بهبود بازدهی انرژی در شبکه‌های فراسوی دسترسی چندگانه پویای متعامد و غیر متعامد

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه کاشان

2 گروه مخابرات - دانشکده مهندسی برق و کامپیوتر - دانشگاه کاشان - کاشان - ایران

3 دانشکده فنی مهندسی - دانشگاه بین المللی امام خمینی (ره) - قزوین - ایران

چکیده

یکی از راهکارهای ارائه‌شده در نسل پنجم سیستم‌های مخابراتی برای پشتیبانی تعداد کاربر بیشتر در سیستم، استفاده‌ی پویا از روش‌های دسترسی متعامد و غیرمتعامد است. در این پژوهش، یک سیستم دسترسی چندگانه پویای متعامد و غیر متعامد فراسو، با هدف بیشینگی بازدهی انرژی، پیشنهاد شده است و برای تخصیص زیرکانال‌ها و توان، راه‌کارهای مختلف ارائه شده است. با توجه به پیچیدگی مسأله پیشنهادی و عدم تحدب آن، امکان ارائه راه حل عمومی وجود ندارد. بنابراین مسأله کلی به دو زیرمسأله تخصیص زیرحامل‌ها و توان تبدیل می‌شود. در مرحله اول تخصیص زیرحامل‌ها صورت می‌گیرد که با حل یک برنامه‌نویسی صحیح عملیاتی می‌شود و خروجی آن اختصاص زیرکانال‌ها به همه کاربران فعال و تعیین‌ نوع دسترسی برای زیرحامل‌ها است. مرحله دوم تخصیص توان بین کاربران است که به کمک روش تفاضل توابع محدب، مسأله به صورت تکراری، به یک مسأله بهینه‌سازی شبه‌محدب تبدیل می‌شود.  سپس از روش دوبخشی برای حل مسأله شبه محدب در هر مرحله استفاده می‌گردد. همچنین، برای مسأله امکان‌پذیری روش دوبخشی، معادلات KKT ارائه می‌گردد. نهایتاً، در بخش شبیه‌سازی بیشترین مقدار بازدهی انرژی به ازای توان بیشینه برای هرکاربر محاسبه می‌شود. همچنین تأثیر حضور کاربران در لبه سلول بر روی بازدهی انرژی سیستم بررسی می‌گردد. نتایج شبیه‌سازی نشان می‌دهد روش تخصیص منابع پیشنهادی ما می‌تواند نرخ مجموع و بازدهی انرژی سیستم را در مقایسه را روش ابتکاری مقالات قبل، بهبود دهد.

کلیدواژه‌ها

عنوان مقاله [English]

Energy Efficiency Improvement in Dynamic Orthogonal and Non-Orthogonal Multiple Access Uplink Networks

نویسندگان [English]

  • ALI Torabzadeh 1
  • Mahdi Majidi 2
  • Mina Baghani 3
1 Kashan university
2 Communication group - Department of Electrical and Computers Engineering - University of Kashan - Kashan - Iran
3 Faculty of Technical and Engineering, Imam Khomeini International University, Qazvin, Iran
چکیده [English]

One proposed approach in fifth-generation wireless communication to support more users is the dynamic use of orthogonal and non-orthogonal multiple access schemes. In this research, a dynamic orthogonal and non-orthogonal multiple access system is proposed to maximize the energy efficiency (EE), and several schemes are presented for allocation of sub-channels and power. Due to the complexity of the proposed resource allocation problem and its non-convexity property, it is not possible to find a global solution. Hence, the main problem is divided into two sub-problems which are sub-channels and power allocation.  In the first step, the sub-channel allocation problem is solved and its output is sub-channel allocation for all active users and determining the access mode for each sub-carrier. The second step is the power allocation sub-problem which is converted into a quasi-convex sub-problem by using the difference of convex functions algorithm iteratively, and ultimately. Then, the bisection method is applied for solving the quasi-convex sub-problem. Also, the KKT equations are provided for the feasibility problem of the bisection method. Finally, in the simulation section, the maximum EE versus the maximum power for each user is calculated. Besides, the impact of user’s presence at the cell edge on the EE is discussed. According to the simulation results, our proposed resource allocation approach can improve the sum rate and EE of the system compared to the heuristic approach of the previous literature.

کلیدواژه‌ها [English]

  • Energy efficiency
  • Dynamic resource allocation
  • Non-orthogonal multiple access (NOMA)
  • Difference of convex functions
  • Quasi-convex
  • Subchannel and power allocation
  • user pairing

مراجع

[1]     P. Sciences, Y. Liu, M. Elkashlan, and Z. Qin, “Nonorthogonal multiple access for 5G and beyond,” Proc. IEEE, vol. 105, no. 12, pp. 2347–2381, 2017.
[2]     M. Masoudi et al., “Green mobile networks for 5G and beyond,” IEEE Access, vol. 7, pp. 107270–107299, 2019.
[3]     M. Moltafet, P. Azmi, and N. Mokari, “Power minimization in 5G heterogeneous cellular networks,” Iran. Conf. Electr. Eng., pp. 234–238, 2016.
[4]     F. Fang, H. Zhang, J. Cheng, S. Member, and V. C. M. Leung, “Energy-efficient resource allocation for downlink non-orthogonal multiple access network,” IEEE Trans. Commun., vol. 64, no. 9, pp. 3722–3732, 2016.
[5]     G. Liu, R. Wang, H. Zhang, S. Member, W. Kang, and T. Tsiftsis, “Super-modular game-based user scheduling and power allocation for energy-efficient NOMA network,” IEEE Trans. Wirel. Commun., vol. 17, no. 6, pp. 3877–3888, 2018.
[6]     M. Zeng, A. Yadav, O. A. Dobre, and H. V. Poor, “Energy-efficient power allocation for uplink NOMA,” 2018 IEEE Glob. Commun. Conf., pp. 1–6, 2018.
[7]     A. J. Muhammed, Z. Ma, P. D. Diamantoulakis, S. Member, L. Li, and G. K. Karagiannidis, “Energy-efficient resource allocation in multicarrier NOMA systems with fairness,” IEEE Trans. Commun., vol. 67, no. 12, pp. 8639–8654, 2019.
[8]     S. Fu, F. Fang, L. Zhao, Z. Ding, and X. Jian, “Joint transmission scheduling and power allocation in non-orthogonal multiple access,” IEEE Trans. Commun., vol. 67, no. 11, pp. 8137–8150, 2019.
[9]     M. Zeng, A. Yadav, O. A. Dobre, and H. V. Poor, “Energy-efficient power allocation for hybrid multiple Access systems,” 2018 IEEE Int. Conf. Commun. Work. (ICC Work., pp. 1–5, 2018.
[10]   W. U. Khan et al., “Joint spectral and energy efficiency optimization for downlink NOMA networks,” IEEE Trans. Cogn. Commun. Netw., vol. 6, no. 2, pp. 1–12, 2020.
[11]   M. Baghani, S. Parsaeefard, M. Derakhshani, and W. Saad, “Dynamic non-orthogonal multiple access ( NOMA ) and orthogonal multiple access ( OMA ) in 5G wireless networkss,” IEEE Trans. Commun., vol. 67, no. 9, pp. 6360–6373, 2019.
[12]   S. Boyd, L. Xiao, A. Mutapic, and J. Mattingley, “Sequential convex programming,” Stanford University, Stanford, 2007.
[13]   S. Boyd and L. Vandenberghe, Convex Optimization. Cambridge University Press, 2004.
[14]   C.-Y. Chi, W.-C. Li, and L. Chia-Hsiang, Convex Optimization for Signal Processing and Communications. CRC Press, 2017.
[15]   A. L. Yuille and A. Rangarajan, “The Concave-Convex Procedure,” MIT Press Journals, vol. 15, no. 4, pp. 915–936, 2003.

فایل ها

هم رسانی

ارجاع به این مقاله

آمار