文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.2017.04.032
中文引用格式： 譚歆，肖杰，高翔，等. 一種低復雜度非正交多址接入功率分配算法[J].電子技術應用，2017，43(4)：126-128，132.
英文引用格式： Tan Xin，Xiao Jie，Gao Xiang. A low computational complexity power allocation algorithm for non-orthogonal multiple access systems[J].Application of Electronic Technique，2017，43(4)：126-128，132.
0 引言
高速增長的無線應用促使了第五代移動通信系統的研究熱潮。IMT-2020(5G)推進組在《5G愿景與需求白皮書》中提出5G對未來無線網絡更高要求，即用戶體驗速率要達到0.1～1 Gb/s，設備連接承受能力要達到106/km2，頻譜效率要比4G提升5~15倍[1]。為了滿足人們日益增長的移動業務需求，迫切需要改進現有的多址接入技術。在這種背景下SAITO Y等人提出了非正交多址接入技術[2](Non-Orthogonal Multiple Access，NOMA)。
NOMA系統的功率分配問題目前得到初步的關注[3-5]。文獻[4-5]研究了總功率約束下系統吞吐量最大化的功率分配問題，其中文獻[4]將功率分配作兩步完成，先將功率平均分配給每個子載波，然后在單個子載波上采用分數階功率分配方法(Fractional Transmit Power Allocation，FTPA)進行功率再分配。這種方法在初次分配中忽視了信道的時變特性，是一種次優的功率分配方法。文獻[5]提出了一種最優迭代注水功率分配算法。該算法雖然可以獲得更好的系統吞吐量，但是迭代過程中考慮了子載波上所有用戶，算法復雜度很高。
本文在研究上述功率分配算法基礎上，提出一種改進的功率分配算法，首先對所有子載波進行注水，得到各子載波的總復用功率；然后在單個子載波上采用FTPA進行功率再分配。
1 系統建模
1.1 NOMA下行鏈路模型
假設小區中用戶數為K，子載波數為N，總帶寬為B，總發射功率為Ptot，第n個子載波上疊加的用戶數為kn，基站和接收端天線數都為1。
在發送端，子載波n上的疊加信號sn可表示為：
在經過SIC檢測處理后，用戶UEm在第n個子載波上的吞吐量為：
從式(3)可以看到，子載波上用戶組合和用戶功率分配都顯著影響用戶的吞吐量，因此用戶組合的選擇和功率分配是重要的研究方向。
1.2 問題描述
NOMA系統采用比例公平調度算法完成子載波上用戶組合的選擇，該算法兼顧了系統吞吐量和用戶公平性[8]。假設NOMA系統中功率域疊加用戶數為2個，NOMA功率分配的優化問題可描述如下：
其中Ωn表示子載波n上復用的用戶集合。式(5)代表復用到第n個子載波上的用戶功率不小于0。式(6)表示所有子載波上用戶的功率總和不大于Ptot。
2 改進的功率分配算法
式(4)是一個最優化問題，可以采用最優迭代注水功率分配算法解決，但該算法是一種全范圍內的迭代注水功率分配算法，隨著功率域疊加用戶數的增加，算法復雜度急劇增加。通過減少迭代注水時的用戶數，能大幅減低功率分配復雜度。在此基礎上，本文提出了一種改進的功率分配算法。該算法把注水原理[9]和FTPA分配方式結合，將功率分配作兩步進行：第一步，采用注水原理完成子載波功率分配pn；第二步，進行單個子載波上功率再分配。在第一步中，可以將目標函數(即式(4))改寫成：
其中0<μ<1為調整步長，Non代表每次迭代中實際進行功率分配的子載波數。
在對所有子載波執行注水功率分配后，得到了每個子載波的功率pn；然后進行子載波上復用用戶的功率再分配。子載波上功率再分配按下式進行：
基于上述分析，功率分配算法具體步驟如下：
(1)利用式(14)計算初始注水水位α0，初始化參數；
(2)根據式(13)得到本次實際分配的所有子載波功率pn；
(3)若某一子載波的功率pn<0，將其置為零，且把該子載波從剩余的迭代過程中剔除；
(4)如果步驟(2)中所有子載波的功率pn都非負，則轉至步驟(5)；否則，根據式(15)更新注水水位，并返回步驟(2)；
(5)利用式(16)計算子載波上復用用戶的功率pi，n，至此整個功率分配完成。
3 仿真與分析
3.1 復雜度分析
最優迭代注水功率分配算法考慮了子載波上所有復用用戶的信道增益，屬于大范圍的功率注水；而改進的功率分配算法考慮子載波上等效注水信道增益，屬于小范圍的功率注水。本文功率分配算法過程中：在第一步子載波功率分配時，每次迭代過程需要2N次加法和N+2次乘法，其運算量為O(N)，整個子載波功率分配中的運算量為O(kN)，其中N為每次注水的子載波個數，k為迭代次數；第二步子載波上復用用戶功率再分配中，總共需要N次加法和2N次乘法。而最優迭代注水功率分配算法在每次迭代中考慮的信道增益要比本文算法多一倍，因此在一次迭代中改進的功率分配算法復雜度可以降低一半。
3.2 仿真分析
仿真參數如表1所示。在仿真中，功率域疊加用戶數為2個，最大多普勒頻移為30 Hz，時延擴展為5 μs，理想的信道估計。
圖2是等效信道增益在不同取值情況下，本文算法得到的總吞吐量。當等效信道增益為復用用戶中較好的信道增益時，本文算法能夠獲得最大的總吞吐量。從圖3中可以看出，隨著αFTPA的遞增，系統的總吞吐量呈下降趨勢，當αFTPA從0.1增加到0.9時，系統的總吞吐量下降了約0.5 bit/s/Hz。主要是因為αFTPA越大，更多的功率將分配給信道增益差的用戶，雖然犧牲了部分系統吞吐量，但降低了接收端串行干擾，消除檢測誤碼率。
圖3和圖4分別是αFTPA=0.2和0.4時，本文算法與文獻[4]的算法、文獻[5]的算法的吞吐量的比較。由圖3可知，當K=20時，本文算法的吞吐量比文獻[4]的算法提高約7.2%，比文獻[5]的算法略低2.5%左右。由圖4可知，當K=20時，本文算法的吞吐量比文獻[4]的算法提高約6.1%，比文獻[5]的算法略低1.9%左右。
4 結論
最優迭代注水功率分配算法能獲得較好的系統吞吐量，但是復雜度較高。本文提出了一種低復雜度的功率分配算法，通過在小范圍注水的基礎上利用分數階發送功率分配方法，從而保證系統總吞吐量略降的前提下，大幅降低最優迭代注水功率分配算法復雜度。仿真結果表明，對比最優功率分配算法，本文算法在并未損失較多系統性能的基礎上，大大降低了算法復雜度；對比文獻[4]的算法，提高了7%左右的系統總吞吐量。
參考文獻
[1] IMT-2020(5G)推進組.5G概念白皮書[R].北京：《5G概念白皮書》發布會，2015.
[2] SAITO Y，KISHIYAMA Y，BENJEBBOUR A，et al.Nonorthogonal multiple access(NOMA) for cellular future radio access[C].Vehicular Technology Conference(VTC Spring)，2013 IEEE 77th.Dresden，Germany：IEEE，2013：1-5.
[3] BENJEBBOUR A，SAITO Y，KISHIYAMA Y，et al.Concept and practical considerations of non-orthogonal multiple access(NOMA) for future radio access[C].Intelligent Signal Processing and Communications Systems(ISPACS)，2013 International Symposium On.Okinawa，Japan：IEEE，2013：770-774.
[4] BENJEBBOUR A，LI A，SAITO Y，et al.System-level performance of downlink NOMA for future LTE enhancements[C].Globecom Workshops(GC Wkshps),2013 IEEE.IEEE，2013：66-70.
[5] HOJEIJ M R，FARAH J，NOUR C A，et al.Resource allocation in downlink non-orthogonal multiple access(NOMA) for future radio access[C].Vehicular Technology Conference(VTC Spring)，2015 IEEE 81st.IEEE，2015：1-6.
[6] 畢奇，梁林，楊姍，等.面向5G的非正交多址接入技術[J].電信科學，2015，31(5)：14-21.
[7] SAITO Y，BENJEBBOUR A，KISHIYAMA Y，et al.System-level performance of downlink non-orthogonal multiple access(NOMA) under various environments[C].Vehicular Technology Conference(VTC Spring)，2015 IEEE 81st.IEEE，2015：1-5.
[8] OTAO N，KISHIYAMA Y，HIGUCHI K.Performance of non-orthogonal access with SIC in cellular downlink using proportional fair-based resource allocation[C].2012 International Symposium on Wireless Communication Systems(ISWCS).IEEE，2012：476-480.
[9] KOBAYASHI M，CAIRE G.An iterative water-filling algorithm for maximum weighted sum-rate of Gaussian MIMO-BC[J].Selected Areas in Communications，IEEE Journal on，2006，24(8)：1640-1646.
[10] JANG J，LEE K B，LEE Y H.Transmit power and bit allocations for OFDM systems in a fading channel[C].Global Telecommunications Conference，2003.GLOBECOM'03.IEEE. IEEE，2003，2：858-862.
作者信息:
譚 歆，肖 杰，高 翔，吳廣富
（重慶郵電大學 移動通信技術重慶市重點實驗室，重慶400065）