🔢 mathematics

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

Cet article propose une analyse exacte de la probabilité de coupure et de la capacité ergodique pour l'utilisateur proche dans un système NOMA à deux utilisateurs sur des canaux de Rayleigh, en tenant compte de la dépendance entre le bruit et l'évanouissement après l'annulation successive des interférences (SIC), ce qui permet d'obtenir des formules fermées plus précises que les modèles existants et de démontrer l'insuffisance du facteur d'interférence résiduelle traditionnel.

Auteurs originaux : Arafat Al-Dweik, Alok Kumar Shukla, Sami Muhaidat

Publié 2026-04-14

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Arafat Al-Dweik, Alok Kumar Shukla, Sami Muhaidat

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Le Contexte : Une Fête où tout le monde parle en même temps

Imaginez une base station (la tour de télécom) comme un maître de cérémonie dans une grande salle de bal. Il doit parler à deux invités :

L'Invité Proche (NU) : Il est assis juste à côté du DJ, il entend très bien la musique.
L'Invité Loin (FU) : Il est au fond de la salle, il entend la musique plus faiblement.

Pour être efficace, le DJ envoie un seul message mélangé qui contient les deux voix. C'est ce qu'on appelle le NOMA (accès multiple non orthogonal).

Le Problème : Le "Brouhaha" et la "Superposition"

L'Invité Proche a un avantage : il entend très fort la voix de l'Invité Loin. Sa stratégie pour entendre sa propre voix est de :

Écouter la voix forte de l'Invité Loin.
La reproduire exactement dans sa tête.
La soustraire du mélange pour ne garder que sa propre voix.

C'est ce qu'on appelle la SIC (Annulation Interférente Successive). C'est comme essayer d'écouter une conversation dans un restaurant bruyant en se bouchant les oreilles pour ne plus entendre le bruit de fond.

Le souci ? Parfois, le bruit est trop fort ou la voix de l'Invité Loin est mal comprise. L'Invité Proche fait une erreur de reproduction. Au lieu de soustraire parfaitement le bruit, il enlève un peu trop ou un peu trop peu. Il reste alors un "bruit résiduel" (une interférence qui traîne).

Ce que les chercheurs ont fait avant (La "Vieille Méthode")

Jusqu'à présent, les ingénieurs utilisaient une approximation très simple pour modéliser ce bruit résiduel. Ils disaient : "Bon, si l'annulation échoue, imaginons qu'il reste un petit bruit aléatoire, comme une erreur de 10 % ou 20 %, et on l'appelle un 'facteur d'imperfection'."

C'est un peu comme si, pour prédire la météo, on disait : "S'il pleut, il pleut un peu, ou beaucoup, mais on va juste dire qu'il y a un facteur 'pluie' de 0,5." C'est pratique, mais ce n'est pas très précis.

La Révolution de ce Papier : "La Réalité Nuancée"

Les auteurs de ce papier (Al-Dweik et ses collègues) ont dit : "Attendez, ce n'est pas aussi simple !"

Ils ont réalisé deux choses fondamentales que personne n'avait vraiment regardées de si près :

Le Bruit et le Canal sont "Amis" (Dépendants) :
Imaginez que le bruit (la pluie) et le canal (la route) ne sont pas indépendants. Si la route est très glissante (mauvais canal), le bruit a plus de chances de vous faire tomber. Dans leur modèle, ils montrent que le bruit et la force du signal changent ensemble après l'annulation. Si l'annulation échoue, le bruit restant n'est plus "aléatoire" comme une pièce de monnaie, il a une forme spécifique liée à l'erreur commise.
Le "Facteur d'Erreur" n'est pas un bouton magique :
Dans les anciennes méthodes, on pouvait régler un bouton (le facteur $\zeta$ ) entre 0 et 1 pour simuler l'erreur. Les auteurs montrent que ce bouton ne doit pas être réglé au hasard. Il dépend de la puissance du signal, de la distance, et de la vitesse de transmission. Le mettre à 0,5 n'a aucun sens universel.

L'Analogie du "Filtre à Café"

Prenons une analogie culinaire :

L'ancienne méthode : Vous essayez de filtrer le marc de café (l'interférence) en disant "Il reste environ 10% de marc". Vous utilisez un filtre standard.
La nouvelle méthode : Les chercheurs disent : "Non, la taille des grains de marc restants dépend de la pression de l'eau et de la finesse du café moulu. Si vous avez fait une erreur de pression, les grains restants ne sont pas ronds, ils sont écrasés d'une manière très précise."

Ils ont donc créé une nouvelle carte mathématique (des équations exactes) qui décrit exactement à quoi ressemble ce "marc" restant dans chaque situation précise, sans avoir besoin de deviner un facteur d'erreur.

Pourquoi est-ce important ?

Plus de surprises : Avec les anciennes formules, on pensait que le système fonctionnait bien à certaines vitesses, mais en réalité, il tombait en panne (ce qu'on appelle une "interruption" ou outage). Les nouvelles formules prédisent exactement quand ça va coincer.
Pas de réglages magiques : Plus besoin de deviner le "facteur d'imperfection". Les ingénieurs peuvent calculer la performance réelle juste en regardant la puissance du signal et la distance.
Meilleure gestion de l'énergie : Cela permet de mieux répartir l'énergie entre les utilisateurs proches et lointains pour que tout le monde ait une connexion stable.

En Résumé

Ce papier dit : "Arrêtons de faire des hypothèses simplistes sur les erreurs de communication. Regardons la réalité mathématique : quand on essaie d'annuler un bruit et qu'on échoue, le bruit restant a une forme très spécifique qui dépend de la situation. Si on comprend cette forme, on peut prédire la performance du réseau avec une précision chirurgicale, sans avoir besoin de 'deviner' les paramètres."

C'est un pas de géant pour rendre les réseaux 5G et futurs plus fiables, surtout quand les utilisateurs sont dans des conditions difficiles.

1. Problématique

L'article aborde les limites des modèles d'analyse actuels pour l'accès multiple non orthogonal (NOMA) en liaison descendante à deux utilisateurs, en particulier dans des canaux d'évanouissement de Rayleigh.

Limites des modèles existants : La plupart des études analytiques supposent soit une annulation d'interférence successive (SIC) parfaite, soit une annulation imparfaite modélisée par un facteur d'imperfection fixe ( $\eta$ ou $\zeta$ ). Dans ces modèles « legacy », le bruit et l'évanouissement sont considérés comme indépendants avant et après la SIC, et le facteur d'imperfection est traité comme une variable indépendante (souvent bornée par $[0, 1]$ ).
Le problème réel : Lorsque la SIC échoue (détection incorrecte du signal de l'utilisateur lointain), cela génère une interférence résiduelle qui modifie fondamentalement les statistiques du bruit et du canal. L'article démontre que, après une décision de SIC (succès ou échec), le bruit et l'évanouissement deviennent dépendants. De plus, le facteur d'imperfection dépend intrinsèquement du rapport signal sur bruit (SNR), de l'allocation de puissance et du seuil de dégradation (outage), et ne peut donc pas être traité comme une constante arbitraire.

2. Méthodologie

Les auteurs proposent un cadre analytique exact qui ne repose sur aucune approximation de bruit gaussien résiduel ou d'indépendance statistique post-SIC.

Modélisation des PDF conjointes : Au lieu d'utiliser des distributions fixes, les auteurs dérivent les fonctions de densité de probabilité (PDF) conjointes et marginales du bruit et de l'évanouissement conditionnées par le résultat de la SIC (succès $S$ $S$ ou échec $F$ $F$ ).
- Pour le BPSK, ils montrent que le bruit post-SIC n'est plus gaussien et que sa moyenne n'est pas nulle en cas d'échec.
- Ils établissent que la distribution de l'évanouissement ( $\beta$ ) est tronquée conditionnellement au succès ou à l'échec de la détection.
Calcul des moments : Les auteurs calculent les moments d'ordre deux du bruit conditionnel ( $E[W^2]$ et $E[Z^2]$ ) pour prendre en compte le biais de la moyenne du bruit, ce qui est crucial pour le calcul précis du SINR.
Extension aux modulations complexes : L'analyse est étendue au QPSK, où les composantes réelle et imaginaire du bruit deviennent également dépendantes après la SIC.
Dérivation des métriques : En utilisant ces PDF exactes, ils dérivent des formules fermées (ou des intégrales simples) pour :
- La probabilité de dégradation (Outage Probability - OP).
- La capacité ergodique (Ergodic Capacity - EC).

3. Contributions Clés

Les contributions principales de ce travail sont les suivantes :

Dépendance Bruit-Évanouissement : Preuve et modélisation mathématique que le bruit et l'évanouissement deviennent statistiquement dépendants après la SIC, contrairement aux hypothèses courantes d'indépendance.
Modélisation Exacte de l'Interférence Résiduelle : Démonstration que l'interférence résiduelle en cas d'échec de la SIC peut être plus forte que ce que les modèles à facteur fixe prédisent, et que sa puissance dépend des paramètres du système.
Refutaction du Facteur d'Imperfection Indépendant : Il est prouvé que le facteur d'imperfection ( $\zeta$ ) utilisé dans la littérature n'est pas une variable indépendante mais une fonction complexe du SNR, de l'allocation de puissance ( $\alpha$ ) et du taux cible ( $R$ ).
Limites du Facteur d'Imperfection : L'article montre que la plage standard $[0, 1]$ pour le facteur d'imperfection est insuffisante pour capturer l'impact réel de la SIC imparfaite dans l'analyse de dégradation (OP), et que pour l'analyse de capacité (EC), ce facteur devrait idéalement être nul pour obtenir une approximation précise.
Formules Exactes Sans Paramètre : Développement d'expressions fermées pour l'OP et l'EC qui ne nécessitent aucun paramètre de réglage arbitraire, offrant une évaluation de performance plus précise.

4. Résultats et Validation

Les résultats sont validés par des simulations de Monte Carlo et comparés aux modèles legacy.

Précision des Formules : Les courbes analytiques exactes correspondent parfaitement aux simulations Monte Carlo, confirmant la validité de la dérivation des PDFs conditionnelles.
Écarts avec les Modèles Legacy :
- À des SNR faibles à modérés et avec des allocations de puissance déséquilibrées, les modèles legacy (basés sur des facteurs d'imperfection fixes) surestiment ou sous-estiment considérablement la probabilité de dégradation et la capacité.
- L'analyse montre que l'utilisation d'un facteur $\zeta > 0$ dans les modèles legacy dégrade la précision de l'estimation de la capacité ergodique. L'utilisation de $\zeta = 0$ (modèle de SIC parfaite) dans le cadre legacy donne en réalité des résultats plus proches de la réalité pour la capacité que l'utilisation d'un facteur d'imperfection arbitraire.
Comportement de l'OP : La probabilité de dégradation exacte présente un comportement concave par rapport à l'allocation de puissance, avec un minimum optimal qui dépend du taux cible. Les modèles legacy ne capturent pas ce comportement car ils supposent une relation monotone.
QPSK : L'analyse pour le QPSK confirme que la dépendance entre les composantes réelle et imaginaire du bruit est un effet significatif qui doit être pris en compte.

5. Signification et Impact

Ce travail est significatif car il remet en question les hypothèses fondamentales utilisées depuis des années pour évaluer les performances du NOMA.

Fiabilité de l'Évaluation : Il fournit aux ingénieurs et chercheurs des outils d'évaluation plus fiables, éliminant le besoin de « régler » des facteurs d'imperfection de manière empirique.
Compréhension Physique : Il clarifie la nature statistique de l'interférence résiduelle, montrant qu'elle n'est pas simplement un bruit gaussien additif, mais une perturbation structurée dépendante du canal et du bruit.
Optimisation Système : Les résultats suggèrent que pour l'optimisation de la capacité, les modèles simplifiés (SIC parfaite) peuvent être plus robustes que les modèles d'imperfection mal calibrés, tandis que pour l'analyse de fiabilité (OP), une modélisation exacte des PDFs est indispensable.
Futur : Cette approche exacte ouvre la voie à une analyse plus précise des systèmes NOMA multi-utilisateurs, multi-antennes et avec des modulations d'ordre supérieur, ainsi qu'à la réévaluation des travaux précédents utilisant des paramètres d'imperfection arbitraires.

En résumé, cet article établit une nouvelle référence pour l'analyse théorique du NOMA en démontrant que la dépendance statistique induite par la décision de SIC est un facteur critique négligé par les approches conventionnelles.