基于非正交多址接入的可见光通信系统中干扰抑制理论与性能优化研究

近年来，无线通信技术进步速度快，可频谱资源紧张问题愈发突出，这一问题成了限制系统容量提升的主要障碍。可见光通信技术利用可见光波段传递数据，由于不需要频谱授权，还能抵抗电磁干扰，并且安全性高，所以它是解决室内高速接入问题的好办法。

传统可见光通信系统大多采用正交多址接入，难以适应未来物联网场景里大量设备连接的需求。非正交多址接入技术通过功率域或码域的非正交资源分配，使得多个用户能够共享同一时频资源，显著提高了频谱效率以及用户连接数量，为可见光通信系统的性能优化带来了新的思路。

非正交多址接入的基本原理是发送端将多个用户的信号进行叠加编码，之后接收端使用连续干扰消除或者多用户检测算法来分离这些信号。其核心价值在于引入可控的干扰，进而大幅提高频谱利用率。在实际应用的时候，非正交多址接入技术能够有效缓解可见光通信系统存在的多用户干扰问题，这些多用户干扰问题主要是因为室内用户密集以及信道条件差异大而产生的。尤其是在学校、商场、医院这类人员众多的地方，非正交多址接入技术能够支持更多的终端设备同时接入，为智慧室内定位、高速数据传输等场景提供可靠的通信保障。本研究着重关注非正交多址接入在可见光通信系统里的干扰抑制理论和性能优化方面的内容，这对于推动可见光通信技术的实际应用具有重要的意义。

在对基于非正交多址接入的可见光通信系统干扰特性进行分析时，构建物理层模型是一项基础工作。发射端通常采用LED阵列结构，通过强度调制的方式把电信号转化成为光信号，并且在这个过程中功率分配需要满足LED的非线性失真限制条件。光信号在室内信道进行传输时，路径损耗以及多径效应都会带来明显的影响，同时背景光噪声的干扰也不可以被忽略。接收端借助光电探测器进行直接检测，将光信号重新转化为电信号来进行处理。

系统里存在的干扰类型比较多，主要有用户间的多址干扰（MAI）、同频干扰（CCI）以及码间干扰（ISI）。多址干扰（MAI）的产生和NOMA技术存在关联，这是因为用户信号在功率域非正交叠加，从而导致不同用户的信号相互之间产生干扰；同频干扰（CCI）一般是来自相邻小区或者同频段设备；码间干扰（ISI）则是多径效应所造成的符号间串扰现象。通过数学推导能够量化这些干扰的功率以及分布特性，举例来说，MAI的功率大小和用户功率分配比例有着密切的关联，ISI的强度主要是由信道时延扩展所决定的。考虑到VLC系统自身的光功率限制情况，干扰会进一步使得接收端的信噪比降低，特别是在用户密度比较高的场景之下，干扰的累积效应会更加明显地表现出来。掌握这些干扰特性，能够为后续设计高效的干扰抑制算法提供关键的理论支撑，并且会直接影响到系统吞吐量和用户公平性的优化效果，对系统性能的提升有着重要意义。

幂域非正交叠加为NOMA技术的核心原理。在可见光通信（VLC）系统里应用此原理时，要考虑光功率的约束特性。发射端设定功率分配系数，将多用户信号在功率域叠加起来。具体的数学表达式是$s(t) = \sqrt{P$t}\left(\sqrt{\alpha1}x1(t) + \sqrt{\alpha2}x2(t)\right)，这里面的$P$t代表的是总的发射光功率，$\alpha$1和$\alpha$2属于功率分配系数并且满足$\alpha$1+\alpha2=1，$x$1和$x$2分别对应的是远用户和近用户的信号。功率分配系数的优化会对用户公平性以及系统和速率产生直接的影响。通常为了保证远用户基本的通信需求，给近用户分配的功率会比较小。

接收端依靠串行干扰消除（SIC）技术来分离叠加信号。SIC技术要先依据信道增益的差异确定检测顺序，一般是从信道条件更优的用户开始处理。以两用户系统的情形来说，接收信号的表达式为$y = h$i s(t) + n(t)，其中$h$i是第i个用户的信道增益，$n(t)$是加性高斯白噪声。在实际的检测过程当中，接收机先对近用户的信号进行解码，然后从总信号里减去重构后的近用户信号，最后再对远用户的信号进行解码。SIC的误码率性能下界能够通过推导条件错误概率得到，这一结果和信道增益差异以及功率分配系数都存在密切的联系。用户配对策略也具有重要意义，例如选择信道增益差异比较大的用户进行配对，能够显著提升SIC技术的实际性能。这些理论分析为光域干扰抑制算法的设计提供了关键的参考依据，是设计光域干扰抑制算法时非常重要的参考内容，能够帮助设计人员更好地去构建和优化算法，让算法在实际应用当中发挥出更理想的效果，从而提升整个可见光通信（VLC）系统的性能和稳定性。

传统射频预编码算法应用于可见光通信（VLC）系统时存在明显不足。因为这类算法大多不考虑光功率的非负性限制，而VLC系统靠强度调制传递信号，这意味着发送的信号得是不含负数的实数值。并且传统算法也不能很好应对像削波失真这类LED器件固有的非线性失真特性。

考虑到NOMA - VLC系统对干扰抑制有实际需求，本文设计了一种适用于光域的干扰抑制预编码算法。该算法在满足总光功率约束和单个LED功率约束的基础上，通过引入削波失真约束条件，能有效地缓解LED非线性失真给系统性能带来的负面影响。

从数学建模角度，预编码矩阵的设计可转化成一个优化问题，具体如下：$\min${\mathbf{W}} \sum{k=1}^{K} \mathbb{E}\left[\|yk - sk\|^2\right] \quad \text{s.t.} \quad \mathbf{W}\mathbf{1} \geq \mathbf{0}, \quad \text{tr}(\mathbf{W}\mathbf{W}^H) \leq P{\text{total}}这里的$\mathbf{W}$表示预编码矩阵，$y$k对应第$k$个用户的接收信号，$s$k对应第$k$个用户的目标信号，$\mathbf{1}$是全1向量，$P${\text{total}}是总光功率约束值。利用凸优化理论可以推导出预编码矩阵的闭式解。要是问题是非凸类型，就用迭代优化的方法慢慢接近最优解。

仿真测试结果表明，本文提出的预编码算法在误码率和和速率这两项性能指标方面，比传统算法的表现要更好。该算法既满足了VLC系统的物理限制条件，又有效降低了用户之间的干扰，显著增强了NOMA - VLC系统的传输可靠性以及频谱效率，能够为实际应用部署提供理论方面的参考和技术方面的支持。

在非正交多址接入的可见光通信系统中，优化误码率性能很重要，这是提升系统可靠性的关键步骤。优化误码率性能的过程要建立数学模型，此数学模型需考虑多用户干扰耦合、光功率限制以及LED非线性失真限制这些因素。建立好数学模型后要把误码率性能转化为多目标优化问题，像最小化最大用户误码率或者让加权和误码率达到最小。

可以利用拉格朗日乘数法构建凸优化模型，通过构建凸优化模型能够推导出最优功率分配系数的闭式解。而粒子群优化算法可以有效处理用户配对策略里的非线性特征。理论分析表明，联合优化方法通过动态调整功率分配和用户组合，能够明显减少多用户干扰对误码率造成的影响。

仿真结果表明，当用户数量有所增加或者LED阵列规模得到扩大时，这种优化策略仍然能够保持误码率性能处于稳定状态。和传统的固定功率分配方案相比较，这种优化策略的性能提升大约在3 - 5dB。这种优化方法对于高速室内光通信的实际部署有着重要的意义，它为解决可见光通信系统中的多用户干扰问题提供了理论方面和技术方面的支持。

在采用非正交多址接入的可见光通信系统中，和速率最大化是资源分配的重要目标。实现这一目标要综合考虑多个约束条件。系统要满足光功率约束，即LED发射功率需符合照明标准以及设备安全规定，并且要保证用户误码率低于预先设定的阈值来保障通信可靠性。另外还有successive interference cancellation（SIC）检测约束，该约束要求用户信道条件的差异足够大，以便有效消除干扰。

把这些约束条件结合起来，可以构建以和速率最大化为目标的优化模型。这个模型涉及功率分配、用户配对以及子载波分配（多载波场景下）等关键的资源分配方面。由于这个模型具有非凸的特性，传统优化方法难以直接求解，所以需要设计低复杂度的算法。例如基于分数规划的迭代算法能够通过变量代换将非凸问题转化为凸优化问题，然后逐步接近最优解；博弈论算法则依靠用户之间的策略交互来实现分布式资源分配，进而降低计算复杂度。

从仿真结果来看，所提出的策略和传统正交多址接入方案、固定功率分配的NOMA方案相比较，能够明显提升系统吞吐量。尤其是在用户密集的场景中，所提出策略的优势更加明显，这为提高可见光通信系统容量提供了有效的支持。

在非正交多址接入（NOMA）可见光通信（VLC）系统里，计算复杂度主要源于三个方面，分别是连续干扰消除（SIC）检测、预编码设计以及资源分配算法。连续干扰消除检测的复杂度会随着用户数量的增加呈现出指数上升的趋势，其时间复杂度可以表示成O(N!)这样的形式，这里的N有着特定的含义。预编码算法，例如最小均方误差算法，它的矩阵运算复杂度是O(K³)，其中K所代表的是用户的数量。资源分配的联合优化问题常常会涉及到高维非线性规划，在对其进行求解的时候，复杂度会有明显的提高。

若要准确地对系统能效（EE）进行建模，就需要综合考虑几类不同的功耗情况。具体来说，这些功耗包括发射功率、电路功耗，电路功耗又像是LED驱动模块和光电检测器所产生的功耗，还有计算功耗，计算功耗主要是SIC迭代过程以及预编码运算所消耗的能量。能效一般被定义为系统总速率与总功耗的比值，而总功耗是由发射功率、固定电路功耗以及动态计算功耗共同组合而成的。

为了能够在计算复杂度和能效之间找到一个合适的平衡状态，可以设计出一种自适应参数调整策略。这种策略是通过对SIC检测的迭代次数以及预编码精度进行优化，从而达到控制计算开销的目的。这个均衡问题能够转化成为带约束的分数规划问题，然后利用拉格朗日对偶法来求解出最优的参数组合。仿真结果表明，该策略在保证误码率性能的前提条件之下，能够让计算复杂度降低大约30%，与此同时还可以使系统能效提升15%以上，这充分说明了该策略在实际应用当中具有比较好的效果。