5G NOMA为什么好呢？

知恥而後勇

5G使用了新的波形、先进的信道编码方案、新的帧结构，所以可以使用新的MA方案。现在的问题是如何评估NOMA确实更先进？
为了评估新的MA方案，并将其与Release 13中的现有MA方案进行比较，应考虑以下流程。

• 步骤1：通过典型静态场景的链路级（LL：link-level）评估，了解和比较不同的新MA方案。
  

LL中的静态评估可以更好地理解不同MA方案之间的比较。SNR-BLER或SNR吞吐量曲线可以以更直观的方式显示物理层传输的基本能力，捕获收发器设计中的特征。
这种比较的结果可用于不同MA方案的初始向下选择。此外，LL评估可以高精度地反映实际信道估计等许多非理想因素的影响。

• 步骤2：建模和校准链路抽象，作为从LL到系统级（SL：system level）的映射。
  

链路到系统映射的正确性对SL评估的正确性非常重要。当考虑非正交MA方案时，无法再在单个用户的基础上进行链接到系统的映射。相反，应考虑非正交设计中的叠加特性。

• 步骤3：通过SL模拟评估不同场景下的网络性能。
  

SL评估应全面了解不同5G使用场景中使用的候选MA方案的网络性能，如eMBB、mMTC和URLLC。SL评估与系统建模有很好的联系，主要反映了不同MA方案在处理流量、信道条件以及小区间干扰的变化和不确定性方面的能力。
评价指标
5G MA方案需要为eMBB、mMTC和URLLC的性能改进做出贡献。TRP频谱效率和第5百分位用户频谱效率是eMBB的两个重要KPI，而连接密度和可靠性分别是mMTC和URLLC的重要KPI。LL评估应定义适当的评估指标，以反映MA方案在静态模拟设置中对其中一些KPI的贡献。
在上行链路（UL）中，超载能力是5G MA新提出的功能，用于提高连接密度和TRP频谱效率。在功率域或混合码和功率域中引入了非正交特征，以提高过载能力。特别是，过载因子被引入作为评估不同MA方案过载能力的重要参数，并与连接密度和TRP频谱效率直接相关。因此，为UL的LL评估引入了以下评估指标。

• 不同过载因素下给定BLER水平下的总吞吐量 vs SNR。
  
• 给定用户吞吐量下的最大过载因子 vs SNR
  

在下行（DL）LL评估中，多路复用用户的总吞吐量应作为TRP频谱效率的反映，而标准化用户吞吐量可以反映给定静态设置下的第5百分位用户频谱效率（第5百分位的用户频谱效率是指标准化用户吞吐量的累积分布函数（CDF）的5%点。）。以下两个指标可用于评估。

• 归一化用户吞吐量总和（正交情况下按吞吐量归一化）
  
• 一些用户的最小吞吐量约束的总吞吐量。
  

SL评估应用于比较不同使用场景系列和流量模型下的不同MA方案。
对于eMBB，TRP频谱效率和第5百分位用户频谱效率可作为评估指标。具体而言，需要将频谱效率提高三倍，需要研究MA方案对频谱效率提高的贡献。此外，区域通信量、用户体验数据速率和用户面延迟也非常有趣，可以通过SL进行评估。
对于mMTC，连接密度和设备电池寿命是重要的KPI。2020年的连接密度达到每平方公里100万台设备，2020-2030年的要求可能会继续增长。3GPP需要通过设计高连接效率的RAT来实现这一目标，其中连接效率是以每TRP每单位频率资源支持的UE数（#UE/TRP/MHz）来衡量的。此外，小数据包应用在mMTC中占主导地位，因此，不频繁的小数据包传输的延迟也值得研究。此外，应测量和报告此类传输中涉及的调度开销（CSI/CQI反馈、PDCCH等）。
表1总结了LL评估中建议的评估指标，以及MA方案SL评估中每个使用场景系列的评估指标。

LL评估受场景影响不大。差异主要体现在信道模型、带宽和TBS上。但UL和DL参数设置应该不同。
eMBB使用场景有多种部署场景，包括室内、密集城市、一般城区、农村、高速等。我们不需要同时对所有场景进行评估，而是可以向下选择一些优先级较高的场景来开始。建议以密集的城市和农村为出发点，这在很大程度上可以看作是代表。
对于mMTC，可以使用大规模连接场景的城市覆盖。为了研究5G是否可以实现高连接效率，定义的两个选项中选择一个更大的ISD（即1732m的ISD）。有了这样的ISD值，也可以方便地与TR45.820中报道的NB-IoT研究进行比较。
此外，需要确定mMTC应用程序的流量模型以进行评估。业务模型应考虑未来趋势。根据ITU对未来通信量的研究，预计每台设备的M2M通信量将在从4G时代到5G时代的十年时间内增长几十个数量级。
另一方面，需要为mMTC服务适当假设系统带宽。5G将在有限带宽内实现广泛的服务（eMBB、mMTC、URLLC等）。因此，3GPP需要以相对较小的带宽作为mMTC的目标，并为其他服务留出足够的资源。
对于URLLC使用场景系列，具有延迟要求的可靠性是评估目标。不同用例（例如，eHealth和V2X等）有不同的潜在需求。目前尚不清楚将使用哪个用例和场景进行MA评估。
对于UL评估，可以在任何不同的过载因素和MCS方案下生成SNR与BLER曲线，如图I-1所示（对于OMA，只需要考虑100%过载。）。注意，给定现有网络中用于小区间干扰管理的开环功率控制方案，在同一资源上多路复用的所有UE的长期平均信噪比大致相等。至少在提出新方案之前，我们可以将此假设用于UL评估。因此，上面提到的BLER与SNR曲线是所有用户多路复用的平均曲线。

根据这些曲线，可以针对过载系数和MCS水平的每个组合推导出特定BLER水平下的SNR值和总吞吐量。结果可按表I-1的格式报告。

根据记录的这些结果，可以提出UL LL评估的两个指标。

• 不同过载因素下给定BLER水平下的总吞吐量与信噪比
  

给定一个过载因子，可以生成信噪比与总吞吐量曲线。图I-2给出了度量的表示示例。

• 给定用户吞吐量下的最大过载因子与信噪比
  

给定一个用户吞吐量需求，可以生成SNR与最大过载因子曲线。图I-3给出了度量的表示示例。这里，用户吞吐量定义为每个用户成功接收的信息位。

来源：http://www.yidianzixun.com/article/0luBg5op
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！