Để cải thiện hơn nữa hiệu năng của hệ thống MU, chúng tôi đề xuất phương pháp kết hợp tiền mã hóa và NOMA. Hiệu năng của hệ thống MU với các sơ đồ kết hợp tiền mã hóa và NOMA mà chúng tôi đề xuất được đánh giá là có hiệu quả trong các trường hợp khử nhiễu liên tiếp (SIC: Successive Interference Cancellation) hoàn hảo và không hoàn hảo.
Trang 1Đánh Giá Xác Suất Dừng của Hệ Thống Đa Người Dùng với sự Kết Hợp Các Phương Pháp
Tiền Mã Hóa và NOMA Kiều Khắc Phương và Phạm Thanh Hiệp*
Khoa Vô tuyến điện tử Học viện Kỹ thuật Quân sự Email:phuongkk@mta.edu.vn; phamthanhhiep@gmail.com
Abstract—Hiện nay vấn đề nâng cao hiệu năng đường
xuống của hệ thống đa người dùng (MU: Multi User) là
hướng nghiên cứu quan trọng và đáng quan tâm cho các
hệ thống vô tuyến tương lai Phương pháp đa truy nhập
không trực giao (NOMA: Non-Orthogonal Multiple
Access) đã được đề xuất để cải thiện hiệu năng cho hệ
thống MU Để cải thiện hơn nữa hiệu năng của hệ thống
MU, chúng tôi đề xuất phương pháp kết hợp tiền mã hóa
và NOMA Hiệu năng của hệ thống MU với các sơ đồ kết
hợp tiền mã hóa và NOMA mà chúng tôi đề xuất được
đánh giá là có hiệu quả trong các trường hợp khử nhiễu
liên tiếp (SIC: Successive Interference Cancellation)
hoàn hảo và không hoàn hảo Việc đánh giá xác xuất
dừng cho cả hai trường hợp đã được thực hiện về mặt lý
thuyết và được so sánh với mô phỏng Monte Carlo Sự
phù hợp giữa kết quả lý thuyết và kết quả mô phỏng đã
xác thực công thức đánh giá được đề xuất Ngoài ra, các
kết quả cho thấy sự kết hợp tiền mã hóa và NOMA đã đề
xuất có thể cải thiện hơn nữa hiệu năng của hệ thống
MU
Keywords: NOMA; SIC; xác xuất dừng; kết hợp tiền mã
hóa và NOMA; khử nhiễu liên tiếp hoàn hảo và không
hoàn hảo
I GIỚI THIỆU Cách mạng 5G được phát triển để cung cấp các
dịch vụ internet vạn vật (IoT: Internet of thing) IoT về
cơ bản kết nối mọi người, các quá trình, dữ liệu và mọi
vật có thể với nhau Thách thức chủ yếu của IoT là
duy trì thông tin đáng tin cậy trong điều kiện phổ bị
hạn chế và chi phí thấp [1] Nhờ có hiệu suất phổ cao
mà đa truy nhập không trực giao (NOMA) là một
trong các kỹ thuật đa truy nhập đầy triển vọng cho các
mạng không dây tương lai, đặc biệt là ứng dụng cho
các mạng di động 5G [2]
Khác với phương pháp đa truy nhập trực giao
(OMA) như đa truy nhập phân chia theo mã (CDMA),
đa truy nhập phân chia theo tần số (FDMA), phương
pháp NOMA sử dụng miền năng lượng cho kỹ thuật
đa truy nhập ở máy phát và áp dụng phương pháp khử
nhiễu liên tiếp (SIC) để tách tín hiệu mong muốn ở các
người dùng SIC được thực hiện ở mỗi người dùng để
tách các ký hiệu chồng lên nhau và loại bỏ nhiễu giữa
các người dùng Trong kênh đường xuống của hệ
thống MU - NOMA, người dùng có điều kiện kênh tốt hơn được phân bổ công suất truyền ít hơn, trong khi
đó người dùng có điều kiện kênh kém hơn được cung cấp công suất truyền cao hơn [4], [5] Mục đích của chiến lược này là nhằm đạt được sự cân bằng giữa thông lượng hệ thống và sự công bằng của người dùng [6]
Các nghiên cứu trước đây về đường xuống của MU
- NOMA có thể được tóm tắt như sau: Dinh và các cộng sự đã tiến hành khảo sát NOMA đường xuống đơn giản của hệ thống MU, trong đó tất cả người dùng
ở các vị trí ngẫu nhiên, và đã tìm được các công thức đánh giá xác xuất dừng và dung lượng hệ thống Trong [8], Yang và các cộng sự đã khảo sát cả đường xuống
và đường lên của hệ thống MU - NOMA và đã đề xuất
sự phân bổ công suất động dựa trên chất lượng dịch vụ (QoS) của các người dùng khác nhau Dựa vào các kết quả đã nhận được, các tác giả đã chỉ ra rằng sự phân
bổ công suất động có thể đảm bảo sự công bằng thông lượng cho tất cả người dùng Thông lượng và xác xuất dừng đã được thảo luận trong điều kiện công bằng về chất lượng giữa các người dùng [9] Trong [10], các tác giả đã phân tích các hệ thống NOMA MU-MIMO
và chỉ ra rằng hiệu năng của hệ thống NOMA MU-MIMO được cải thiện khi các người dùng được tập hợp thành một cụm
Qua các công trình đã nghiên cứu, hiệu suất băng thông và các vấn đề của hệ thống NOMA đã được cải thiện Hơn thế nữa, công nghệ NOMA có thể cung cấp khả năng kết nối rất cao cho hàng tỷ thiết bị điện tử nhờ các đặc tính không trực giao Ngoài ra, khi so sánh với các phương pháp đa truy nhập khác như: truy nhập chia sẻ đa người dùng, đa truy nhập phân chia theo mẫu, đa truy nhập mã thưa, các hệ thống MU - NOMA có độ phức tạp thấp hơn [2] Bởi vậy công nghệ NOMA phù hợp cho đường xuống của hệ thống
MU
Mặt khác, tiền mã hóa trong hệ thống NOMA đa đầu vào - một đầu ra (MISO: Multi Input-Single Output) đã được đề xuất và phân tích [11] Tuy nhiên, tác giả đã thừa nhận rằng trong mỗi một cụm chỉ có hai người dùng, nên chúng tôi sẽ mở rộng vấn đề này
Hệ thống MU hai chặng với tiền mã hóa ở chặng thứ
Trang 2nhất và NOMA ở chặng thứ hai đã được đề xuất và
phân tích trong [12], sự kết hợp giữa beamforming và
NOMA cho đường xuống của các hệ thống MU đã
được đề xuất ở [13] Chúng tôi đã đề xuất mô hình hệ
thống và xác xuất dừng của hệ thống trong trường hợp
SIC hoàn hảo Điều này là bất khả thi trong các ứng
dụng thực tế, bởi vậy chúng tôi sẽ phân tích hệ thống
đã đề xuất với sự kết hợp giữa tiền mã hóa và NOMA
trong điều kiện SIC không hoàn hảo Phân tích lý
thuyết được kiểm chứng, so sánh với mô phỏng Monte
- Carlo trong cả hai trường hợp SIC hoàn hảo và
không hoàn hảo Các đóng góp của nghiên cứu bao
gồm:
• Phân tích, đánh giá hệ thống NOMA đường xuống
với đa anten ở trạm gốc và đơn anten ở người
dùng Nhiều người dùng tạo thành một cụm dựa
trên vị trí của họ và tiền mã hóa ZF được ứng dụng
ở trạm gốc (BS) để giảm bớt nhiễu liên cụm
• Đề xuất các công thức đánh giá xác xuất dừng cho
mỗi người dùng để đánh giá phương pháp đề xuất
dựa trên các trường hợp SIC hoàn hảo và không
hoàn hảo Các công thức đánh giá được kiểm
nghiệm bởi các kết quả mô phỏng
Phần còn lại của bài báo được tổ chức như sau:
Trong phần II, chúng tôi trình bày NOMA đường
xuống của hệ thống MU-MISO Việc đánh giá xác xuất
dừng được đề xuất trong phần III Phần IV thể hiện các
kết quả mô phỏng để đánh giá phương pháp được đề
xuất Cuối cùng, chúng tôi kết luận bài báo trong phần
V
II MÔ HÌNH HỆ THỐNG
Hình 1 Mô hình hệ thống với sự kết hợp giữa tiền mã hóa và
NOMA
Mô hình của hệ thống MU đường xuống với sự
kết hợp giữa tiền mã hóa và NOMA được thể hiện trên
Hình 1 Một BS được trang bị M anten với phương
pháp tiền mã hóa ZF (ZFBP) để phục vụ cho M cụm
người dùng, trong khi mỗi người dùng chỉ có một
anten do kích thước hạn chế Các người dùng được
phân cụm một cách đơn giản bởi thuật toán xác định vị
trí hoặc phương pháp hướng không gian như kỹ thuật
định vị toàn cầu (GPS) Số lượng người dùng trong
mỗi cụm là như nhau và bằng N
Ma trận tiền mã hóa w m theo phương pháp ZFBP
được thiết kế cho cụm thứ m để giảm nhiễu liên cụm Người dùng n trong cụm m được gọi là người dùng (m, n) và ma trận kênh giữa người dùng (m, n) và BS
được ký hiệu là h m,n = [h m,n,1 , h m,n,2 , …, h m,n,M]T ∈CMx1
với m ∈{1, 2, …, M} và n ∈ {1, 2, …, N}
h m,n,i~𝒞𝒩%0, Ω!,#) ký hiệu cho hiệu suất kênh, và E{│h m,n,i│2} = Ωm,n là phương sai của độ lợi kênh Tất
cả các kênh được coi gần như độc lập, phân bố đồng nhất và không có fading Để cực đại hóa tỷ số tín trên
tạp (SNR), ma trận tiền mã hóa w m có thể được biểu
diễn như là phép chiếu của h m,n = [h m,n,1 , h m,n,2 , …,
h m,n,M]T ∈CMx1 theo chiều người dùng gây nhiễu trong
cụm m Ma trận w m được tính bởi công thức sau:
w m = 𝐁! 𝒉!
‖𝐁! 𝒉!‖ (1)
Ở đây 𝑩!= 𝑰$− 𝑯!(𝑯!%𝑯!)!&'𝑯!% và cấu trúc của
ma trận kênh H m được cho bởi:
𝑯!= [𝒉', 𝒉(, ⋯ , 𝒉!&', 𝒉!)', ⋯ , 𝒉*]+ (2)
Do đó ta có 𝒉!%𝒘,= 0, ∀𝑚 ≠ 𝑗, nghĩa là với tiền
mã hóa, tất cả người dùng trong cụm m không nhận
được tín hiệu của các người dùng ở các cụm khác Tuy nhiên họ nhận được tín hiệu của tất cả người dùng trong cụm này Do vậy, phương pháp NOMA có thể được ứng dụng để khử nhiễu liên người dùng (IUI: Inter-User Interference)
Theo phương pháp NOMA, các người dùng được coi như xác định được mức giải mã tín hiệu theo độ lợi kênh Nếu không tính tới suy hao, khoảng cách giữa
BS và các người dùng được giả thiết là d m,1 > d m,2
>…> d m,N, thì độ lợi kênh của các người dùng thỏa mãn theo điều kiện sau:
│W m h m,1│2 ≤ │W m h m,2│2 ≤ … ≤│W m h m,N│2 (3)
Bởi vậy dựa trên nguyên lý NOMA, hệ số phân bổ năng lượng của các người dùng là:
a m,1 ≥ a m,2 … ≥ a m,N (4)
Tập tín hiệu của tất cả người dùng trong cụm m
được định nghĩa là XS,m = ;𝑥-,', ⋯ , 𝑥!,$=., ở đây x m,n
là tín hiệu của người dùng (m, n) Tập tín hiệu được
nhân với ma trận tiền mã hóa W m ở đầu ra anten dựa trên thuật toán ZF Công suất phát của tất cả các anten của BS được xác định là E{│XS,m│2} = P S Hệ số phân
bổ công suất cho người dùng (m, n) là a m,n và thỏa mãn điều kiện ∑$ 𝑎!,#= 1
#/' Do đó, tín hiệu được truyền
từ mỗi anten của BS về phía cụm m là:
Trang 3XS,m = w m∑$ A𝑎!,#𝑃0 𝑥!,#
#/' (5)
Coi 𝒏!~𝒞𝒩(0, 𝜎!() là tạp âm trắng cộng tính
(AWGN) ở người dùng (m, n), trong trường hợp tiền
mã hóa hoàn hảo, tín hiệu thu được của người dùng
(m, n) bao gồm tín hiệu của tất cả người dùng trong
cụm m
𝒚!,#= 𝒉!,#𝒘!F A𝑎$ !,1𝑃0𝒙!,1
= IJJJJJKJJJJJL𝒉!𝒘!A𝑎!,#𝑃0𝒙!,#
2í# 51ệ7 !8#9 !7ố# ;ủ= #9ườ1 @ù#9 (!,#)
+ 𝒉!,#𝒘! F A𝑎!,1𝑃0𝒙!,1
$
1/#)'
IJJJJJJJKJJJJJJJL
#51ễ7 ả#5 5ưở#9 2ừ #9ườ1 @ù#9 H5á;
+ 𝒉!,#𝒘!F A𝑎!,H𝑃0𝒙!,H
#&'
H/'
IJJJJJJJKJJJJJJJL
ả#5 5ưở#9 ;ủ= 0JK H5ô#9 58à# 5ả8
+ 𝒏!,# (6)
Trong trường hợp SIC hoàn hảo, hệ số
𝒉!,#𝒘!∑#&'A𝑎!,H𝑃0𝒙!,H
Như đã đề cập ở trên, mặc dù ZFBP có thể khử
nhiễu liên cụm, tuy nhiên nhiễu trong nội bộ của cụm
hay nhiễu giữa các người dùng trong một cụm (IUI)
vẫn tồn tại Bởi vậy kỹ thuật SIC có thể được sử dụng
để loại bỏ IUI Người dùng sử dụng SIC để khử nhiễu
của các người dùng có độ lợi kênh xấu hơn Theo giả
định ở trên, người dùng (m, n) có thể loại bỏ nhiễu của
các người dùng (m, 1), (m, 2), …, (m, n-1) Gọi 𝛾!,# là
tỷ số tín hiệu trên tạp âm cộng nhiễu (SINR), ta có:
𝛾!,#= N! =",$O𝒉",$𝒘"O%
∑'&($)*N!=",&O𝒉",$𝒘"O%)S",$% (7)
Do người dùng (m, N) sử dụng thuật toán SIC để
loại bỏ tín hiệu của tất cả người dùng trong một cụm,
nên SNR của người dùng (m, N) được tính:
𝛾!,$=N! =",$O𝒉",$𝒘"O%
S",$% (8)
III PHÂN TÍCH HIỆU NĂNG
A Đánh giá xác xuất dừng
Trong phần này chúng tôi sẽ phân tích hiệu năng
của hệ thống với xác xuất dừng nhận được của người
dùng (m, n) Tốc độ dữ liệu từ BS tới mỗi người dùng
là r được giả định giống nhau trong kịch bản công
bằng giữa các người dùng Bởi vậy, sự ngừng hoạt
động xảy ra khi dung lượng tức thời giữa BS và người
dùng log2(1 + γ m,n ) nhỏ hơn r Xác xuất dừng được tính
bởi:
OPm,n = Pr (γ m,n ≤ γ th ) (9)
ở đây 𝛾25= 2T− 1 là ngưỡng ngừng hoạt động
Từ (7) ta có thể viết lại (9) như sau:
OP!,#= PTR N! =",$O𝒉",$𝒘"O%
∑'&($)*N!=",&O𝒉",$𝒘"O%)S",$% ≤ 𝛾25T (10)
Đặt 𝑏!,#= ∑$1/#)'𝑎!,1, 𝑋!,#= W𝒘!𝒉!,#W(
Ta viết (10) dưới dạng:
OP!,#= Pr R𝑋!,#≤ U+,
N!V=",$&U+,W",$X= 𝜃1T (11)
Từ (11) ta nhận thấy sự ngừng hoạt động thường xuyên xảy ra trong trường hợp 𝑎!,#≤ 𝛾25𝑏!,#, do đó công suất phát phải được phân bổ nhiều hơn cho các người dùng có độ lợi kênh nhỏ
Hàm biến thiên mật độ xác suất X m,n được biểu diễn bởi công thức:
𝑓Y",$(𝑥) = 𝑁!
(𝑁 − 𝑛)! (𝑛 − 1)!F(−1),R
𝑁 − 𝑛
𝑗 T x
$&#
,/Z
fY-(𝑥H);𝐹Y-(𝑥H)=#),&' (12)
ở đây
𝑓Y-(𝑥H) =['
-exp c−\
-[-d (13)
𝐹Y-(𝑥H) = 1 − exp c−\
-[-d (14)
Thay (13) và (14) vào (12), sau đó khai triển nhị thức ta nhận được hàm mật độ xác suất cho SINR
của người dùng (m, n) Do xác xuất dừng là
OP = ∫ 𝑓Z]∗ Y",$(𝑥)𝑑𝑥 , nên xác xuất dừng của người
dùng (m, n) được miêu tả theo công thức:
(𝑁 − 𝑛)! (𝑛 − 1)!F
(−1)H
𝑛 + 𝑘c𝑁 − 𝑛𝑘 d x
$&#
H/Z
h1 − 𝑒𝑥𝑝 R−N ]∗
! [",-Tk#)H (15) với 𝑘 ≤ 𝑛 ≤ 𝑁; 𝜃∗= max
N!V=",$&U+,W",$Xp
B Xác xuất dừng trong trường hợp SIC không hoàn hảo
Hệ thống MU MISO với phương pháp đề xuất đã được phân tích ở trên dựa trên giả thiết là SIC hoàn
Trang 4hảo Tuy nhiên, trong thực tế rất khó đạt được SIC lý
tưởng như vậy SIC không hoàn hảo là do lỗi trong
việc giải mã tập tín hiệu chồng chất thu được ở các
người dùng Để khảo sát ảnh hưởng của SIC không
hoàn hảo trong hệ thống NOMA, ta sẽ phân tích
phương pháp đã đề xuất trong trường hợp SIC không
hoàn hảo
Số hạng 𝒉!,#𝒘!∑#&'A𝑎H𝑃0𝒙#&'
thuộc vào chất lượng của thuật toán SIC và nó không
bằng 0 trong trường hợp SIC không hoàn hảo SINR
tức thời và xác xuất dừng của người dùng (m, n) được
thể hiện tương ứng trong các công thức (16) và (17), ở
đây ∆H= 𝜉 ∑#&'𝑎H𝑃0
H/' là công suất còn lại của nhiễu và
𝜉 là hệ số phẩm chất của thuật toán SIC
𝛾!,#1!`0JK=
N!=",$O𝒉",$𝒘"O%
∑'&($)*N!=",&O𝒉",$𝒘"O%)O𝒉",$𝒘"O%a ∑ $/* =-N!)S",$% (16)
OP!,#1!`0JK= Pr%𝛾!,#1!`0JK ≤ 𝛾25) =
Pr R N! =",$O𝒉",$𝒘"O%
V∑'&($)*N!=",&)∆-XO𝒉",$𝒘"O%)S",$% ≤ 𝛾25T (17)
Dựa trên độ lợi kênh quy định của mỗi người
dùng được thể hiện ở (3) và từ (17) ta có thể viết công
thức xác xuất dừng của người dùng (m, n) như sau:
OP!,#1!`0JK= 1 − Pr R𝑋!,#> U+,
N!=",$&U+,W-= 𝛼HT, (18)
ở đây 𝑏H= ∑$ 𝑃0𝑎!,1
𝛼H= max o U+,
N!=",$&U+,W-p , ∀𝑘 ∈ {𝑛 < 𝑘 < 𝑁}
Như đã chỉ ra ở (18), sự ngừng hoạt động thường
xảy ra nếu 𝑃0𝑎!,#< 𝛾25𝑏H, nghĩa là công suất phát
được phân bổ cho người dùng (m, n) phải đủ lớn Hơn
nữa, hàm mật độ xác suất của Xm,n được định nghĩa
bởi [16]:
𝑓Y",$(𝑥) =($&#)!(#&')!$! 𝑓Y-(𝑥H);𝐹Y-(𝑥H)=#&'x
;1 − 𝐹Y-(𝑥H)=$&'=
$!
($&#)!(#&')!∑$&#(−1),R𝑁 − 𝑛𝑗 T
,/Z 𝑓Y-(𝑥H);𝐹Y-(𝑥H)=#),&'
(19)
Sử dụng (19), ta có thể viết lại công thức tính xác
xuất dừng trong trường hợp SIC không hoàn hảo như
sau:
OP!,#1!`0JK=(𝑁 − 𝑛)! (𝑛 − 1)!𝑁! F(−1)
H
𝑛 + 𝑘c𝑁 − 𝑛𝑘 d x
$&#
H/Z
h1 − exp R− d
-N![",-Tk#)H (20)
ở đây n ≤ k ≤ N
IV CÁC KẾT QUẢ MÔ PHỎNG Phần này cung cấp các kết quả mô phỏng của xác xuất dừng của phương pháp kết hợp tiền mã hóa và NOMA đã đề xuất cho đường xuống của hệ thống MU MISO trong cả hai trường hợp SIC hoàn hảo và không hoàn hảo Nhiều bài báo đã công bố đã chỉ ra rằng hiệu năng của hệ thống bị xấu đi khi số lượng người dùng lớn hơn 3 do IUI còn sót lại Bởi vậy, ta giả thiết rằng số người dùng trong mỗi cụm là 3 và tiền mã hóa thực hiện ở BS cho mỗi cụm là hoàn hảo Kênh giữa
BS với người dùng có phân bố Reyleigh Giả thiết rằng, trong các người dùng thì người dùng thứ 1 xa BS nhất, người dùng thứ 3 gần BS nhất Do đó, độ lợi kênh của họ được chọn là Ωm,1 = 1, Ωm,2 = 2, Ωm,3 = 3
Hệ số phân bổ công suất được tính là 𝑎#=$&#)'ѱ , với
ѱ =$($)')( để cho ∑$ A𝑎1= 1
Hình 2: Xác xuất dừng trong các trường hợp SIC hoàn hảo
và không hoàn hảo với hệ số dư ξ = 0.05
Hình 2 thể hiện kết quả lý thuyết và mô phỏng của xác xuất dừng phụ thuộc vào SNR cho hai trường hợp
SIC hoàn hảo và không hoàn hảo với a 1 = 0.7,
a 2 = 0.2, a 3 = 0.1 Mặc dù công suất phát của người
dùng 3 là nhỏ nhất, nhưng lại có hiệu năng tốt nhất Điều này được giải thích là do người dùng 3 ở gần BS nhất nên độ lợi kênh giữa BS và người dùng này là lớn nhất Hơn nữa, người dùng 3 ứng dụng kỹ thuật xử lý SIC để khử nhiễu từ tất cả người dùng khác Bởi vậy SNR nhận được của người dùng này cao hơn SINR nhận được của các người dùng khác Xác xuất dừng của người dùng 1 là như nhau trong cả hai trường hợp, bởi vì người dùng 1 không sử dụng thuật toán SIC
Hình 3 miêu tả xác xuất dừng của người dùng 1
khi tốc độ dữ liệu yêu cầu thay đổi như r = 1, 2 và
3bit/symbol Các tốc độ dữ liệu được yêu cầu này là
Trang 5tương ứng với mô phỏng cho BPSK, QPSK và 8PSK
Ta xét đại diện xác xuất dừng của người dùng 1, còn
trường hợp của các người dùng khác cũng tương tự
Như thể hiện trên Hình 3, xác xuất dừng tăng khi tốc
độ dữ liệu yêu cầu tăng Mô phỏng Monte Carlo đã
chứng minh tính đúng đắn của các kết quả lý thuyết
Hình 3: Xác xuất dừng của người dùng 1 với các tốc độ dữ
liệu khác nhau
V KẾT LUẬN Nhóm tác giả đã phân tích đường xuống của hệ
thống MU MISO với sự kết hợp tiền mã hóa và
NOMA, và đã đề xuất phương pháp tính xác xuất
dừng cho tất cả người dùng Việc đánh giá xác xuất
dừng được thực hiện trong cả hai trường hợp SIC hoàn
hảo và không hoàn hảo Sự phân tích về lý thuyết đã
được kiểm nghiệm bằng mô phỏng trong cả hai trường
hợp SIC hoàn hảo và không hoàn hảo
Phương pháp ZFBP đã được sử dụng để loại bỏ
nhiễu liên cụm, tuy nhiên hiệu năng của hệ thống được
phân tích với giả thiết là ZFBP được thực hiện hoàn
hảo và nhiễu liên cụm được loại bỏ triệt để Việc phân
tích hiệu năng hệ thống với giả thiết ZFBP không hoàn
hảo sẽ được nghiên cứu trong các công trình tiếp theo
của chúng tôi
[1] A Benjebbour, K Saito, A Li, Y Kishiyama, and T
Nakamura, Non-Orthogonal Multiple Access (NOMA): Concept
and Design – Signal Processing for 5G: Algorithms and
Implementations, pp 143–168, Aug 2016
[2] L Dai, B Wang, Y Yuan, S Han, C.-L I, and Z Wang,
Non-Orthogonal Multiple Access for 5G: Solutions, Challenges,
Opportunities, and Future Research Trends – IEEE Commun Mag.,
vol 53, no 9, pp 74–81, Sep 2015
[3] W Han, J Ge, and J Men, Performance Analysis for NOMA
Energy Harvesting Relaying Networks with Transmit Antenna
Selection and Maximal-Ratio Combining over Nakagami-m Fading
– IET Commun.,vol 10, no 18, pp 2687–2693, Dec 2016
[4] L Lv, J Chen, and Q Ni, Cooperative Non-Orthogonal Multiple Access in Cognitive Radio – IEEE Commun Lett., vol 20, no 10,
pp 2059–2062, Oct 2016
[5] M F Kader, M B Shahab, and S Y Shin, Cooperative Spectrum Sharing with Energy Harvesting Best Secondary User Selection and Non-Orthogonal Multiple Access – in Proc of 2017 International Conference on Computing, Networking and Communications (ICNC): Wireless Communications IEEE, Jan
2017, pp.46–51
[6] S Emam and M Çelebi, Non-orthogonal multiple access protocol for overlay cognitive radio networks using spatial modulation and antenna selection – AEU-International Journal of Electronics and Communications, vol 86, pp 171–176, 2018 [7] Z Ding, Z Yang, P Fan, and H V Poor, On the performance of non-orthogonal multiple access in 5G systems with randomly deployed users – IEEE Signal Process Lett., vol 21, no 12, pp 1501–1505, Dec 2014
[8] Z Yang, Z Ding, P Fan, and N Al-Dhahir, A general power allocation scheme to guarantee quality of service in downlink and uplink NOMA systems – IEEE Trans Commun., vol 15, no 11, pp 7244–7257, Nov 2016
[9] S Timotheou and I Krikidis, Fairness for non-orthogonal multiple access in 5G systems – IEEE Signal Process Lett., vol 22,
no 10, pp 1647–1651, Oct 2015
[10] M Zeng, A Yadav, O A Dobre, G I Tsiropoulos, and H V Poor, Capacity comparison between MIMONOMA and MIMO-OMA with multiple users in a cluster – IEEE J Sel Areas Commun., vol 35, no 10, pp.2413–2424, Oct 2017
[11] J Choi, Minimum power multicast beamforming with superposition coding for multiresolution broadcast and application
to NOMA systems – IEEE Trans Commun., vol 63, no 3, pp 791–
800, Jan 2015
[12] Pham Thanh Hiep, Tran Manh Hoang, Non-orthogonal multiple access and beamforming for relay network with RF energy harvesting – ICT Express, 2019
[13] Hoang Duc Vinh, Vu Van Son, Tran Manh Hoang, Pham Thanh Hiep, Proposal of Combination of NOMA and Beamforming Methods for Downlink Multi-users systems – Proceedings of the 3rd International Conference on Recent Advances in Signal Processing, Telecommunications & Computing (SigTelCom), 2019
[14] P M Shankar, Fading and shadowing in wireless systems – Springer, 2017
[15] K K Mukkavilli, A Sabharwal, E Erkip, and B Aazhang, On beamforming with finite rate feedback in multiple-antenna systems – IEEE Trans Inf Theory, vol 49, no 10, pp 2562–2579, Oct 2003 [16] S Miller and D Childers, Probability and random processes: With applications to signal processing and communications – Academic Press, 2012 .
[17] A Papoulis and S U Pillai, Probability, Random Variables, and Stochastic Processes – Tata McGraw-Hill Education, 2002 [18] Z Chen, Z Ding, X Dai, and R Zhang, An optimization perspective of the superiority of NOMA compared to conventional OMA – IEEE Trans Signal Process., vol 65, no 19, pp 5191–
5202, July 2017
