NOMA系统中基于全面学习粒子群算法的功率分配优化*
2021-12-14徐佳程嘉蔚柏仕超李晓辉王艺玲
徐佳,程嘉蔚,柏仕超,李晓辉,王艺玲
(安徽大学电子信息工程学院,安徽 合肥 230039)
0 引言
随着移动互联网的不断发展,移动数据呈现出快速增长的趋势,传统的正交多址(OMA,Orthogonal Multiple Access)技术已经满足不了海量的连接需求[1-2]。为了解决这些问题,5G 中引入了新型多址接入技术[3-4]。其中,非正交多址(NOMA,Non-orthogonal Multiple Access)技术是下一代蜂窝通信中最具有潜力的技术之一[5-6]。NOMA 技术集时域、频域和功率域于一体,并在发送端引入了功率域复用技术[7],使多用户能够共享资源,摆脱了传统的单用户独享资源的限制。
由于NOMA 系统具有功率域复用的特性,所以对功率合理分配是一个关键性问题[8-9]。参考文献[10]中介绍了全搜索功率分配算法(FSPA,Full Search Power Allocation),该算法是实现NOMA 系统最佳性能的功率分配方案之一。但是当用户数增加时,计算复杂度甚高,在实际操作中难以实现。参考文献[11]中介绍了固定功率分配算法(FPA,Fixed Power Allocation)和分数阶功率分配算法(FTPA,Fractional Transmit Power Allocation),其中,FPA 算法虽然减少了计算复杂度,但是没有考虑信道状态对功率分配的影响,所以得到的系统性能并不是最佳的;而FTPA 算法是在FPA 算法的基础上,引入了动态的功率分配因子,保证了低信道增益用户的吞吐量,符合实际操作环境[12]。参考文献[13]中介绍了迭代注水功率分配算法,有效降低了计算复杂度,但是在降低能耗方面还有所欠缺。
采用粒子群算法(PSO,Particle Swarm Optimization)进行功率分配可以实现节能减耗的目标,使能量效率最大化。参考文献[14]中介绍了采用原始粒子群算法进行功率分配的方法,但原始粒……
