面向信噪比感知的LIS辅助毫米波MIMO NOMA网络中的元优化混合波束成形与自适应聚类技术

《Scientific Reports》：Meta optimized hybrid beamforming and adaptive clustering for SNR Aware LIS aided mmWave MIMO NOMA networks

　　

摘要

下一代无线网络需要具备较高的频谱效率和能量效率，以支持大规模设备连接，尤其是在人口密集的城市环境和以物联网为主的应用场景中。毫米波MIMO-NOMA系统与大型智能表面相结合，为解决这一问题提供了有效途径，但目前现有方法在静态分组、非最优波束形成以及应对实时信噪比变化的能力方面存在不足。传统的遗传算法和粒子群算法由于优化方式僵化，且波束形成与用户分组之间的协调性不佳，无法在动态用户场景下实现稳定性能。为克服这些局限，本研究提出了一种基于元优化的混合波束形成与自适应分组框架，用于具有信噪比感知功能的智能表面辅助毫米波MIMO-NOMA系统。该框架采用改进的海鸥优化算法作为双阶段优化策略：第一阶段，算法动态优化混合模拟-数字波束形成方式，使其与毫米波信道特性相匹配；第二阶段，根据信噪比、空间相关性及距离对用户进行自适应分组，从而提升NOMA系统的效率并保障用户公平性。该系统基于Python语言实现，采用NYUSIM模型构建毫米波信道，并在真实的智能表面辅助环境下进行测试。对比实验表明，与传统算法相比，该方法可实现56.8 bps/Hz的总数据传输速率，杰恩公平性指数达到0.91，能量效率提升超过15%。此外，在30 dB信噪比条件下，系统中断概率降至8×10??，充分证明了其稳定性。通过实现智能的波束与分组匹配以及更高效的资源利用，该方法有效解决了可扩展性和效率方面的问题，为6G无线系统提供了一种实用且性能优异的解决方案。该框架也为未来自适应通信系统的进一步发展奠定了坚实基础。