基于串行指数蜣螂优化器的NOMA系统能效优化与用户配对策略研究

推荐：针对5G/6G网络中非正交多址接入(NOMA)的频谱效率与能效平衡难题，研究人员提出融合深度模糊K均值(DFKM)聚类与串行指数蜣螂优化器(SEDBO)的联合优化方案。通过动态用户配对与功率分配(PA)，实现BER低至0.00048、能效达4269 bits/Joule的突破性性能，为高密度物联网场景提供新型资源分配范式。

　　

随着5G网络的普及和6G技术的演进，无线通信系统正面临频谱资源短缺与海量设备接入的双重挑战。传统正交多址接入(OMA)技术因用户容量受限难以满足需求，而非正交多址接入(NOMA)通过功率域复用允许用户在相同时频资源上传输信号，成为提升频谱效率的关键技术。然而，NOMA系统的实际部署面临用户配对复杂度高、功率分配(PA)策略不优等瓶颈，特别是在高密度物联网(IoT)场景中，如何平衡系统能效与服务质量(QoS)仍是亟待解决的难题。

针对这一挑战，研究人员开展了一项创新性研究，提出基于串行指数蜣螂优化器(SEDBO)的NOMA系统能效优化框架。该研究首先采用深度模糊K均值(DFKM)聚类实现动态用户分组，通过模糊逻辑处理信道状态信息(CSI)的不确定性；进而开发SEDBO算法，将指数加权移动平均(EWMA)概念融入蜣螂优化器(DBO)，显著提升功率分配的收敛精度。实验表明，该方案使系统比特误码率(BER)降至0.00048，能效提升至4269 bits/Joule，为高密度无线网络提供了兼具理论价值与工程可行性的解决方案。

关键技术方法包括：1) 基于DFKM的用户聚类，其超参数通过SEDBO自动优化；2) SEDBO驱动的功率分配，采用串行指数加权策略增强局部搜索能力；3) 多目标优化框架同步优化BER、可达速率等5项指标。研究采用Matlab平台验证，对比传统算法显著提升性能。

用户配对优化：通过SEDBO调参的DFKM模型将用户分为强/弱信道两组，利用模糊隶属度处理信道波动，配对效率提升23%。
功率分配策略：SEDBO在Dung Beetle Optimizer中引入串行指数权重机制，使PA收敛速度加快1.8倍，所得功率系数使强信道用户功率占比降低37%。
系统性能验证：最终方案实现6.381 bps/Hz的可达速率，中断概率仅0.0052，较传统NOMA方案能效提升59%。

该研究的突破性在于：1) 首创将EWMA时序分析融入群体智能算法，为通信优化提供新方法论；2) DFKM与SEDBO的协同机制解决了NOMA中用户动态配对的NP难问题；3) 实测数据验证了方案在移动边缘计算(MEC)场景的适用性。论文成果为6G超大规模接入网络奠定了理论基础，其优化框架可扩展至认知无线电、卫星通信等领域。值得注意的是，研究者Prasheel N. Thakre和Sanjay B. Pokle特别指出，该方案无需专用硬件升级，通过软件定义网络(SDN)即可部署，具有显著的商业化潜力。未来工作将聚焦于多小区干扰协调与三维信道建模的联合优化。