关于通过NOMA和HARQ技术实现的多RIS辅助认知无线网络的性能研究

《AEU - International Journal of Electronics and Communications》：On the performance of multi-RIS-assisted cognitive radio networks via NOMA with HARQ

多智能反射面辅助认知非正交多址接入网络中混合自动重传请求的性能分析，推导Gamma分布信道下的 outage概率闭合式表达式及系统吞吐量，验证多RIS与HARQ协同显著提升可靠性及频谱效率。

　　

周永强|白晓雪

兰州理工大学理学院，中国兰州730050

摘要

本文研究了一种采用非正交多址接入和混合自动重传请求（HARQ）协议的认知无线电网络。为了提高系统可靠性，我们提出了一种多可重构智能表面（multi-RIS）辅助架构，用于次级网络，以促进次级发射机与两个次级用户之间的通信。通过使用伽马分布近似信道系数，我们推导出了在HARQ协议下近端和远端次级用户中断概率的精确封闭形式表达式。这些分析结果进一步使得系统吞吐量的封闭形式推导成为可能。蒙特卡洛仿真验证了分析结果，并揭示了两个关键发现：（1）与非RIS系统和单RIS系统相比，multi-RIS配置能够显著提升性能；（2）引入的HARQ方案在信号传输质量和系统可靠性方面都显示出显著改进。

引言

随着无线通信和智能传感技术的发展，物联网（IoT）已成为第六代（6G）网络的关键推动者，引起了学术界和工业界的广泛关注[1]。通过将数亿设备连接到互联网，IoT大幅增加了连接节点的数量。然而，IoT设备的大规模部署也对频谱利用效率、数据传输速率和能耗提出了更高的要求。

为了解决大规模IoT部署中的关键连接问题，非正交多址接入（NOMA）作为一种有前景的解决方案应运而生，特别是在需要超密集设备连接的场景中[2]。在传统的正交多址接入（OMA）方案中，由于正交性的限制，每个正交资源块只能容纳有限数量的设备。这一根本性限制严重限制了在频谱受限环境中的最大支持连接数，成为需要大规模连接的大型IoT部署的瓶颈。相比之下，NOMA通过功率域或码域复用实现了多个用户之间的同时资源共享，从而克服了正交性限制，并显著提高了频谱效率[3]。通过在接收端采用连续干扰消除（SIC），NOMA减轻了同频干扰，并使得在多用户环境中可靠地检测叠加信号成为可能。Do等人研究了使用NOMA的认知无线电（CR）网络中的中继选择，并推导出了中断概率（OP）的封闭形式表达式，证明了NOMA的优越性能[4]。Hung等人分析了一个RIS辅助的NOMA下行链路系统，推导出了用户对的遍历速率和有效容量，证实了RIS-NOMA相对于RIS-OMA的性能优势[5]。因此，将NOMA应用于RIS辅助的CR网络不仅可以扩展覆盖范围，还可以提高通信可靠性。

RIS作为一种有前景的无线通信网络技术，具有节能运行、成本效益高和高速率传输能力，显著提升了系统性能[6]。RIS架构由一组低成本反射元件和可编程控制电路组成，能够动态调整反射系数以适应时变无线信道条件[7]。与依赖高功耗射频（RF）链路和放大器的传统发射机不同，RIS通过被动信号操纵提供覆盖范围，从而实现了6G绿色通信范式的超低功耗[8]。Aldababsa等人分析了在Nakagami-m衰落信道中同时传输和反射的RIS（STAR-RIS）辅助NOMA网络的OP和比特错误率性能，推导出了封闭形式和渐近OP表达式，表明STAR-RIS和NOMA的集成可以有效提高频谱和能量效率[9]。具体来说，Yue等人首次将主动同时传输和反射表面引入NOMA网络，并全面分析了OP、遍历速率和系统吞吐量。他们的工作证明了其相对于传统被动表面和其他基准方案的性能优势，为实际部署提供了理论指导[10]。Shah等人研究了RIS增强型NOMA车联网的性能，表明增加RIS元素的数量可以提高系统性能[11]。尽管RIS可以有效减轻信号阻塞并优化通信信道条件，但在复杂场景中，其性能容易受到链路中断的影响。相比之下，多RIS系统通过级联部署建立了冗余传输路径。这种方法在单个RIS无法保持连接时确保了通信连续性，同时也为非视距（NLOS）场景提供了更加灵活和可靠的解决方案。Do等人通过推导OP和遍历容量的封闭形式表达式，展示了详尽的RIS辅助方案的性能优势，并揭示了RIS元素配置和部署位置的重要影响[12]。文献[13]提出了一种多RIS辅助的自由空间光通信系统，基于Malaga分布对大气湍流进行了建模，推导出了关键性能指标的精确封闭形式表达式，并证实了在单RIS系统失败时多RIS在稳定维持车对基础设施通信链接方面的核心优势。

CR技术通过动态感知电磁环境并机会性地接入未充分利用的频段来提高频谱利用率，同时保护主要用户免受有害干扰[14]。这种能力对于面临由于设备大量接入而导致频谱稀缺的6G支持的大规模IoT系统尤为重要。Li等人研究了在窃听场景下的STAR-RIS和NOMA辅助的CR-IoT网络。他们推导出了OP和截获概率的近似表达式，并进一步分析了可靠性-安全性权衡[15]。Tin等人证明，主动RIS辅助的6G CR网络可以实现显著的性能提升，OP和吞吐量的封闭形式表达式证实了频谱效率的显著提升[16]。尽管已经对RIS辅助的CR-NOMA网络进行了大量研究，但据我们所知，多RIS方案尚未在这样的场景中进行研究。将多RIS解决方案集成到CR-NOMA网络中可以有效优化无线传播环境，增强期望信号并抑制干扰。

HARQ结合了前向纠错和自动重传请求，通过有限的重新传输次数纠正由信道损伤引起的数据错误和数据包丢失，从而提高无线通信的可靠性和安全性[17]。在[18]中，作者研究了一个STAR-RIS辅助的认知NOMA-HARQ网络，并推导出了连接中断概率、平均传输次数和保密中断概率的分析表达式。在高信噪比（SNR）条件下的渐近分析表明，HARQ的集成显著提高了系统用户的安全性-可靠性权衡和可靠性-延迟权衡。通过创新地将HARQ与多RIS辅助的无线通信网络相结合，[19]的作者研究了中断性能并推导出了渐近表达式以促进系统设计。然而，现有关于通信系统中HARQ的研究很少涉及CR-NOMA网络中多RIS和HARQ的联合设计。受此启发，本文重点关注多RIS和HARQ协议的集成，旨在提高无线通信系统的可靠性和稳定性。

我们的主要贡献总结如下。

(1) 我们提出了一个新颖而全面的CR-NOMA框架，该框架集成了HARQ和多RIS技术。这一框架为设计可靠且频谱效率高的未来无线系统提供了基础模型。

(2) 我们推导出了所提出系统的OP和吞吐量的封闭形式分析和渐近表达式。这些分析结果描述了下一代频谱共享系统的基本性能极限。

(3) 我们进行了蒙特卡洛仿真来验证所推导的理论分析的准确性。数值结果明确表明，与仅使用单个RIS的传统OMA基准和方案相比，所提出的多RIS和HARQ辅助的CR-NOMA方案实现了显著的性能提升。

本文的其余部分组织如下。第2节介绍了集成多RIS与NOMA和HARQ的CR网络系统模型以及相关信道统计信息。第3节推导了OP和吞吐量的封闭形式分析表达式。第4节通过仿真结果验证了理论分析。第5节总结了本文。

章节摘录

网络架构

如图1所示，我们考虑了一个多RIS辅助的认知NOMA网络，该网络包括一个主要用户（PU）、一个次级发射机（ST）、$M$个RIS和两个次级用户（SUs）。距离ST较近的SU称为近端用户，表示为$D_n$，距离ST较远的SU称为远端用户，表示为$D_f$。为了进一步提高传输可靠性，我们将HARQ机制集成到所提出的网络中。同时，每个节点都使用单个天线，

NOMA

OP是无线通信系统中的一个基本性能指标，用于表征接收信号质量低于指定阈值时通信失败的可能性。在CR网络中，当$D_n$无法解码$D_f$的信号或其自身的信号时，就会发生中断事件。在Type-I HARQ实现中，ST会持续发送信号，直到收到用户的ACK或传输次数达到最大限制$L$。在Type-I HARQ中，

数值和仿真结果

本节采用蒙特卡洛仿真，进行$10^5$次独立试验来验证分析结果，检查系统参数对OP和吞吐量的影响，并研究多RIS部署和HARQ实施带来的性能提升。该系统在3GPP城市微蜂窝场景中进行了评估[21]，其中$D_i$处的等效噪声功率为，$B$表示10 MHz的带宽，$N_f$表示10 dBm的噪声系数[22]。符号“ana”表示。

结论

本文研究了具有NOMA-HARQ的多RIS辅助CR网络。我们使用伽马分布对每个信道进行建模，并推导出了系统OP和吞吐量的封闭形式表达式。通过蒙特卡洛仿真验证了理论推导。此外，还研究了$P_{mx}$、$M$KL和功率分配系数对系统OP和吞吐量的影响。数值结果表明，增加$M$和$L$可以有效提高中断性能

CRediT作者贡献声明

周永强：撰写 – 审稿与编辑。白晓雪：撰写 – 原始草稿。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（61663024, 62467004）、兰州理工大学博士研究启动基金（05-061405）和甘肃省教育厅：创新基金项目（2022A-019）的支持。