《IMT-2030(6G)推进组:2023新型多址接入技术研究报告(43页).pdf》由会员分享,可在线阅读,更多相关《IMT-2030(6G)推进组:2023新型多址接入技术研究报告(43页).pdf(43页珍藏版)》请在三个皮匠报告上搜索。
1、北京稻壳科技有限公司Beijing Rice Hull Technology Co.,Ltd.地址:北京市朝阳区九住路 188 号IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2023 年年 12 月月版权声明版权声明 Copyright Notification未经书面许可未经书面许可 禁止打印、复制及通过任何媒体传播禁止打印、复制及通过任何媒体传播2023 IMT-2030(6G)推进组版权所有2IMT-2030(6G)推进组IMT-2030(6G)Promotion Group目录第一章第一章新型多址接入概述新型多址接入概述.51.1基本概念和原理.
2、51.2技术研究的国内外现状.61.3产业发展现状.71.4与 5G 非正交多址研究的区别.8第二章第二章应用场景和性能指标需求应用场景和性能指标需求.92.16G 系统的典型场景和空口关键性能指标.92.2海量连接场景.92.3密集紧要连接场景.102.4空天地一体化场景.102.5大容量场景.112.6需求小结.12第三章第三章多址接入的理论研究多址接入的理论研究.133.1无标识多址接入的信息论容量界.133.1.1系统模型.133.1.2CSIR 理论界.143.1.3No-CSI 理论界.153.1.4数值计算结果.153.2基于随机几何分析免调度叠加传输理论性能界.16第四章第四章
3、海量多址接入关键技术海量多址接入关键技术.184.1稀疏 IDMA+压缩感知.184.1.1系统架构.184.1.2接收机算法.204.1.3初步仿真结果.214.2线性扩展类的传输.254.2.1基于码域空域联合扩展的无连接传输.254.2.2基于立方分割码本.284.2.3级联式线性扩展码本.294.2.4基于模式分割的随机接入方案.304.3多段编译码.304.3.1压缩感知.304.3.2资源跳跃.324.4混合类或其它方案.344.4.1基于 Reed-Muller 码.344.4.2稀疏 IDMA+有限域扩展.354.4.3可扩展同步前导序列.37参考文献参考文献.38具体贡献说明
4、具体贡献说明.413IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图目录图 1-1下行两用户系统非正交多址(NOMA)与正交多址(OMA)的容量比较.5图 1-2上行两用户系统非正交多址(NOMA)与正交多址(OMA)的容量比较.6图 2-1新型多址接入的四大应用场景.9图 2-2紧要连接场景:智能工厂(左图)、V2X(右图).10图 2-3空天地一体化场景31.11图 2-4大容量场景.11图 3-1多址接入研究现状与本节研究内容.13图 3-2活跃用户数随每比特能量的变化.16图 3-3频谱利用效率随天线数的变化.16图 3-4CS-GF-NOMA 系
5、统的检测成功率。(a)与 P 的关系;(b)与 N 的关系.17图 4-1稀疏 IDMA 的系统架构.18图 4-2基于 LDPC 码的稀疏 IDMA 的编译码原理.19图 4-3基于极化调整卷积编码的稀疏 IDMA 编译码框架.20图 4-4稀疏 IDMA 的和EXIT 分析.20图 4-5基于压缩感知的迭代检测.21图 4-6MAMP 接收机.21图 4-7错误检测概率与 FFT 大小关系,激活用户数是 300.22图 4-8卷积码和 LDPC 性能比较.23图 4-9真实信道估计及其性能.23图 4-10SNR 门限随活跃用户数的变化关系.24图 4-11基于极化调整卷积码的稀疏 IDM
6、A 仿真性能.24图 4-12用户激活检测仿真性能对比.25图 4-13线性扩展随机接入多址发射机.25图 4-14分区匹配法(Partition Matching Method).27图 4-15超低碰撞率导频.27图 4-16发射机系统框图.28图 4-17传输包大小为 10 字节时系统误比特率性能仿真.29图 4-18两个扩展码本级联举例.29图 4-19不相关瑞利衰落信道下 PMF曲线.30图 4-20压缩感知编码的系统架构.31图 4-21基于硬判决的波束空间树译码器的剪枝过程.31图 4-22基于软判决的波束空间树译码器的剪枝过程.31图 4-23资源跳跃多址发射机设计.32图 4
7、-24资源跳跃多址接收机设计.32图 4-25结合 SIC 的资源跳跃多址发射机设计.33图 4-26ALOHA 与资源跳跃多址(RHMA)的碰撞解决概率对比.33图 4-27Reed-Muller 码无源多址方案.34图 4-28Reed-Muller 无源多址方案仿真性能.35图 4-29有限域在 GF(4)上扩展的一个例子.36图 4-30级联因子图编解码举例(用户 1 和 2 分别通过重复 2 次和 1 次来扩展编码符号).36图 4-31所需信噪比随活跃用户数变化的性能曲线.374IMT-2030(6G)推进组IMT-2030(6G)Promotion Group表目录表 2-1新型
8、多址接入技术需求指标.12表 4-1单时隙仿真参数配置.21表 4-2Case I,II 和 III 参数配置.22表 4-3多时隙仿真基本参数配置.23表 4-4碰撞容限和重复度分布的参数设置.23表 4-5多用户单天线系统传输性能仿真参数.28表 4-6基于 Reed-Muller 码的无源多址仿真参数.345IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第一章第一章新型多址接入概述新型多址接入概述1.1 基本概念和原理多址接入是指通信资源的多用户复用。移动通信从第一代(1thgeneration,1G)到第五代(5thgeneration,5G)基本
9、上都是正交多址(Orthogonal multiple access,OMA),即不同用户的频域、时域或者码域资源彼此正交。第一代蜂窝通信的多址技术是频分复用(FDMA,Frequency division multipleaccess),仅支持语音服务。每个用户的无线资源按固定的频率划分。第二代蜂窝通信的多址技术以时分复用(Time division multiple access,TDMA)为主,基本业务是语音通话。第三代蜂窝通信广泛采用扩展码分复用(Code division multiple access,CDMA),使得信道的抗干扰能力大大增强。相邻小区可以完全复用频率。第四代和第五
10、代蜂窝通信主要采用正交频分接入(Orthogonal frequency multiple access,OFDMA),子载波间的正交性通过集中式的多载波处理和添加循环前缀(Cyclic Prefix,CP)来保证,具有较高的频谱效率,能够有效支持大带宽和多天线(Multiple-input multiple-output,MIMO)技术。由于用户之间的干扰较低,正交多址实现起来比较简单,接收侧的信号处理复杂度较低。但在多用户系统,正交多址的性能潜力与系统的容量界有很大差距。非正交多址(Non-orthogonal multiple access,NOMA),能够有效地支持多个用户同时同频同空
11、域的传输,以提高系统吞吐和终端连接数。理论上可以证明,非正交多址多用户系统容量界明显高于正交多址。图 1-1 是一个单发单收天线的两用户下行传输系统1,这里的 UE1 和 UE2 分别代表远离基站和靠近基站的用户,下行发射功率分别为 P1和 P2,总的发射功率(P1+P2)保持恒定,但可以调整 P1和 P2之间的比例。信道增益分别是21h和22h。图1-1下行两用户系统非正交多址(NOMA)与正交多址(OMA)的容量比较从图 1-1 发现,无论发射功率的配比如何,下行非正交多址的“和容量”总是大于正交多址的“和容量”。具体的看,非正交容量界的 A 点所对应的 UE1 的频谱效率是 0.9 bp
12、s/Hz(bit per second per Hertz),此时 UE2 的频谱效率是 3 bps/Hz。正交容量界的 B 点所对应的 UE1 的频谱效率是 0.64 bps/Hz,明显低于非正交的。再看正交容量界的 C 点,所对应的 UE1 的频谱效率是 0.9 bps/Hz,与容量界的 A 点相当,但此时 UE2 的频谱效率只有 1 bps/Hz,大大低于非正交时 UE2 的水平(即 3 bps/Hz)。同理,上行两用户系统容量也可以采用类似的分析,图 1-2 是当 UE1 和 UE2 的上行信噪比为 0 dB和 20 dB 时的上行正交多址和非正交多址的“和容量”,可以看出在多数情况下
13、,非正交多址系统的上行容量高于正交多址。6IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图1-2上行两用户系统非正交多址(NOMA)与正交多址(OMA)的容量比较在以上的多址系统分析中,假设每个用户处于连接态(Connected),有大数据包连续发送,系统能够根据用户的信道状态信息(Channel state information,CSI)来进行用户配对、资源调度和链路自适应等,比较适合增强移动宽带(Enhanced mobile broadband,eMBB)业务。除此之外,多址还应支持处于非激活态(Inactive)或者是空闲态(Idle)用户的数据
14、传输,即免调度(Grant-free)传输或完全自主(Autonomous)传输,且以上行为主。免调度是指系统无需为用户分配正交的时频域资源,也不需要根据 CSI 反馈和重传来对衰落信道进行动态的链路自适应。免调度可以是非竞争式的,此时用户处于连接态的或非激活态,一些重要参数系统事先已为每个用户配好,例如参考信号(导频)序列、扩展码、交织图样、扰码等,以保证不同用户彼此之间不发生碰撞。因此,免调度也被称为预先配置的调度(Configured Grant)。免调度还可以是完全自主的传输,也被称为无物理标识(Unsourced)传输。此时用户处于空闲态,通过竞争的方式接入,有可能出现导频、扩展码等
15、的碰撞问题。无物理标识传输比较类似随机接入的场景,传统方法是 ALOHA 方式的竞争接入。但是随着海量巨址接入的引入,ALOHA 方式不再有效,最近几年在信息论上的相关突破,使得非正交多址接入的理论有了长足发展。1.2 技术研究的国内外现状新型多址接入近几年在信息论方面的研究有不少突破,尤其在无物理标识上行传输,即基站接收端只恢复所传输的消息,而不做用户检测。十分适合完全自主传输的场景,对于海量叠加传输具有重要的指导意义。这些理论分析的价值还体现在对有限码长的性能分析上。海量叠加传输的数据类型一般是短包,此时信道容量与假设无限码长的香农容量界相差很大,考虑有限码长有利于得到更紧的容量界,提供更
16、加精准的设计目标。海量用户系统容量分析的早期代表如文献2,开启了信息论的另一套分析方法,得到了当用户数和信息码块长度都趋向无穷(但保持有限比率)时的系统容量,文献3在此基础上,结合有限码长的条件,对多用户 Unsourced 传输进行分析,得出高斯多用户接入信道(Gaussian MultipleAccess Channel,GMAC)的容量。进一步地,文献4推导出有限码长瑞利衰落信道(Rayleigh Fading)下的无物理标识传输的系统容量。这些信息论方面的分析结果明确指出:正交传输或者 ALOHA 方式传输的系统性能远远低于 Unsourced 传输的容量界,并且性能差距随着用户数的增
17、多而增加。从衰落信道多用户系统平均中断概率的角度,可以分析非正交传输相对于正交传输的性能潜力5。通过蒙特卡洛数值方法,计算在总频谱效率一定的情况下,随着用户增多,要满足相同的中断概率,非正交传输所需的信噪比要更低,这从某种意义上体现了用户分集(User Diversity)的增益。虽然文献5假设码长无限,所用的分析方法与文献4也不相同,但结果所呈现的趋势是一致的:用户数愈多,非正交多址的潜力愈大。基于调度的非正交多址理论性能的研究近几年也有一些进展,例如文献6提出基于信号和干扰对齐的速率分拆(Signal InterferenceAlignment based Rate Splitting,S
18、IA-RS),一方面利用了速率分拆对 CSI的鲁棒性,另一方面得益于对齐带来的可靠性。公共信号和私有的目标信号可以对齐以提高串行干扰消除(Successive Interference Cancellation,SIC)接收的性能,而私有的干扰信号可以通过干扰对齐得到减7IMT-2030(6G)推进组IMT-2030(6G)Promotion Group弱。上述方案能够降低公共信号对 CSI 准确度的要求,增加叠加复用的增益。在传输技术方面,主要有如下几大方向:基于符号级或者比特级的扩展,可以是线性扩展,采用非正交的扩展序列,而不改变信号的调制方式,例如文献7中的复数序列,或者是严格满足 We
19、lch-Bound 的序列8。还可以是扩展与调制联合设计,以最大化不同用户符号间的欧式距离,并引入稀疏特性,降低接收机复杂度910。这一类方法比较适用于非竞争式免调度场景,对于线性扩展类的,如11可以用于无物理标识上行传输。基于比特级的交织、加扰、重复等,降低码率,形成资源上的稀疏分布,依靠接收侧的迭代检测和译码来区分不同数据。这类方法的性能很大程度上取决于信道编码,而与传统针对单用户的信道编码设计不同,这里的信道编码需要有较强的对抗多用户干扰的能力,并且能够在迭代检测和译码过程中迅速收敛。这类方法既可以用于免调度场景,例如实现高过载率的叠加传输12,也可以用于无物理标识上行传输131415。
20、级联编码,采用内码和外码级联的方式,有若干细分种类,例如内码用于对抗高斯信道的加性白噪声,而外码用于解决多个用户碰撞问题16。或者是内码采用压缩感知编码,将每个子块的消息恢复抽象为压缩感知问题,而外码采用树型编码,通过校验冗余,完成数据的拆分和拼接17。级联编码类的方法主要用于无物理标识上行传输。与传输方案相配合,有几个方面的研究对系统性能、复杂度等会产生重要影响:用户激活检测和信道估计的压缩感知类算法。对于无物理标识传输,海量用户接入的潜在数量巨大,但同时激活的用户数比例较低,呈现稀疏性。可以借助压缩感知算法1819,检测到激活用户和所用的交织、扰码、扩展序列,以便进行下一步的数据检测和译码
21、20。联合接收机算法,包括集用户激活检测、信道估计和信号检测于一体的近似消息传递和贝叶斯算法21,不需要参考信号、直接基于数据进行信道盲估计和解调译码11等。与多天线技术的结合。多天线已在 4G 和 5G 系统中广泛应用,即使是中低频段,许多 5G 基站支持 48 根天线。实际系统中的多天线空间信道可能具有一定的相关度,此时经典压缩感知算法不再适用,文献22提出的算法可以在天线之间有相关性的条件下有效工作。利用机器学习/深度学习来改进算法,尤其是在压缩感知的接收算法方面23。例如对经典AMP(Approximate message passing)算法的增强24,降低估计误差,提高迭代收敛速度
22、。1.3 产业发展现状基于调度的下行非正交多址在 3GPP 称为 Multiple User Superposition Transmission(MUST)25,于2016 年完成标准化,属于 4G LTE-Advanced 比较后期的版本,邻近 5G 标准化的开启时间。MUST 支持下行两用户叠加传输,两用户可以采用相同的空间预编码(即处于相同的波束),或者采用不同的空间预编码(类似多用户 MIMO)。对于相同预编码的情形,限定配对的远端用户的调制阶数不能超过Quadrature phase shift keying(QPSK),可以是传统终端,无需进行串行干扰消除。近端用户的最高调制阶数
23、为 64-Quadrature amplitude modulation(QAM)。相应的标准化集中在发射侧的星座图叠加,一处是通过特别的映射处理,保证合成星座图符合格雷映射,从而降低近端用户接收机的复杂度,只需符号级 SIC,而不用进行码字级 SIC;另一处是通过合理分配远端和近端用户的发射功率比,使得合成星座点保持等间距。经过这两处优化,两用户合成星座图始终是标准 256-QAM 或者是 256-QAM 的等间距采样星座点,这样可以显著降低终端硬件射频模块的复杂度。日本 NTT DOCOMO 公司对 MUST 技术在密集城区场景进行了测试。上行非正交传输,尤其是非竞争式的免调度,在 3GP
24、P 5G 中开展过大量的链路级/系统级的性能仿真26,分两个时间段,2016 年 4 月到 2016 年 10 月,以及 2018 年 2 月持续至 2018 年 12 月。积极参与的公司超过 20 家,提出的各类方案有十几种,大体上分为三类,第一类是基于线性符号级扩展,扩展序列具有比较低的互相关;第二类是基于比特交织/扰码的,需要迭代检测;第三类是符号扩展与星座调制联合设计,码字具有一定的稀疏性,需要简化的消息传递迭代接收算法。因为种种原因,5G 最后没有达成方案的融合收敛,但部分设计思想在之后的两步随机接入(2-step RACH)中标准化27。8IMT-2030(6G)推进组IMT-20
25、30(6G)Promotion Group20172018 年期间,华为、中兴和中信科移动对各自的 5G NOMA 方案进行了样机系统研制开发,并完成基于实际环境的外场测试,测试结果表明,相比传统正交多址,非正交传输能够支持更多的并发用户。1.4 与 5G 非正交多址研究的区别与 5G 时代非正交研究相比,6G(6thgeneration)新型多址与其区别如下:研究内容更多5G 主要是多址传输方案,6G 可以认为是随机接入和非正交多址的接合。除了多址传输方案,还包括导频设计,用户激活检测,多用户信道估计和多用户迭代检测。接入用户数更多5G 多址研究是十几个用户接入(一般不大于 15),6G 由
26、于连接密度更大,接入用户数巨大,例如300 用户的同时接入。用户标识,激活用户数是否已知5G 时一般假设用户标识如扩频序列,星座图映射,资源映射,交织器,扰码已知,激活用户数已知(只有少数方案假设用户标识未知,激活用户数未知)。在用户标识已知和激活用户数已知条件下研究多用户传输方案及检测方法。6G 新型多址用户标识未知,需要利用导频进行估计。激活用户也未知,需要通过对导频进行检测得到。导频是否碰撞5G 多址很多情况下假设导频不碰撞,但用户标识可能存在碰撞。由于导频也是叠加在一起的,它也是非正交复用。当导频碰撞时多用户信道估计也是一个难题。如何在导频碰撞条件下进行多用户信道估计和多用户信号检测非
27、常具有挑战。6G 新型多址考虑了导频碰撞和利用导频进行信道估计。导频设计及对导频的信号处理5G 非正交多址导频沿用 5G NR(New radio)设计,对导频的处理一般是干扰消除。由于 5G NR 导频数目有限,同时干扰消除接收机性能有限,整体性能受限,如支持用户数不多。6G 使用压缩感知进行信号处理,导频使用缩短的 FFT(Fast Fourier transform)矩阵或其它正交变换的矩阵,码本数量巨大,可达215,以此确保用户碰撞概率很低。使用 AMP 或 OAMP(Orthogonal approximate message passing),MAMP(Memory approxi
28、mate message passing)进行迭代检测,以低复杂度可达最大似然接收机性能。信道编码不同5G 非正交多址的信道编码沿用 5G NR 的设计,即 LDPC(Low density parity check)编码。由于 LDPC在短码长下性能存在较大损失,因此使用 LDPC 性能受限。6G 新型多址信道编码也是其重要研究内容,大约束长度的咬尾卷积码,不规则重复累积码(Irregular repeat-accumulate),多元 LDPC 以及 Polar 码都值得做进一步研究。9IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第二章第二章 应用应
29、用场景和性能指标需求场景和性能指标需求2.1 6G系统的典型场景和空口关键性能指标随着移动通信系统的持续发展,6G 将会考虑对新场景的支持,并提出新需求,这也需要多址技术继续演进以满足 6G 新场景的需求,进一步提升系统容量,提高连接密度,降低系统的功耗和成本,降低接入时延等。本节将从如图 2-1 所示的 4 个场景进行初步分析,考虑对新型多址接入技术的指标需求。图2-1新型多址接入的四大应用场景2.2 海量连接场景海量机器类通信(massive Machine Type Communication,mMTC)是 5G 三大典型应用场景之一,面向 2030 年及未来的 6G 将在 5G 典型应
30、用场景的基础上进行深化,进一步构建超大规模连接,扩展全新的应用领域和能力边界。从终端数量来看,传统智能手机业务将保持稳定增长态势,同时随着物联网设备在个人消费、人工智能、智慧交通、智慧城市、智慧医疗、数字孪生等领域的应用,面向智能生活和面向工业生产的物联网终端设备有望呈现爆发式增长。根据 IMT(International Mobile Telecommunications)-2030(6G)推进组预测,面向 2030 年商用的 6G 网络中将涌现出智能体交互、通信感知、普惠智能等新业务、新服务,预计连接密度将达到每平方公里一千万个连接或者更大的连接数28。海量连接场景有着众多领域的应用,在不
31、同的应用场景下,根据业务特征不同,终端设备进行数据发送的频率也会有所差异。这里以数据发送频率为 1 message/30 seconds/device 为例进行分析,结合每平方公里 1 千万的连接数,假设一个宏站可覆盖 1 平方公里的面积,那么可以估算出每个宏站需要在 1 毫秒的时间内完成大约 300 个小数据包的接收。如果采用 5G NR 中现有的 4-step 或 2-step 接入方式,等完成接入之后才进行数据传输,为每个突发、短暂的消息上报过程建立并维护通信链路,容易造成系统的过载以及信令拥塞,导致终端接入时延增大,甚至服务中断;另一方面,拥塞环境下终端可能需要尝试多次才能接入网络,也
32、会显著增加消息上报的功耗,不利于低成本低功耗的物联网终端。因此,在设计 6G 中的接入技术时,为能够支持海量连接场景,需引入新型多址接入技术,简化接入过程,降低信令开销和功耗。10IMT-2030(6G)推进组IMT-2030(6G)Promotion Group2.3 密集紧要连接场景密集紧要连接场景将在超高可靠低时延通信(Ultra Reliable Low Latency Communication,URLLC)的基础上进一步进行增强,实现更低时延、更高可靠性、更大连接数的目标。典型应用包括垂直行业的数字化(例如“智能工厂”应用场景)和自动驾驶的深度智能化(例如“V2X(Vehicle-
33、to-everything)”应用场景),能够极大提高生产效率,如图 2-2 所示。图2-2紧要连接场景:智能工厂(左图)、V2X(右图)在面向工业 4.0 的智能工厂应用场景中29,10000m2厂房范围内的终端数量一般大于 2000 个,要求通信速率大于 100kbps(视频监控除外),通信时延小于 10ms,通信可靠性须满足工业报警信息的可靠传输,5G NR 系统可以满足工业 4.0 的需求指标。不断发展的工业 5.030对无线通信提出了更高的要求,相比工业 4.0 预计有高达百倍的性能提升,需要系统能够提供安全可靠的通信服务,以满足超低时延、超高可靠的控制需求。工业 5.0 的性能要求
34、初步按照如下假定进行估算,在 10000 m2的厂房范围内,部署 10 个以上的基站,总的终端数量大于 20000 个,通信速率大于 10Mbps(Million bits per second),通信时延小于 0.1ms(millisecond),通信可靠性为丢包率小于 10-5。V2X 场景中,需要实时进行信息交互。例如,部署在车辆上的数据采集设备需要对车辆的实时位置、速度、目的地等信息进行上报,同时部署在道路上的数据采集设备需要实时上传道路的车量总数、路况、红绿灯等信息,用于控制中心对实时交通进行建模,预测未来的道路交通情况,给出最优的交通调度和指引信息。数据传输指标可以按照以下进行估算
35、,进行数据上传的频率可能为毫秒级,需要上传的数据量预计在数十到数百字节,完成数据传输的时延可能在毫秒级。另一方面,基于车辆间直连通信的 V2V(Vehicle-to-vehicle)由于传输距离更短,可以让车辆之间实现更低时延(例如亚毫秒级)的高可靠信息交互。紧要连接场景中,需要考虑极低的时延。例如,一种可能的处理是要求每个终端都处于激活态,这样可以减少由于建立连接导致的时延。在这种假设下,每个基站预计需要同时维持 2000 个终端的 RRC(Radio resource control)连接,这已经超出目前商用 5G 最大可支持 400 个 RRC 连接的能力。在平均数据流量上,紧要连接场景
36、预计每个基站为 20 Gbps(Giga bits per second)以上,目前的 5G 技术能够满足这一指标要求;通信时延方面,紧要连接场景预计比 5G 低一个数量级,例如小于 0.1ms;紧要连接场景中的可靠性与 5G 的可靠性最高要求相同,例如丢包率小于 10-5。实际上,紧要连接场景真正给 5G 带来挑战的,是上述通信指标需要同时被满足。特别地,对于 V2X 这种紧要连接场景,由于车辆节点的快速移动,导致车联网网络拓扑迅速变化,使得海量、突发、低时延、高可靠这些通信需求同时满足更为困难。因此需要引入一个具有极高传输效率的新型多址接入技术,以支持紧要连接场景。2.4 空天地一体化场景
37、以 5G 为代表的地面移动通信能够提供丰富的业务支撑能力和良好的用户体验,但地面移动通信整体上存在覆盖范围受限的问题。空天地一体化具有扩展覆盖、节省成本等多种优势,被业界视为 6G的重要关键技术。空天地一体化场景如图 2-3 所示。11IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图2-3空天地一体化场景31低轨卫星通信32是实现空天地一体化的一个典型考虑。地面无线网络仅覆盖了地球表面积的 6%,作为地面无线网络的补充,低轨卫星通信具有较低的成本、较低的时延、较低的路损等优势,将成为 6G的重要组成部分,实现全球立体覆盖。以低轨卫星为例进行分析,例如假设低
38、轨卫星的高度 h0为 600 km33,低轨卫星有效覆盖的最小俯仰角为 10。根据地球半径 6378 km,可以计算出假设的低轨卫星到地面终端设备的最远距离 d 为 1932km,如图 2-3(右)所示。对于 transparent 类型的低轨卫星,根据上述假设进行计算,仅由距离引起的RTT(round trip time)时延将会达到 25.77 ms。对于 5G 地面无线网络中的控制面时延,从发出注册请求消息开始到发出注册完成消息为止,大约为 70100ms。假设低轨卫星,如果按 10 次信令交互计算,地面无线网络的传播时延在 10 微秒级,相对卫星网络的传播时延可以忽略,低轨卫星的控制面
39、时延大约为330360 ms。同时,由于低轨卫星移动速度快,典型的卫星波束服务时间为秒级,被波束边缘服务的终端设备,卫星波束服务时间更短。假设卫星波束 1 秒切换一次,控制面时延将占到卫星波束总时域资源的 33%36%。可见,控制面时延开销对低轨卫星来说占的比重较大,导致系统效率降低。因此,如果采用 5G 技术支持 6G 全球立体覆盖场景,会在时延、效率等方面存在缺陷。6G 需要引入极简的新型多址接入技术,减少信令交互次数(例如把控制面和数据面的空口交互次数降到最低 24 次,把信令交互的资源开销降低 60%80%),以支持空天地一体化场景。2.5 大容量场景大容量是 6G 的一个重要应用场景
40、,无论是以人为中心的通信还是以机器为中心的通信,随着社会智能化的发展,对峰值速率、用户体验速率、系统容量等提出了更高的要求。根据 ITU-R(Radiocommunication division of the international telecommunication union)的预测34,在 2030 年之前,移动数据流量将会随时间呈现指数级的增长,达到现在的 25 倍左右,移动数据流量以 XR(extended reality)、全息通信等新业务所产生的流量为主,如图 2-4 所示。图2-4 大容量场景理想的 XR、全息通信等新业务所产生的流量是非常大的3534。XR 业务的用户体
41、验要想达到完全沉浸的水平,例如进行如下估算,角分辨率需达 60 ppd(pixels per dot),帧率不能低于 120 Hz,视场角不能低于 130,每个像素按照 12 比特,且能够在一定程度上消解调焦冲突引发的眩晕感,如果压缩比为 100,那么单个终端的吞吐量需求约为 3.8 Gbps。全息通信如果想达到足够快的全息图像传输能力和12IMT-2030(6G)推进组IMT-2030(6G)Promotion Group强大的空间三维显示能力,以传送原始像素尺寸为 1920108050 的 3D 目标数据为例,RGB(Red greenblue)数据为 24 比特,刷新频率 60 fps(
42、frame per second),需要峰值吞吐量约为 149.3 Gbps,按照压缩比 100 计算,平均吞吐量需求约为 1.5 Gbps,由于用户在全方位、多角度的全息交互需要上千个并发数据流,由此推断用户吞吐量可以达到 Tbps(Tera bits per second)量级。目前,各方纷纷提出 6G 的关键技术指标和若干关键使能技术。针对大容量的场景,6G 的谱效提升可能是非常有挑战性的目标,可引入新型多址接入技术,在传统的谱效提升技术出现边际效应后,还能够获得 1.52 倍以上的谱效增益。2.6 需求小结本节分析了 6G 的四个主要应用场景,6G 对新型多址接入技术的需求指标总结在表
43、 2-1 中,随着 6G的发展,可能会出现更多的场景,对新型多址接入技术也会提出更多的新需求。表2-1新型多址接入技术需求指标应用场景5G 的能力设计目标示例海量连接一个宏基站支持每十毫秒内完成 1.39个终端的多址接入和小数据包传输。一个宏基站支持每十毫秒内完成 3000 个终端的多址接入和小数据包传输。密集紧要连接目前商用 5G 最大可支持 400 个左右的RRC 连接;5G 的通信时延能力是 1ms;5G 中三大场景仅能够分别满足,不能同时满足。在单个基站覆盖范围内,同时满足下述所有指标:同时服务 2000 个以上的设备、平均数据流量达到 20Gbps 以上、通信时延小于 0.1ms、丢
44、包率小于 10-5等。空天地一体化单载扇可以支持 400 个左右的 RRC 连接;控制面时延可能将占到总时域资源的 20%以上,明显降低了系统的效率。每波束需要同时服务5万个窄带IoT设备,明显降低控制面的总时延,把控制面和数据面的空口交互次数降到最低 24 次,把信令交互的资源开销降低 60%80%。大容量达到 1Tbps 的峰值数据速率、5Gbps 的用户体验数据速率是非常困难的。达到 1Tbps 的峰值数据速率、5Gbps 的用户体验数据速率。13IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第三章第三章多址接入的理论研究多址接入的理论研究3.1 无
45、标识多址接入的信息论容量界经典的信息论针对单用户且码长 n 趋于无穷的场景给出了信道容量的表达式,当码长 n 有限时,文献36推导了速率的高阶近似表达式。在传统的多用户接入模型中,一般假设码长较长,但系统中的用户数保持不变,基于联合误差概率准则,文献37和文献38分别建立了传统多用户接入的容量域以及速率高阶近似表达式。多址接入基础理论分析的研究现状如图 3-1 所总结。与传统多用户接入场景相比,超大规模连接场景中的通信方案设计主要受四个因素的影响39:1)海量用户通常以随机活跃的方式接入系统;2)每个用户传输的信息比特数量较少;3)每个用户的通信能效有严格要求;4)每个用户要尽量实现低时延传输
46、。为应对这些挑战,需要采用大规模随机接入技术,因此需要建立与传统多用户信息理论不同的研究体系。针对超大规模连接场景,文献2提出了海量用户接入信道模型,并基于联合误差概率准则分析当用户数随码长变化并趋于无穷时的对称信道容量。然而,该信道容量的分析依赖于每比特能量趋于无穷的假设,不满足实际通信系统的低功耗需求。针对这个问题,文献4使用平均每个用户误差概率准则,并基于码长和用户数趋于无穷但每比特能量保持有限的假设,分析单天线瑞利衰落信道中多用户接入的理论界,发现当用户密度较小时,存在编码方案能够消除多用户干扰。然而,码长和用户数趋于无穷的假设与超大规模连接场景的特点不一致,无法刻画实际系统的性能极限
47、。因此,针对超大规模连接的非渐近理论界仍然未知。此外,基于多天线的多路数据传输技术可以充分利用信道的空间资源达到复用时域资源、增强信号、抑制干扰的目的,从而有效提高系统频谱利用率和功率效率,在超大规模连接场景中具有重要价值。因此,本节旨在围绕超大规模连接的场景,如图 3-1 所示,分别针对信道状态信息已知(Channel stateinformation at the receiver,CSIR)和信道状态信息未知(No-channel state information,no-CSI)两种情况介绍非渐近域下的空时频三维大规模用户接入系统时传输性能紧致的理论极限40,系统性地分析天线数、每个用
48、户传输信息比特数、用户随机接入概率、发送功率、错误概率门限等因素和用户容量界之间的关系,从而揭示出超大规模连接系统中的性能极限并指导实际多址接入方案的设计。图3-1多址接入研究现状与本节研究内容3.1.1系统模型考虑一般性的超大规模连接信道,其中基站配置的天线数为 L,总用户数为 K,用户均配置单天线。假设活跃用户数 Ka已知,活跃用户集合记为aK,每个活跃用户传输的信息比特数为 J。假设每个用户有独立的码本,包含 M 个长度为 n 的码字。14IMT-2030(6G)推进组IMT-2030(6G)Promotion Group考虑瑞利块衰落信道,即假设信道衰落系数在一个长度为 n 的资源块上
49、保持不变。基站第 l 个天线的接收信号可表示为:,(),anlk lklkhyxzK(3-1)其中,,(0,1)k lh CN表示第 k 个用户和第 l 个接收天线之间的信道衰落系数;lz表示加性高斯白噪声;()kx表示第 k 个用户传输的码字,当第 k 个用户活跃时,该用户发送的信息服从均匀分布。当信道衰落系数为 1 时,该信道模型退化为高斯多址信道。假设接收端分别在 CSIR 和 no-CSI 两种情况下进行译码,将为第 k 个用户检测到的码字记为kW。随机接入码的定义如下:定义定义 1.令CSIR,no-CSIi,随机接入码(,)in MP包括:1)编码函数将用户k的信息映射成码字,且码
50、字功率不超过 nP。2)在 CSIR 情况下,接收机利用接收信号和信道衰落系数进行译码;在 no-CSI 情况下,接收机利用接收信号进行译码。译码函数满足平均每用户误差概率约束:1.PaekkkaPWWKK(3-2)令bEnP J表示每比特能量。为保证存在随机接入码(,)in MP,将系统所需最小的每比特能量记为*,b iE。3.1.2CSIR 理论界定理 1 给出了 CSIR 情况下的可达性能界:定理定理 1:在多天线准静态瑞利衰落信道中,当用户的信道状态信息已知时,为满足大维随机接入的平均每用户误差概率准则和最大功率约束所需要的最小的每比特能量满足:*,CSIR(,)inf,ubnPEn
51、MJ(3-3)其中,inf 针对满足01,2,01minmin 1,auKttPPtatpppK的uP取极小值。该定理通过发送端采用随机编码方案以及接收端采用最大似然译码方案得到。上述条件中包含两部分:第一部分 p0表示不满足功率约束的概率的上界,利用联合界和卡方分布的性质求得;第二部分表示没有功率约束的情况下平均每用户误差概率的上界,其中 p1t和 p2t表示共有 t 个用户传输的码字译码错误的概率,分别采用 Gallager-指数的方法以及费诺界41求得。定理 2 给出了 CSIR 情况下支持用户随机所需每比特能量的逆定理。定理定理 2:在多天线准静态瑞利衰落信道中,当用户的信道状态信息已
52、知时,为满足大维随机接入的平均每用户误差概率准则和最大功率约束所需要的最小的每比特能量满足:*,CSIR(,)inf,lbnPEn MJ(3-4)22log,EtHLttaaatnJhPtKKKHIH H(3-5)其中t LtH中的元素服从 i.i.d.(0,1)CN分布。此外,单用户情况下的逆定理也可作为多用户情况下的逆定理理论界。15IMT-2030(6G)推进组IMT-2030(6G)Promotion Group该逆定理主要包含两部分。多用户情况下,公式(6)主要采用费诺不等式和互信息链式法则等求得。单用户情况下的逆定理主要基于文献36中的 meta-converse 定理得到。此外,
53、假设有 Ka个活跃用户,当Ka-1 个活跃用户的信道衰落系数和发送的信息已知时,检测 Ka个发送信息的问题可以退化到单用户的问题。因此,多用户情况下所需要的每比特能量会多于单用户情况下所需要的每比特能量,即单用户情况下的逆定理也可作为多用户情况下的逆定理理论界。3.1.3No-CSI 理论界本节针对接收端已知信道分布但不知道信道衰落系数的场景,分别分析了支持用户随机接入所需每比特能量的可达界和逆定理。定理 3 给出了 no-CSI 情况下的可达性能界:定理定理 3:在 no-CSI 多天线准静态瑞利衰落信道中,为满足大维随机接入的平均每用户误差概率准则和最大功率约束所需要的最小的每比特能量满足
54、:*,no-CSI(,)inf,ubnPEn MJ(3-6)其中,inf 针对满足001minmin 1,auKPPttatppK的uP取极小值。与 CSIR 的情况类似,no-CSI 情况下仍采用随机编码和最大似然译码。二者的区别主要在于似然函数不同,因此在利用费诺界求共有 t 个用户的码字译码错误的概率时,选取的接收信号以较大概率分布的区域也有所不同。但求可达界时采用的基本工具仍然相似,均为费诺界、Chernoff 不等式以及二次型矩生成函数等。定理 4 给出了 no-CSI 情况下支持用户随机所需每比特能量的逆定理。定理定理 4:在 no-CSI 多天线准静态瑞利衰落信道中,为满足大维随
55、机接入的平均每用户误差概率准则和最大功率约束所需要的最小的每比特能量满足:*,no-CSI(,)inf,lbnPEn MJ(3-7)其中,inf 针对满足以下两个条件的功率0lP求极小值:(1)当码本矩阵aan KKX中的元素服从 i.i.d.均值为 0 方差为 Pl的分布时,应满足:222log11log,EKaaaaalHKKKaanLK PLJhKKXIXX(3-8)(2)单用户有限长逆定理表明:21,(2)(1(1)PlMLnP r(3-9)其中,r 表示2(2)PLr的解。该逆定理包含两部分。第一部分基于高斯码本的假设利用多用户费诺不等式求得。不同于 CSIR 的情况,由于 no-C
56、SI 假设下存在信道的未知性,发送码字集合和检测码字集合之间的互信息较难求解,因此条件一加入了高斯码本的假设降低计算难度。第二部分利用单用户情况下的逆定理得到,适用于所有类型的码本3.1.4数值计算结果对定理 1 到定理 4 的结果进行数值计算。在图 3-2 中,假设码长 n=1000,天线数 L=32,数据量 J=100 bits,活跃用户数 Ka=400,以及误差要求0.001,仿真了 CSIR 和 no-CSI 情况下可支持的活跃用户数随每比特能量的变化情况,以及文献36和42给出的 TDMA 方案的理论性能和文献43提出的实际方案的性能。从结果可知,在 CSIR 情况下,可达界和逆定理
57、之间的差距小于 2.5 dB;当活跃用户数小于 500 时,可达界和逆定理之间的差距小于 4 dB。因此,该理论界能够比较准确地衡量实际系统的性能极限。此外,在多天线衰落信道中,当活跃用户较少时,存在多用户干扰消除现象,即当用户数小于某个门限时,不16IMT-2030(6G)推进组IMT-2030(6G)Promotion Group需要额外增加每比特能量即可满足误差要求。但是,传统的 TDMA 方案没有多用户干扰消除的效果,且在用户较多的情况下性能较差。文献43中提出的基于协方差的实际方案在用户较多的场景中优于 TDMA方案,但仍与理论界有较大差距。因此,现有大维随机接入方案的性能仍有较大的
58、提升空间。图3-2活跃用户数随每比特能量的变化在图 3-3 中,假设码长 n=1 000,数据量 J=100 bits,每比特能量 Eb=10,20dB,活跃用户数 Ka=400 以及误差要求0.001,分别仿真了 CSIR 和 no-CSI 情况下总频谱利用效率和天线数的关系。从结果可知,在 CSIR 的情况下,总频谱利用效率随天线数近似线性增长;在 no-CSI 的情况下,由于信道的不确定性,总频谱利用效率随天线数的增长速度由快变慢,即平均每天线的频谱利用效率随天线数的增加逐渐减小。(a)CSIR(b)No-CSI图3-3频谱利用效率随天线数的变化3.2 基于随机几何分析免调度叠加传输理论
59、性能界针对 NOMA 的系统设计与网络部署问题,可以利用随机几何(Stochastic Geometry)理论建模并分析免调度(Grant Free NOMA,GF-NOMA)系统,从而推导出 GF-NOMA 系统在随机几何模型中的用户检测成功率和信道估计误差的解析表达式4444。因为 NOMA 的理论性能界依赖于的激活用户的检测成功率与输入相干解调的信道估计值,因此,文献44给出的性能分析结果可以用于判定 NOMA 多用户检测算法的可行性,对 NOMA 设计与具体网络部署有指导意义。考虑如下的网络几何分布模型:基站位于一个内径为0D、外径1D为的圆环的中心,J个用户均匀随机散布于圆环内。每个
60、用户与基站距离r的 CDF 为 2222(),01001rDDDFrDrDr。因此,r的概率密度函数(PDF)为17IMT-2030(6G)推进组IMT-2030(6G)Promotion Group012210d2()(),.drrrfrF rDrDrDD(3-10)令ACTP表示每个用户在每个时隙内活跃的概率。由于用户数1N 很大并且ACTP通常很低,因而可以将用户的分布看成是密度为ACTNP的二维齐次泊松点过程(Homogeneous Poisson Point Process,HPPP)。信道模型采用幂律路径损耗模型。第j个用户的信道增益为2jj jhr。其中,exp(1)j表征瑞利衰
61、落,是路径损耗常数,jr是用户到基站的距离。为分析 GF-NOMA 中的用户检测成功率,可将基于非正交导频的多用户检测问题构造成一个压缩感知稀疏信号重构问题,令 SuppK q表示活跃用户数,Suppminminnnqqq表示所有的活跃用户中到基站的信道响应的幅度的最小值,推导出用户检测成功率succP的公式(定理 5)。选取系统仿真参数为:小区内径 r0=10 米,外径 r1=150 米,前导码长度 L=120,每个子信道上的噪声功率2110dBm,用户总数 J=240,用户活跃率ACT0.1P,用户发送功率 P=20 dBm。图 3-4验证了定理 5 给出的 GF-NOMA 系统检测成功率
62、,分别展示PERP随用户发送功率P和用户总数 N 的变化趋势。为更清晰展示在 0.9 1 的趋势,以对数坐标呈现。作为对比,图 3-4 分别给出的门限辅助子空间匹配(Threshold-Assisted Subspace Pursuit,TA-SP)算法和稀疏贝叶斯学习(Sparse BayesianLearning,SBL)算法45 46的性能,以及 DGOMP 算法44性能。图3-4CS-GF-NOMA系统的检测成功率。(a)与P的关系;(b)与N的关系18IMT-2030(6G)推进组IMT-2030(6G)Promotion Group第四章第四章海量多址接入关键技术海量多址接入关键技
63、术目前,支持海量连接的多址接入技术主要有如下几大技术路线,包括:稀疏 IDMA(Interleaver divisionmultiple access)和压缩感知的结合、级联码方案、编码压缩感知以及基于线性扩展和盲均衡的方案。4.1 稀疏IDMA+压缩感知4.1.1系统架构稀疏 IDMA+压缩感知是无源随机接入的重要技术方案。其核心设计思想结合两项技术,第一项技术是基于压缩感知的导频编码,为了支持无物理层标识传输,需要指示用户独特信息,组成一个很大的码本,码本序号经过压缩感知映射成为较短的导频,附加在数据部分之前。第二项技术是稀疏 IDMA 叠加编码,通过比特重复和填零来提高抗多用户干扰的能力
64、,通过使用不同交织器来区分用户并随机化多用户干扰。图4-1稀疏IDMA的系统架构图 4-1 是稀疏 IDMA 的系统架构,第一部分进行导频编码。导频编码的一种方式是采用 FFT 矩阵,将正交矩阵(Fourier transform 或 Hadamard 矩阵)的行随机交织后打孔,得到一个长度较小的序列作为导频编码。第二部分进行稀疏 IDMA 编码。在接收端,导频与 IDMA 码字分开译码,先通过导频恢复交织图样、比特重复次数、填零数目,再做数据部分多用户检测,最终将两部分信息译码结果拼合得到用户的完整发送信息。19IMT-2030(6G)推进组IMT-2030(6G)Promotion Gro
65、up图4-2基于LDPC码的稀疏IDMA的编译码原理以两个用户 MAC 系统为例,稀疏 IDMA 的编译码原理如图 4-2 所示。用户 1 和用户 2 都是采用同样的 LDPC(Low density parity check code,低密度校验码)码进行编码,它们各自的校验节点到变量节点的因子图是相同的。用户 1 经过 LDPC 编码之后没有重复,只是补 0,所以因子图中相应部分的边数没有增加。用户 2 经过 LDPC 编码之后重复 2 次,因子图相应部分的边数加倍。比特交织之后,因子图的边的分布进一步随机化。两个用户分别的因子图通过 MAC 叠加节点联系起来,构成一个三层的整体因子图。整
66、个因子图的配置信息,包括重复次数和交织图样都是通过导频的压缩感知恢复算法解出。稀疏 IDMA 信道编码也可以采用其它编码,如卷积码、不规则重复累积码、NBLDPC(Non-binary lowdensity parity check、多元低密度校验码,详见 4.4.2 节)编码。由于这里使用迭代检测,需要信道编码的译码器能提供软入软出的译码信息。5G 所采用的极化码在短码长约束下存在信道极化不完全的问题,导致传输性能受限,因而需要级联CRC(Cyclic redundancy check)码弥补性能上的局限。然而,CRC 校验的极化码与无源多址结合时,需抵消额外的串行干扰,增加处理时延开销及复
67、杂度。为解决上述问题,极化调整卷积编码(polarization-adjusted convolutional codes,PAC)53通过引入级联编码,可以在短码长约束下获得更好的传输性能。因而可以将 PAC 码与无源多址技术相结合54,在有效提高纠错性能的同时,降低实现复杂度,其编码以及译码过程如图 4-3 所示。(a)编码框架20IMT-2030(6G)推进组IMT-2030(6G)Promotion Group(b)译码框架图4-3基于极化调整卷积编码的稀疏IDMA编译码框架4.1.2接收机算法多用户检测稀疏 IDMA 的多用户检测通常包括检测器和信道译码两部分,彼此之间进行信息传递,
68、形成迭代检测。其中的检测器可以采用 Elementary Signal Estimation(ESE)算法或者置信度传播(Belief Propagation,BP)。ESE 或 BP 检测器的转移函数可以写成,其输入是译码器的软信息输出,输出为对数似然比(Log-Likelihood Ratio,LLR)。信道译码器的转移函数可以表示成,其输入是对数似然比,输出为信息比特的软信息。可以通过和之间的 EXIT(Extrinsic InformationTransfer,外信息传递图)图来分析稀疏 IDMA 的收敛性。图 4-4 左边的曲线位于左边,两条曲线不交叉,可以形成演进通道,成功完成迭代
69、检测;而图 4-4 右边的曲线与有交叉,演进通道被堵死,不能成功完成迭代检测。从图 4-4 的分析可以看出,稀疏 IDMA 的译码器特性需要与检测器的特性相匹配,才能迭代收敛。传统的信道编码通常是针对单用户信道进行优化的,虽然在单用户(正交多址)下性能优异,但其迭代译码特性不一定能与多用户检测器匹配,需要采用新的方法进行设计。图4-4稀疏IDMA的和EXIT分析激活用户检测与信道估计压缩感知(Compressed sensing,CS)可有效检测稀疏信号的数值,用于多用户激活检测及信道估计。压缩感知的核心是信号在某个变换域是稀疏的,可以用一个与变换基不相关的观测矩阵将变换所得信号投影到另外一个
70、信号空间上,通过不断的迭代检测来完成对原始信号的精确估计。为简化计算复杂度,可以采用近似消息传递 AMP 算法,该算法需两个假设,一是消息从因子节点到变量节点是近似高斯,二是消息从变量节点到因子节点可以用 Taylor 展开来近似。对压缩感知系统而言,发射信号是感知矩阵和稀疏矢量的乘积。AMP 算法收敛需要假设感知矩阵足够的随机化。感知矩阵除了Gaussian 独立同分布(Independent identical distribution,i.i.d)的矩阵,其它很多正交矩阵,例如部分随机离散傅立叶变换(partial random Discrete Fourier transform),离
71、散余弦变换(Discrete cosine transform)矩阵,都可以用作压缩感知矩阵。21IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图4-5基于压缩感知的迭代检测图 4-5 是一个用 Turbo 压缩感知检测的例子48。Turbo 压缩感知包含两部分。模块 A 是一个线性最小均方误差(minimum mean square error,MMSE)估计器,输入是接收信号 y 和模块 B 的输入。模块 B 通过合并 x 的先验信息和模块 A 的输入进行 MMSE 去噪。信息在两个模块间不断迭代以得到更精确的 x 值。迭代次数与用户数,导频长度和感知
72、矩阵维度的大小有关。通过控制迭代次数,可以控制计算的复杂度。降低感知矩阵的维度也可以有效降低计算复杂度。AMP 算法存在某些条件下不收敛的缺点,基于此,正交近似消息传递(OAMP)被提出4950。通过正交化输入估计误差和输出估计误差,OAMP 在奇异信道(如相关信道,低秩信道)取得比 AMP 更优的性能。但 OAMP 里有 MMSE 矩阵求逆操作,复杂度较大。为能够实现低复杂度且高可靠地恢复信号,采用记忆近似消息传递(MAMP)接收机5152,如图 4-6所示,MU-MAMP 接收机由记忆线性检测器(memory linear detector,MLD)和非线性检测器(Nonlineardet
73、ector,NLD)组成,其中 MLD 采用长记忆匹配滤波器(LM-MF)来代替 OAMP/VAMP 接收机中最小均方误差(LMMSE),并在 NLD 采用阻尼来保证和加速收敛。111MLD:()()NLD(),()tttttttttttttttp线性检测非线性检测rXXXxrXr:其中1,.,ttXxx,11()()()HHtttttttyXAXAAx,HIAA,minmax()/2。min和max分别是矩HAA的最小和最大特征值。此外,松弛参数t和权重参数t可用来提高MU-MAMP 接收机的收敛速度。图4-6MAMP接收机在 MAMP 中当前输出估计错误与所有输入估计错误正交。MAMP 不
74、需要矩阵求逆也可以取得和OAMP 一样的性能,因此,具有较好的应用前景。其缺陷是要求感知矩阵维度较大(压缩感知矩阵列数大于 500),对于维度较小的 MIMO 系统(列是 16 到 128)使用这种方法有一定的困难。另外,在用户采用非正交方式免授权/免调度接入时,尤其是小数据包场景下,导频长度较短将使得用户激活检测与信道估计性能受限。此时,可以利用用户传输的数据信号与导频信号结合,在两者打包共同传输的模型下,构建深度神经网络以实现对数据信号与导频信号进行联合信息提取,增强用户激活检测与信道估计性能。在神经网络的结构设计中,设计了两个模块 PDNN(Privacy-aware distribut
75、ed neuralnetworks)和 DDNN(Distributed deep neural networks)分别对导频信号及数据信号进行信息挖掘,更借鉴了传统压缩感知技术中的迭代检测思想,通过引入多个相似结构信号处理单元,以迭代形式依次增强上一单元输出结果,最终提升估计结果的准确性。4.1.3初步仿真结果基于 LDPC 和卷积码的单时隙稀疏 IDMA 方案仿真结果表4-1单时隙仿真参数配置参数配置信道AWGN(Additive white Gaussian noise)调制BPSK(Binary phase shift keying)信道编码LDPC 5G NR,convolution
76、al code(CC)133,22IMT-2030(6G)推进组IMT-2030(6G)Promotion Group171OCT重复次数2码率0.5压缩感知数据长度2000多用户数据传输长度28000信息比特长度(压缩感知+数据)13+87激活用户数50300表4-2Case I,II 和 III参数配置Case ICase IICase IIISNR1=-12.8 dB,SNR2=-2.3 dB,真实用户激活检测和信道估计SNR1=-10.8 dB,SNR2=-3.3dB,真实用户激活检测和信道估计SNR2=-3.5dB,理想用户激活检测和理想信道估计图 4-7 给出了用户激活检测错误概率
77、和 FFT 点数的关系。FFT 点数越大,用户激活检测性能越差。此处仿真没有考虑用户导频碰撞,仅考虑压缩感知进行信号检测的性能。图 4-8 左图给出了单用户使用 LDPC 码和卷积码的性能,可以发现卷积码有明显的性能增益。卷积码的误码率(BER)更小意味着用于多址时多用户干扰更小,因此可以取得更好的性能。图 4-8 右图给出反映软入软出译码器特性的 f()函数和反映检测器特性的 g()函数。稀疏 IDMA 由于在每个用户传输的信号里填入大量的零使得用户间干扰大大降低。当激活用户数是 250,每个资源上叠加的平均用户数大概为K=6;当激活用户数是 200,K=4。当 K=6 时卷积码的 f()函
78、数不与 g()函数相交,表明此时使用卷积码可以迭代收敛。而 K=6 时 LDPC 码的 f()函数与 g()函数在 v 接近 1 的时候相交,表明此时使用 LDPC不能迭代收敛。当 K=4 时 LDPC 码的 f()函数与 g()函数在 v 接近 0.05 的时候相交,表明此时使用 LDPC可以迭代收敛。图 4-9 左图给出了真实用户激活检测和信道估计的性能。对 Case I,SNR1 是-12.8 dB,即压缩感知信号的信噪比是-12.8 dB,此时 250 个用户发现了 249 个。Case II 中 SNR1 增大到-10.8 dB,可以发现所有 250 个用户。为使多用户检测能迭代收敛
79、,Case I 时数据信号的信噪比 SNR2 是-2.3 dB,case II 时 SNR2是-3.3 dB。Case II 需要的信噪比更低。图 4-9 右图给出了 Case I,Case II 和 Case III 迭代收敛的性能。其中 Case III 是理想用户激活检测和信道估计。真实信道估计时由于每个用户信道增益不一样,使得迭代检测时收敛速比理想信道估计时更快。图4-7错误检测概率与FFT大小关系,激活用户数是30023IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图4-8卷积码和LDPC性能比较图4-9真实信道估计及其性能基于 LDPC 的多时
80、隙稀疏 IDMA 方案仿真结果表4-3多时隙仿真基本参数配置参数配置总帧长45000单时隙长度1500用户载荷长度100LDPC 编码配置5G NR BG2IDMA 调制阶数BPSK用户平均错误概率(PUPE)要求0.05超容限概率 p0.05表4-4碰撞容限和重复度分布的参数设置活跃用户数aK500300时隙数V30碰撞容限T469111315重复度分布321/43/4xx2x27/92/9xx 22/119/11xx 211133/12/xx 24/51/5xx 仿真结果图 4-10 所示。选取的对比方案均为单时隙编码方案,例如在整个帧上稀疏扩展的稀疏 IDMA方案1
81、3,而 BCH(BoseChaudhuriHocquenghem)为级联 BCH 码方案55,并根据3给出巨址接入可达的最佳性能界。纵向观察,多时隙方案对于对比 BCH 方案能够提升 6 dB 以上的系统能效;相对于 Sparse24IMT-2030(6G)推进组IMT-2030(6G)Promotion GroupIDMA 方案,多时隙方案在每个时隙的译码复杂度较低。表 4-4 中的用户重复度分布暂未进行优化,其性能仍有进一步提升空间。BCH 方案由于编码效率低而且依赖于信道等效,在用户数很大、密集碰撞的场景下性能迅速恶化。图4-10SNR门限随活跃用户数的变化关系基于极化调整卷积码的单时隙
82、稀疏 IDMA 方案仿真结果仿真性能如图 4-11 所示。其中,信息比特总长度为|w|=|ws|+|wc|=7+64=71,信道编码后的长度为 128。译码器为串行抵消列表译码(Successive Cancellation List,SCL),其搜索宽度为 L=256。作为对比,还进行了极化码为信道编码的仿真性能,极化码在编码时添加 8 位 CRC,序列长度为 128。可以看出,基于 PAC 码的稀疏 IDMA 性能明显优于基于 Polar 的。而且避免 CRC 校验的同时,在译码阶段也避免串行干扰消除过程,从而减少了额外的时间开销,同时降低实现复杂度。图4-11基于极化调整卷积码的稀疏ID
83、MA仿真性能基于 AI 的接收机仿真性能在图 4-12 仿真中,分别在天线数为 4 和 1 的场景展示 PDNN 和 DDNN 相比传统压缩感知方案 AMP、OMP、全连接神经网络 FCNN 方案的用户激活检测性能的优越性。25IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图4-12用户激活检测仿真性能对比4.2 线性扩展类的传输基于符号级线性扩展的方案是发射端通过对调制后的数据符号进行扩展,如图 4-13 所示,不同用户选用非正交的扩展码本,将扩展后的数据叠加在同一份时频资源上进行传输的,而在接收端,通常采用干扰消除算法进行串行或者并行译码,其主要原理是
84、利用各用户对应的扩展序列进行相关解扩,达到抑制用户间干扰的效果,从而使得强用户(接收信干噪比较高)的信号能够优先译码,接着将译码正确的用户数据进行重构并从叠加的接收信号中消去,进而可以提升剩余弱用户数据的信干噪比,然后对弱用户进行译码尝试。图4-13线性扩展随机接入多址发射机4.2.1基于码域空域联合扩展的无连接传输非正交技术通过允许不同用户信号不完全正交,增加信号的多样性,使得用户间干扰更平均,尽可能减少严重到不可分离的用户间干扰的出现,从而让多用户性能更鲁棒。进一步,先进的非正交多用户检测技术,通过一定的复杂度代价,可以在严重的多用户互扰下依然能确保检测的性能。因此无连接传输需要先进的非正
85、交发射和接收技术。但是,传统的非正交收发技术都需要依赖导频去获取不同用户数据信号的差异性,然后才能利用这些差异性去分离用户的数据;然而在无连接传输场景,导频严重碰撞下,基站难以利用碰撞严重的导频去估计数据信号的差异性,实现多用户检测。因此,高效无连接传输需要进一步考虑可以少依赖导频甚至不依赖导频的先进非正交技术。非正交技术的多用户复用能力可以来自功率域、码域和空域。功率域26IMT-2030(6G)推进组IMT-2030(6G)Promotion Group无连接传输由于没有基站等中心的控制,因此无法实现精确的功率控制,导致远近效应,这也自然提供了一个在功率域上分离多用信息的能力。例如,如果两
86、个用户的信号到达基站处一强一弱,基站就可以先解调译码功率较强的用户的信息,然后将信息重构回传输信号,进而可以从接收的合信号中消除强用户的信号;这样解调弱用户信号时,就没有强用户的干扰了。码域利用码域扩展的无连接传输中,发射端随机挑选扩展码字,接收端利用扩展码来降低用户间干扰,提升符号信噪比。扩展序列的属性会直接影响无连接传输的性能和接收机复杂度,是码域扩展方案的关键。如果像传统 DS-CDMA(Direct sequence code division multiple access)那样使用很长的伪随机序列(PN,pseudo noise),序列之间的低相关性是比较容易保证的,而且可以为系统
87、提供一个软容量,即允许同时接入的用户数量大于序列长度,这时系统相当于工作在过载的状态。长 PN 序列虽然可以提供一定的软容量,即一定的过载率,但是在巨连接系统需求下,系统过载率往往是比较大的,而在大过载率的情况下,采用长 PN 序列所导致的 SIC 过程是非常复杂和冗长的。进一步,发射侧符号的时频展开太多,也增加终端发射的复杂度。相反,如果较短的序列,通过优化设计,也能达到长序列的高过载率的话,那从发射接收复杂度和处理时延考量,使用这样的短序列更合适。然而,传统 PN 序列是二元实序列,随机产生的序列集合的低互相关性难以保证,缩短后所能支持的用户过载率迅速降低。相对的,好的码域扩展方案都是通过
88、优化符号扩展序列来提升码域方案在竞争式非正交下的性能。其中 eMUSA(Enhanced multi-user shared access)技术方案使用复数域多元码序列作为符号扩展的序列757,使得扩展序列的组合变得更加丰富,例如,典型的 eMUSA 序列中每一个元素的实部/虚部取值于一个简单的二元集合-1,1或三元集合-1,0,1。此类序列即使很短时,如长度为 8 或 4 时,也能获得大量低相关的序列。例如长度为 4 的序列,PN 序列最多只能找到 8 条不同的序列;而 eMUSA 序列,互相关能量(即互相干扰的能量)小于 0.63 的序列多达 156条,能很大程度上避免碰撞,从而实现很好的
89、用户间干扰随机化的效果。再结合高效的串行干扰消除(SIC)接收机,eMUSA 可以支持数倍于扩展码长度的节点通过自主选取扩展序列在相同的时频资源传输。空域基站部署 M 根接收天线时,不同用户的 M 维空域信道矢量通常不是完全相同的,这点提供了多用户复用能力。形象地看,多天线基站可以形成不同的接收波束去接收不同用户的信号。这样就算不同用户的达功率相同,扩展码也相同,只要这些用户的空域信道有一定的差异,基站还是有可能通过空域分离他们的。巨连接场景出现导频碰撞的概率非常高。为尽可能减少导频碰撞,通常做法是数倍地增加导频的数量。但是传统检测技术要依赖导频去估计信道、时偏和频偏,这要求每个导频在整个时频
90、资源上分布足够多的参考符号,最终导致导频开销显著增加,甚至出现导频占用时频资源超过数据包的情况。进一步,基站进行多用户检测时,需要对大量长导频进行检测,复杂度也会显著增加。为减少导频开销和复杂度,需要考虑少依赖甚至不依赖导频的先进检测技术,确保无连接传输下依然可以充分利用空域,码域,功率域多用户复用能力来支持巨量连接。eMUSA Data-only 技术5657以及超低碰撞导频技术5859反转了传统检测顺序:先利用空域码域功率域进行干扰抑制,再利用干扰抑制后的数据符号来估计信道,进而均衡、解调译码。如图 4-14 所示。即使大连接高负载场景,通过空域码域功率域干扰抑制后的数据符号的信干噪比仍然
91、较高,可确保信道估计性能。其中Data-only技术通过挖掘各个用户接收数据符号的统计特性和几何特性来实现高效的盲检测。其中最主要的部分是分区匹配法,如图 4-14 所示,即基于调制符号星座图的几何特点,来估计整个传输资源上的信道以及时频偏。低阶调制符号,例如 BPSKQPSK,对应的星座图都具备简单的几何形状,即使接收到的调制符号经过了信道的畸变,所对应的星座图也只是经历了旋转缩放,几何形状依然比较简单。27IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图4-14分区匹配法(Partition Matching Method)eMUSA 超低碰撞导频技术
92、的主要思想是应用 Data-only 技术,利用数据调制符号去完成大部分信道估计任务,这样可以让导频的估计任务最小化,数量最大化,碰撞最少化。具体而言,超低碰撞导频技术中,导频只需负责空域合并权值的估计,而不用估计多径选择性衰落,也不用估计时频偏。eMUSA 超低碰撞率导频技术具体如图 4-15 所示。作为对比,传统的导频需要估计整个时频资源的信道,因此导频符号需要铺满整个时频资源,开销很大,可以说是稠密分布的。而应用 Data-only 技术后,每个导频可以只需估计一个时频位置上的信道,这个估值量通常用于多天线空域合并权值的计算,而剩下的信道估计任务通过数据调制符号来完成,因此,每个导频可以
93、只占用一个时频位置,这样的开销是最小化的,也可以说是最稀疏的。相同的导频开销下,极稀疏导频方案可以让导频数量最大化,导频碰撞最小化。进一步,传统数据传输帧中,通常只有一个导频,这个导频碰撞了就没办法准确检测了。eMUSA超低碰撞导频技术另一个主要部分是独立多导频技术:一次传输中包含多个导频,并且导频之间独立无关的。不同用户的独立多个导频同时碰撞的概率会比传统单导频小很多,如下图所示。基站通过迭代的多用户接收机,每轮都可以通过那些没有碰撞的导频解出对应的用户数据,然后将其数据和导频都重构出来并从接收信号中消除掉,如此迭代直到解出所有可解的用户。图4-15超低碰撞率导频eMUSA 无连接传输不仅仅
94、可以应用于基于蜂窝的物联网场景,还可以应用到更广泛的场景中,例如V2V 通信场景中。高密度车联网的信息传输,具有海量和突发两个特点,而车联网信息传输又有低时延高可靠的需求。在海量、突发的信息传输场景要满足低时延高可靠的需求是非常大的挑战。进一步,由于车辆节点的快速移动,导致车联网网络拓扑迅速变化,使得海量、突发、低时延、高可靠这些通信需求同时满足更为困难。eMUSA 无连接传输方案充分利用 V2V 传输的特点,实现一种非常高效的 V2V 传输方案,充分利用下面两个特点:1)车辆体积比一般通信终端大得多;2)越近车辆的信息越重要。将收发天线尽量分离放置,以使得即使完全不进行自干扰消除,全双工的自
95、干扰也不会比目标信号大很多。进一步,eMUSA 无连接传输可以无连接下充分利用空域/码域/功率域的多用户复用能力,并将全双工的自干扰当成是目标信号来处理,实现了全双工下的无连接传输的高可靠性。而且这样可以不用额外增加自干扰消除模块,进一步简化全双工 V2V 通信。通过结合 eMUSA 无连接传输技术和高效全双工技术,可以允许大量车辆终端无需先听后发,直接交换信息;并且避免传统技术的漏收和隐藏节点问题;最终28IMT-2030(6G)推进组IMT-2030(6G)Promotion Group实现超低时延和超高可靠性的 V2V 直接通信。仿真结果显示,对于高密度车辆网场景,eMUSA 的传输时延
96、仅是传统方法的 1/51/10,而可靠性提高 13 个量级60。4.2.2基于立方分割码本考虑一个具有 K 个独立用户的 mMTC 场景,每个用户的信道编码方案为 LDPC 编码。系统的发射机如图 4-16 所示。用户将初始数据比特添加 CRC 后进行码块分割,随后进行 LDPC 信道编码和码率匹配。将码率匹配后的比特流通过单用户立方分割码本进行码字映射,并将得到的码字进行线性扩展。扩展后的码字在选择扩频图案后进行扩频,这些符号形成用户发送的数据包。图4-16发射机系统框图根据线性扩展矩阵和扩频图案表的设计,接收方先对接收到的数据进行解扩从而进行用户扩频图案重建,恢复出每个符号单元所使用的扩频
97、图案。随后,再根据线性扩展矩阵的设计,反解出每个用户的数据符号。在得到用户的数据符号后,通过计算对数似然比进行 LDPC 软解码,并进行 CRC 校验。将通过 CRC 校验的用户,利用基于最小二乘的信道估计,对解码信号进行重构,消除已解码符号对未通过CRC 校验的用户影响。对多用户传输时使用立方分割码本的性能进行仿真,仿真参数如表 4-5 所列。表4-5多用户单天线系统传输性能仿真参数参数参数设置设置载波频率700MHz信道编码LDPC 编码(16bit CRC,译码迭代次数 25)参数集子载波间隔 15 kHz,14 个 OFDM 符号系统带宽1.08 MHz用户数4用户传输包大小10 字节
98、/20 字节/40 字节/60 字节/75 字节码本参数D=4,B=1公共扩频池/导频复正交序列扩频序列/导频长度4扩频图案表行数20信道类型瑞利信道图 4-17 所示为传输包大小为 10 字节时的系统的误比特率曲线仿真结果61。可以看出,基于线性扩展的传输方案在信噪比较高时对比基于导频估计的传输方案存在约 46 dB 的性能增益,在理想扩频图案估计的情况下能获得约 26 dB 的性能增益。总体上基于线性扩展的传输方案性能不如基于理想信道估计的正交导频传输方案,这说明基于线性扩展的传输方案主要性能增益来源于较小的信道估计误差。29IMT-2030(6G)推进组IMT-2030(6G)Promo
99、tion Group图4-17传输包大小为10字节时系统误比特率性能仿真4.2.3级联式线性扩展码本两个扩展码本级联的构造原理如图 4-18 所示。可以看到,级联备选组中码本序列个数W越大,新生成的码本S码池将越大。对于新构造的扩频序列S,前L位是原扩频序列,后L位是级联备选组序列。图4-18两个扩展码本级联举例结合该码本构造方法的设计准则,考虑一种“串行”分阶段级联检测的方法,即通过两轮检测 将 SINR较大的扩频序列挑出。具体地,对于利用扩频序列长度为 L 码池大小为 N 的码本生成新的构造码本,其中扩频序列长度变为原先的 2 倍,即 2L,码池大小变为 NW。第一阶段,利用自相关矩阵的逆
100、矩阵的左上角 LL 矩阵对 L 长 N 大小的原扩频码本序列进行遍历,从 N 条原始序列中挑选出 SINR 最大的 M1条,即确定了用户前 L 位的扩展序列;第二阶段,在第一轮挑出 M1条扩频序列的基础上,利用自相关矩阵的逆矩阵对 2L 长 M1W 大小的构造码本池中的序列遍历,进而挑选出译码成功可能性最大的 M2条。最终利用这 M2条激活的扩展序列进行后续的解扩、均衡、译码等。相比于传统方法使用自相关矩阵对 2L 长 NW 大小的构造序列中遍历进行盲激活序列检测,此方法可以使计算复杂度大大降低。30IMT-2030(6G)推进组IMT-2030(6G)Promotion Group4.2.4
101、基于模式分割的随机接入方案针对 mMTC 场景下的导频碰撞问题,考虑模式分割随机接入(pattern division random access,PDRA)设计原则47,即基于“图样叠加”的模式域导频,将导频竞争空间扩展到模式域,在不增加物理资源的前提下扩大导频竞争空间,并且接收端可以低复杂度实现“部分碰撞”判决,降低导频碰撞概率,提高接入成功率,3GPP 4G/5G 系统中每个导频序列由具有不同循环移位和根索引的 ZC(Zadoff-Chu)序列生成,用户在公用导频池中随机选择一个导频序列发送至基站进而发起 RA 请求。以 ZC 序列为例,将模式域导频构造为同一 ZC 根序列的循环移位序列
102、中任意 L 个不同序列的叠加,假设单一 ZC 根序列构造的导频集合大小为 NSS,对于根序列号为 u 的 ZC 序列 au,其构造的第 j 个模式域导频表达式为:,11,0,1,01lLu ju vlSSPSlvNjNLsa(1)其中,SSLPSNNC为一个根序列构造出的模式域导频大小,,lu va为根序列号为u的ZC序列循环移位后生成的序列,表示为:,mod,01 allu vu vulCSZCZCaiaiv NNiN(2)其中,CSN表示循环移位间隔,(01)lCSlSSv NvN表示循环位移值,ZCN为序列长度。假设 ZC 根序列总数为 R,则模式域导频集合的大小表示为PPSNRN。与传
103、统 ZC 序列导频集合大小SSN相比,模式域导频集合大小扩大了SSSSLLNNSSSSRCCRNN倍。对于接收端,基于模式域导频的设计使基站可以在用户间只有部分碰撞时仍可以判决出用户的信道,从而实现接入请求。以 19 个正六边形蜂窝小区组成的通信场景进行仿真,图 4-19 给出不相关瑞利衰落信道下,激活概率为 PA=0.15%时,RA 成功概率 PMF随 ZC 根序列数 R 的变化曲线。从图中可以看出,随着 NSS的增大,传统 RA 方案和 PDRA 方案的 RA 成功概率均有所提高,但 PDRA 方案性能更好。另外图 4-19 中 R3 时 PDRA 方案在 NSS=32 时的性能甚至优于传
104、统 RA 方案 NSS=64 时性能,这是因为模式域导频通过扩大导频竞争空间有效缓解导频碰撞。图4-19不相关瑞利衰落信道下PMF曲线4.3 多段编译码4.3.1压缩感知采用切块树编码与压缩感知编码的级联结构,如图 4-20 所示,用户的子块编码结果分别映射到多个31IMT-2030(6G)推进组IMT-2030(6G)Promotion Group时隙上,在每一子块后缀上增加树编码校验比特,组成等长的复合信息,将复合信息映射为 1 个稀疏向量,经过压缩感知映射后发送到时隙上。接收端可进行逐 CS 时隙的译码,解出其上叠加的复合信息(包含数据部分与树编码校验比特),从根节点(无校验)开始,扩展
105、树结构并且根据校验关系找到正确路径,串联起属于同一用户的信息,拼合出各个用户的信息。此外,压缩感知编码可以与波束空间结合。具体地,基于编码压缩感知方案,设计基于硬判决和软判决的波束空间树译码器。通过利用波束区分特性辅助区分不同用户传输的信息子块,两个译码器可以使得系统可以容纳更多活跃用户。图4-20压缩感知编码的系统架构基于硬判决的波束空间树形译码器使用波束图样匹配的方式提升校验能力,降低在译码过程中搜索的解空间,具有较低的计算复杂度。如图 4-21 所示,波束图样失配的候选路径会被提前剪枝。图4-21基于硬判决的波束空间树译码器的剪枝过程注意到 CS 译码器丢失的任意信息子块都会导致活跃用户
106、的消息序列漏检,使得性能下降。为解决这一问题,如图 4-22 所示,基于软判决的波束空间译码器在译码过程的每个阶段构建因子图并执行消息传递算法,赋予根据校验关系得到的候选信息子块置信值。接着使用列表译码的方式,根据一种路径度量计算每个候选路径的可靠度,并在每个阶段保留一些可靠的路径,最终在最后一个阶段输出幸存的路径作为正确结果。图4-22基于软判决的波束空间树译码器的剪枝过程32IMT-2030(6G)推进组IMT-2030(6G)Promotion Group4.3.2资源跳跃资源跳跃多址(Resource Hopping Multiple Access,RHMA)是一种基于多段编码的适用于
107、大规模免授权随机接入的多址方案。,终端在激活传输时会随机从签名池中选择一个签名来表征自己的信号。然而在信道资源有限的情况下,容易发生用户签名的碰撞。资源跳跃多址针对该问题进行相应设计,其基本思想为:首先与 4.3.1 中的方案类似,将单个时隙内的用户数据包进行分段,但是 RHMA 并非对每个数据段添加冗余比特,而是以数据段为基本单位进行段编码以生成冗余的数据段。之后,包含冗余数据段在内的所有编码数据段将映射至不同的信道资源(扩频序列、子载波等)上,从而以有限信道资源生成大量跳跃图案来表征海量用户身份,并利用冗余段解决用户间的碰撞。方案发射机如图 4-23 所示,该方案与传统发射机不同之处在于其
108、在信道编码之后利用分流器将用户数据比特分成多个数据段,而后利用段编码生成冗余数据段。之后用户根据自己所特定的资源映射图案将每一个编码数据段上的数据符号映射至不同的信道资源上,而后再利用合流器将多个编码数据段合并进行传输。图4-23资源跳跃多址发射机设计方案接收机如图 4-24 所示,当基站接收到数据之后,首先利用分流器将接收数据分成多段,并针对每段检测其在每个信道资源上是否映射有数据,而后根据在所有段上所检测到的信道资源的映射情况,基于资源映射图案码本对接入的激活用户进行识别。用户识别之后,接收机针对每一个识别用户基于其资源映射图案将其所有段上的数据进行解映射,而后进行信道估计、均衡以及解调,
109、并将该识别用户所有段上的数据比特输入到段解码器中解码及合并,输入到信道解码器中。图4-24资源跳跃多址接收机设计另外,接收端可以结合码片级串行干扰消除,以复杂度为代价来提升碰撞解决能力。如图 4-25 所示,当一个用户可以被成功解码时,接收机可以将其数据进行恢复,并从接收数据中减去,如此原先无法被解码的用户中被碰撞的段在下一次就有可能变为无碰撞的段,从而可以让该用户被成功解码。33IMT-2030(6G)推进组IMT-2030(6G)Promotion Group图4-25结合SIC的资源跳跃多址发射机设计若正交信道资源的数量为 q,传统 ALOHA 的签名池规模为 q,但资源跳跃多址可生成的
110、签名池规模为 q2,图 4-26 展示了 ALOHA 在 q=8,64 时以及资源跳跃多址在 q=8 时具有 SIC 和不具有 SIC 时的碰撞解决概率。可以看到,由于资源跳跃多址基于 q=8 可得到规模为 64 的签名池,因而在激活用户数量Ka 小于 8 时,资源跳跃多址的碰撞解决概率与 ALOHA 在 q=64 时的碰撞解决概率一致。此时,资源跳跃多址中用户间数据段的碰撞可以被段编码生成的冗余数据段所恢复。但当激活用户数量 Ka 进一步增大时,段编码产生的冗余数据段不足以恢复用户间所碰撞的数据段,因而资源跳跃多址的碰撞解决能力会出现下降。同时可以看到,资源跳跃多址碰撞解决概率的下降可以利用
111、结合 SIC 的方案进行延缓,当利用 SIC 时,激活用户数量 Ka 在达到 14 时才会出现碰撞概率的下降。因此,资源跳跃多址是通过牺牲用户速率来提升用户在免授权随机接入中的接入可靠性。图4-26ALOHA与资源跳跃多址(RHMA)的碰撞解决概率对比34IMT-2030(6G)推进组IMT-2030(6G)Promotion Group4.4 混合类或其它方案4.4.1基于 Reed-Muller 码Reed-Muller 码可以生成高维度的正交矩阵,如同高维度的 FFT 矩阵,Reed-Muller 码生成的正交矩阵也可以用于压缩感知62。此正交矩阵在无源多址中可以用于用户激活检测和信道估
112、计。利用Reed-Muller码的无源多址方案见图 4-27。用户信息比特是 K,将其中的 K-2p 个比特用于 Reed-Muller 码的编码。图4-27Reed-Muller码无源多址方案该方案使用 2p时隙传输多用户数据。用户 p 个信息比特可用于确定传输时隙的序号(总的时隙数是2p)。为提高用户检测成功概率,每个用户在两个时隙上传输。两个时隙同时检测失败的概率较低,因此,这种策略可以提高用户检测成功的概率。当一个用户信息在时隙 A 被成功检测,其在时隙 B 的信号将被干扰消除,以增加其它用户在时隙 B 的检测成功概率。可以使用用户信息比特的最后 2p 个比特确定用户在两个时隙传输的序
113、号,于是,用户用于 Reed-Muller 码编码的比特数是 K-2p。Reed-Muller 码的用户激活检测和数据检测的算法描述如下63。其中 y 是接收信号,m 是 Reed-Muller 码的阶数,编码后的数据长度是 2m。findPb(y)是 Reed-Muller 码根据接收信号 y 的 Reed-Muller 码译码。译码后得到矩阵 Ps和矢量 bs.。P,b是根据 Ps和 bs进行 Reed-Muller编码后的结果。是长度为 2m的 Reed-Muller 码组成的矩阵,Cs是信道增益,-1是对矩阵求伪逆。仿真参数如下。表4-6基于Reed-Muller码的无源多址仿真参数信
114、道AWGN调制BPSK时隙数128激活用户数(Ka)50300信息比特数42编码后比特数25635IMT-2030(6G)推进组IMT-2030(6G)Promotion Group编码方法Reed-Muller仿真结果如图 4-28 所示。可以发现,当时隙数是 128 时,Reed-Muller 码可支持 300 个用户。用户数大于200 后,由于用户间干扰加剧,5%用户接入失败率所需比特信噪比增加较快,但在用户数小于 200 时性能较好。Reed-Muller 码的检测仅仅涉及相关运算,其计算复杂度较低。适合作为信息比特数较小(42 比特左右)的低复杂度无源多址方案。图4-28Reed-M
115、uller无源多址方案仿真性能4.4.2稀疏 IDMA+有限域扩展在大多数现有的编码方案中,信道编码和/或扩展仅限于二元域;另外,随着接入用户数增加,系统性能下降较快。有限域(finite filed,FF)中具有良好性质的代数结构尚未被利用。研究表明,与二元方案相比,非二元方案:(1)增加了多用户叠加的多样性,即更少混叠;(2)在相同系统负载下,连边更加稀疏,从而减少了多用户干扰;(3)在高用户区域、高负载下性能增益更加明显;(4)随着多元域域参数的增加,系统容量越高,更贴近容量限。文献64将有限域扩展应用到无源多址接入(unsourcedmultiple access,UMA)场景,提出面
116、向无源多址接入的一种新型的有限域扩展(finite field spreading,FFS)方法。与图 4-1 中的稀疏 IDMA 的基本架构类似,发射侧由两个并行分支组成:一个分支进行 CS 导频映射,承载包头部分的信息,并用于指示扩展图样。第二部分 Bd比特的数据首先被转换为长度为 Sd=Bd/log2(q)的 GF(q)上的信息符号,并由码率为 Rc非二元 LDPC 编码器编码成长度为 S=Sd/Rc的符号序列 ui。用户 i的有限域扩展图样由用户 i 的包头信息 di确定,从有限域扩展码本中选择,记作(di)。有限域扩展可以拆分为一系列步骤来实现,包括重复、有限域乘法、填零和交织。用户
117、 i 的重复次数 l 和有限域乘法的系数向量 g 可以直接从扩展图样(di)中获得,分别记作 l(di)和 g(di)。在图 4-29 中,由一个框中的一组蓝色圆圈表示的长度为 S 的编码符号序列 ui被重复 l(di)次,生成长度为 S/Ri的较低速率码字()times(,.,)iiiiil dru uu ,其中所有用户的重复率 Ri=1/l(di)可以不同,以引入不相等的分集。为了获得有限域中的编码分集增益,将码字 ri与在有限域 GF(q)上定义的相同长度的系数向量 g(di)按元素相乘,产生新的向量()iiidrrg,如图 4-29 中的一组绿色圆圈表示。i r被填零到长度sF,即(,
118、0,0,.,0)iirr。然后,通过由id确定的置换操作idP,获得交织的 GF(q)码字ic。有限域编码背后的核心思想是:(1)不一致的重复设置给活跃用户带来了不等的可靠度;(2)按元素乘法和交织不仅提高了编码增益,而且减少每个 MAC 节点上的叠加数;(3)填零使传输稀疏化,并降低每个信道被使用的干扰水平,尤其是当sdSF时。有限域在 GF(4)上扩展的一个简单例子也如图3 所示。GF(4)LDPC 码字 ui=(2103)被重复 l(di)=2 次,以产生 ri=(21032103),随后该码字逐元素地与36IMT-2030(6G)推进组IMT-2030(6G)Promotion Gro
119、upg(di)=(32212313)相乘。根据 GF(4)上的乘法规则,得到(12033302)ir。在填零和交织操作之后,获得FFS 码字为(10323320)ic。注ic中的每个“”表示填零的位置,并且与 GF(4)上的“0”元素(0)具有不同的含义。图4-29有限域在GF(4)上扩展的一个例子根据 GF(q)到星座字母表 A 的一一映射函数(.),ci被调制为复数域中的码字 mi。图 4-29 中,GF(4)域扩展后采用 QPSK 调制来产生码字 mi。注意只有ic中的有限域元素被调制,而填充的零(即“”)不发送任何内容。有限域扩展可以由非二元因子图表示,与信道编码进行联合迭代译码。图
120、4-30 给出了 Kv=2 个用户提供了一个简单示例。相同颜色的圆圈和正方形分别表示 LDPC 码的变量节点(variable nodes,VN)和校验节点(check nodes,CN)。由标记的正方形表示 MAC 节点(MAC nodes,MN)。非二元因子图的连边上有从 1 到 q-1 的整数系数表示有限域乘法。接收端通过压缩感知译码器恢复导频信息,从而恢复所有活跃用户的扩展图样后,即可获得 VN 与 MN 节点之间的因子图结构。上层因子图表示的(S,Sd)=(4,2)非二元 LDPC 码对 Kv=2 个用户的数据部分进行编码。然后,来自变量节点的编码符号12,uu u稀疏地分布到由下层
121、因子图表示的 Fs=10 个 MAC 节点上。给定 MAC 节点上的接收信号dvy,联合 BP 译码器沿着非二元因子图的边迭代地交换软信息,包括(1)用户检测器 MN 和 VN 节点之间的迭代译码,(2)单用非二元 LDPC 译码器 VN 与 CN 节点之间的迭代译码。检测器和译码器内部节点的消息传递和更新为内迭代。多用户检测器和单用户信道译码器通过共有的 VN 节点传递软信息。每通过 VN 节点完成一次双向消息传递即完成一次外迭代。软信息具体为 q 维对数似然比向量或对数概率向量L。图4-30级联因子图编解码举例(用户1和2分别通过重复2次和1次来扩展编码符号)考虑用户平均错误概率 Pe 1
122、50 时性能更好。当 Ka=150 时,有限域方案(8q)与基于二元 LDPC 编码的稀疏 IDMA 方案相比有明显性能优势,当 Ka 175 时,其性能优于直接扩频方案(包括 Polar 码+稀疏扩频、稀疏 IDMA 方案)。在较高用户数区域 Ka 200,与所有现有方案相比,所提方案实现了明显的性能增益。此外,所提出的方案的复杂性低于 Polar 码+IRSA、Polar 码+稀疏扩频和稀疏 IDMA 方案。图4-31所需信噪比随活跃用户数变化的性能曲线4.4.3可扩展同步前导序列针对大规模接入条件下用户连接态维护困难,以及物理随机接入信道的前导序列不足的问题,可以考虑可扩展同步用户激活检
123、测体制。该体制充分利用终端业务零星性自然造成的信号稀疏性特征,设计具有海量连接且满足恒模要求的非正交前导序列集合及其发送接收方法。每一用户关联一个数字频率不同的复指数序列,实现海量终端用户标识的唯一化,由此避免在有限时频资源条件下的前导序列碰撞问题。用户侧充分利用信道先验知识,可采用预均衡或相位预补偿的方法发送关联序列,由此简化基站侧检测处理并提高检测效率。所采用的序列发送方法实现了用户活动信息的非负性表示,将自然诱导检测结果的稀疏性。因此,在稀疏性检测算法设计中可以避免使用基于范数的正则化项,从而实现在有限步数内收敛的快速检测算法,彻底解决检测算法的收敛问题。所提出的可扩展同步用户活动性检测
124、体制实现了最小化完美检测所需的序列长度,使其仅取决于实际活动终端的数量,适应终端总量的任意扩展,避免现有基于压缩感知方法所固有的搜索损失,便于网络扩展。38IMT-2030(6G)推进组IMT-2030(6G)Promotion Group参考文献1 袁弋非,袁志锋,5G 非正交多址技术(NOMA),人民邮电出版社,2019.2 X.Chen,T-Y Chen,D.Guo,“Capacity of Gaussian many-access channels”,IEEE Trans.on Info.Theory,vol.63,no.6,June 2017,pp.3516-39.3 I.Zadik
125、,Y.Polyanskiy,and C.Thrampoulidis,“Improved bounds on Gaussian MAC and sparseregression via Gaussian inequalities,”in 2019 IEEE International Symposium on Information Theory(ISIT).IEEE,2019.4 S.S.Kowshik,and Y.Polyanskiy,“Quasi-static fading MAC with many users and finite payload,”Proc.IEEE Intl.Sym
126、p.Info.Theory,2019.5 Y.Zhang et al.,“Asymptotic analysis for NOMA over fading channel without CSIT,”Proc.14th Intl.Wireless Commun.&Mobile Computing Conf.,2018,pp.111620.6 X.Su,Y.Yuan,and Q.Wang,“Performance analysis of rate splitting in K-user interference channelunder imperfect CSIT:average sum ra
127、te,outage probability and SER,”IEEE Access,August 2020.7 Z.Yuan,et.al,“Multi-user shared access for Internet-of-Things,”IEEE 83rd VTC Spring,2016.8 J.A.Tropp,Complex equiangular tight frames,Proc.SPIE Wavelets XI,San Diego,August 2005,pp.590412.01-11.9 H.Nikopour,H.Baligh,“Sparse code multiple acces
128、s,”IEEE 24th Int.Symp.on Personal,Indoor andMobile Radio Commun,2013.10Y.Chen et al.,Toward the standardization of non-orthogonal multiple access for next generationwireless networks,IEEE Commun.Mag.,vol.56,no.3,Mar.2018,pp.19-27.11Z.Yuan,C.Yan,Y.Yuan and W.Li,Blind Multiple User Detection for Grant
129、-Free MUSA withoutReference Signal,IEEE 86th Vehicular Technology Conference(VTC-Fall),Toronto,ON,2017.12Y.Hu,et.al,“Interleave division multiple access in high rate applications”,IEEE Wireless Comm.Letters,vol.8,no.2,April,2019,pp.476-9.13A.K.Pradhan,V.K.Amalladinne,A.Vem,K.R.Narayanan and J.-F.Cha
130、mberland,Sparse IDMA:AJoint Graph-Based Coding Scheme for Unsourced Random Access,in IEEE Transactions onCommunications,vol.70,no.11,pp.7124-7133,Nov.2022.14K.Andreev,et.al,“A Polar code based TIN-SIC scheme for the unsourced random access in thequasi-static fading MAC,”IEEE Intl.Symp.on Info.Theory
131、(ISIT)2020.15Z.Han,X.Yuan,C.Xu,S.Jiang,and X.Wang,“Sparse Kronecker-product coding for unsourcedmultiple access,”IEEE Wireless Comm.Letters,vol.10,no.10,Oct.2021,pp.2274-8.16Ordentlich and Y.Polyanskiy,“Low complexity schemes for the random access gaussian channel,”IEEE Intl Symp.on Info.Theory(ISIT
132、),2017.17V.Amalladinne,J-F Chamberland,K.R.Narayanan,“A coded compressed sensing scheme forunsourced multiple access,”IEEE Trans.on Info.Theory,vol.66,no.10,Oct.2020,pp.6509-6533.18D.Donoho,A.Maleki,and A.Montanari,“Message-passing algorithms for compressed sensing,”Proc.National Academy of Science,
133、USA,vol.106,no.45,Nov.2009,pp.18914-19.19J.Ma,X.Yuan,and Li Ping,“Turbo compressed sensing with partial DFT sensing matrix,”IEEE SignalProcessing Letters,vol.22,no.2,Feb.2015,pp.158-161.20Z.Chen,F.Sobrabi,and W.Yu,“Sparse activity detection for massive connectivity,”IEEE Trans.onSignal Processing,vo
134、.66,no.7,April,2018,pp.1890-1904.21S.Jiang,X.Yuan,X.Wang,C.Xu,and W.Yu,“Joint user identification,channel estimation,and signaldetection for grant-free NOMA,”IEEE Trans.Wireless Comm.,vol.19,no.10,Oct.2020,pp.6960-6976.22Y.Cheng,L.Liu,and L.Ping,“Orthogonal AMP for massive access in channels with sp
135、atial andtemporal correlations,”IEEE J.Sel.Areas Commun,vol.39,no.3,March 2021,pp.726-740.23Y.Bai,W.Chen,F.Sun,B.Ai,“Data-Driven Compressed Sensing for Massive Wireless Access,”accepted for IEEE Communications Magazine.24M.Borgerding,P.Schniter and S.Rangan,AMP-Inspired Deep Networks for Sparse Line
136、ar InverseProblems,IEEE Trans.on Signal Processing,vol.65,no.16,Aug,2017,pp.4293-4308.253GPP TR 36.859,“Study on Downlink Multiuser Superposition Transmission(MUST)for LTE”(Release 13).263GPPTR 38.812,“Study on non-orthogonal multiple access(NOMA)for 5G”(Release 16).27田力,袁弋非,张峻峰、邱徵虹,5G 随机接入增强技术,人民邮电
137、出版社,2021.28IMT-2030(6G)推进组,6G 典型场景和关键能力白皮书,2022 年 7 月。29工业互联网产业联盟,无线应用场景白皮书-汽车制造领域(2018 年),2018 年 10 月39IMT-2030(6G)推进组IMT-2030(6G)Promotion Group30EUROPEAN COMMISSION.Industry 5.0:towards a sustainable,human-centric and resilientEuropean industryR.Luxembourg:Publications Office of the European Unio
138、n,2021:14-1531https:/ TS 22.261 v18.6.1,“Service requirements for the 5G system”,June 2022.333GPP TR 36.763“Study on narrow-band internet of things(NB-IoT)/enhanced machine typecommunication(eMTC)support for non-terrestrial networks(NTN).34ITU FG NET-2030,“Network 2030-a blueprint of technology,appl
139、ications and market driverstowards the year 2030 and beyond”,Whitepaper,May 2019.35IMT-2030(6G)推进组,6G 总体愿景与潜在关键技术白皮书,2021 年 6 月。36Y.Polyanskiy,H.V.Poor,and S.Verd,“Channel coding rate in the finite blocklength regime,”IEEETrans.Inf.Theory,vol.56,no.5,pp.2307-2359,May 2010.37T.M.Cover and J.A.Thomas,
140、Elements of Information Theory,John Wiley&Sons,2012.38E.MolavianJazi and J.N.Laneman,“A second-order achievable rate region for Gaussian multi-accesschannels via a central limit theorem for functions,”IEEE Trans.Inf.Theory,vol.61,no.12,pp.6719-6733,Dec.2015.39Y.Wu,X.Gao,S.Zhou,W.Yang,Y.Polyanskiy,an
141、d G.Caire,“Massive access for future wirelesscommunication systems,”IEEE Wireless Commun.,vol.27,no.4,pp.148-156,Aug.2020.40J.Gao,Y.Wu,S.Shao,W.Yang,and H.V.Poor,“Energy efficiency of massive random access inMIMO quasi-static Rayleigh fading channels with finite blocklength,”to appear in IEEE Trans.
142、Inf.Theory,Nov.2022.Online.Available:https:/arxiv.org/abs/2210.1197041R.M.Fano,Transmission of Information.Jointly published by the MIT Press and John Wiley&Sons,1961.42W.Yang,G.Durisi,T.Koch,and Y.Polyanskiy,“Quasi-static multiple-antenna fading channels at finiteblocklength,”IEEE Trans.Inf.Theory,
143、vol.60,no.7,pp.4232-4265,2014.43A.Fengler,S.Haghighatshoar,P.Jung,and G.Caire,“Non-bayesian activity detection,large-scalefading coefficient estimation,and unsourced random access with a massive MIMO receiver,”IEEETrans.Inf.Theory,vol.67,no.5,pp.2925-2951,May 2021.44J.Liu,G.Wu,X.Zhang,S.Fang,S.Li,“M
144、odeling,analysis,and optimization of grant-free NOMA inmassive MTC via stochastic geometry,”IEEE Internet of Things Journal,vol.8,no.6,pp.4389-4402,March 2021.45Y.Du,C.Cheng,B.Dong,et al.Block-Sparsity-Based Multiuser Detection for Uplink Grant-FreeNOMAJ.IEEE Transactions on Wireless Communications,
145、2018,17(12):7894-790.46Y.Zhang,Q.Guo,Z.Wang,et al.Block Sparse Bayesian Learning Based Joint User Activity Detectionand Channel Estimation for Grant-Free NOMA SystemsJ.IEEE Transactions on Vehicular Technology,2018,67(10):X.Dai,T.Yan,Q.Li,H.Li and X.Wang.Pattern Division Random Access(PDR
146、A)for M2MCommunications With Massive MIMO SystemsJ.IEEE Transactions on Vehicular Technology,2021,70(12):J.Ma,X.Yuan and L.Ping,Turbo Compressed Sensing with Partial DFT Sensing Matrix,in IEEESignal Processing Letters,vol.22,no.2,pp.158-161,Feb.2015,doi:10.1109/LSP.2014.2351822.49Y.Chi,
147、L.Liu,et al.,Constrained Capacity Optimal Generalized Multi-User MIMO:ATheoretical andPractical Framework,IEEE TCOM,2022.50J.Ma and L.Ping,“OrthogonalAMP,”IEEE Access,vol.5,pp.20202033,2017,arXiv:1602.06509,2016.51L.Liu,S.Huang,and B.M.Kurkoski,“Memory AMP,”IEEE Trans.Inf.Theory,vol.68,no.12,pp.8015
148、8039,2022.52Y.Chen,L.Liu,Y.Chi,Y.Li,Z.Zhang,“Low-complexity and information-theoretic optimal memoryAMP for coded generalized MIMO”,IEEE Global Commun.Conf.(GLOBECOM),pp.1-6,202353ErdalArkan,“From sequential decoding to channel polarization and back again,”ArXiv,vol.abs/1908.09594,2019.54Z.Sun,Y.Xia
149、o,D.Lin and X.Xu,Performance Evaluation of Unsourced Multiple Access withPolarization-Adjusted Convolutional Coding,2022 IEEE 95th Vehicular Technology Conference,Helsinki,Finland,2022,pp.1-5.55O.Ordentlich and Y.Polyanskiy,“Low complexity schemes for the random access Gaussian channel,”IEEE Interna
150、tional Symposium on Information Theory-Proceedings,2017,pp.25282532.56Z.Yuan,Y.Hu,W.Li,and J.Dai,“Blind multi-user detection for autonomous grant-freehigh-overloading multiple-access without reference signal,”in Proc.87th Vehicular TechnologyConference(VTC-Spring),Porto,Portugal,2018.40IMT-2030(6G)推
151、进组IMT-2030(6G)Promotion Group57Y.Ma,Z.Yuan,Y.Hu,W.Li and Z.Li,A Data-assisted Algorithm for Truly Grant-free Transmissionsof Future mMTC,GLOBECOM 2020-2020 IEEE Global Communications Conference,2020,pp.1-6,doi:10.1109/GLOBECOM42002.2020.9348198.58Z.Yuan,W.Li,Z.Li,Y.Ma and Y.Hu,Contention-based Grant
152、-free Transmission with IndependentMulti-pilot Scheme,2020 IEEE 92nd Vehicular Technology Conference(VTC2020-Fall),Victoria,BC,Canada,2020.59Z.Yuan,Z.Li,W.Li,Y.Ma and C.Liang,Contention-based Grant-free Transmission with ExtremelySparse Orthogonal Pilot Scheme,2021 IEEE 94th Vehicular Technology Con
153、ference(VTC2021-Fall),2021,pp.1-6,doi:10.1109/VTC2021-Fall52928.2021.9625265.60Z.Yuan,Y.Ma,Y.Hu,and W.Li,“High-efficiency full-duplex V2V communication,”in Proc.2nd 6GWireless Summit,Levi,Finland,Mar.2020.61Li Y,Li C,He X,et al.The Grassmannian-Codebook Based Non-Coherent Multiple Access for Massive
154、ConnectionsC/2021 IEEE/CIC International Conference on Communications in China(ICCC).IEEE,2021:189-194.62S.D.Howard,A.R.Calderbank and S.J.Searle,“A fast reconstruction algorithm for deterministiccompressive sensing using second order reed-muller codes,”2008 42nd Annual Conference onInformationScien
155、cesandSystems,Princeton,NJ,USA,2008,pp.11-15,doi:10.1109/CISS.2008.4558486.63R.Calderbank,A.Thompson,“CHIRRUP:a practical algorithm for unsourced multiple access”,Information and Inference:A Journal of the IMA,Volume 9,Issue 4,December 2020,Pages 875897,https:/doi.org/10.1093/imaiai/iaz029.64X.Sui,Z
156、.Si,J.Dai,S.Wang,and Y.Yuan,“Non-Orthogonal Multiple Access via Non-binary FactorGraphs”,in IEEE Wireless Communications and Networking Conference(WCNC),Glasgow,UnitedKingdom,2023,pp.1-641IMT-2030(6G)推进组IMT-2030(6G)Promotion Group具体贡献说明序号序号主主要要贡献单位贡献单位贡献章节贡献章节1中国移动总体、第1章、第2章、第4章1节2中信科移动第2章3华为第2章4中兴通讯第4章第2节5诺基亚上海贝尔第4章第4节6中关村泛联院第4章1节、第4章4节7上海交通大学第3章第1节8电子科技大学第3章第1节,第4章1节9北京邮电大学第4章1节、第4章第2节、第4章4节10浙江大学第4章第1节、第4章第3节11北京理工大学第4章1节12北京交通大学第4章第3节联系方式邮箱:COPYRIGHT2023 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.