【数字信号分析】基于NOMA的高阶调制VLC系统的误差分析附Matlab复现

 ✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

​非正交多址接入（NOMA）作为一种具有高频谱效率的技术，被寄予厚望应用于未来的无线网络之中。然而，其高频谱效率的代价是数据检测中错误率的增加。本文针对基于功率域NOMA的下行可见光通信（VLC）系统，在高阶调制方案下，并考虑不完美连续干扰消除（SIC）的情况下，进行了理论误差分析。

具体而言，本文推导了当调制方式为方形正交幅度调制（QAM）时，用户的符号错误率（SER）的精确闭合表达式。推导出的表达式适用于每个用户的任意调制阶数。这意味着我们能够对不同用户采用不同复杂程度的调制方案，从而更好地适应其信道状况和业务需求。

此外，本文还提出了一种必要且充分的功率分配（PA）约束条件，以确保在高阶调制下，叠加星座图中符号的判决区域不相交或重叠。这一约束条件至关重要，它直接关系到NOMA系统的可靠性，确保接收端能够正确地区分来自不同用户的信号。换言之，它保证了高阶调制下NOMA系统能够稳定工作，避免因功率分配不当导致的数据混淆。该约束条件为功率分配策略的设计提供了理论基础，指导我们如何在满足用户需求的同时，最大程度地降低误码率。

为了验证理论分析的正确性，我们进行了大量的仿真实验。仿真结果与理论分析高度吻合，证实了推导出的表达式的准确性。仿真结果进一步表明，通过适当的功率分配，可以最大限度地降低基于NOMA系统的用户SER。值得注意的是，最佳功率分配策略取决于用户的调制阶数。这意味着我们需要根据用户的信道条件和调制阶数，动态地调整功率分配，以达到最优的系统性能。

引言

无线通信领域正面临着日益增长的频谱资源需求。为了满足这一需求，研究人员一直在探索各种提高频谱效率的技术。NOMA作为一种极具前景的无线接入技术，近年来受到了广泛关注。与传统的正交多址接入（OMA）技术不同，NOMA允许多个用户在相同的频率、时间或码资源上进行传输，从而显著提高了频谱利用率。

在NOMA技术中，功率域NOMA是一种常见的实现方式。它通过在发射端对用户的信号进行功率分配，并在接收端采用连续干扰消除（SIC）技术，来实现多用户的接入。具体而言，发射端会根据用户的信道状况，为信道条件较差的用户分配更多的功率，而为信道条件较好的用户分配较少的功率。在接收端，接收机会先解调并移除功率较强的用户的信号，然后再解调剩余的信号，从而实现多用户的分离。

可见光通信（VLC）是一种新兴的无线通信技术，它利用可见光作为信息载体进行数据传输。与传统的无线电通信相比，VLC具有频谱资源丰富、抗电磁干扰能力强、安全性高等优点。将NOMA技术应用于VLC系统，可以进一步提高VLC系统的频谱效率和用户容量。

然而，NOMA技术并非没有缺点。由于多个用户的信号在相同的资源上进行传输，因此在接收端需要进行复杂的干扰消除处理。如果不完美SIC，将会导致残留干扰，从而影响用户的SER性能。此外，在高阶调制下，叠加星座图的复杂性也会增加，使得信号检测更加困难。因此，对基于NOMA的VLC系统进行理论误差分析，并提出有效的功率分配策略，对于提高系统的可靠性至关重要。

研究方法

本文主要采用理论分析和仿真实验相结合的方法，对基于功率域NOMA的VLC系统进行了研究。首先，我们建立了系统模型，并推导了在不完美SIC的情况下，用户的SER的精确闭合表达式。在推导过程中，我们充分考虑了高阶调制对SER的影响。其次，我们提出了一种必要且充分的功率分配约束条件，以确保叠加星座图中符号的判决区域不相交或重叠。最后，我们通过仿真实验验证了理论分析的正确性，并评估了不同功率分配策略对系统性能的影响。

主要结果

1. SER表达式： 推导出了在不完美SIC的情况下，用户的SER的精确闭合表达式。该表达式适用于每个用户的任意调制阶数，为系统性能评估提供了理论基础。

2. 功率分配约束条件： 提出了一种必要且充分的功率分配约束条件，以确保叠加星座图中符号的判决区域不相交或重叠。该约束条件为功率分配策略的设计提供了指导。

3. 仿真验证： 仿真结果与理论分析高度吻合，证实了推导出的表达式的准确性。仿真结果还表明，通过适当的功率分配，可以最大限度地降低基于NOMA系统的用户SER。

结论

本文对基于功率域NOMA的VLC系统进行了理论误差分析，并提出了有效的功率分配策略。研究结果表明，NOMA技术在VLC系统中具有巨大的应用潜力，但需要 careful 设计功率分配策略，并考虑不完美SIC的影响，才能充分发挥其优势。未来的研究方向包括：探索更复杂的调制方案、研究更鲁棒的SIC算法，以及将NOMA技术与其他无线通信技术相结合，以进一步提高频谱效率和系统性能。

⛳️ 运行结果

🔗 参考文献

E. M. Almohimmah and M. T. Alresheedi, "Error Analysis of NOMA-Based VLC Systems With Higher Order Modulation Schemes," in IEEE Access, vol. 8, pp. 2792-2803, 2020, doi: 10.1109/ACCESS.2019.2962331.

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

🌿 往期回顾可以关注主页，点击搜索

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌈 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌈图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌈 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌈 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇