研究与开发

文章编号：
1007-1423（2020）35-0054-06 DOI：10.3969/j.issn.1007-1423.2020.35.010

大规模 MIMO-NOMA 系统下用户分簇算法及功率分配策略的研究

骆志贇，董恒

南京 210000）
（南京邮电大学通信与信息工程学院，

摘要：
非正交多址接入（Non-Orthogonal Multiple Access，NOMA）在多用户信道的容量边界方面已有广泛的研究。其现有的
研究主要集中在通过用户配对和功率分配实现和速率最大化、复杂度最小化和能量公平性。结合现有文献和未来
5G 系统的需求，通过研究提升下行多用户 MIMO-NOMA 系统中边缘用户的容量，提出结合信道增益矩阵相似性的
用户分簇算法。仿真结果表明，所提出的针对多用户 MIMO-NOMA 系统的分簇算法不仅优于同样场景下的基于信
道增益差矩阵的分簇算法和传统 MIMO-OMA，而且簇内用户的 JFI（Jain’s Fairness Index）这一公平性指数也得到
保证。
关键词：
用户分簇；功率分配；大规模 MIMO；NOMA；公平性；和速率

0 引言 的约束下的功率分配问题。文献[14-15]分析了 MI⁃
MO-NOMA 系统中多用户不同分簇方法下的频谱效
非正交多址（NOMA）技术由于 5G 系统的激增到
率，并通过仿真揭示了 MIMO-NOMA 系统相对于 MI⁃
而受到了广泛的关注 [1-3]。调研得知，NOMA 的主要特
MO-OMA 的优势。同样地，文献[16]和[17]也论述表
点是能在相同的时域/频域/码域资源但功率域不同的
明，与 MIMO-OMA 相比，MIMO-NOMA 系统中的用户
一个小区基站（BS）内处理多个用户。与传统的正交多
分组和功率分配可以获得更高的和遍历容量。文献
址（OMA）方法不同，NOMA 就频谱性能方面更能获得
[18]在基于 NOMA 的多用户系统中引入了单个波束赋
可观的增益。其技术特点在于其可分别在发送端和接
形（Beam Forming，BF）向量，从而增加了可支持的用户
收端使用叠加编码（Superposition Coding，SC）和串行干
数，进而提高用户和速率。此外，文献[19]以比例公平
扰消除技术（Successive Interference Cancellation，SIC），
为目标解决双用户 NOMA 系统中的用户配对和功率分
然后根据不同用户的信道情况，通过将发射功率适当
配问题。但是，随着小区内用户数的增多，用户分组所
地分配给不同的用户（例如给信道状况较差的用户分
带来的组间干扰（inter-cluster-inference）和组内干扰
配较大的发射功率）来优化 5G 通信系统[4]。虽然 NOMA
（intra-cluster-inference）对系统性能带来的影响会越来
最初是针对单输入单输出场景构建的[5-6]，
但目前在多输
越大。
入多输出（MIMO）系统中也有了一定的发展，并且也有
因此，为缓解甚至消除上述干扰带来的影响，本文
研究表明它的性能是优于经典的 MIMO-OMA 的[7-12]。
研究了两种 MIMO-NOMA 下行链路通信系统中多用
本 文 主 要 就 MIMO- NOMA 系 统 中 的 功 率 分 配
户分组的聚类算法，同时还提出一种以最大化每个分
（Power Allocation，PA）和用户分组（user pairing）这两方
组内用户之间的公平性的功率分配策略，并以 Jain’s
面进行了综述调查且结果如下。文献[13]中作者通过
Fairness Index（JFI）[20]来表征该公平指数。
最大化 MIMO 信道的遍历和容量以研究两用户 NOMA
系统中在发射功率、最小速率需求和部分 CSI 可用性

􀀮
􀀥 现代计算机（www.moderncomputer.cn） 2020.12 中
 研究与开发

表 1 符号定义 将矩阵 P 的第 m 列表示为 p m ，则有：

vH m,k y m,k =

vH m,k H m,k p m∑α m, k s m, k + ∑

K M
vH m,k H m,k p k s k + vH m,k n m,k
k=1 k = 1,k ≠ m

（5）

∑
M

1 系统模型 其中 s k 为 s 的第 k 个元素，而 v H
m, k H m, k p k s k 表
k = 1, k ≠ m

考虑单小区场景下的多用户 MIMO-NOMA 下行 示为对系统效率有显著影响的簇间干扰（Inter-Cluster

链路通信系统。假设小区基站有 M（>2）根天线，为配 Interference，ICI）。为了消除 ICI，则：
备有 N（>2）根天线的多个用户提供服务，这些用户被
∑
M
vH m, k H m, k p k s k = 0 （6）
分成 M 个集群，每个集群中有 k 个用户，那么被调度的 k = 1, k ≠ m

用户数量为 kM。假设第 m 个集群中的第 k 个用户，表 也即对于任意的 k ≠ m 有 v

H
m, k H m, k p k = 0 。由文献
示为 user（ m, k ），；第 m 个集群中与第 k 个用户间的信 [14]、[16]和[17]可知，
（6）式可以简化为 v
H
m, k H m, k = 0 ，其
；第 m 个簇中第 k 个用户处
N×M
道矩阵，表示为 H m, k ϵC H
中 m, k 为：
的归一化加性高斯白噪声，表示为 n m, k ∈ C 。其中 m ∈
N
H m, k = [ h1, mk ,⋯,h m - 1, mk ,h m + 1, mk⋯, h M, mk ] （7）
{1, 2，…，M}且 k ∈ {1, 2} 。 且 h i, mk 为 H m, k 的第 i 列。由上述分析可知，v m, k 可
2
以用 H m, k 的左奇异向量来表示，且 | vH m, k | = 1 。为确保
向量 v m, k 的可行性，用户天线的数量需要不低于基站天
线数（即 N ≥ M ）。在此基础上，对于第 m 个集群中的
第 k 个用户， 只有 |v m, k H m, k p m| 需要反馈给基站。
H 2

为简化算法复杂度，假设 k=2，则由 NOMA 的基本

原理可知，用户的功率分配方式如下：
α m,1 ≤ α m,2 , α m,1 + α m,2 = 1, m ϵ {1, 2, ···, M}
（8）
图 1 多用户 MIMO-NOMA 下行链路 在 SIC 解码过程中，user（m, 2）的信息承载信号
（DL-MU-MIMO-NOMA）系统分组模型 s m, 2 会将将 s m, 1 视为干扰进行解码，当 user（m, 1）被很
好地从 user（m, 2）中解码出来后，user（m, 2）信号将会
BS 发送信号可表示为：
根据上述假设，
被重构并从接收信号中移除 [16]。基于此，user（m, 1）和
x = Ps （1）
user（m, 2）的可达速率可表示为：
其中 PϵC M×M
为预编码矩阵，而 sϵC ，则由图 1
M×1

æ 2
ö
知，
（1）式可转化为： ç
R MIMO - NOMAm,1 ≤ log 2 çç1 +
ρ (1 - α )| m, 1 m,1 m | ÷÷÷
v H
H p
éα1,1 s1,1 + α1,2 s1,2 + ⋯ + α1,k s1,k ù çç 2÷
ρ ∑ | vH m, 1 H m,1 p n | + | vH m, 1 | ÷÷
M 2
ê ú
x =⋮ êê úú （2） ç
è n = 1,n ≠ m ø
êα s + α s + ⋯ + α s ú
ë M,1 M,1 M,2 M,2 M,k M,kû （9）
其中 m, k 和 m, k 分别表示第 m 个群集中的第 k 个
s α R MIMO - NOMAm,2 ≤
用户的信号和相应的功率分配系数。因此，在第 m 个 æ 2
ö
群集中的第 k 个用户处接收到的信号描述为：
çç ρα| vH m, 2 H m,2 p m | ÷÷
log 2 çç1 + ÷
2÷
y m,k = H m,k Ps + n m,k ρ(1 - α)| vH m, 2 H m,2 p m | + ρ ∑ | vH m, 2 H m,2 p n | + | vH m, 2 | ÷÷
M
2 2
（3） çç
è n = 1,n ≠ m ø
将检测向量 v m, k 代入（3），得到如下信号模型：
（10）
vH m,k y m,k = vH m,k H m,k Ps + vH m,k n m,k （4）

现代计算机（www.moderncomputer.cn） 2020.12 中 􀀯
􀀥
 研究与开发

由（6）知，式（9）和（10）可以简化为： ference-based Clustering Algorithm，GDBCA）

R MIMO - NOMA
m,1 (
≤ log 2 1 + ρ (1 - α)| v H
m, 1
2
H m,1 p m | ) （11） 由 2.1.1 知小区内 K 个用户的信道增益降序后可
2
表 示 为 S ≜{H1,⋯,H M ,⋯,H K} ，强 、弱 用 户 集 合 为
æ ρα| vH m, 2 H m,2 p m | ö
R MIMO - NOMA
m,2 ≤ log 2 1 +
ç ÷ A ≜ {H1,H 2 ,⋯,H i ,⋯,H M} ，B ≜{H M ,H M + 1,⋯,H j ,⋯,H K} 。
ç - | m, 2 m,2 m | | m, 2 | ÷ø
H 2
+ H 2

è ρ(1 α) v H p v
对于 GDBCA，我们需计算强用户与弱用户组内用户的
（12） 信道增益差 dif (i, j ) = | ||H i|| 2 - ||H j|| 2 | ，选取增益差最大的
其中 ρ 为信噪比（Signal-to-Noise Ratio，SNR）。 弱用户与对应的强用户进行配对，并将已经匹配完成
2 分簇算法及功率分配策略 的用户分别从各自的用户组排除，重复上述过程，直至
完成所有强用户与弱用户的匹配。同样地，我们将最
接收端检测向量的存在使得 ICI 得以消除，接下来
后配对完成的用户组放入集合 Δ i ，i ∈ {1,2, ⋯, M} 中，
本节将提出了两种基于功率分配的多用户 NOMA 系统
用户配对和配对调度算法以优化系统的性能，即在保 则 Δ i ≜ {H i ,H͂ j} 。
证用户小区边缘容量的前提下，最大限度地提高群内 2.1.3 分簇算法比较
用户间的公平性。 由 2.1.1 和 2.1.2 的比较可以看出，CBCA 必须从信
2.1 分簇算法描述 道增益最相似的角度选择两个用户，而 GDBCA 选择的
在 DL-MU-MIMO 中，影响弱用户的 ICI 水平取决 同簇用户对必须具有最大的增益差。由于 H j 、H͂ j 分别
于所选用户。因此，可以通过恰当地选择服务于 K 个 由上述两个算法产出，则相对应的检测向量即为 v j 、
于是有 | vH j H j p j | ≥ | v͂ H j H͂ j p j | ，
用户群中的两个用户进行配对来减少干扰。而通过减 ~ 2 2
vj ， 且：
少干扰来最大化和容量的最佳方法是利用完全搜索算 2
æ ρα| vH j H j p j | ö
法来选择用户，继而在所有可用情形之间找到和容量 R MIMO - NOMA
= log 2 1 +
ç ÷
CBCA
ç ρ (1 - α )| v H
H p |
2
+ | v H
|
2
÷
最大的最优情况。然而，这种方式由于复杂度的原因 è j j j j ø
ρα| v͂ H j H͂ j p j |
2
并不能在实际应用中进行操作。为了能为现实情况服 æ ö
R MIMO - NOMAGDBCA = log 2 ç1 + ÷
务，考虑可以基于簇内用户信道间的相关性和增益差 ç ρ (1 - α )| v͂ H ͂
j H j p j | + | v͂ j |
2
H
2
÷
è ø
这两个因素来降低聚类算法复杂度的同时并提高和容
（13）
量[18]。
假设：
2.1.1 基于簇内用户信道增益相似性的分簇算法（Corre⁃ ~ 2
| |
2
ρα = x，ρ (1 - α ) = y, | vH j H j p j | = a , v͂ H j H j p j = b，
lation-based Clustering Algorithm，CBCA）
首 先 计 算 小 区 内 K（K=2M）个 用 户 的 信 道 增 益 由：
||H k|| 2 (1 ≤ k ≤ K) 后 对 其 进 行 降 序 排 序 ，记 为 集 合 S ， xa - xb = xa( yb + 1) - xb( ya + 1) = x(a - b)
≥0
S ≜{H1,⋯,H M ,⋯,H K} 。取前 M 个用户组成强、弱用户 ya + 1 yb + 1 ( ya + 1)( yb + 1) ( ya + 1)( yb + 1)
集 合 。 记 为 A、B ，则 A ≜ {H1,H 2 ,⋯,H i ,⋯,H M} ， 知R
MIMO - NOMA
CBCA ≥ R MIMO - NOMAGDBCA 。
B ≜ {H M ,H M + 1,⋯,H j ,⋯,H K} 。其次计算强用户与弱用 由上述简单的数学推导可知，与 GDBCA 相比，CB⁃
CA 性能更优，也即后者获得更高的可达速率。
||H i H H j|| 2
户组的每个用户之间的相关系数 corr (i, j ) = ， 2.2 功率分配策略
||H i|| 2||H j|| 2
选取相关系数最高的弱用户与该强用户所在簇进行配 在上述用户分簇的基础上，我们在本小节我们将
对，并将已经匹配完成的用户分别从各自的用户组排 以 JFI 为优化目标，以簇中弱用户的速率为约束，在保
除，重复上述过程直至完成所有强用户与弱用户的匹 证簇中弱用户速率不低于传统 MIMO-OMA 系统中弱
配 ，将 最 后 配 对 完 成 的 用 户 组 放 入 集 合 Θ i ， 用户的前提下，竟可能保证强弱用户之间资源获取的
公平性。该方案的数学公式如下：
i ∈ {1,2, ⋯, M} 中，则有 Θ i ≜ {H i ,H j} 。
2.1.2 基于簇内用户信道增益差的分簇算法（Gain-Dif⁃

􀀰
􀀥 现代计算机（www.moderncomputer.cn） 2020.12 中
 研究与开发

æ (R MIMO - NOMAm,1 + R MIMO - NOMAm,2)2 ö 样参数下的 MIMO-OMA 系统的信道容量性能进行了

max α ,α ç ç f = ÷
m,1

è 2(R MIMO - NOMAm,12 + R MIMO - NOMAm,22) ÷ø

m,2 比较；最后，在得出所提分簇算法和功率分配策略下本
文的系统性能确实优于传统 MIMO-OMA 之后，我们又
s.t. α m,1 + α m,2 = 1 ，0 < α m,1 < 1 ，0 < α m,2 < 1 ，
比较了两种分簇算法的 JFI 性能。表 2 提供了用于性
R MIMO - NOMAm,1 ≥ C MIMO - OMAm,1
能评估的参数。
R MIMO - NOMAm,2 ≥ C MIMO - OMAm,2 （14）
表 2 系统参数
从文献[16]和[17]可知，所有集群中两个用户之间
的自由度（时间或频率）可以通过 OMA 策略进行划
分。因此，对于 MIMO-OMA 系统来说，若分配给 user
（m,2）的自由度为 λ（ 0 ≤ λ ≤ 1 ），则分配 1 - λ 的自由
度给 user（m,1），基于此，有 user（m,2）的发送信噪比为
γρ/λ ，user（m,1）的发送信噪比为 (1 - γ ) ρ/(1 - λ) 。那么
在图 2 中，对于多用户 MIMO-OMA，user（m,2）的
两用户 MIMO-OMA 系统的信道的容量可表述为：
2
功率分配系数（Power Allocation Coefficient，PAC）增加
C MIMO - OMAm,1 ≤ θ log 2 (1 + ρ (1 - γ )| vH m, 1 H m,1 p m | + 的同时 JFI 也会增加，但是，在 PAC 在大于 0.1 之后，
JFI 会急剧减少。与此同时，对于多用户 MIMO-NOMA
2
ργ| vH m, 2 H m,2 p m | ) （15）
2 系统，JFI 首先随着用户（m,2）的 PAC 的增大而增大，
C MIMO - OMAm,2 ≤ (1 - θ)log 2 (1 + ρ (1 - γ )| vH m, 1 H m,1 p m | +
但当 PAC 快接近 1 时，它才开始减小。这些结果表
2
ργ| v H
m, 2 H m,2 p m | ) （16） 明，与 MIMO-OMA 相反，MIMO-NOMA 很难实现 1 的
2 JFI，因为在同一簇中，组内干扰（ICI）并不是单单依靠
(1 - γ )| vH m, 1 H m,1 p m |
其中 θ = 2 2 。 一个检测向量就可以缓解甚至消除的。因此，对于本
γ| vH m, 2 H m,2 p m | + (1 - γ )| vH m, 1 H m,1 p m |
文的 DL-MU-MIMO-NOMA 系统，user（m,2）的 PAC 必
由 简 单 的 数 学 公 式 知 ，当 β > 0 且 0 < x < 1 时 ， 须尽可能大，才能尽可能地达到最大的 JFI。
1 + βx >(1 + β)x 恒成立，也即是： 图 3 比较了 CBCA 和 GDBCA 在不同簇索引下的
(
C MIMO - OMAm,1 ≤ θ log 2 1 + ρ (1 - γ )| vH m, 1 H m,1 p m | + ργ| vH m, 2 H m,2 p m |
2 2
) JFI。如图所示，
CBCA 下的 JFI 总是不低于同样参数下
的 GDBCA 的，而这一仿真结果也恰恰证明了我们在上
( )
θ
2 2
= log 2 æ1 + ρ (1 - γ )| vH m, 1 H m,1 p m | + γ| vH m, 2 H m,2 p m | ) ö
è ø 一节末所做的假设，即具有较高相关性的信道增益矩
< log æ1 + ρ ((1 - γ )| v p | )) θ ö
2 2
2
H
m, 1 H m,1 p m | + γ| v H
m, 2 H m,2 阵可以保证弱用户的容量。
è m
ø
图 4 比较了 MIMO-NOMA-CBCA、MIMO-NOMA-
= log (1 + ρ (1 - α)| v )
2
H
H m,1 p m |
2 m, 1
GDBCA 和传统 MIMO-OMA 在小区中假设有 20 个用
= R MIMO - NOMAm,1 户（即 10 个集群）下的和速率容量。如图所示，和之前
因此，由上式可假设只要用户信道增益矩阵足够 的数学推导一致，CBCA 提供了比 GDBCA 更高的和速
相似，就可以找到满足（14）中最后一个约束的功率分 率容量，同时考虑到它在 JFI 方面的优越性，我们认为
配系数，而在下一节中我们将通过实验仿真来证明这 该算法为 MU-MIMO-NOMA 系统性能的提升提供了
一假设。 一个可行的替代方案。

3 仿真结果 4 结语
在这一小节，我们将首先比较了 MIMO-NOMA 和 MIMO-NOMA 作为第 5 代移动通信系统的候选关
MIMO-OMA 在不同功率系数下的 JFI；然后，通过蒙特 键技术之一，将大幅度地提高系统的容量和频谱效
卡罗仿真，按照提出的算法和功率分配策略通过 MAT⁃ 率。为了发挥 MIMO-NOMA 技术优势，文中通过研究
LAB 编程计算 MIMO-NOMA 的信道容量并将其与同 提升下行多用户 MIMO-NOMA 系统中边缘用户的容

现代计算机（www.moderncomputer.cn） 2020.12 中 􀀱
􀀥
 研究与开发

图 2 可变功率分配系数下 MIMO-NOMA 图 3 CBCA 与 GDBCA 在不同聚类 图 4 MIMO-NOMA-CBCA、MIMO-

和 MIMO-OMA 系统中单个簇内两个 指数下的 JFI 比较和速率比较 NOMA-GDBCA 和 MIMO-OMA 的
用户的公平性比较

量，提出了结合信道增益矩阵相似性的用户分簇算 信本文的聚类算法和功率分配方案将在 5G 领域会得

法。仿真结果表明，本文提出的针对多用户 MIMO- 到一定的应用，而在未来的研究中，我们将继续为 MU-
NOMA 系统的分簇算法不仅优于同样场景下的基于信 MIMO- NOMA 系 统 性 能 的 提 升 不 断 改 进 所 提 出 的
道增益差矩阵的分簇算法和传统 MIMO-OMA，而且簇 算法。
内用户的 JFI 这一公平性指数也得到了保证。我们相

参考文献：
[1]ZENG J，LV TJ，LIU RP，et al. Investigation on evolving single- carrier NOMA into multi- carrier NOMA in 5G. IEEE
Access，2018（6）：48268-48288.
[2]CHEN YJ. Achieve high spectral efficiency for 5G：multi- user MIMO versus NOMA. IEEE 89th Vehicular Technology
Conference（VTC2019-Spring），2019：1-5.
[3]SUN M，XU XD，TAO XF，et al. NOMA- based D2D- enabled traffic offloading for 5G and beyond networks employing
licensed and unlicensed access. IEEE Transactions on Wireless Communications，2020.
[4]SENEL K，CHENG HV，BJÖRNSON E，et al. What role can NOMA play in massive MIMO? IEEE Journal of Selected
Topics in Signal Processing， 2019（13）：597-611.
[5]SAITO Y，KISHIYAMA Y，BENJEBBOUR A，et al. Non- orthogonal multiple access（NOMA）for cellular future radio
access. IEEE 77th Vehicular Technology Conference（VTC2013-Spring），2013： 1-5.
[6]OVIEDO JA，SADJADPOUR HR. A Fair Power Allocation Approach to NOMA in Multiuser SISO Systems. IEEE Tran-
sactions on Vehicular Technology， 2017（66）： 7974-7985.
[7]CHEN ZY，DING ZG，DAI XC，et al. On the application of quasi- degradation to MISO- NOMA downlink. IEEE Tran-
sactions on Signal Processing，2016（64）：6174-6189.
[8]CHEN Z，DING Z，DAI X. Beamforming for combating inter- cluster and intra- cluster interference in hybrid NOMA
systems. IEEE Access，2016（4）：4452-4463.
[9]DING Z，MEMBER，IEEE，et al. On the performance of non- orthogonal multiple access in 5G systems with randomly
deployed users. IEEE Signal Processing Letters，2014（21）：1501-1505.
[10]LI Y, ARUMA BADUGE G A. NOMA-aided cell-free massive MIMO systems. IEEE Wireless Communications Letters，
2018（7）： 950-953.

􀀲
􀀥 现代计算机（www.moderncomputer.cn） 2020.12 中
 研究与开发

[11]LI Y，AMARASURIYA G. Multiple relay- aided massive MIMO NOMA. IEEE Global Communications Conference
（GLOBECOM）， 2019： 1-6.
[12]HAO W，ZHOU F，CHU Z，et al. Beam alignment for MIMO- NOMA Millimeter wave communication systems. IEEE
International Conference on communications，2019： 1-6.
[13]SUN Q，HAN S，CHIN-LIN I，et al. On the ergodic capacity of MIMO NOMA systems. Wireless Communications Letters，
IEEE， 2015（4）： 405-408.
[14]DING Z，SCHOBER R，POOR H V. A general MIMO framework for NOMA downlink and uplink transmission based on
signal alignment. IEEE Transactions on Wireless Communications，2015（15）：4438-4454.
[15]DING Z，SCHOBER R，POOR H. V. A general MIMO framework for NOMA downlink and uplink transmission based on
signal alignment. IEEE Transactions on Wireless Communications，2016,15（06）：4438-4454.
[16]LIU Y，PAN G，ZHANG H，et al. On the capacity comparison between MIMO-NOMA and MIMO-OMA. IEEE Access，
2016（4）：2123-2129.
[17]ZENG M，YADAV A，DOBRE O A，et al. Capacity comparison between MIMO-NOMA and MIMO-OMA with multiple
users in a cluster. IEEE Journal on Selected Areas in Communications，2017（35）：2413-2424.
[18]KIMY B，LIM S，KIM H，et al. Non- orthogonal multiple access in a downlink multiuser beamforming system. Milcom
IEEE Military Communications Conference， 2013： 1278-1283.
[19]LIU F，MÄHÖNEN P，PETROVA M. Proportional fairness-based user pairing and power allocation for non-orthogonal
multiple access. IEEE 26th Annual International Symposium on Personal，Indoor，and Mobile Radio Communications
（PIMRC）. 2015： 1127-1131.
[20]YANG Z，DING ZG，FAN PZ，AL- DHAHIR，N. A general power allocation scheme to guarantee quality of service in
downlink and uplink NOMA systems. IEEE Transactions on Wireless Communications，2016，15（11）：7244-7257.

作者简介：
通信作者：
骆志贇（1994-）， 研究方向为无线通信理论、MIMO-NOMA 基本原理
男，江苏泰州人，硕士研究生，
董恒（1972-），
男， 研究方向为宽带无线通信理论、下一代 WLAN 的设备开发技术、微波射频电路设计等，
江苏盐城人，硕士，
E-mail: lzy_halo@icloud.com
2020-08-11
收稿时间： 2020-10-12
修稿时间：

User Pairing and Pair Scheduling in Massive MIMO-NOMA System

LUO Zhi-yun, DONG Heng

（Nanjing University of Posts and Telecommunications, Nanjing 210000）

Abstract:
Non-Orthogonal Multiple Access（NOMA）has been extensively studied in acquiring the capacity boundary of channels with multiple us⁃
ers. Existing works in this field mainly focus on sum-rate maximization, complexity minimization, and energy fairness through user pairing
and power allocation. In consideration of current literature and the requirements of upcoming 5G systems, this paper proposes two cluster⁃
ing algorithms combined with a power allocation strategy for user pairing and pair scheduling in multi-user NOMA systems. Analytical re⁃
sults verified by simulations reveal that the Jain’s fairness index among the users in each cluster can be maximized while guaranteeing the
cell-edge capacity of users.
Keywords:
User Pairing; Pair Scheduling; Massive MIMO; NOMA; Fairness; Sum Rate Capacity

现代计算机（www.moderncomputer.cn） 2020.12 中 􀀳
􀀥