性能评估 | 带你读《5G非正交多址技术》之十

简介: 为验证第 2.1 节的容量区域,在 AWGN 信道进行链路仿真。

第 2 章 下行非正交传输技术

| 2.5 比特分割 |

| 2.6 性能评估 |

2.6.1 链路性能

为验证第 2.1 节的容量区域,在 AWGN 信道进行链路仿真。UE1(近端用 户)和 UE2(远端用户)的 SNR 分别为 20 dB 和 0 dB。远端用户采用 QPSK, 近端用户采用 QPSK、16QAM 或者 64QAM。功率分配比为:0.7 : 0.3,0.75 : 0.25, 0.8 : 0.2;0.85 : 0.15,0.9 : 0.1。对于正交传输,自由度分配为 0.1~0.9。
取靠近容量界的一些速率对,终大致拟合出的容量界如图 2-20 所示。容 易发现,在感兴趣的区域内(如边缘用户速率/谱效在 0.5~0.9 bit/(s·Hz)区 域内),NOMA 明显高于 OMA 的容量界。
image.png
从 BLER 曲线角度,观察 Gray 叠加+SLIC 接收机相对非 Gray 叠加+SLIC 接收机的性能增益。具体地,通过调整远近用户的功率比,先对齐两个方案的远端用户性能,然后在所述功率比下比较两个方案的近端用户的性能。从图 2-21 可以看出,复合星座图符合 Gray 映射的方案的性能相对功率域直接叠加方案的 性能有非常明显的增益。
image.png
图 2-22 对比了 3 种情形下的非正交传输的链路性能,用速率区域(Rate Region)来描述。其中,UE1 代表近端用户,其信噪比为 20 dB;UE2 代表远 端用户,信噪比为 8 dB。相对于图 2-20 中的仿真,图 2-22 的仿真更加符合实 际,例如考虑衰落信道、较为实际的接收机、信道估计误差等。
图 2-22 中的三角形图标的点是当复合星座图不具有 Gray 映射时采用码块 级干扰消除得到的结果,而菱形图标的点是当复合星座图具有 Gray 映射,但采 用调制符号级干扰消除得到的结果。可以看出这两种情形下的性能,即速率区 域是重合的,难分高低。并且随着远端用户分配的功率的增加,近端用户速率 单调降低,远端用户速率单调增加。这说明如果叠加而成的星座图不符合 Gray 特性,则必须用更复杂的接收机,如码块级干扰消除来达到 Gray 映射+相对简 单许多的符号级干扰消除的性能。而如果既不能保障 Gray 映射,又不想采用复 杂的码块级干扰消除,那么其性能就如图中的方形图标的点所示。当近端用户 分配的功率较高时,复合星座点中距离较近的,由于没有 Gray 映射的保护,噪 声很容易造成错误译码,远端用户的干扰消得不干净,使得近端用户的速率相 比其他两种情形要低许多。只有当远端用户分配的功率逐渐提高时,其译码的 成功率得到明显改善,所造成的干扰可以消得比较彻底,故近端用户的速率接 近其他两种情况。
image.png

2.6.2 系统性能

1.Full Buffer 业务,宽带调度
基于表 2-3 的参数配置表进行配置,其中天线配置为 2 发 2 收,交叉极化, 终端移动速度为 3 km/h,接收机为 MMSE+CWIC,宽带调度。表 2-6 给出了下 行非正交传输和正交传输(这里是 SU-MIMO)的 Full Buffer 业务下的一个系 统仿真结果。从表 2-6 可以看出,边缘频谱效率方面,相对传输正交提升 30.7%。 平均频谱效率方面,相对正交传输提升约 9.25%。
image.png
在 3GPP MUST 研究当中,有多个厂家对 Full Buffer 业务进行了宽带调度 的仿真,增益范围为如下:扇区平均谱效增益为 4.37%~12.9%。扇区边缘谱效 增益为 12.9%~31%。
如前面小节所述,多用户的多天线(MU-MIMO)技术与非正交传输一样, 都是通过叠加用户在相同的资源上,以达到更高的和速率。由于一个小区的用 户数有限,调度器需要在多天线技术和非正交传输之间做好平衡。这会使得当 两种方法混用时,各自的增益都会较低一些。所以总的增益并不是各自增益的 叠加。不过,多天线技术下的多用户配对的准则是空间信道的低相关并且用户 的信噪比比较接近,而非正交传输的用户配对需要用户之间有远近效应。
表 2-7 是一个 4 发射天线的系统仿真结果,每个扇区的用户数是 10。可以 看出如果配对用户可以采用不同的空间预编码,其小区平均谱效相对基线(正 交传输)的情形有 35%的显著增益,而如果只能采用相同的空间预编码则对平 均谱效带来的增益只有 2%。这说明至少从小区平均吞吐的角度,多天线技术可 以较好地与非正交传输结合,来进一步提高小区平均谱效。当然也注意到,采用 不同的预编码,对小区边缘的谱效并没有积极的效果,其增益从 17%降至 6%。
image.png
2.FTP 业务,两发射天线,宽带调度
表 2-8 给出了 FTP1 业务,文件大小为 0.1 MB 高负载情况下与 SU-MIMO 的性能(以 UPT 度量,User Perceived Throughput,用户感知吞吐)对比情况。 从表 2-8 中结果可以看出:资源利用率(RU)为 0.7 左右时,平均吞吐量方面, 下行非正交传输相对正交传输有 10.7%的增益;边缘吞吐量方面,下行非正交 传输相对正交传输有 17.8%的增益。RU 为 0.8 左右时,平均吞吐量方面,下行 非正交传输相对正交传输有 15.54%的增益;边缘吞吐量方面,下行非正交传输 相对正交传输有 8.85%的增益。相比 RU 为 0.7 左右时的增益,RU 为 0.8 左右 时下行非正交传输边缘吞吐量的增益要小一些,原因是更多的数据包未能在规 定的时间内传输完成而被丢弃。
系统性能的趋势可以从激活用户数、调度用户比例等统计结果来解释。 图 2-23(a)给出了 RU 为 0.7 左右时,扇区中激活用户数比例,同时激活的用 户数多为 21 个。图 2-23(b)给出了 RU 为 0.8 左右时,扇区中激活用户数 比例,同时激活的用户数多为 24 个。激活用户越多,意味着被调度的用户数 越多。
image.png
image.png
图 2-24(a)给出了 RU 大约为 0.7 时,下行非正交传输时配对用户比例,将 近 57%的用户进行正交多址传输,13%的用户进行下行非正交传输。图 2-24(b) 给出了 RU 大约为 0.8 时,下行非正交传输时配对用户比例,将近 59%的用户 进行正交多址传输,25%的用户进行下行非正交传输,这说明负载越高,配对 成功的概率越高。这就解释了为什么非正交传输在小区平均体验速率、50%体 验速率和 95%体验速率相比正交传输有明显的增益。
image.png
image.png
不同负载下,非正交传输相对正交传输的性能增益不同。RU 越接近 1,其 性能越接近 Full Buffer 的性能。在 3GPP MUST 研究当中,有多个厂家对 FTP 业务进行了宽带调度的仿真。当 RU 约为 60%和 80%时,非正交传输相比正交 传输的增益范围如下。

  • RU 约为 60%时,平均用户侧吞吐量增益为−9%~7.97%。用户侧平均吞 吐量增益为−13%~15.89%。
  • RU 约为 80%时,平均用户侧吞吐量增益为 1%~20.23%。用户侧平均吞 吐量增益为 4.4%~25.37%。

3.FTP 业务,两发射天线,子带调度
图 2-25 是每个扇区内的同时进行子带调度的用户数的分布,相应的资源利 用率在 76%左右。这个分布与调度器算法关系很大。大约有 27%的时间,一个 扇区内只有一个用户被调度。
image.png
图 2-26 是系统仿真的用户感知的吞吐量分布。对比了正交传输的单用户 MIMO,基于镜像转换的非正交(也称 MUST Category 2)和比特分割的非正交 (也称 MUST Category 3)的吞吐。仿真中的基站侧和终端侧分别有两根天线, 每个用户可以是一层(Rank = 1)或者二层传输(Rank = 2)。非正交配对的两 个用户的空间预编码矩阵相同。在镜像转换的方案中,功率分配有 4 种,即 α = 0.14,0.17,0.23,0.36。调度器可以动态地在正交传输和非正交传输之间切换, 并且带有外环的链路自适应,用来补偿 CQI 估计不准确和信令延迟的影响。图 中分别考察了 RU 在 60%和 80%左右的吞吐量。
image.png
表 2-9 列举了当资源利用率在 85%左右时,用户感知吞吐量的均值,95%、 50%、5%以及底部 5%的均值。可以看出镜像转换方案的吞吐在中等速率和小 区边缘速率上较比特分割的方案要略好,公平性更好。这与之前的分析相符, 即镜像转换方案可以支持更灵活的功率分配,以充分发挥非正交传输的潜在 优势。
image.png

| 2.7 其他技术 |

相关文章
|
7天前
|
物联网 5G 智能硬件
介绍频段、带宽、频率、调制、解调等基础术语,以及Wi-Fi、蓝牙、ZigBee、UWB、LTE、5G等常见无线通信技术
在无线通信领域,专业术语是理解技术的关键。本文详细介绍了频段、带宽、频率、调制、解调等基础术语,以及Wi-Fi、蓝牙、ZigBee、UWB、LTE、5G等常见无线通信技术,还涵盖了信号传播、信道容量、信噪比等深入概念。通过本文,你将掌握无线技术的核心知识,成为半个无线专家。
20 4
|
18天前
|
传感器 监控 自动驾驶
|
17天前
|
边缘计算 物联网 5G
5G小基站技术:解决室内覆盖难题
【10月更文挑战第25天】
46 5
|
14天前
|
人工智能 运维 数据挖掘
跨界融合:AI与5G技术如何共同推动数字化转型
【10月更文挑战第29天】本文探讨了人工智能(AI)与第五代移动通信技术(5G)的结合如何推动数字化转型。通过高速、低延迟的5G网络和AI的数据分析能力,两者相辅相成,实现了智能化网络运维、增强网络功能和多行业的实际应用。文中提供了网络流量预测和故障预测的示例代码,展示了技术的实际应用潜力。
32 1
|
17天前
|
运维 安全 5G
|
16天前
|
传感器 安全 物联网
5G车联网技术:智能交通的未来
【10月更文挑战第26天】
39 1
|
18天前
|
机器学习/深度学习 人工智能 算法
|
18天前
|
安全 自动驾驶 物联网
5G技术概览:开启万物互联新时代
【10月更文挑战第23天】
39 1
|
30天前
|
安全 物联网 5G
5G技术对软件开发的影响及应对策略
【10月更文挑战第11天】5G技术的商用化正迅速推进,其高速度、低延迟和高可靠性将深刻影响软件开发。本文探讨了5G技术的特点及其对移动应用、物联网、后端服务和安全性的具体影响,并提出了开发者应采取的优化策略,包括提升移动应用体验、扩展物联网应用、强化后端服务和加强安全性。通过这些策略,开发者可以充分利用5G技术,为用户提供更好的服务。
|
1月前
|
物联网 5G 调度