诺玛Matlab代码全双工NOMA
MATLAB代码用于再现以下论文的结果：
Hieu
V.
Nguyen，Van-Dinh
Nguyen，Octavia
A.
Dobre，Diep
N.
Nguyen，Eryk
Dutkiewicz和Oh-Soon
Shin，
“基于NOMA的全双工系统的联合电源控制和用户协会，”
IEEE
Transactions
on
Communications，第一卷。
67号11，pp.8037-8055，2019年11月。
相依性
雅利普
SDPT3
/
SeDuMi
/
MOSEK
的MATLAB
2021-07-30 17:19:24
45KB
1
两用户下行NOMA系统，分析了不同功率分配对用户瞬时数据速率的影响，以及用户中断概率随平均信噪比的变化情况。
2021-07-30 17:15:03
4KB
1
研究了多播业务在协作非正交多址接入（non-orthogonal multiple access，NOMA）系统中的应用及其性能。在一个单播和多播混合业务的场景中，多播用户组中选择某个信道状态最好的用户作为中继进行解码转发单播用户的信号，并在中继用户支持全双工的模式下，分析和推导了单播用户的中断概率和平均可达速率的闭式表达式。蒙特卡洛仿真结果和理论推导高度一致，表明提出的协作多播应用可以极大改善单播用户的中断性能，且多播用户的容量性能在中继发射功率不是很高的情况下不会受到影响。
2021-07-12 17:58:21
846KB
1
这些文件用于在双用户非正交多址 (NOMA) 系统中实现信号检测的深度学习方法 [1]。 3 个主要脚本分别是生成训练数据、训练神经网络和生成测试结果。 该神经网络针对具有相位衰落的静态标量信道进行了训练，并用于在NOMA系统中同时为2个用户检测单个子载波上的传输符号。 考虑并测试了两种情况：一种是具有较少数量的导频符号，另一种是具有较短长度的循环前缀。 在这两种情况下，深度学习方法都比传统的信道估计方法更稳健。 有关更多信息，请参阅 [1]。
[1] Narengerile 和 J. Thompson，“非正交多址无线系统中信号检测的深度学习”，2019 年英国/中国新兴技术 (UCET)，英国格拉斯哥，2019 年，第 1-4 页。
2021-06-28 16:41:28
11KB
1
下行链路非正交多址接入技术（NOMA）可以有效提高频谱效率和数据速率，已经广泛应用到第5代通信技术的研究中。为了确保用户的服务质量，针对提高边缘小区用户公平性问题，提出一种新的功率分配策略。根据比例公平方法，在保证每个用户最低数据速率约束下，最大化复用用户中公平性最差的用户的比例公平因子。然后，将此非凸的目标函数转换成凸函数，用KKT最优约束条件求出问题的最优解。仿真证明，新的基于NOMA的功率分配方案，系统性能优于传统的正交多址接入（OMA）技术。
2021-06-07 16:33:22
740KB
1
NOMA（非正交多址接入）中的SIC(串行干扰消除)原理比较简单，但如何清晰的知道其过程是很多初学者头痛的事，此代码来自国外的一个论坛，很清楚的表示了SIC的实现过程，对初学者有很大的帮助。
2021-04-21 11:35:01
2KB
1
代码来自国外论坛，备注清晰。在固定功率分配因子的情况下，对两用户情况的下行NOMA误比特率进行仿真。通过设定不同的功率分配因子可以分析其中功率分配对误比特率的影响。
2021-03-20 23:01:27
2KB
1