基于匹配理论的认知NOMA-OFDM系统的频谱利用率分析

简介：
本研究采用认知网络与非正交多址接入技术结合的NOMA-OFDM系统，并运用匹配理论探讨其频谱利用效率，旨在提升无线通信性能。 在5G时代到来之际，数据传输速率的需求呈指数级增长，这迫切需要更多的频谱资源支持。然而现有的可用频谱资源已经被分配但并未充分利用，这时认知无线电（Cognitive Radio, CR）技术便应运而生。它允许次用户（Secondary Users, SUs）在主用户（Primary Users, PUs）未使用时利用闲置的频谱资源，从而提高频谱效率。 本段落的核心研究内容是将非正交多址接入(NOMA)技术和认知OFDM系统结合在一起，形成一种新的认知NOMA-OFDM系统。这一技术旨在提升系统的容量和用户数量。面对这个问题，我们将其建模为一个涉及感应时间、用户选择以及功率分配的优化问题，并且在最大发射功率与允许的最大干扰之间找到平衡。 为了克服非凸性带来的挑战，我们将原问题分解成三个子问题：感应时间优化、用户选择优化及功率分配优化。基于每个子问题的独特性质，我们分别提出了二分搜索法、基于匹配理论的用户选择以及差分（DC）规划三种算法来解决这些问题。此外还提供了一种交替迭代算法用于联合处理这三个子问题。 仿真结果显示了所提出方案在快速收敛和性能提升上的有效性，并为认知NOMA-OFDM系统中的频谱利用提供了新的理论基础与框架，从而更好地使用现有资源并提高无线通信系统的整体效率。 文中提到的匹配理论是一种数学模型，可以描述参与者基于个人偏好进行配对的问题，在经济学、计算机科学以及无线通信领域都有广泛应用。在此处用于优化用户选择过程以根据优先级或服务质量需求分配资源给不同的用户。 DC规划技术则是一类解决非凸问题的方法，通过将复杂非凸问题转化为两个凸函数的差来简化求解难度。它在无线通信系统的资源管理中被广泛使用，因为这些问题是高度非线性和非凸性的。 交替迭代算法在此用于处理联合优化中的子问题，该方法通过交替的方式对各个子问题进行优化直到找到一个最优或满意的结果。这种方法是解决此类复杂优化问题的常见策略之一，并且能够比传统技术更快地收敛到更优解。 综上所述，本段落深入探讨了如何在认知无线电中结合NOMA-OFDM来提高频谱利用效率的问题，通过数学建模和算法设计提出了新的解决方案，这对未来5G乃至6G等新一代无线通信技术的发展具有重要的参考价值。