们调查如何机器类型设备（MTD）可以安排成集群。具体来说，我们提出了三种分配技术，以实现在5G中集成大规模基于NOMA的MTD。首先，我们提出了一个低复杂度的方案，其中BS分配一个MTD集群的CSI和发射功率的基础上，以确保SIC可以在上行链路以及下行链路中执行。在第二个框架中，我们提出了一个基于联合学习的流量模型估计，以扩展系统的容量。事实上，BS考虑MTD的业务模型，以便除了功率复用之外还使用时间复用来分离MTD。在基站分配后，我们提出了一个学习算法，允许竞争的MTD同步他们的传输。最后，我们专注于NOMA为基础的设备的服务质量（QoS），我们提出了在第三个框架中的QoS感知技术，其中MTD服务不同的基础上，他们的模式，即定期或报警模式。仿真结果表明，所提出的技术优于现有的技术在文献中。

2019-03-24cs.NI

蜂窝上行和下行链路中的非正交多址（NOMA）：挑战和实现技术

Non-Orthogonal Multiple Access (NOMA) in Cellular Uplink and Downlink: Challenges and Enabling Techniques

通过组合发射机处的叠加编码和接收机处的连续干扰消除（SIC）的概念，非正交多址（NOMA）最近已经成为用于5G无线技术的有前途的多址技术。在本文中，我们首先讨论上行链路和下行链路NOMA传输的基本原理，并概述它们的关键区别（在实现复杂性、SIC接收机处的检测和解码、引起的小区内和小区间干扰方面）。随后，对于下行链路和上行链路NOMA，我们从理论上推导出NOMA主导条件为每个单独的用户在一个两个用户NOMA集群。NOMA主导条件是指与传统正交多址（OMA）相比，NOMA的频谱效率增益得到保证的条件。推导出的条件提供了直接的见解选择合适的用户在两个用户NOMA集群。对于上行链路和下行链路以及对于每个单独的用户，条件是不同的。数值结果表明，推导出的条件的意义上的用户选择在上行链路/下行链路NOMA集群，并提供了一个比较的随机用户选择。然后简要概述了最近的研究调查，突出现有的研究差距。最后，我们讨论了NOMA传输的潜在应用和关键挑战。

2016-08-20cs.ITcs.NImath.IT

上行链路NOMA的空中实现

Over-the-Air Implementation of Uplink NOMA

虽然非正交多址接入（NOMA）的概念早在几年前就提出了，但上行NOMA的性能仅在理论上得到了验证，而没有在实践中得到验证。本文提出了上行链路NOMA系统的空中实现，同时提供了对最常见的实际问题的解决方案，即，载波频率偏移（CFO）同步、时间同步和信道估计。所实现的CFO同步方法采用LTE的主同步信号（PSS）。此外，我们为每个上行用户设计了一个新的前导码，它被附加到每一帧之前，它是通过空中传输。该前导码将用于BS处的时间同步和信道估计。此外，低复杂度，迭代线性最小均方误差（LMMSE）检测器已实现多用户解码。本文还验证了所提出的架构数值，以及实验。

2018-01-17cs.ITcs.NImath.IT

MIMO-NOMA上行传输环境中的协作边缘学习

Collaborative Edge Learning in MIMO-NOMA Uplink Transmission Environment

多输入多输出非正交多址接入（MIMO-NOMA）蜂窝网络是支持大规模连接的理想网络。本文在MIMO-NOMA上行链路传输环境中利用低延迟机器学习，其中大量数据必须从多个数据源上传到一跳距离的边缘服务器以进行机器学习。提出了一种具有数据源、边缘服务器和基站协作的延迟感知边缘学习框架，称为DACEL。在分析DACEL时延的基础上，进一步设计了NOMA信道分配算法，以最小化DACEL的学习时延。仿真结果表明，该算法在减少学习延迟方面优于基线方案。

2021-06-28cs.ITcs.NImath.IT

上行链路NOMA中梯度压缩的自适应联邦学习

Adaptive Federated Learning With Gradient Compression in Uplink NOMA

联邦学习（FL）是一种新兴的机器学习技术，它从大量分布式设备中聚合模型属性。节能和隐私保护等几个独特的功能使FL成为功率受限和隐私敏感设备的非常有前途的学习方法。虽然分布式计算可以降低需要上传的信息量，但是FL中的模型更新仍然会遇到性能瓶颈，特别是对于通过无线连接的更新。在这项工作中，我们调查FL更新的性能与移动边缘设备连接到参数服务器（PS）与实际的无线链路，其中从用户到PS的上行链路更新具有非常有限的容量。与现有的工作不同，我们将非正交多址接入（NOMA）与梯度压缩技术结合应用于无线上行链路。仿真结果表明，我们提出的方案可以显着减少聚合延迟，同时达到类似的准确性。

2020-03-03cs.NIeess.SP

面向5G网络的边缘计算感知NOMA

Edge Computing Aware NOMA for 5G Networks

随着物联网（IoT）的快速发展，第五代（5G）无线网络需要提供物联网设备的大规模连接并满足低延迟的需求。为了满足这些要求，非正交多址接入（NOMA）已被认为是5G网络显着提高网络容量的有前途的解决方案。随着NOMA技术的发展，移动边缘计算（MEC）正在成为减少5G网络延迟和提高服务质量（QoS）的关键新兴技术之一。为了在MEC环境中捕获NOMA的潜在增益，本文提出了一种边缘计算感知的NOMA技术，该技术可以享受上行链路NOMA在降低MEC用户的上行链路能量消耗方面的益处。为此，我们制定了一个基于NOMA的优化框架，通过优化用户聚类，计算和通信资源分配，发射功率，最大限度地减少能源消耗的MEC用户。特别地，类似于频率资源块（RB），我们将在微云处可用的计算能力划分为计算RB。因此，我们探讨了联合分配的频率和计算RB的用户被分配到不同的顺序索引内的NOMA集群。我们还设计了一个有效的启发式算法的用户聚类和RB分配，并制定了一个凸优化问题的功率控制独立解决每个NOMA集群。所提出的NOMA方案的性能进行了评估，通过模拟。

2017-12-13cs.NI

更多相关论文收起更多论文

通过NOMA反向散射网络的PDKEEPAAA数据汇集：UAV高度和轨迹优化

UAV Data Collection over NOMA Backscatter Networks: UAV Altitude and Trajectory Optimization

环境后向散射技术的最新发展具有提供长距离和低功率无线通信的潜力。在这项工作中，我们研究了无人机（无人机）辅助的反向散射网络，其中无人机既充当移动电源发射器又充当信息收集器。我们的目标是最大限度地提高成功解码的比特数在上行链路中，同时最大限度地减少无人机的飞行时间，通过优化其高度。在上行链路中采用功率域NOMA方案。提出了一个优化框架，以确定众多的网络参数，如无人机的高度，反向散射设备的数量和反向散射系数之间的权衡。数值结果表明，最佳的高度是可计算的各种网络设置和后向散射反射系数的影响，最大网络吞吐量是显着的。基于这个最佳的高度，我们还表明，最佳的轨迹计划是可以实现的。

2019-02-08cs.NI

上行链路用户与NOMA和RSMA协作的传输方案、检测和功率分配

Transmission Scheme, Detection and Power Allocation for Uplink User Cooperation with NOMA and RSMA

在本文中，我们提出了两个新的合作非正交多址接入（C-NOMA）和合作速率分裂多址接入（C-RSMA）的上行链路用户合作计划。在这些方案的第一微时隙，每个用户以全双工模式发送其信号并接收另一用户的发送信号，并且在第二微时隙，每个用户利用放大转发（AF）协议中继另一用户的消息。在这两种方案中，为了实现更好的频谱效率，用户在两个微时隙中以非正交模式发送信号。在C-RSMA中，我们还应用了速率分裂方法，其中每个用户的消息被分成两个流。在所提出的C-NOMA和C-RSMA检测方案中，我们应用了最大比合并（MRC）和连续干扰消除（SIC）的组合。然后，我们推导出C-NOMA和C-RSMA的可达速率，并制定两个优化问题，以最大化两个用户的最小速率，考虑比例公平系数。针对这些非凸问题，我们提出了两种基于逐次凸逼近（SCA）和几何规划（GP）的功率分配算法。接下来，我们推导出所提出的C-NOMA和C-RSMA方案的渐近中断概率，并证明它们实现了2阶分集。最后，通过仿真验证了上述性能。

2022-07-30cs.ITcs.NImath.IT

面向NOMA-URLLC网络上行链路调度的深度强化学习方法

Deep Reinforcement Learning for Uplink Scheduling in NOMA-URLLC Networks

Institut Polytechnique de Paris（巴黎理工学院）；Telecom Paris（巴黎电信学院）；Huawei Technologies Co. Ltd.（华为技术有限公司）

针对NOMA上行URLLC调度的组合动作空间与部分可观测挑战，提出融合POMDP转化、改进PPO与贝叶斯先验的NOMA-PPO算法，在3GPP场景下性能优于传统协议与DRL基准且鲁棒性强。

2023-08-28cs.AIcs.NI

大规模蜂窝网络上行非正交多址接入（NOMA）的Poisson聚类过程建模与分析

Modeling and Analysis of Uplink Non-Orthogonal Multiple Access (NOMA) in Large-Scale Cellular Networks Using Poisson Cluster Processes

非正交多址（NOMA）通过叠加不同的消息信号为多个用户提供服务。在接收机处通过应用连续干扰消除（SIC）对所需消息信号进行解码。利用泊松簇过程理论，我们提供了一个分析多小区上行NOMA系统的框架。具体地说，我们的特点是在排名$m$（从它的服务BS的距离）在一个小区中的所有用户之间的NOMA用户的速率覆盖概率和小区中的所有用户的平均速率覆盖概率。由于第$m$用户的信号与干扰加噪声比（SINR）依赖于有效的SIC，因此我们考虑三种情况，即，完全SIC（其中比第$m$用户强的$m-1$用户的信号被成功解码）、不完美SIC（其中比第$m$个用户强的$m-1$个用户的信号可能被成功解码也可能不被成功解码），不完全最坏情况SIC（其中，每当其相对的$m-1$较强用户的解码不成功时，第$m$个用户的信号的解码总是不成功）。导出的表达式被定制为捕获在等效正交多址（OMA）系统中的秩$m$处的用户的性能。最后，数值结果验证了推导的表达式。

2016-11-10cs.ITcs.NImath.IT

用于5G无线网络的上行链路非正交多址接入

Uplink Non-Orthogonal Multiple Access for 5G Wireless Networks

正交频分多址（OFDMA）以及其他正交多址技术由于资源分配中的排他性而无法在上行链路中实现系统容量限制。当系统中考虑用户之间的公平性时，这个问题更加突出。目前的非正交多址接入（NOMA）技术通过编码/扩频引入冗余，以便于在接收端分离用户信号，这降低了系统的频谱效率。因此，为了实现更高的容量，需要开发更有效的NOMA方案。在本文中，我们提出了一种NOMA方案的上行链路，消除了资源分配的排他性，并允许多个用户共享同一个子载波，没有任何编码/扩频冗余。在接收端实现联合处理以检测用户信号。然而，为了控制接收器复杂度，需要对每个子载波的用户数量施加上限。此外，提出了一种新的子载波和功率分配算法的新的NOMA方案，最大限度地提高用户的和速率。链路级性能评估表明，该方案实现了接近单用户情况下的比特出错率。数值结果表明，与OFDMA相比，NOMA方案在频谱效率和公平性方面可以显著提高系统性能。

2017-05-11cs.ITcs.NImath.IT

IoVT网络中NOMA辅助的多MEC卸载

NOMA Assisted Multi-MEC Offloading for IoVT Networks

如今，视频物联网（IoVT）在数量和计算需求方面快速增长。尽管与传统物联网设备相比，在视觉处理上具有更高的本地计算能力，但由于其更大的计算需求，IoVT设备需要将部分视觉处理任务无线地卸载到移动边缘计算（MEC）服务器。然而，视觉处理任务卸载受限于MEC服务器的上行链路吞吐量和计算能力。为了突破这些限制，提出了一种具有多个MEC服务器的新型非正交多址（NOMA）辅助的IoVT框架，其中NOMA被利用来提高上行链路吞吐量，并且MEC服务器与基站位于同一地点以提供足够的计算能力用于卸载。在该框架中，联合优化了关联策略、NOMA辅助的上行视觉数据传输、视觉处理任务的划分以及MEC服务器上的计算资源分配，以最小化所有视觉处理任务的总延迟，同时满足所有IoVT设备的延迟要求。仿真结果表明，在异构IoVT网络中，通过提出的NOMA传输和多MEC卸载的联合优化可以实现显着的性能增益。

2021-07-28cs.NIcs.SYeess.SY

面向弱卫星覆盖下游牧通信的上行协作卫星-高空-地面网络的随机几何建模与分析

Stochastic Geometry Based Modelling and Analysis of Uplink Cooperative Satellite-Aerial-Terrestrial Networks for Nomadic Communications with Weak Satellite Coverage

针对弱卫星覆盖下用户聚集在有限区域的CSATN上行研究空白，提出结合BPP与II型MHCPP的随机几何模型，推导链路距离分布并分析覆盖概率与平均遍历速率，仿真验证推导准确性，为真实场景系统优化提供基础。

2024-08-27cs.NIeess.SP

Delta-OMA（D-OMA）：一种新的6 G大规模多址接入方法

Delta-OMA (D-OMA): A New Method for Massive Multiple Access in 6G

针对下一代6 G蜂窝网络中的大规模接入，引入了一种新的多址接入方法，即增量正交多址接入（D-OMA）。D-OMA基于分布式大型协调多点传输使能的非正交多址（NOMA）的概念，其使用部分重叠的子带用于NOMA集群。该方案的性能表现在不同程度的重叠NOMA子带的中断容量。D-OMA还可以用于上行链路和下行链路无线接入网络中的增强安全性供应。实际的实施问题和开放的挑战，优化D-OMA进行了讨论。

2019-01-21cs.NI

基于缓存状态信息的上行多载波非正交多址资源分配深度强化学习

Deep Reinforcement Learning for Uplink Multi-Carrier Non-Orthogonal Multiple Access Resource Allocation Using Buffer State Information

Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）

对于正交多址接入（OMA）系统，所服务的用户设备（UE）的数量限于可用正交资源的数量。另一方面，非正交多址（NOMA）方案允许多个UE使用相同的正交资源。这种额外的自由度为资源分配带来了新的挑战。缓冲器状态信息（BSI），如等待传输的分组的大小和年龄，可以用于改进OMA系统中的调度。在本文中，我们调查的影响BSI的集中式调度器的性能在上行链路多载波NOMA的情况下，UE具有各种数据率和延迟的要求。为了处理分配UE到资源的大的组合空间，我们提出了一种新的调度器，基于演员-评论家强化学习结合BSI。培训和评估使用诺基亚的“无线套件”进行。我们提出了各种新的技术来稳定和加快训练。建议的调度优于基准调度。

2022-08-31cs.LGcs.NIcs.SY