《Electronics》：Towards a View-Based Measure of Educational Flexibility for Complex Clinical Cases: A Combinatorial Approach
Fabrizio Pecoraro,
Fabrizio Consorti and
Fabrizio L. Ricci
编辑推荐：
非正交多址接入（NOMA）已被公认为一种缓解可见光通信（VLC）下行链路带宽限制的有前景技术。然而，相应的功率分配问题通常是非凸的，并在实际系统约束下计算困难，这限制了传统优化方法的有效性。为解决此问题，研究人员提出了一种基于改进粒子群优化（IPSO）的策略，
非正交多址接入（NOMA）已被公认为一种缓解可见光通信（VLC）下行链路带宽限制的有前景技术。然而，相应的功率分配问题通常是非凸的，并在实际系统约束下计算困难，这限制了传统优化方法的有效性。为解决此问题，研究人员提出了一种基于改进粒子群优化（IPSO）的策略，旨在最大化系统总和速率，并采用自适应机制，包括自适应动态惯性权重、合作进化学习因子和增强精英对立学习（EEOBL），以增强全局搜索能力和收敛性能。仿真结果表明，所提方案在不同干扰场景下显著提升了整体系统容量，同时实现了更快的收敛和更强的鲁棒性。
**论文解读：基于IPSO的NOMA-VLC系统功率分配优化策略**
**研究背景与问题**
在下一代无线通信网络中，数据传输的安全风险日益突出。传统射频（RF）通信因电磁波穿透力强、信号易被截获等固有缺陷，在军事、金融等敏感领域面临通信保密性挑战。可见光通信（VLC）凭借丰富的频谱资源、强抗电磁干扰能力和高固有安全性，成为室内场景的关键补充技术。然而，VLC的有限调制带宽制约了系统容量、用户公平性和可连接用户数。非正交多址接入（NOMA）通过功率域复用机制，可显著提升系统容量和频谱效率，部分缓解VLC带宽限制。NOMA的核心是根据用户信道状态信息（CSI）分配不同功率，并在接收端采用连续干扰消除（SIC）实现多用户信号分离。但NOMA的性能高度依赖于高效的功率分配策略。在NOMA-VLC系统中，功率分配问题通常是非凸的，受照度要求、眼安全规定、每LED功率预算、服务质量（QoS）阈值及VLC信号独特幅度限制等复杂约束。传统凸优化方法需通过近似或变换处理非凸问题，但存在解质量下降、计算复杂度剧增、无法处理强非凸约束等局限。标准粒子群优化（PSO）虽能处理非凸问题，但易早熟收敛、陷入局部最优。为此，研究人员提出了一种改进粒子群优化（IPSO）算法，以直接求解实际NOMA-VLC系统中的非凸功率分配优化问题。该研究发表在《Electronics》上。
**关键技术与方法**
研究人员首先构建了一个室内NOMA-VLC下行链路系统模型，考虑单个发光二极管（LED）发射机和K个随机分布的用户，并假设仅存在直射链路（LoS）信道。然后，建立了以系统总和速率最大化为目标的数学优化模型，约束条件包括：信号非负性及眼安全峰值强度限制、总发射功率预算、每用户最小信干噪比（SINR）阈值，以及由不完美SIC引起的残余干扰因子η。为解决该高度非凸问题，研究人员提出了IPSO算法，在标准PSO的速度更新公式中引入三项增强机制：自适应动态惯性权重（根据种群多样性和收敛状态自适应调整）、合作进化学习因子（通过速度和空间多样性反馈使认知与社会学习协同）、增强精英对立学习（EEOBL，结合精英对立和准对立位置生成，定期注入多样性以逃离局部最优）。仿真在7 m×7 m×3 m房间内进行，K个用户随机分布在LED照明覆盖区域内。
**研究结果**
- **不同干扰消除因子η下的系统总和速率与SINR要求关系（对应Figure 2）**：仿真结果表明，固定最小SINR要求时，系统总和速率随η增大而下降。当η=0、0.01、0.02时，速率分别稳定在约188 Mbps、69 Mbps、59 Mbps；η=0.03时，SINR要求达到4 dB后速率开始下降，4.5 dB时可行解空间消失，速率降为0。这证明了残余干扰对系统性能的显著负面影响。
- **不同η下系统总和速率与用户数的关系（对应Figure 3）**：正交多址接入（OMA）方案的总和速率随用户数增加保持不变；而NOMA方案利用多用户分集增益，总和速率随用户数上升。IPSO算法在所有用户数下均优于PSO、哈里斯鹰优化（HHO）、遗传算法（GA）和固定功率分配（FPA）。例如η=0.01、3用户时，IPSO速率约67.4 Mbps，较PSO、HHO、GA、FPA分别提升12.5%、9.8%、26.7%、52.5%；6用户时提升幅度更大（14.6%、11.1%、41.2%、86.4%），表明IPSO在处理复杂约束时优势显著。
- **收敛性能对比（对应Figure 4）**：IPSO算法在不同η下均表现出更快的收敛速度和更高的最终值。例如η=0时，IPSO仅19次迭代即稳定于188.4 Mbps，而标准PSO收敛更慢、最终值更低。η增大后IPSO仍保持优势，尤其在早期迭代中。
- **计算复杂度分析**：IPSO的渐近复杂度为O(T
max·N·K)，与标准PSO相同，但每次迭代增加约20–30%的常数开销（计算适应度方差、速度幅度、空间多样性及EEOBL）。然而，因收敛更快（19次 vs. 40次迭代），总计算时间减少43%，实现了更高解质量和更好计算效率。
- **消融研究（对应Figure 5）**：在K=3、η=0.01、SINR=3 dB条件下，标准PSO速率53.5 Mbps；仅加入自适应惯性权重的PSO+AW达59.2 Mbps（提升10.7%）；仅合作学习因子PSO+CL达58.4 Mbps（提升9.2%）；仅EEOBL的PSO+EEOBL达61.8 Mbps（提升15.5%）；完整IPSO达69.0 Mbps（提升29.0%），验证了三种机制的个体贡献及协同增效。
**总结与结论**
研究人员系统研究了NOMA-VLC系统中以总和速率最大化为目标的功率分配问题，构建了考虑照度、眼安全、功率预算、QoS及不完美SIC的数学模型。为求解原非凸问题，提出了IPSO算法，集成自适应动态惯性权重、合作进化学习因子和精英对立学习策略。仿真结果表明，无论残余干扰如何，所提IPSO算法在系统总和速率上显著优于FPA和标准PSO，尤其在高干扰多用户场景中优势明显。此外，IPSO在不同干扰环境下均表现出更快的收敛速度和更稳定的优化结果。研究结论翻译如下：在本文中，研究人员针对VLC-NOMA系统的总和速率优化问题研究了功率分配，首先构建了室内基于NOMA的VLC下行链路系统模型，然后建立了以总和速率最大化为目标并考虑照度要求、眼安全规定、每LED功率预算、个体QoS、VLC信号独特幅度限制及不完美SIC的功率分配数学问题。为处理原非凸问题，研究人员提出了一种IPSO算法，融入自适应动态惯性权重、合作进化学习因子和精英对立学习策略以获取最优解。仿真结果表明，无论残余干扰如何，所提IPSO算法在系统总和速率上显著优于FPA和传统PSO算法，尤其在高干扰多用户场景中。此外，IPSO在不同干扰环境下表现出更快的收敛速度和更稳定的优化结果。
