★ FEATURED ARTICLE 1. 从频谱稀缺说起NOMA与LDM要解决的真实问题这些年只要聊到5G和未来通信绝对绕不开“频谱效率”这个词。基站越建越多、终端越来越密但无线频谱是固定的资源就像一条多车道的高速公路车道数量有限永远不可能靠无限拓宽来解决问题。行业里一直在琢磨的就是如何在同一条车道上让更多车跑起来、跑得更快。NOMA非正交多址接入Non-Orthogonal Multiple Access和LDM层分复用Layered Division Multiplexing就是这两套非常有代表性的思路。我第一次接触NOMA的时候脑子里一直绕不过一个坎传统通信系统的黄金法则就是“正交”从FDMA、TDMA到OFDMA大家都在拼命把用户信号切得干干净净、互不干扰为什么NOMA偏偏要反着来让信号“叠”在一起后来真正把原理和仿真走完一遍才明白这个“反直觉”恰恰是它最聪明的地方。简单说NOMA的逻辑是允许不同用户在同一时间、同一频率上传输信号但是在功率域上区分它们。接收端再用串行干扰消除SIC技术把混在一起的信号一层层剥出来。LDM则更像是广播/多播场景下的一种特化NOMA把不同服务或不同质量等级的数据流分层叠加在同一射频资源上接收端按需解层。最早在ATSC 3.0数字电视标准里被大规模采用这几年在广播与宽带融合、5G多播场景里也频频露面。这篇文章不打算堆一堆公式吓跑人而是从“为什么需要它—核心原理怎么运作—链路级仿真怎么做—工程落地有哪些坑”这条线往下走。不管你是刚接触物理层算法的学生还是在通信系统里做方案选型的工程师读完之后至少能回答三个问题NOMA和LDM的区别到底在哪、功率分配和非线性失真怎么处理、在什么场景下该不该用这套非正交方案。2. 正交的尽头就是非正交的起点2.1 为什么正交系统喂不饱未来的业务要理解NOMA的价值得先看看正交多址的局限在哪。OFDMA正交频分多址是4G和5G NR的核心多址方案它把频谱切成很多互相正交的子载波不同用户占用不同的子载波资源块。好处是实现简单接收端线性检测就能把用户分开不需要复杂的干扰消除。但问题也出在这里每个资源块一旦被某个用户独占哪怕这个用户的信道条件再差、数据量再小这个资源块上的频谱也没办法同时给另一个用户用。用一个更加贴近生活的例子来类比正交多址就像一列火车上的硬座每个座位只能坐一个人哪怕旁边站着的人再多没票的也不能坐上去NOMA则是允许两个人共享一个座位但前提是你得接受其中一个人“坐得不太舒服”或者说“看得不太清楚”然后通过特殊手段把人区分开。当用户数量增多、业务类型变得多样化后后者对频谱资源的利用率显然更有想象空间。再看实际场景5G时代的业务早已不是单纯的语音和移动宽带海量物联网mMTC的典型特征是“连接数量巨大但每个终端的数据量极小、业务偶发”。如果沿用正交资源分配大量终端会把控制信道和调度开销挤爆频谱效率反而不升不降。超可靠低时延通信URLLC则要求在一个很短的传输时间窗内同时服务多个用户正交方案在时频资源碎片化严重时根本调度不开。2.2 NOMA的“非正交”到底做了什么NOMA在发射端把多个用户的信号在同一个资源块上做叠加接收端利用“用户间功率差异串行干扰消除”来区分信号。这个概念本身并不算新早在2000年前后就有学者提出功率域叠加传输的思路但真正被大规模关注是因为5G候选技术评估时期NOMA在提升系统容量和接入用户数方面的增益极其显著。整个系统的核心是把“分用户”从频域挪到了功率域。两个用户叠加时基站给信道条件差的用户远端用户或边缘用户分配更大的发射功率给信道好的用户近端用户分配较小的功率。为什么这么分配因为远端用户信号弱、解调门限高只有保证它的信号功率足够强它才能在干扰中先把“自己那一层”解出来。近端用户信号强反而要先从叠加信号中把远端用户的信号判决出来、重构、减去再解自己的信号这就是SIC的过程。这个思路唯一且关键的代价是接收机的复杂度上来了。近端用户需要先把别人的信号解出来才能轮到自己。如果SIC判决出现错误错误会一路传导下去这就是所谓的“差错传播”。因此NOMA系统的编码调制方式、功率分配策略和SIC接收机设计必须捆绑在一起做联合优化不能拍脑袋各搞各的。2.3 LDM广播场景里的一鱼两吃LDM和NOMA的原理高度相通但它的出发点很不一样。LDM最初脱胎于广播通信目标是让同一个电视频道在覆盖范围不变的情况下同时服务固定接收的电视用户和移动接收的手机用户或者在同一频段上同时传输标清/高清/超高清多档质量信号。ATSC 3.0标准里LDM把两个或者更多的数据流在功率域上进行非正交叠加。比如上层Upper Layer承载一个鲁棒性要求极高的移动广播信号功率占比大下层Lower Layer承载一个数据率更高但鲁棒性要求稍低的固定接收信号功率占比小。接收端根据自身信道条件选择解一层、还是两层都解。这样设计的好处是在同一个射频频道宽度内覆盖了两种完全不同性质的业务而不像传统广播那样必须“二选一”——要么保移动覆盖牺牲码率要么提高码率牺牲移动接收能力。对于广播网络运营商来说这意味着频谱复用率翻倍不需要为移动接收专门再开一个频道。LDM和NOMA在实际系统中还有一个非常微妙的差异NOMA的典型场景是蜂窝上行/下行多用户复用用户间的功率差异主要来自路径损耗和调度策略LDM则更像“面向层”的叠加不是面向单个用户而是面向两种服务类型。因此LDM在设计时会充分考虑“层间干扰”对低功率层业务的影响通常还会结合MIMO波束成形进一步增强层间隔离度。3. 功率域叠加与SIC接收不只一个“先大后小”那么简单3.1 两用户叠加的功率分配到底怎么算NOMA的常规场景是两用户配对pairing。假设用户1是近端强用户用户2是远端弱用户那么发射端在同一个资源块上发送的总信号可以写成[ x \sqrt{P_1} s_1 \sqrt{P_2} s_2 ]其中(P_1)和(P_2)分别是分配给用户1和用户2的功率。为了不把复杂度无限放大两用户配对叠加是业界最主流的配置。超过两用户叠加时SIC层数和信道估计误差都会急剧增加实际工程里慎重得多。功率分配方案会直接影响系统性能。固定功率分配FTPA最简单给弱用户固定一个较大的功率比例强用户用剩下的所有用户调度机会均等。分数功率分配FTPA引入一个衰减因子根据用户信道增益的比值动态调整功率差即[ P_k P_{total} \cdot \frac{(h_k^2)^{-\alpha}}{\sum_{j}(h_j^2)^{-\alpha}} ]这里(\alpha)是一个0到1之间的衰减因子。(\alpha)越接近1功率分配越倾向于信道差的用户公平性更好但强用户的速率会被压下去(\alpha)接近0时则趋近于传统的正交等功率分配。实际仿真时(\alpha)取0.4到0.7之间往往能在“公平性总和速率”之间拿到一个比较舒服的平衡点。另外还有全搜索功率分配FSPA把功率按步长遍历所有可能组合找到最大化某目标函数比如和速率或最小速率的最优解。性能最好但复杂度随着用户数暴增只能作为理论下界参考。3.2 SIC接收机的执行细节远看简单近看全是门槛SIC的过程通俗地说就是把混在一起的几杯液体逐层分离。接收端先解功率最强的信号层判决出比特后重新编码调制生成该层信号的本地副本再从接收信号中减去然后继续解下一层。每一步的前提都是“上一层没有解错”一旦解错后面的所有层都跟着遭殃。这里有个很多人容易忽略的工程细节SIC虽然叫“串行干扰消除”但第一层判决的可靠性不能只靠功率大还需要信道编码提供足够的纠错能力。实际系统里通常会用LDPC或者Turbo码配合循环冗余校验CRC来保证第一层判决的置信度。如果CRC校验通过才允许执行干扰重构和消除如果校验失败宁可放弃这一层也不能让它变成“错误传播的源头”。具体接收机的信号处理流程大致如下对接收信号做同步和信道估计得到各层信号的信道系数根据功率分配信息对最强层信号做均衡、解调、译码进行CRC校验确定该层判决是否正确若正确将译码得到的比特重新编码、调制并通过信道重建该层时域信号从接收信号中减去重建信号对剩余信号继续执行步骤2到5直到所有需要的层都解出来。从仿真角度看SIC的误码性能曲线在“正确实现”和“理想实现”之间有明显差距。很多论文里都假设理想SIC也就是认为干扰消除是完美的、不存在误差传播。实际上只要某一层的BER误比特率不是零SIC后剩余干扰就不可能完全消除。做链路仿真时如果直接按理想SIC建模大概率会高估系统性能实测出来完全对不上。3.3 功率分配与调制阶数的联合考量功率分配的取值不能单独决定它和调制编码方式MCS强耦合。弱用户功率虽大但如果信道条件实在差高功率救不回来就需要降低调制阶数比如从64QAM降到QPSK强用户虽然功率小但如果信道质量足够好即便在残余干扰下也能支持16QAM甚至64QAM。这里有一个实用的仿真起始点假设两用户信道相差10dB以上弱用户分配70%的功率强用户分配30%的功率弱用户用QPSK 1/2码率强用户用16QAM 3/4码率比较接近一个可行且性能不错的配置。当两用户信道差缩小时功率比也要相应调整为6:4甚至5:5否则弱用户解调门限不够强用户又被多余的功率压制两端都不讨好。我在做早期验证时踩过一个很典型的坑把功率分配调成9:1弱用户确实解得很稳但强用户由于功率太低加上SIC后残余干扰误码率怎么都压不下去。后来把功率比调成7.5:2.5并给强用户换了个更强的前向纠错码率总吞吐反而比9:1时提升了接近40%。所以做系统设计时千万不要只盯着一张误码率曲线要盯着“两个用户各自的吞吐量之和”。4. 从论文到代码NOMA链路级仿真怎么做才有参考价值4.1 仿真平台选型与模块分工我最早是用MATLAB搭的收发链路后来转到Python的面向对象框架两者各有取舍。MATLAB胜在通信工具箱齐全很多底层的编解码、调制映射函数拿来即用适合快速验证算法思路Python胜在后期可以和机器学习方法、数据可视化无缝衔接代码可维护性也更好。如果是学生阶段做毕设或者入门验证我建议先用MATLAB把链路跑通再考虑迁移到Python。一个结构相对清晰的NOMA链路仿真至少需要下面几个模块发射机模块负责用户数据生成、加扰、信道编码、速率匹配、调制、层映射、功率叠加信道模块可以选AWGN加性高斯白噪声信道起步再扩展到衰落信道比如单径瑞利或ITU标准信道模型接收机模块实现同步、信道估计、SIC、解调、译码、误码统计功率分配模块实现FTPA、FTPA或FSPA并且要和MCS选择联动性能统计模块统计总速率、各用户吞吐量、BER、BLER误块率。4.2 一个最小可运行的MATLAB示例思路给出一个极简的两用户NOMA发射端叠加片段不是直接可运行的完整代码但把核心逻辑展示出来% 参数配置 M1 4; % 用户1调制阶数 QPSK M2 16; % 用户2调制阶数 16QAM power_ratio 0.7; % 用户1弱用户功率占比 EbNo_dB 10; % 仿真信噪比 % 生成随机比特并调制 data1 randi([0 1], 1000, 1); data2 randi([0 1], 2000, 1); sym1 qammod(data1, M1, InputType, bit, UnitAveragePower, true); sym2 qammod(data2, M2, InputType, bit, UnitAveragePower, true); % 功率叠加 tx_signal sqrt(power_ratio) * sym1 sqrt(1 - power_ratio) * sym2; % 加噪声简化处理忽略信道 rx_signal awgn(tx_signal, EbNo_dB, measured); % 接收端SIC % 第一步解用户1弱用户功率大 % 第二步重构用户1信号并减去 % 第三步解用户2真正跑完整链路时编码、交织、信道估计和SIC重构都需要展开上面的代码片段只是帮你建立“叠加-干扰消除”的心智模型。为了方便调试第一版建议先不做信道编码直接在调制符号层面验证SIC的星座分离效果等BER曲线走顺了再加编码和交织。4.3 仿真里最容易“骗自己”的三个地方第一信道模型不能太理想。很多人用平坦瑞利信道甚至AWGN信道测出一堆漂亮曲线但NOMA的真实增益恰恰体现在频率选择性衰落信道下——不同用户的子载波质量差异大功率域叠加才有更大的配对空间。如果信道太均匀非正交和正交的差距会被压小甚至出现负增益。第二信道估计误差必须建模。完全理想信道估计在仿真里会让SIC表现得“过分完美”。实际上导频开销、插值误差都会导致重建信号幅度和相位偏差。我习惯在SIC重构前给信道估计值人为叠加一个1%到3%的均方误差测出来的曲线更接近外场测试。第三功率分配和用户配对必须做成联动。我在早期仿真里犯过错把用户配对固定死两用户信噪比差不多的组合也硬要塞进NOMA。结果系统总速率反而低于OFDMA基线一度怀疑算法本身有问题。后来排查发现是配对策略太弱换成功率差至少5dB以上的用户配对后增益才真正显现出来。记住NOMA不是让所有用户在任意条件下都叠而是挑选合适的用户组合用功率差制造出“可分离性”。5. LDM落地场景拆解从ATSC 3.0到5G多播5.1 ATSC 3.0里的LDM是如何部署的ATSC 3.0是NOMA思想在广播领域最成功的商业化实践这一点值得单独说。它的典型部署是两层LDM上层承载“移动/鲁棒层”功率占比高下层承载“固定/高码率层”功率占比低。举个实际的业务分配方式固定层用更高阶的调制和更低的纠错冗余比如256QAM加LDPC 13/15码率目标是在屋顶天线接收条件下达到40Mbps以上的码率移动层则用QPSK或16QAM加高冗余码率保证60km/h移动接收不中断码率可能在5-10Mbps。两层的功率比通常通过现场覆盖测试反复调整比如4.5dB到7dB的层间功率差需要在移动覆盖半径和固定层吞吐之间做平衡。如果要一颗卫星或地面发射机同时服务“电视大屏手机小屏”LDM一鱼两吃的优势就非常明显。传统时分复用TDM虽然也能在同一频道里分时段传两种业务但TDM的问题是任意时刻只能有一个业务占用全部功率和频谱对时延和调度粒度不友好。LDM则是同时刻双业务并行移动层信号可以看作固定层信号的干扰但通过SIC消除后固定层几乎不损失性能。5.2 5G多播/广播场景下的LDM增强3GPP在5G NR的研究阶段也把广播多播服务纳入考量尤其是地面广播与移动宽带融合的场景里LDM的思路被广泛讨论。一个典型方向是在同一个NR载波上既传输单播业务又传输多播/广播业务广播信号作为上层高功率层单播信号作为下层低功率层终端根据自身服务需求选择性解调。这种方案对移动运营商的价值是“一个载波干两份活”尤其是体育场馆、演唱会、应急广播等大流量热点场景。传统方案要么单独预留时频资源给广播要么用多播协议在用户面逐终端复制数据前者浪费频谱后者在用户数极大时容易拥塞。LDM的叠加方案让广播信号和单播信号共享整个载波带宽并且在接收端用SIC来分离兼顾覆盖和灵活性。不过LDM在蜂窝系统里落地还面临一些麻烦。广播信号通常是开环的所有终端接收同一个信号而单播信号是闭环的需要波束成形和预编码。两层信号的预编码方式如果不匹配层间干扰会显著恶化。目前研究里比较多的做法是让广播层用宽波束开环发送单播层用窄波束闭环发送小心地设计两层功率比和调制方式尽可能降低互干扰。5.3 LDM与MIMO的结合层间隔离的额外武器单天线下的LDM层间隔离完全靠功率差和SIC。如果发射端有多根天线事情就有了新的变化可以利用MIMO的空间自由度把两层信号预编码到近似正交的方向上让每层信号在物理空间上先“分开一些”随后再做功率域叠加。实操中比较常见的是“两层信号分别做预编码然后直接加和发送”。接收端先做空间解调和层分离再做SIC。两层信号的预编码向量越接近正交层间干扰就越低。这也是时下研究LDM大规模MIMO的一个重要方向用角度域信息来指导功率分配比如广播层指向广覆盖的固定波束单播层通过用户专属波束指向特定终端等效层间隔离度可以比纯功率域高3-6dB。当然代价是接收机需要比较准确的信道状态信息。如果终端是低成本的广播接收机只有单天线而且不做信道反馈MIMO增强就很难用上。所以实际系统设计时要考虑终端能力分布不要一厢情愿地假设所有终端都是高复杂度接收机。6. 工程落地中的常见坑与排查笔记6.1 SIC误码传播为什么那么“致命”这是NOMA和LDM系统调试中最常见也最棘手的问题。SIC就像一条流水线上一道工位出错后面所有工位都必须返工。改错方式不是加强下一层译码而是回到源头减少上一层出错概率。我在仿真中排查SIC问题时有一个固定流程打印每一层在SIC前后的星座图看强信号层是否出现规律性旋转或压缩检查CRC校验通过率如果第一层经常校验失败先怀疑第一层的功率分配和调制阶数检查信道估计插值是否引入了相位偏转尤其是低信噪比条件下线性插值会带来明显误差确认识别重构层所使用的调制方式与发射端是否完全一致哪怕一个映射表不匹配都会导致干扰消除彻底失效。曾经有一个很有意思的bugSIC重构时我用错了一个调制映射表星座点旋转了45度结果减法不但没把干扰减掉反而把信号削去一大截。最后通过逐层对比星座图才定位到问题。像这种经验不看星座图很难发现看发射端和接收端的比特序列又看不出错在哪。6.2 功率放大器非线性对叠加信号的“隐形杀伤”线性功放假设在理论仿真里很常见但到了硬件原型验证阶段NOMA和LDM的叠加信号会带来更高的峰均比PAPR因为多个用户信号的叠加相当于在时域上产生幅度叠加。功放的非线性失真会直接把叠加信号“压扁”各层的EVM误差矢量幅度一起恶化。应对思路按优先级排列在DAC之前做数字预失真DPD尽量把功放的线性区拉大优化叠加信号本身的PAPR比如在叠加前对不同层信号做不同相位旋转破坏同相叠加的概率降低发射功率回退Power Back-Off但会牺牲覆盖需要测试确定最优点。关于相位旋转这里多说一句如果两层信号完全不相关它们叠加后幅度大概率不会超过单层的3dB但如果在调制映射后出现了某种隐式的相关性比如两层使用的是同一套加扰序列PAPR就会异常偏高。设计发射机时给每层独立的加扰序列不仅能起到用户区分的作用对PAPR也有实际帮助。6.3 信道老化带来的SIC性能掉线NOMA系统的功率分配依据是反馈信道状态信息但反馈是有时延的。对于高速移动用户信道在“反馈时刻”和“实际传输时刻”之间已经发生了变化发给基站的功率分配方案可能不再匹配。结果就是——你以为用户1是强用户实际到接收时已经变成弱用户了SIC的解码顺序自然出错。这个问题的工程解法是限制用户的移动速度等级。NOMA配对时给高速用户和中速用户分配不同资源让SIC的解码顺序尽量稳定。另外功率分配方案要留出一定的鲁棒余量不要算得太“骨感”让功率比在信道变化±20%时仍然能维持可解性。我在做外场测试时发现宁可用次优功率分配让链路余量大一点也不要追求理论上的最优分配却一遇信道波动就全面崩溃。6.4 常见问题速查表问题现象可能原因排查手段第一层BER正常但第二层BER异常高SIC重构信号相位不准检查信道估计误差、调制映射表两层都不收敛BER无下降趋势功率比不合适弱用户功率不足调整功率比做功率扫描仿真增益始终为负用户配对功率差异太小提升用户隔离度选择信道差异大的配对硬件实测EVM超标PAPR过高、功放非线性引入DPD、独立加扰、降低功率回退SIC偶尔失效但没有规律信道估计插值跳变检查导频密度更换插值算法7. 我的一些体会与扩展思路在NOMA和LDM上投入的时间越长越体会到“非正交”并不是一种炫技而是对频谱资源本质的一种更激进的利用方式。它的本质是把“干扰管理”从系统设计的外围搬到了核心既然用户之间总会互相干扰为什么不能把干扰设计成可控的、可消除的而不是躲着它走这个思路不止适用于通信物理层在信号处理的其他领域也有很强的参考意义。如果后续想做深入建议关注三个方向一是NOMA与感知通信一体化ISAC的结合在叠加信号里同时传输数据和感知波形二是LDM在低轨卫星广播与地面蜂窝融合中的角色卫星信号和地面信号天然存在功率差非常适合层间复用三是机器学习辅助的功率分配和SIC参数自适应尤其是当信道环境复杂到难以用解析模型描述时数据驱动的方法往往能给出比查表更灵活的策略。最后给一点个人建议刚接触这套系统时不要一上来就追求复杂的多用户场景或者全频谱仿真。先老老实实把两用户AWGN链路调通把SIC每一步的星座图都看清楚再逐步加入衰落信道、信道估计误差、硬件非线性。这个循序渐进的路径比直接跑一个大而全的仿真系统要省力得多对原理的理解也扎实得多。
阅读完成 · 觉得有帮助？
