🔢 mathematics

Exact Outage Probability and Ergodic Capacity Analysis of NOMA in Rayleigh Fading Channels

Este trabajo presenta un análisis exacto de la probabilidad de interrupción y la capacidad ergódica para el usuario cercano en sistemas NOMA sobre canales de desvanecimiento Rayleigh, derivando expresiones cerradas precisas que consideran la dependencia conjunta entre el ruido y el desvanecimiento tras la cancelación sucesiva de interferencia (SIC), lo cual demuestra que los modelos tradicionales subestiman significativamente el impacto de la interferencia residual en escenarios de baja relación señal-ruido y asignación de potencia desequilibrada.

Autores originales: Arafat Al-Dweik, Alok Kumar Shukla, Sami Muhaidat

Publicado 2026-04-14

📖 4 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Arafat Al-Dweik, Alok Kumar Shukla, Sami Muhaidat

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que estás en una fiesta ruidosa (el canal de comunicación) y hay dos personas que quieren hablar contigo al mismo tiempo: Juan (el usuario lejano) y María (el usuario cercano).

En el sistema antiguo (NOMA), Juan habla muy fuerte y María habla muy suave. Como tú estás cerca de María, su voz llega clara, pero la de Juan es un ruido de fondo ensordecedor.

El Problema: La "Cancelación de Ruido" Imperfecta

Para escuchar a María, tu cerebro (el receptor) intenta hacer un truco llamado Cancelación Interferencial Sucesiva (SIC):

Primero, intentas entender lo que dice Juan (que es fuerte).
Luego, restas mentalmente lo que dijo Juan para que solo te quede la voz de María.
Finalmente, escuchas a María.

El problema: A veces, tu cerebro se equivoca al entender a Juan. Si te equivocas, cuando restas su voz, en realidad estás añadiendo más ruido en lugar de quitarlo. Es como si intentaras limpiar un vaso de agua sucia, pero por error echas más tierra dentro.

Lo que hacían antes (El Modelo "Legado")

Los ingenieros anteriores decían: "Bueno, a veces nos equivocamos al cancelar. Vamos a inventar un 'factor de error' (llamémosle ζ o 'zeta') que sea un número fijo entre 0 y 1. Si ζ es 0, todo es perfecto. Si es 1, el error es máximo."

La analogía: Imagina que intentas predecir el clima. El modelo antiguo decía: "A veces llueve un poco, así que usaremos un número fijo de 'goteo' para calcular si nos mojaremos". El problema es que ese número fijo no funciona bien cuando la lluvia es torrencial o cuando hace sol. Ellos asumían que el ruido y la señal eran independientes, como si el viento no afectara a la lluvia.

Lo que descubrió este paper (La Nueva Realidad)

Los autores de este trabajo (Al-Dweik, Shukla y Muhaidat) dijeron: "¡Espera! Si nos equivocamos al cancelar a Juan, eso cambia cómo suena el ruido y cómo se comporta la señal de María. Ya no son independientes."

La analogía creativa:
Imagina que el ruido y la señal son dos bailarines.

Antes: Pensaban que los bailarines siempre bailaban solos, sin tocarse.
Ahora: Se dieron cuenta de que, si el bailarín principal (Juan) tropieza (error de cancelación), arrastra al bailarín secundario (María) y al ruido (la música de fondo) de una manera muy específica. Se vuelven dependientes. El ruido ya no es un "ruido blanco" normal; se deforma y cambia de forma según si tuviste éxito o no al cancelar.

¿Qué lograron hacer?

Matemáticas Exactas: En lugar de usar un "número mágico" fijo (ζ) para estimar el error, calcularon exactamente cómo se comporta el ruido y la señal cuando el truco de cancelación falla. Crearon una "fotografía" matemática precisa de lo que sucede en el momento del error.
Sin Parámetros Ajustables: Sus fórmulas no necesitan que tú les des un número de "error estimado". La fórmula calcula el error por sí misma basándose en la potencia de la señal y la calidad del canal.
Descubrimientos Clave:
- El "factor de error" (ζ) que todos usaban no es un número fijo. Depende de la fuerza de la señal, de cuánta energía le diste a Juan vs. María, y de qué tan rápido quieres transmitir datos. Es como decir que la gravedad cambia dependiendo de si estás en la luna o en Marte, pero antes la gente usaba la misma gravedad para todo.
- Usar el modelo antiguo (con ζ fijo) da resultados muy erróneos, especialmente cuando la señal es débil o cuando la distribución de energía no es equilibrada.

¿Por qué importa esto? (El Resultado)

Gracias a este trabajo, los ingenieros pueden diseñar redes 5G y 6G mucho más eficientes.

Antes: Podían pensar que su red funcionaba al 90% de eficiencia, pero en realidad estaba fallando mucho más porque usaban una estimación de error incorrecta.
Ahora: Con sus fórmulas exactas, saben exactamente cuánta información pueden enviar sin que se pierda, sin tener que "adivinar" el factor de error.

En resumen:
Este paper es como pasar de usar un mapa dibujado a mano con líneas borrosas (el modelo antiguo con factores fijos) a usar un GPS de alta precisión en tiempo real (el modelo nuevo). Nos dice que el "ruido" y la "señal" son mejores amigos de lo que pensábamos: cuando uno falla, el otro cambia su comportamiento, y ahora tenemos las matemáticas exactas para predecir ese baile perfecto (o imperfecto).

Resumen Técnico: Análisis Exacto de Probabilidad de Interrupción y Capacidad Ergódica en NOMA

1. Problema Identificado

El artículo aborda una limitación crítica en el análisis de rendimiento de los sistemas de Acceso Múltiple No Ortogonal (NOMA) en canales de desvanecimiento Rayleigh, específicamente para el usuario cercano (NU) que utiliza Cancelación Sucesiva de Interferencia (SIC).

Suposiciones Erróneas Previas: La literatura existente modela la interferencia residual tras una SIC fallida utilizando un factor de imperfección fijo ( $\eta$ o $\zeta$ ), asumiendo que este es una variable independiente y que el ruido y el desvanecimiento permanecen estadísticamente independientes antes y después de la SIC.
La Realidad Física: El trabajo demuestra que, tras un proceso de SIC (ya sea exitoso o fallido), el ruido y el desvanecimiento se vuelven dependientes. Además, la distribución del ruido deja de ser Gaussiana pura (es una mezcla truncada) y su media y varianza cambian dependiendo del resultado de la detección.
Consecuencia: Los modelos tradicionales (Gaussianos o basados en factores de interferencia residual fijos) subestiman o sobreestiman significativamente la Probabilidad de Interrupción (OP) y la Capacidad Ergódica (EC), especialmente en rangos de relación señal-ruido (SNR) bajos a moderados y con asignaciones de potencia desequilibradas.

2. Metodología Propuesta

Los autores desarrollan un marco analítico exacto que elimina las aproximaciones de los modelos heredados ("legacy"):

Caracterización Conjunta: En lugar de tratar el ruido y el canal como independientes, derivan las Funciones de Densidad de Probabilidad Conjuntas (PDF) del ruido y el desvanecimiento condicionadas al resultado de la SIC (éxito o fallo).
Análisis por Casos (BPSK):
- SIC Exitosa: Se demuestra que el ruido condicional ( $W$ ) y el desvanecimiento ( $\beta_S$ ) tienen una PDF conjunta truncada. El ruido ya no tiene media cero y su varianza disminuye.
- SIC Fallida: Se deriva la PDF del ruido residual ( $Z$ ) y el desvanecimiento ( $\beta_F$ ), mostrando que la interferencia residual no es simplemente una fracción fija de la señal, sino que depende de la magnitud del error de decisión ( $2s_1$ ).
Derivación de Métricas:
- Utilizan las nuevas PDFs marginales para calcular la Probabilidad de Interrupción (OP) exacta en forma cerrada.
- Derivan una expresión de integral simple para la Capacidad Ergódica (EC) y proponen una aproximación cerrada altamente precisa utilizando la aproximación de Chiani para la función Q.
Extensión a QPSK: El marco se extiende a modulaciones bidimensionales (QPSK), donde se demuestra que las componentes real e imaginaria del ruido también se vuelven dependientes tras la SIC.

3. Contribuciones Clave

El trabajo aporta las siguientes innovaciones fundamentales:

Dependencia Ruido-Desvanecimiento: Demostración teórica y cuantitativa de que el ruido y el desvanecimiento se vuelven estadísticamente dependientes tras la SIC, invalidando los modelos que asumen independencia.
Modelado Preciso de Interferencia Residual: Se rechaza el uso de un factor de imperfección fijo $\zeta \in [0, 1]$ . Se prueba que este factor no es una variable independiente, sino que depende dinámicamente del SNR, la asignación de potencia ( $\alpha_1, \alpha_2$ ) y el umbral de interrupción.
Fórmulas Exactas sin Parámetros de Ajuste: Se derivan expresiones cerradas para OP y EC que no requieren parámetros de sintonización arbitrarios, ofreciendo una evaluación de rendimiento más precisa.
Análisis de la Capacidad del Factor de Imperfección:
- Para el análisis de OP, el factor de imperfección puede variar y a veces exceder el límite tradicional de 1.
- Para el análisis de EC, se demuestra que el factor de imperfección debe tratarse como cero para obtener resultados precisos, ya que cualquier valor positivo degrada significativamente la estimación de la capacidad.
Validación Exhaustiva: Los resultados analíticos se validan mediante simulaciones de Monte Carlo, confirmando la precisión de las nuevas fórmulas frente a las divergencias de los modelos tradicionales.

4. Resultados Principales

Desviación de Modelos Tradicionales: Los modelos heredados (que asumen ruido Gaussiano y factor $\zeta$ fijo) muestran errores significativos. En escenarios de baja/moderada SNR y asignación de potencia desequilibrada, la OP estimada por modelos antiguos puede ser mucho menor que la real, dando una falsa sensación de seguridad.
Comportamiento del Factor $\zeta$ : Los resultados numéricos muestran que $\zeta$ no es constante. Por ejemplo, para altas tasas de transmisión y ciertos valores de asignación de potencia, el rango necesario de $\zeta$ para igualar el modelo exacto puede ser mayor que 1, lo cual es imposible en los modelos tradicionales.
Precisión de la Capacidad: La aproximación cerrada para la Capacidad Ergódica propuesta tiene un error promedio máximo del 1.11% frente a la integración numérica exacta, mientras que la fórmula heredada puede tener errores superiores al 10% en ciertos escenarios.
Impacto de la Asignación de Potencia: Se observa que aumentar la potencia del usuario lejano ( $\alpha_1$ ) mejora la probabilidad de éxito de la SIC, pero reduce la potencia del usuario cercano, creando un compromiso (trade-off) no lineal que los modelos exactos capturan correctamente, a diferencia de los modelos simplificados.

5. Significado e Impacto

Este trabajo es fundamental para el diseño y evaluación de redes 5G/6G que utilizan NOMA:

Fiabilidad del Diseño: Permite a los ingenieros dimensionar sistemas con mayor precisión, evitando el sub-dimensionamiento (que lleva a interrupciones no previstas) o el sobre-dimensionamiento (que desperdicia recursos).
Reevaluación de la Literatura: Sugiere que muchos estudios previos que utilizan factores de imperfección arbitrarios pueden haber sobreestimado el rendimiento del sistema.
Fundamento para Futuras Investigaciones: Establece un marco matemático riguroso para analizar la SIC imperfecta, que puede extenderse a modulaciones de orden superior, sistemas MIMO y escenarios multi-usuario, proporcionando una base sólida para el desarrollo de algoritmos de asignación de recursos y control de potencia más robustos.

En conclusión, el artículo demuestra que la dependencia estadística entre el ruido y el canal tras la SIC es un fenómeno crítico que no puede ignorarse, y ofrece las herramientas analíticas necesarias para cuantificar su impacto real sin recurrir a aproximaciones engañosas.