Математическая модель системы MIMO-NOMA

Обложка

Цитировать

Полный текст

Аннотация

Актуальность исследования. Современные сети мобильной связи нового поколения предъявляют крайне высокие требования к спектральной эффективности, надежности и устойчивости работы в условиях городской застройки и высокой плотности пользователей. Технология MIMO-NOMA, несмотря на доказанный потенциал, требует пересмотра существующих моделей в связи с необходимостью учета пространственной динамики пользователей, поляризационных искажений, аппаратной нелинейности и ошибок оценки канала. Отсутствие комплексных моделей, способных учесть эти факторы одновременно, значительно ограничивает возможность адекватной оптимизации систем в практических сценариях.Целью исследования является построение полной математической модели участка MIMO-NOMA между прекодером и схемой сложения в комплексной низкочастотной области, учитывающей движение и ориентацию терминалов, поляризацию антенн, нелинейности усилителей и ошибки CSI для анализа и оптимизации алгоритмов прекодирования и SIC.Методы исследования. В рамках моделирования применены: стохастические процессы (включая модель Орнштейна – Уленбека и социальные силы) для описания движения пользователей; аналитическая геометрия для описания пространственной ориентации антенн; методы теории электромагнитного распространения для моделирования кросс-поляризационных эффектов; модели Салеха и Вольтерра для описания нелинейности усилителей мощности в диапазонах FR1 и FR2.Результаты исследования. Получена векторная модель сигнала, учитывающая влияние ориентации терминала, интерференции, поляризационных и нелинейных искажений, а также ошибок CSI. Выведены аналитические выражения для оценки SINR, SER, пропускной способности и энергетической эффективности с учетом всех искажений. Проведен сравнительный анализ предложенной модели с существующими стандартами (3GPP, ITU-R) и академическими подходами (DL-based, IRS-assisted), показавший ее преимущество по степени реализма и аналитической полноте.Научная новизна. Впервые предложена математическая модель системы MIMO-NOMA, одновременно учитывающая динамику терминалов, двойную поляризацию, нелинейности с эффектами памяти и многолучевые сценарии, обеспечивая аналитическое описание в едином пространстве параметров.Теоретическая и практическая значимость. Модель уточняет описание канала MIMO-NOMA и поддерживает оптимизацию прекодеров, схем сложения в комплексной низкочастотной области и алгоритмов SIC в сетях мобильной связи нового поколения, особенно в условиях высокой подвижности и плотной городской застройки.

Об авторах

И. В. Гришин

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: grishin.iv@sut.ru

Г. А. Фокин

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: fokin.ga@sut.ru

А. А. Калинкина

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: kalina110694@gmail.com

А. М. Синильников

Национальный исследовательский центр телекоммуникаций им. М.И. Кривошеева, филиал

Email: sinilam01@gmail.com

Список литературы

  1. Ding Z., Lei X., Karagiannidis G.K., Schober R., Yuan J., Bhargava V.K. A Survey on Non-Orthogonal Multiple Access for 5G Networks: Research Challenges and Future Trends // IEEE Journal on Selected Areas in Communications. 2017. Vol. 35. Iss. 10. PP. 2181–2195. doi: 10.1109/JSAC.2017.2725519. EDN:YGQORJ
  2. Willems J., Corbetta A., Menkovski V., Toschi F. Pedestrian orientation dynamics from high-fidelity measurements // Scientific Reports. 2020. Vol. 10. Iss. 1. PP. 11653. doi: 10.1038/s41598-020-68287-6
  3. Helbing D., Molnar P. Social Force Model for Pedestrian Dynamics // Physical Review E. 1998. Vol. 51. Iss. 5. PP. 482–486. doi: 10.1103/PhysRevE.51.4282
  4. Ge Q., Sun Q., Li S.E., Zheng S., Wu W., Chen X. Numerically Stable Dynamic Bicycle Model for Discrete-Time Control // Proceedings of the Intelligent Vehicles Symposium Workshops (IV Workshops, Nagoya, Japan, 11–17 July 2021). IEEE, 2021. PP. 128–134. doi: 10.1109/IVWorkshops54471.2021.9669260
  5. Lai F., Huang C. Seventh-Degree Polynomial-Based Single Lane Change Trajectory Planning and Four-Wheel Steering Model Predictive Tracking Control for Intelligent Vehicles // Vehicles. 2024. Vol. 6. Iss. 4. PP. 2228–2250. doi: 10.3390/vehicles6040109. EDN:MERHQF
  6. Rec. ITU-R P.1411-12 (08/2023). Propagation data and prediction methods for the planning of short-range outdoor radio-communication systems and radio local area networks in the frequency range 300 MHz to 100 GHz.
  7. GPP TR 38.901 V18.0.0 (2023-12). Study on Channel Model for Frequencies from 0.5 to 100 GHz.
  8. Rec. ITU-R P.530-18 (09/2021). Propagation data and prediction methods required for the design of terrestrial line-of-sight systems.
  9. Rec. ITU-R P.833-10 (09/2021). Attenuation in vegetation.
  10. Rec. ITU-R P.838-3 (1992-1999-2003-2005). Specific attenuation model for rain for use in prediction methods.
  11. Molisch A.F. Wireless Communications. John Wiley & Sons, 2011. 884 p.
  12. Ma Z., Ai B., He R., Wang G., Zhong Z., Yang M. Impact of UAV Rotation on MIMO Channel Space-Time Correlation // Proceedings of the 92nd Vehicular Technology Conference (VTC2020-Fall, Victoria, Canada, 18 November 2020 – 16 December 2020). IEEE, 2021. doi: 10.1109/VTC2020-Fall49728.2020.9348811
  13. Zeng L., Cheng X., Wang C.-X., Yin X. A 3D Geometry-Based Stochastic Channel Model for UAV-MIMO Channels // Proceedings of the Wireless Communications and Networking Conference (WCNC, San Francisco, USA, 19–22 March 2017). IEEE, 2017. doi: 10.1109/WCNC.2017.7925794
  14. Wu Y., Gu Y., Wang Z. Efficient Channel Estimation for mmWave MIMO With Transceiver Hardware Impairments // IEEE Transactions on Vehicular Technology. 2019. Vol. 68. Iss. 10. PP. 9883–9895. doi: 10.1109/TVT.2019.2934167
  15. Beddiaf S., Khelil A., Khennoufa F., Kara F., Kaya H., Li X. A Unified Performance Analysis of Cooperative NOMA with Prac-tical Constraints: Hardware Impairment, Imperfect SIC and CSI // IEEE Access. 2022. Vol. 10. PP. 132931–132948. doi: 10.1109/access.2022.3230650. EDN:EIBYDD
  16. Saleh A.A.M. Frequency-Independent and Frequency-Dependent Nonlinear Models of TWT Amplifiers // IEEE Transactions on Communications. 1981. Vol. 29. Iss. 11. PP. 1715–1720. doi: 10.1109/TCOM.1981.1094911
  17. Isaksson M., Wisell D., Ronnow D. A comparative analysis of behavioral models for RF power amplifiers // IEEE Transactions on Microwave Theory and Techniques. 2006. Vol. 54. Iss. 1. PP. 348–359. doi: 10.1109/TMTT.2005.860500
  18. Rönnow D. Software for determining the third order Volterra kernels of radio frequency power amplifiers. 2005. doi: 10.13140/2.1.4327.8724
  19. Синильников А.М., Фокин Г.А., Гришин И.В., Калинкина А.А. Анализ пропускной способности систем MIMO-NOMA // Электросвязь. 2024. № 10. С. 20–32. doi: 10.34832/ELSV.2024.59.10.004. EDN:DFCTXZ
  20. Синильников А.М., Фокин Г.А., Гришин И.В., Калинкина А.А. Анализ технологии неортогонального множественного доступа с разделением по мощности PD-NOMA // Вестник СибГУТИ. 2024. Т. 18. №. 4. С. 3–21. doi: 10.55648/1998-6920-2024-18-4-3-21. EDN:HOVCSL
  21. Jain R., Chiu D.-M., Hawe W.R. A Quantitative Measure of Fairness and Discrimination for Resource Allocation in Shared Computer Systems. DEC Research Report TR-301. 1984.
  22. Rec. ITU-R M.2412-0 (10/2017). Guidelines for evaluation of radio interface technologies for IMT 2020.
  23. Kyösti P., Meinilä J., Hentilä L., Holma P., Käske M., Narandžić M., et al. WINNER II Channel Models for System Level Simulations. Final Report on Model Specification. Version 1.2. 2008. URL: http://signserv.signal.uu.se/Publications/WINNER/WIN2D112.pdf
  24. Holma P., Meinilä J., Kyösti P., Hentilä L., Jämsä T., Suikkanen E., et al. CP5-026 WINNER+ D5.3 v1.0 WINNER+ Final Channel Models. 2010.
  25. Chi Y., Liu L., Song G., Yuen C., Guan Y.L., Li Y. Practical MIMO-NOMA: Low Complexity & Capacity-Approaching Solution // arXiv preprint. 2018. doi: 10.48550/arXiv.1807.06846
  26. de Sena A.S., Nardelli P.H.J., da Costa D.B., Lima F.R.M., Yang L., Popovski P., Ding Z., Papadias C.B. IRS-Assisted Massive MIMO-NOMA Networks with Polarization Diversity // arXiv preprint. 2021. doi: 10.48550/arXiv.2105.12952

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».