基于Deep SIC的NOMA系统非线性干扰消除算法设计_通信与信号处理.docxVIP

PAGE2

基于DeepSIC的NOMA系统非线性干扰消除算法设计

第一章绪论

1.1研究背景

随着第五代移动通信系统在全球范围内大规模商用部署，物联网设备连接数量呈现指数级增长态势，预计到2025年全球物联网连接数将突破250亿。海量设备接入对无线通信系统的频谱效率提出了前所未有的挑战。

传统正交多址接入技术通过将频谱资源在时间、频率或码域进行正交划分来避免用户间干扰，然而这种资源分配方式在用户数量激增时面临严重的资源短缺问题。正交资源的总量限制了系统可同时服务的用户数量上限，成为制约大规模连接场景下系统容量的根本瓶颈。

非正交多址接入技术通过允许多个用户共享相同的时频资源块，在功率域或码域实现用户复用，理论上可显著提升频谱效率与系统容量。功率域NOMA在发送端采用叠加编码技术为不同用户分配差异化功率，在接收端通过串行干扰消除技术依次检测并消除多用户干扰。

然而实际通信系统中，功率放大器非线性失真、同相正交支路不平衡以及信道估计误差等因素会引入复杂的非线性串扰。这些非线性效应使得传统线性SIC接收机的干扰消除性能严重退化，残留干扰随用户数量增加而累积放大，最终导致系统误码率急剧恶化。

现有非线性干扰消除方法多依赖精确的数学模型与信道状态信息，但在复杂非线性场景下建模困难且计算复杂度高。深度学习方法凭借其强大的非线性函数逼近能力，为突破这一技术瓶颈提供了全新思路。

表1