NOMA技术解析：从功率复用到串行干扰消除的5G革新

1. 从“一人一条道”到“多人挤一条道”：为什么5G需要NOMA？

大家好，我是老张，在通信行业摸爬滚打了十几年，从3G时代的CDMA一路跟到现在的5G。每次技术换代，最核心的命题永远只有一个：如何在有限的频谱资源里，塞进更多的数据？ 这就像在一条固定宽度的公路上，怎么才能让更多的车同时跑起来，还不出事故。

4G时代，我们用的技术叫OFDMA（正交频分多址），可以把它想象成一种非常高效的“分车道”技术。系统把整个频谱资源划分成许多个正交的、互不干扰的“子信道”，就像把一条大路分成了无数条互不交叉的小车道。每个用户在某个时刻，独占其中一条或几条车道。这种“一人一道”的方式，秩序井然，避免了用户间的相互干扰，接收机设计也相对简单。这也就是我们常说的正交多址（OMA）。

但是，这种“正交”的优雅，也带来了效率的天花板。因为每个子信道在某一时刻只能服务一个用户，当用户数量激增，比如在大型演唱会、体育场馆或者未来的海量物联网场景下，系统就需要排队调度，资源会变得非常紧张。频谱资源就像黄金，这么“独占式”的使用，总觉得有点“浪费”。

于是，工程师们开始琢磨：能不能让多个用户共享同一条“子信道”呢？就像在一条车道上，让几辆车前后叠加着跑？当然，这肯定会带来“追尾”（干扰）的风险。但如果我们能在发送端和接收端想点办法，管理好这种干扰，是不是就能突破正交资源的限制，把频谱利用得更“满”呢？

这就是非正交多址（NOMA） 诞生的最直接动机。它不是要取代4G的OFDM技术，而是在OFDM划分好的“子车道”内部做文章。在NOMA里，一个子信道上不再只分配给一个用户，而是允许多个用户的信号叠加在一起传输。这些用户信号在时域和频域上是完全重叠的，不再保持正交。那么，如何区分它们？答案就是利用功率域——通过给不同用户分配不同的发射功率，在接收端根据功率大小的差异，像“剥洋葱”一样一层层地把各个用户的信号分离出来。

我打个更生活的比方：OMA就像在一个安静的会议室里，大家轮流发言，井然有序但效率不高。而NOMA则像在一个嘈杂但可控的集市里，几个人同时说话，但有的人声音大（近处用户，功率小），有的人声音小（远处用户，功率大）。你作为接收者（基站或手机），可以先集中注意力听清楚那个声音最大的（功率最强的信号），听懂并记下来之后，在脑子里“减去”他的声音，再去听下一个声音稍大的，如此反复，最终把所有人的话都听明白。这个在脑子里“减去”已听懂声音的过程，就是NOMA的核心技术之一——串行干扰消除（SIC）。

所以，简单来说，NOMA就是用接收端更复杂的信号处理（SIC），来换取发送端频谱资源的更高效率复用。这是一种典型的“算力换资源”的设计思想，非常契合5G乃至未来6G对极致频谱效率的追求。

2. NOMA的核心引擎：功率复用与串行干扰消除（SIC）详解

理解了NOMA“多人挤一条道”的基本思路，我们得深入看看它是怎么具体操作的。这离不开两大核心技术的紧密配合：发送端的功率复用和接收端的串行干扰消除（SIC）。它们俩一个负责“混合”，一个负责“分离”，堪称黄金搭档。

2.1 发送端的“配方艺术”：功率复用

功率复用可不是简单的功率控制。在传统的3G CDMA系统中，功率控制是为了克服“远近效应”，让所有用户信号到达基站时功率差不多，避免强信号淹没弱信号。但NOMA的功率复用，思路恰恰相反。

它的目的是主动制造并利用功率差异来区分用户。 基站会根据用户的信道条件（比如距离基站的远近、信道质量的好坏），有策略地分配不同的发射功率。一个普遍的原则是：给信道条件差的用户（通常是边缘用户）分配更高的功率，给信道条件好的用户（通常是中心用户）分配更低的功率。

这听起来有点反直觉，为什么“欺负”信道好的用户？其实道理很简单：这是为了整体系统性能最优。信道条件差的用户，路损大，需要更大的“嗓门”（功率）才能把信息传过来；而信道条件好的用户，路损小，“小声说话”（小功率）也能被听清。更重要的是，在后续的SIC过程中，这种功率差异正是解码的关键。

假设子信道上只有两个用户：用户A（远，信道差）和用户B（近，信道好）。基站在发送时，会将用户A的信号乘以一个较大的功率系数，用户B的信号乘以一个较小的功率系数，然后将两个信号直接相加，形成一个叠加信号发送出去。这个叠加信号里，用户A的成分功率大，用户B的成分功率小。

这里就涉及到一个核心算法：功率分配算法。如何确定给每个用户分配多少功率，才能使得系统总吞吐量最大，或者保证用户间的公平性？这是NOMA研究中的一个热点。常用的算法包括：

• 固定功率分配（FPA）： 为不同用户设定固定的功率分配比例，简单但不灵活。
• 分数阶功率分配（FTPA）： 根据用户的信道增益进行动态调整，是实践中较为常用的方案。
• 基于优化理论的功率分配： 以系统和速率最大化为目标，通过求解优化问题得到最优功率值，性能最好但计算复杂。

我在实际仿真中试过，一套好的功率分配算法，相比简单的均分功率，能让系统容量有非常可观的提升，有时能达到20%以上。这充分说明了“配方”（功率分配）的重要性。

2.2 接收端的“剥洋葱术”：串行干扰消除（SIC）

信号带着功率差异发送出去了，接收端（比如用户B的手机）收到的是一个叠加了用户A和用户B自身信号的混合体。怎么把自己的信号捞出来？这就轮到SIC大显身手了。

SIC接收机的工作流程，就像我们前面说的“听集市声音”，是一个严格的串行过程：

1. 排序： 接收机首先根据接收到的信号功率大小，对所有叠加在本子信道上的用户进行排序。注意，这个排序依据的是接收功率，它由发送功率和信道衰减共同决定。通常，接收功率最强的用户被排在第一级。
2. 解码最强信号： 接收机先无视其他信号，直接解码这个功率最强的信号（在上面的例子里就是用户A的信号）。因为它的功率最强，信干噪比最高，所以最容易正确解码。
3. 重构与消除： 解码出用户A的信息后，接收机利用已知的信道估计信息，在本地精确地重构出用户A的信号波形。然后，从最初接收到的混合信号中，减去这个重构出的用户A信号。
4. 迭代处理： 减去用户A的信号后，剩下的信号中，用户B的信号就变成了“最强”的信号。接收机再对剩余信号重复步骤2和3，解码出用户B的信息。

这个过程可以一直持续下去，直到所有用户的信号都被分离出来。对于用户B来说，它需要先解调并消除用户A的干扰，才能解调出自己的信号。而对于用户A（假设是接收功率最强的那个），它不需要进行SIC，可以直接解调自己的信号，因为其他用户的信号相对于它都是低功率的“噪声”。

这里有一个非常关键的点，也是实际部署中的一大挑战：SIC要求对已解码信号进行近乎完美的重构和消除。 如果重构不准确，比如解码错了，或者信道估计有误差，那么消除后残留的干扰会非常大，并会像滚雪球一样影响后续所有用户的解码，这被称为“误差传播”。我早期做实验时就踩过这个坑，当时信道估计模块做得不够精细，导致SIC性能远达不到理论值。后来我们引入了更稳健的信道估计算法和纠错编码，才把这个问题缓解掉。

所以，SIC接收机的性能，直接决定了NOMA系统的天花板。它越精确，能区分的用户数就越多，频谱效率的提升也就越显著。

3. 不止于理论：NOMA在5G真实场景中的挑战与应对

纸上谈兵终觉浅，任何技术从论文走向现网，都会遇到一堆“骨感”的现实问题。NOMA也不例外，它的性能优势很明显，但想大规模商用，得先迈过几道坎。根据我和团队在预研项目中的经验，主要有下面这几个挑战。

挑战一：接收机复杂度和处理时延 这是最直观的挑战。SIC接收机需要完成多轮解码、重构、减法的操作，其计算复杂度远高于OMA中简单的单用户检测器。每增加一个叠加用户，复杂度几乎成倍增长。这不仅意味着手机或基站需要更强大的芯片和更高的功耗，还会引入额外的处理时延。对于时延敏感的业务（如工业控制、自动驾驶），这个时延可能不可接受。

• 我们的应对思路： 一方面，依靠硬件进步，比如专用集成电路（ASIC）或更强大的移动处理器。另一方面，在算法上优化，比如采用部分SIC，只对干扰最大的少数几个用户进行消除，在性能和复杂度间取得平衡。同时，在调度时避免给单一资源块分配过多用户，通常2-4个用户叠加是工程上比较合理的选择。

挑战二：动态信道下的功率与排序 理想很丰满，现实在变化。无线信道是时变的，用户可能在移动，环境也在变化。这意味着每个用户的接收功率在动态波动。SIC要求严格按照接收功率排序进行解码，如果排序错了（本该先解的用户功率变弱了），整个SIC链都会失败。这就需要系统能够快速、准确地跟踪信道变化，并动态调整功率分配和SIC顺序。

• 我们的应对思路： 设计低开销、高精度的信道状态信息（CSI）反馈机制。在5G中，可以利用其更密集的参考信号来获取更及时的信道信息。同时，研究鲁棒的功率分配算法，使其对信道的小范围波动不敏感。也可以结合机器学习，预测用户的信道趋势，提前做出更优的调度和功率决策。

挑战三：上行NOMA的同步与干扰 上面我们多以基站发信号给手机（下行）为例。在上行（手机发信号给基站）场景中，NOMA同样有巨大潜力，但挑战不同。多个用户同时向基站发送叠加信号，首先要解决时间同步问题。用户距离基站远近不同，信号到达时间有差异，如果同步没做好，会引入严重的符号间干扰。其次，上行中，基站作为接收方，拥有更强的处理能力，可以实施更复杂的多用户检测，但如何公平、高效地调度上行用户，并管理好用户间的功率竞争，是个难题。

• 我们的应对思路： 采用更严格的上行同步机制，比如通过高级的定时提前量（TA）调整。对于干扰，除了SIC，还可以结合多天线技术。基站用多根天线接收信号，可以利用空域信息进一步分离用户，这就是MIMO-NOMA，能极大提升系统容量和抗干扰能力。我们实测过，在4x4 MIMO下引入NOMA，小区边缘吞吐量改善非常明显。

挑战四：与现有网络的共存与融合 5G不是一夜建成的，必然存在与4G LTE长期共存的阶段。NOMA如何平滑引入？一种思路是在5G新空口（NR）中，将NOMA作为一项增强特性，在部分频段或特定场景（如热点覆盖、物联网接入）中启用。这需要标准化的支持，定义清晰的信号格式、参考信号以及接收机行为。

• 行业进展： 事实上，在3GPP Rel-16及之后的版本中，上行NOMA的一些理念已经被吸收，例如基于非正交的免调度接入，用于海量物联网设备随机接入，可以减少信令开销和接入时延。这可以看作是NOMA思想在特定场景下的成功应用。

4. 实战推演：对比OFDMA，NOMA到底强在哪？

说了这么多原理和挑战，咱们来点实在的对比。我经常被问到：“老张，NOMA比现在的4G/5G OFDMA到底好多少？” 光说频谱效率提升百分之几十太抽象，我们结合几个具体场景看看。

场景一：远近效应场景（下行） 这是NOMA的经典优势场景。一个小区里，一个用户靠近基站（信道好），一个用户在边缘（信道差）。

• OFDMA做法： 基站需要分配两个独立的资源块给这两个用户。边缘用户因为信道差，为了达到基本速率，可能需要分配更多的资源（比如更多的子载波），这其实是一种资源浪费。
• NOMA做法： 基站可以将同一个资源块同时分配给这两个用户。给边缘用户分配高功率，给中心用户分配低功率。中心用户通过SIC消除边缘用户的干扰后，依然能获得高速率；边缘用户则凭借高功率保障了基本连接。最终效果： 在消耗相同带宽资源的情况下，NOMA能同时服务这两个用户，并且系统总吞吐量更高。实测和仿真都表明，在这种两用户场景下，容量增益可达15%-30%。

场景二：海量连接物联网（上行） 未来工厂里成千上万的传感器需要上报数据，数据包小，但并发数量极大。

• OFDMA做法： 每个传感器需要申请调度资源，获得授权后才能发送。海量设备的调度信令开销巨大，接入时延长，还可能因为资源不足而冲突。
• NOMA/免调度接入做法： 可以允许一组传感器在预先分配或竞争到的相同资源上，直接非正交地发送信号。基站利用SIC或更先进的多用户检测技术，同时解调多个设备的数据。最终效果： 极大减少了信令交互，降低了接入时延，提升了同时接入的用户数。这正是5G mMTC（海量机器类通信）的关键技术方向之一。

场景三：高移动性场景 用户在高铁上高速移动，信道快速变化。

• OFDMA的挑战： 依赖精确的CSI来进行自适应调制编码（AMC）。在高速下，CSI反馈可能不及时或不准确，导致选用的调制编码方式不匹配，性能下降。
• NOMA的潜在优势： NOMA的功率复用在一定程度上对信道变化有鲁棒性。因为功率分配策略可以设计得相对保守，并且SIC过程主要依赖功率排序。只要功率排序相对稳定，即使信道快速变化，系统仍能工作。当然，这需要更智能的算法来保证。

为了更直观，我简单列个对比表：

特性维度	正交多址 (OFDMA)	非正交多址 (NOMA)	NOMA的优势体现
资源分配原则	正交分配，用户独占资源块	非正交共享，多用户叠加在同一资源块	频谱利用率提升，支持更多用户
接收机复杂度	低，单用户检测即可	高，需要串行干扰消除（SIC）	以计算复杂度换取频谱效率
抗远近效应	依赖精细的功率控制	利用功率差异，边缘用户体验更好	改善公平性，提升边缘吞吐量
适合场景	广覆盖，中低负载，对时延敏感	热点高容量，海量连接，有远近差异	高负载场景容量优势明显
对信道信息依赖	高，需要CSI进行自适应调制	相对较低，更依赖功率排序	在高速移动等场景可能更稳健

注意：NOMA和OFDMA不是取代关系，而是互补与增强。在5G-Advanced和6G中，很可能是OFDMA的框架 + NOMA的增强特性的组合模式，在不同的子带或针对不同的业务类型，动态选择最合适的多址方式。

5. 面向未来：NOMA的演进与6G的畅想

技术从来不会停止演进。NOMA本身也在不断发展，衍生出许多新的分支和融合方向，为未来的6G愿景铺路。

方向一：从功率域到多域融合 单纯的功率域NOMA有其局限性。未来的趋势是与其他维度结合，形成更强的多址技术。

• MIMO-NOMA： 这是当前的研究热点。将空域（多天线）的波束成形与功率域复用结合。基站可以通过波束赋形在空域初步分离用户群，然后在每个波束内再使用功率域NOMA服务多个用户。这相当于在“空间车道”内再进行“功率叠加”，容量提升是指数级的。我们团队正在攻关的课题之一，就是大规模MIMO下的低复杂度用户分组和波束设计算法。
• 稀疏码分多址（SCMA）： 可以看作是码域和功率域的结合。它通过设计稀疏的码本，让用户在码域非正交叠加，接收端使用基于消息传递算法（MPA）的多用户检测，其性能有时优于SIC。SCMA被认为是NOMA家族的重要成员，在华为的某些提案中备受关注。
• 图样分割多址（PDMA）： 通过在发送端设计非正交的图样矩阵，在接收端采用低复杂度的检测算法，也是多域融合的代表。

方向二：与人工智能（AI）的深度结合 这是我认为最有潜力的方向。NOMA系统中的许多核心难题，比如动态用户配对、实时功率分配、复杂的SIC接收机设计，都非常适合用AI来解决。

• 智能资源管理： 用深度学习模型来学习网络流量和信道环境的变化规律，预测最优的用户配对和功率分配策略，替代传统的基于优化理论的复杂计算。
• 智能接收机： 直接用神经网络来替代部分SIC操作。神经网络可以端到端地学习从接收到混合信号到分离出多用户信号的映射关系，可能比传统的基于模型的SIC更鲁棒，特别是存在非线性失真和硬件损伤时。我已经看到不少顶会论文在这个方向取得了很有意思的成果。

方向三：使能6G新场景 6G的愿景包括通感算一体化、数字孪生、全域覆盖等。这些场景对连接密度、可靠性和频谱效率提出了极致要求。

• 大规模物联网： NOMA将是支撑千亿级设备接入的基石技术之一，其免调度、高并发的特性不可或缺。
• 通感一体化： 在同一个波形中既通信又感知，信号本身就是非正交、叠加的。NOMA中处理叠加信号的思想和技术，可以直接迁移到通感信号的处理中。
• 星地融合网络： 在卫星通信中，用户信道差异（星下点用户 vs. 边缘用户）极大，这正是功率域NOMA发挥优势的舞台。利用NOMA可以更公平、高效地服务卫星覆盖区内不同条件的用户。

在我个人看来，NOMA不仅仅是一项具体的技术，更代表了一种突破“正交性”枷锁的通信哲学。它告诉我们，通过更智能的信号处理，我们可以容忍并管理一定的干扰，从而挖掘出频谱资源的最后一点潜力。从5G-Advanced开始，到未来的6G，这种“非正交”的设计思想必然会渗透到无线通信的各个层面。当然，这条路并不好走，需要算法、芯片、标准化全方位的突破。但每次攻克一个难题，比如把SIC接收机的功耗降下来，或者让功率分配算法更智能一点，都让我们离那个万物智联、无缝连接的未来更近一步。这大概就是做技术研发，最让人着迷的地方吧。