基于遺傳算法的混疊式非正交多址接入方法

閆珍珍,李 波,楊 懋,閆中江

(西北工業(yè)大學(xué)電子信息學(xué)院,陜西 西安 710072)

0 引 言

隨著人們對(duì)網(wǎng)絡(luò)需求的爆炸式增長,現(xiàn)有的寬帶網(wǎng)絡(luò)越來越無法滿足超密集的無線連接和超大規(guī)模的網(wǎng)絡(luò)容量需求[1]。由于傳統(tǒng)的正交多址接入技術(shù)很難滿足上述需求,因此引入了非正交多址接入(non-orthogonal multiple access,NOMA)方法[2-5]。通過多種在不同維度上的多路復(fù)用方式,目前已經(jīng)提出了眾多NOMA方案,其中稀疏碼多址接入(sparse code multiple access,SCMA)方法[6-9]是其代表性技術(shù)之一,也是下一代寬帶網(wǎng)絡(luò)中極具競(jìng)爭(zhēng)力的NOMA方法之一。

在傳統(tǒng)的多址接入方法中,基站(base station,BS)作為上下行傳輸?shù)恼{(diào)度中心,不可避免地伴隨著較多的接入時(shí)延和較高的信令開銷。作為一種行之有效的解決方案,SCMA支持調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種接入模式。兩種接入模式適用場(chǎng)景不盡相同。其中,調(diào)度接入適用于業(yè)務(wù)需求穩(wěn)定或者業(yè)務(wù)量大的用戶,而隨機(jī)競(jìng)爭(zhēng)接入適用于業(yè)務(wù)臨時(shí)到達(dá)且對(duì)于延時(shí)較為敏感或者業(yè)務(wù)量較小的業(yè)務(wù)需求[10]。然而已有研究中,分配給調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種訪問模式的資源(例如信道或者時(shí)頻資源塊)是嚴(yán)格分離的,這種資源的嚴(yán)格分離難以適配業(yè)務(wù)的動(dòng)態(tài)變化。例如,在業(yè)務(wù)量較大的需求占主導(dǎo)的時(shí)段,調(diào)度接入的資源不夠而隨機(jī)競(jìng)爭(zhēng)接入的資源浪費(fèi)。在臨時(shí)到達(dá)的業(yè)務(wù)占主導(dǎo)的時(shí)段,調(diào)度接入的資源產(chǎn)生了浪費(fèi)而隨機(jī)競(jìng)爭(zhēng)的資源出現(xiàn)了嚴(yán)重的沖突。因此,現(xiàn)有研究降低了系統(tǒng)的資源利用率和吞吐量。

作為寬帶網(wǎng)絡(luò)中非常有前途的關(guān)鍵技術(shù)之一,SCMA引起了世界上眾多專家和學(xué)者的極大興趣。研究者們做了大量的研究工作,并從中提出了許多關(guān)于SCMA的資源分配方法[11-15]。其中,一部分研究使用隨機(jī)資源分配方法,一部分研究只優(yōu)化了分配給調(diào)度用戶的資源,極少有研究對(duì)全部用戶的資源分配進(jìn)行優(yōu)化或者對(duì)分配給競(jìng)爭(zhēng)用戶的資源進(jìn)行優(yōu)化。更嚴(yán)重的是,在絕大多數(shù)的研究中,分配給調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者的資源是嚴(yán)格分離的。由于調(diào)度用戶的個(gè)數(shù)和競(jìng)爭(zhēng)用戶的個(gè)數(shù)是不斷變化的,這將導(dǎo)致非常嚴(yán)重的資源浪費(fèi)。為了提高資源利用率,需要提出一種新的解決方法,該方法可以允許調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者共享相同的資源單元。

為了解決上述問題,實(shí)現(xiàn)調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者的資源共享,并且同時(shí)滿足不斷增長的超密集無線連接和超大規(guī)模網(wǎng)絡(luò)容量需求,本文提出一種基于遺傳算法的混疊式NOMA方法,允許相同的資源單元混疊地同時(shí)承載調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入業(yè)務(wù),從而實(shí)現(xiàn)兩種接入方式的細(xì)粒度融合。進(jìn)一步,針對(duì)混疊式NOMA方法中如何高效地進(jìn)行資源分配的問題,設(shè)計(jì)了基于遺傳算法的混疊式NOMA資源分配算法。將調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入的總?cè)萘孔鳛閮?yōu)化目標(biāo)以及遺傳算法的適配度,建立了最優(yōu)化問題,并通過交叉和變異操作的多次迭代來優(yōu)化資源分配效果。仿真實(shí)驗(yàn)表明，與3種對(duì)比方案相比較,本文提出的混疊式NOMA方法及其遺傳算法在各個(gè)場(chǎng)景下均可以獲得更好的吞吐量性能。

1 系統(tǒng)模型

1.1 網(wǎng)絡(luò)場(chǎng)景

假設(shè)BS位于寬帶網(wǎng)絡(luò)社區(qū)的中心,調(diào)度用戶和隨機(jī)競(jìng)爭(zhēng)用戶隨機(jī)地分布在BS四周,如圖1所示。由BS作為調(diào)度中心進(jìn)行資源分配的用戶稱為調(diào)度用戶,用U={u1,u2,…,uNg}表示,其中,Ng表示調(diào)度用戶個(gè)數(shù);沒有調(diào)度中心,隨機(jī)競(jìng)爭(zhēng)接入資源的用戶稱為競(jìng)爭(zhēng)用戶,用V={v1,v2,…,vNgf}表示,其中,Ngf表示競(jìng)爭(zhēng)用戶個(gè)數(shù)。

圖1 網(wǎng)絡(luò)場(chǎng)景Fig.1 Network scene

把頻域分為J個(gè)子信道,并且每相鄰K個(gè)子信道組成一個(gè)資源塊。這樣,可以得到n個(gè)資源塊,即

(1)

對(duì)于下行鏈路而言,所有的信息由BS進(jìn)行調(diào)度。對(duì)于上行鏈路而言,用戶不僅可以由BS進(jìn)行調(diào)度,也可以通過隨機(jī)競(jìng)爭(zhēng)的方式接入資源[16-17]。換而言之,只有上行鏈路包含調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種訪問模式。因此,本文主要考慮上行鏈路的信息傳輸。

1.2 SCMA

在發(fā)送端,用戶信息以比特流的形式通過SCMA編碼器直接映射為多維復(fù)數(shù)域碼字,之后,不同用戶的碼字通過稀疏碼擴(kuò)頻的方式在各個(gè)子信道上非正交疊加[18-21]。同時(shí),為了降低接收端解碼的復(fù)雜度,每個(gè)碼字的非零元素個(gè)數(shù)應(yīng)該不超過碼字總元素個(gè)數(shù)的一半。

基于SCMA的稀疏性、過載性等特征,接收端可以利用低復(fù)雜度的多用戶聯(lián)合檢測(cè)算法完成解碼,恢復(fù)原始的信息比特流。

2 混疊式NOMA

SCMA可以在一定程度上增加連接數(shù)目和系統(tǒng)網(wǎng)絡(luò)容量,但是,由于分配給調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種訪問模式的資源是嚴(yán)格分離的,在一定程度上造成了資源浪費(fèi)。在此基礎(chǔ)上,需要尋求一種可以打破調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入資源分配壁壘的方法。

本文提出了一種混疊式NOMA方法,允許調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種接入模式以細(xì)粒度融合的方式共享同一信道單元。也就是說,基于某一信道單元上的虛擬層既可以分配給調(diào)度接入,也可以分配給隨機(jī)競(jìng)爭(zhēng)接入。在該方法中,首先把資源分配給調(diào)度接入,之后剩余的資源供給隨機(jī)競(jìng)爭(zhēng)接入。當(dāng)調(diào)度用戶的個(gè)數(shù)減少時(shí),供給隨機(jī)競(jìng)爭(zhēng)接入的資源增多,因此,競(jìng)爭(zhēng)用戶成功接入的個(gè)數(shù)也會(huì)相應(yīng)增加;當(dāng)調(diào)度用戶的個(gè)數(shù)增多時(shí),由于在該方法中,首先把資源分配給調(diào)度接入,因此供給隨機(jī)競(jìng)爭(zhēng)接入的資源相應(yīng)減少,導(dǎo)致競(jìng)爭(zhēng)用戶之間發(fā)生碰撞沖突的概率增加,競(jìng)爭(zhēng)用戶成功接入的個(gè)數(shù)也會(huì)相應(yīng)減少,并且由于調(diào)度接入比隨機(jī)競(jìng)爭(zhēng)接入的性能更加穩(wěn)定,因此全部用戶的吞吐量性能也相應(yīng)增加。

圖2是傳統(tǒng)NOMA方法和混疊式NOMA方法的對(duì)比分析圖。其中,左側(cè)部分運(yùn)用了混疊式NOMA方法,右側(cè)部分運(yùn)用了傳統(tǒng)的NOMA方法。假設(shè)某蜂窩網(wǎng)絡(luò)社區(qū)包含8個(gè)子信道和10個(gè)用戶,并且把50%的子信道分配給調(diào)度接入,剩余的子信道供隨機(jī)競(jìng)爭(zhēng)接入。如果調(diào)度用戶有7個(gè),分別表示為(u1,u2,u3,u4,u5,u6,u7);競(jìng)爭(zhēng)用戶有3個(gè),分別表示為(v1,v2,v3)。在此場(chǎng)景中,如果運(yùn)用傳統(tǒng)的NOMA方法,也就是說,分配給調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種訪問模式的資源是嚴(yán)格分離的,那么將會(huì)有1個(gè)調(diào)度用戶(假設(shè)是u7)是分配不到資源的,需要等待BS的下一次調(diào)度分配;與此同時(shí),供隨機(jī)競(jìng)爭(zhēng)接入的資源尚有部分閑置。在同一社區(qū)中,如果調(diào)度用戶有3個(gè),分別表示為(u1,u2,u3);競(jìng)爭(zhēng)用戶有7個(gè),分別表示為(v1,v2,v3,v4,v5,v6,v7)。由于供給隨機(jī)競(jìng)爭(zhēng)接入的資源相對(duì)匱乏,不同的競(jìng)爭(zhēng)用戶之間發(fā)生碰撞沖突的概率相應(yīng)增加;與此同時(shí),分配給調(diào)度接入的資源尚有部分閑置。基于先把資源分配給調(diào)度接入,之后剩余的資源供隨機(jī)競(jìng)爭(zhēng)接入的特性,混疊式NOMA方法可以滿足調(diào)度用戶個(gè)數(shù)和競(jìng)爭(zhēng)用戶個(gè)數(shù)的時(shí)變需求,很好地解決上述兩種場(chǎng)景中由于用戶個(gè)數(shù)的時(shí)變性而出現(xiàn)的問題。由上述兩種NOMA方法的對(duì)比分析可以看出,混疊式NOMA技術(shù)可以進(jìn)一步滿足時(shí)變的網(wǎng)絡(luò)需求,縮短調(diào)度用戶的等待時(shí)延,提高網(wǎng)絡(luò)吞吐量。

圖2 兩種NOMA方法對(duì)比圖Fig.2 Comparison of two NOMA methods

值得注意的是,為了最大程度挖掘混疊式NOMA方法所帶來的優(yōu)勢(shì),需要進(jìn)一步研究高效的問題,該問題的特點(diǎn)在于調(diào)度接入用戶的需求已知,但是競(jìng)爭(zhēng)用戶采用隨機(jī)的方式獲取信道資源,會(huì)帶來不確定性以及沖突。因此,純粹的調(diào)度式接入或者純粹的隨機(jī)性接入方式均不能達(dá)到兩類接入方式整體的資源高效利用。因此,本文對(duì)該問題進(jìn)行建模之后，設(shè)計(jì)了一種基于遺傳算法的混疊式NOMA資源分配算法,以使兩類接入方式的總?cè)萘窟_(dá)到最高。

3 問題建模

對(duì)于采用基于遺傳算法的混疊式NOMA方法的寬帶網(wǎng)絡(luò)社區(qū),已知:① 全部用戶的業(yè)務(wù)需求;② 每個(gè)用戶在不同信道上各自的信噪比(signal to noise ratio,SNR)信息;③ 分配給每個(gè)調(diào)度用戶的資源。在此基礎(chǔ)上,根據(jù)香農(nóng)定理,可以得到資源分配問題的目標(biāo)優(yōu)化函數(shù)為

(2)

式中,c表示全部用戶的香農(nóng)容量;cg表示調(diào)度用戶的香農(nóng)容量,即

(3)

約束條件:

(4)

(5)

αi,j=0,1

(6)

式(4)和式(5)約束了每個(gè)用戶最多可以占據(jù)一個(gè)虛擬層,并且每個(gè)虛擬層最多可以分配給一個(gè)用戶。式(6)表示用戶被分配到某一個(gè)信道上只可能存在兩種情況:被分配和未被分配。

根據(jù)上述分析可以得知,這是一個(gè)非確定性多項(xiàng)式(non-deterministic polynomial,NP)問題,所以無法在多項(xiàng)式時(shí)間內(nèi)找到該問題的優(yōu)化解。在此前提下,本文引入遺傳算法,對(duì)資源分配進(jìn)行優(yōu)化,以找到該問題的優(yōu)化解。

4 算法描述

對(duì)于運(yùn)用混疊式NOMA方法的寬帶網(wǎng)絡(luò)社區(qū),可以引入遺傳算法對(duì)資源分配進(jìn)行優(yōu)化。本文采用的遺傳算法主要包括6個(gè)環(huán)節(jié),分別表示為:初始化環(huán)節(jié)、整數(shù)編碼環(huán)節(jié)、計(jì)算適配度函數(shù)環(huán)節(jié)、選擇操作環(huán)節(jié)、交叉操作環(huán)節(jié)和變異操作環(huán)節(jié),具體流程如圖3所示。

初始化環(huán)節(jié):需要設(shè)定遺傳算法的最大迭代次數(shù)、交叉概率ρc和變異概率ρm,并隨機(jī)生成初始群體。其中,群體規(guī)模由染色體個(gè)數(shù)和每個(gè)染色體的基因位數(shù)決定。并且,用染色體的基因位表示虛擬層。

整數(shù)編碼環(huán)節(jié):首先,假設(shè)群體中某個(gè)染色體表示為c=(x1,x2,…,xL),其中,L表示虛擬層個(gè)數(shù),xi表示分配給每個(gè)虛擬層的用戶,并且,xi=u(u≠0)表示該虛擬層分配給調(diào)度用戶u接入使用,xi=0表示該虛擬層供競(jìng)爭(zhēng)用戶隨機(jī)競(jìng)爭(zhēng)接入。

圖3 遺傳算法流程Fig.3 Flow of genetic algorithm

計(jì)算適配度函數(shù)環(huán)節(jié):采用香農(nóng)公式刻畫信息傳輸速率,并以全部用戶的香農(nóng)容量之和作為遺傳算法的適配度函數(shù)。其中,針對(duì)調(diào)度用戶部分,該算法計(jì)算其在所分配的虛擬層上的香農(nóng)容量;針對(duì)競(jìng)爭(zhēng)用戶部分,該算法根據(jù)估算出的成功接入的競(jìng)爭(zhēng)用戶個(gè)數(shù)得到其香農(nóng)容量。

選擇操作環(huán)節(jié):在上述計(jì)算環(huán)節(jié)中得到的每個(gè)染色體的適配度函數(shù)值中,選擇用適配度函數(shù)值最大的染色體代替適配度函數(shù)值最小的染色體。完成上述選擇操作后,采用最優(yōu)保留策略,直接保留一個(gè)適配度函數(shù)值最大的染色體進(jìn)入下一輪迭代中。

交叉操作環(huán)節(jié):依次隨機(jī)地選擇兩個(gè)染色體進(jìn)行配對(duì),直至全部染色體均完成配對(duì)操作。其中,如果染色體個(gè)數(shù)是奇數(shù),那么適配度函數(shù)值最大的一個(gè)染色體不參與配對(duì)操作。之后,將交叉算子運(yùn)用于群體,并對(duì)已完成上述配對(duì)操作的染色體對(duì)采用改進(jìn)的單點(diǎn)交叉法。該方法具體表現(xiàn)為:假設(shè)選擇的兩個(gè)染色體分別表示為c1=(0,1,2,3,4,5)和c2=(4,2,1,5,0,3),交叉操作后產(chǎn)生的兩個(gè)新染色體分別表示為c3和c4,交叉點(diǎn)位置隨機(jī)地選擇為第3個(gè)基因位,那么根據(jù)交叉概率ρc,將染色體c1第3個(gè)基因位左側(cè)的所有基因作為新染色體c3左側(cè)的基因,之后開始從左到右依次查找染色體c2尚未出現(xiàn)在新染色體c3中的基因,并按在原染色體中的順序依次放到新染色體c3已有基因的后面,直至查找完染色體c2的所有基因,至此,可以得到新染色體c3=(0,1,4,2,5,3)。同理,可以得到新染色體c4=(4,2,0,1,3,5)。

變異操作環(huán)節(jié):在該環(huán)節(jié),將變異算子運(yùn)用于群體中。具體操作為:首先在每個(gè)染色體上隨機(jī)地選取兩個(gè)不同的基因位,之后,根據(jù)變異概率ρm,對(duì)每個(gè)染色體選取的兩個(gè)基因位上的基因進(jìn)行互換操作。

本文不斷重復(fù)上述環(huán)節(jié)中的計(jì)算適配度函數(shù)、選擇操作、交叉操作和變異操作4個(gè)環(huán)節(jié),直至達(dá)到初始化部分設(shè)定的最大迭代次數(shù)。之后,將上述操作輸出的染色體矩陣作為最優(yōu)資源分配方案,輸出的全部用戶的香農(nóng)容量作為整個(gè)系統(tǒng)的效用函數(shù),至此該算法完成。

5 仿真驗(yàn)證

5.1 仿真設(shè)置

本文利用軟件模擬平臺(tái)NS2搭建仿真平臺(tái),并根據(jù)相關(guān)標(biāo)準(zhǔn)和文獻(xiàn)中的典型配置設(shè)置仿真參數(shù)。

在采用混疊式NOMA方法的網(wǎng)絡(luò)場(chǎng)景中,假設(shè)BS位于場(chǎng)景中間,100個(gè)用戶隨機(jī)分布在BS四周。之后,把1 MHz的系統(tǒng)帶寬分為40個(gè)子信道,并把每相鄰的4個(gè)子信道作為一個(gè)子信道組。假設(shè)過載因子是1.5,根據(jù)SCMA方法的性質(zhì)可知,每個(gè)子信道組包含6個(gè)虛擬層。同時(shí),假設(shè)每個(gè)時(shí)隙的時(shí)長為0.5 ms,每個(gè)時(shí)隙發(fā)送的比特流長度為1 000 Bits,信道編碼采用1/2碼率的低密度奇偶校驗(yàn)碼(low density parity check code,LDPC)。與以往仿真不同的地方是,在本仿真場(chǎng)景中,每個(gè)用戶在不同子信道上的SNR不同,并且SNR在文獻(xiàn)[2]中呈均勻分布。

5.2 仿真性能分析

基于采用的資源分配算法和NOMA方法的不同,本仿真對(duì)比了4種不同的方案,分別為:基于隨機(jī)資源分配算法且沒有運(yùn)用混疊式NOMA方法的方案、基于隨機(jī)資源分配算法且運(yùn)用混疊式NOMA方法的方案、基于啟發(fā)式算法且運(yùn)用SGMA方法的方案和基于遺傳算法且運(yùn)用混疊式NOMA方法的方案。其中,在基于隨機(jī)資源分配算法且沒有運(yùn)用混疊式NOMA方法的方案中,分配給調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者的信道資源是嚴(yán)格分離的;而在其他3種方案中,信道資源優(yōu)先分配給調(diào)度用戶,之后,剩余的信道資源供競(jìng)爭(zhēng)用戶隨機(jī)接入。并且,啟發(fā)式算法僅考慮到優(yōu)化調(diào)度用戶的資源分配,而遺傳算法則全面考慮優(yōu)化全部用戶的資源分配。

5.2.1 調(diào)度用戶的個(gè)數(shù)對(duì)系統(tǒng)性能的影響

假設(shè)該場(chǎng)景中2/3的信道資源分配給調(diào)度用戶,剩余的信道資源供競(jìng)爭(zhēng)用戶隨機(jī)接入;并且,競(jìng)爭(zhēng)用戶的隨機(jī)接入概率是1/2。

平均吞吐量性能與調(diào)度用戶個(gè)數(shù)的關(guān)系如圖4和圖5所示,基于遺傳算法且運(yùn)用混疊式NOMA方法的方案，平均吞吐量性能優(yōu)于其他3種方案。

圖4 全部用戶的平均吞吐量性能與調(diào)度用戶個(gè)數(shù)的關(guān)系Fig.4 Relationship between the average throughput performance of all users and the number of scheduled users

圖5 調(diào)度用戶和競(jìng)爭(zhēng)用戶各自的平均吞吐量性能與調(diào)度用戶個(gè)數(shù)的關(guān)系Fig.5 Relationship between the average throughput performance of scheduled users and competing users and the number of scheduled users

對(duì)于基于隨機(jī)資源分配算法且沒有運(yùn)用混疊式NOMA方法的方案,分配給調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者的信道資源是嚴(yán)格分離的。因此,隨著調(diào)度用戶個(gè)數(shù)的增加,其吞吐量持續(xù)增長,直到所有的虛擬層均分配給調(diào)度用戶,之后,其吞吐量基本保持不變。與此同時(shí),競(jìng)爭(zhēng)用戶的個(gè)數(shù)逐漸減少,相互之間發(fā)生碰撞沖突的概率隨之減小。因此,競(jìng)爭(zhēng)用戶的吞吐量略有增加;之后,隨著競(jìng)爭(zhēng)用戶的個(gè)數(shù)越來越少,競(jìng)爭(zhēng)用戶的吞吐量也逐漸減少。由于調(diào)度用戶的吞吐量性能比競(jìng)爭(zhēng)用戶的吞吐量性能更加穩(wěn)定,因此該方案的平均吞吐量隨著調(diào)度用戶個(gè)數(shù)的增加呈現(xiàn)先增加后減少的趨勢(shì)。

對(duì)于其他3種方案,其平均吞吐量隨著調(diào)度用戶個(gè)數(shù)的增加呈現(xiàn)先增加后基本保持不變的趨勢(shì)。這是由于資源優(yōu)先分配給調(diào)度用戶,之后剩余的資源供競(jìng)爭(zhēng)用戶隨機(jī)接入,所以隨著調(diào)度用戶個(gè)數(shù)的增加,調(diào)度用戶的吞吐量持續(xù)增加,直至所有的虛擬層均分配給調(diào)度用戶,之后其吞吐量基本保持穩(wěn)定。與此同時(shí),分配給競(jìng)爭(zhēng)用戶的虛擬層逐漸減少,競(jìng)爭(zhēng)用戶的吞吐量逐漸減少,直至接近零?；趩l(fā)式算法和遺傳算法分別針對(duì)調(diào)度用戶和全部用戶的資源分配進(jìn)行優(yōu)化,后兩種方案的吞吐量性能優(yōu)于基于隨機(jī)資源分配算法且運(yùn)用混疊式NOMA方法的方案。并且,基于遺傳算法且運(yùn)用混疊式NOMA方法的方案平均吞吐量性能優(yōu)于基于啟發(fā)式算法且運(yùn)用SGMA方法的方案。

5.2.2 調(diào)度用戶所占信道比率對(duì)系統(tǒng)性能的影響

假設(shè)在該場(chǎng)景中,調(diào)度用戶有40個(gè),競(jìng)爭(zhēng)用戶有60個(gè),且競(jìng)爭(zhēng)用戶的隨機(jī)接入概率是0.5。

如圖6和圖7所示,基于遺傳算法且運(yùn)用混疊式NOMA方法的方案平均吞吐量性能優(yōu)于其他3種方案。在基于隨機(jī)資源分配算法且沒有運(yùn)用混疊式NOMA方法的方案中,其平均吞吐量隨著調(diào)度用戶所占信道比率的增加呈現(xiàn)先增加后減少的趨勢(shì)。這是因?yàn)樵谠摲桨钢?分配給調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者的資源是嚴(yán)格分離的。因此,隨著調(diào)度用戶所占信道比率的增加,調(diào)度用戶的吞吐量持續(xù)增長,直到所有的用戶均已分配到虛擬層,之后其吞吐量基本保持不變。與此同時(shí),競(jìng)爭(zhēng)用戶所占信道比率減少,開始階段,競(jìng)爭(zhēng)用戶基本均可以接入虛擬層,故其吞吐量基本保持不變,之后,隨著可供競(jìng)爭(zhēng)用戶接入的虛擬層越來越少,相互之間發(fā)生碰撞沖突的概率隨之增加,故其吞吐量逐漸減少。由于調(diào)度用戶的吞吐量性能比競(jìng)爭(zhēng)用戶的吞吐量性能更加穩(wěn)定,因此,該方案的平均吞吐量隨著調(diào)度用戶所占信道比率的增加呈現(xiàn)先增加后減少的趨勢(shì)。

圖6 全部用戶的平均吞吐量性能與調(diào)度用戶所占信道比率的關(guān)系Fig.6 Relationship between the average throughput performance of all users and the ratio of channels allocated to scheduled users

對(duì)于其他3種方案,其平均吞吐量隨著調(diào)度用戶所占信道比率的變化基本保持穩(wěn)定不變。這是因?yàn)橘Y源優(yōu)先分配給調(diào)度用戶,之后剩余的資源供競(jìng)爭(zhēng)用戶隨機(jī)接入,因此,調(diào)度用戶所占信道比率的變化對(duì)調(diào)度用戶和競(jìng)爭(zhēng)用戶兩者的吞吐量基本沒有影響,均基本保持不變。并且,由于后兩種方案分別對(duì)調(diào)度用戶和全部用戶的資源分配進(jìn)行優(yōu)化,因此,其吞吐量性能更佳,并且基于遺傳算法且運(yùn)用混疊式NOMA方法的方案的吞吐量性能優(yōu)于基于啟發(fā)式算法且運(yùn)用SGMA方法的方案。

圖7 調(diào)度用戶和競(jìng)爭(zhēng)用戶各自的平均吞吐量性能與調(diào)度用戶所占信道比率的關(guān)系Fig.7 Relationship between the average throughput performance of scheduled and competing users and the ratio ofchannels allocated to scheduled users

6 結(jié) 論

為了解決寬帶網(wǎng)超密集無線連接和超大規(guī)模網(wǎng)絡(luò)容量的問題,本文提出了一種混疊式NOMA方法,該方法允許調(diào)度用戶和競(jìng)爭(zhēng)用戶以細(xì)粒度融合的方式共享同一信道單元。在此基礎(chǔ)上,進(jìn)一步提出了基于遺傳算法的NOMA資源分配算法,該算法針對(duì)調(diào)度接入和隨機(jī)競(jìng)爭(zhēng)接入兩種接入模式的資源分配進(jìn)行了整體優(yōu)化。通過與其他3種方案的仿真對(duì)比證明,本文提出的混疊式NOMA方法及其資源分配算法在各種場(chǎng)景下均能夠提升吞吐量性能。隨著無線連接愈發(fā)密集以及網(wǎng)絡(luò)規(guī)模不斷擴(kuò)大,本文所設(shè)計(jì)的方法能夠進(jìn)一步凸顯其優(yōu)勢(shì)。一方面,本文仿真結(jié)果證明了隨著用戶數(shù)的增大,所提方案持續(xù)具有性能增益。另一方面,無線連接數(shù)和網(wǎng)絡(luò)規(guī)模的擴(kuò)大使得隨機(jī)競(jìng)爭(zhēng)接入為系統(tǒng)所帶來的不確定性加大,如果依然沿襲傳統(tǒng)的基于資源隔離的分配方法會(huì)使得資源利用率更低,而本文方法正是充分考慮了調(diào)度接入和隨機(jī)接入的聯(lián)合性能,因而具有更好的適應(yīng)性和擴(kuò)展性。