🔢 mathematics

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

Dit artikel presenteert een exacte analyse van de uitvalkans en ergodische capaciteit voor de nabije gebruiker in twee-user downlink NOMA-systemen over Rayleigh-kanalen, waarbij voor het eerst de afhankelijkheid tussen ruis en fading na succesvolle interferentiecancelatie (SIC) wordt meegenomen om nauwkeurigere resultaten te verkrijgen dan bestaande modellen.

Oorspronkelijke auteurs: Arafat Al-Dweik, Alok Kumar Shukla, Sami Muhaidat

Gepubliceerd 2026-04-14

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Arafat Al-Dweik, Alok Kumar Shukla, Sami Muhaidat

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een drukke radio-uitzending luistert waar twee mensen tegelijkertijd praten op hetzelfde kanaal. De ene spreker (de "Verre Gebruiker") staat ver weg en fluistert zachtjes, terwijl de andere (de "Dichtbij Gebruiker") dichtbij staat en hard schreeuwt. Om beide stemmen te kunnen horen, moet de ontvanger (de Dichtbij Gebruiker) eerst de harde schreeuw van de Verre Gebruiker volledig begrijpen, die uit zijn hoofd halen en dan weglaten, zodat hij de zachte fluistering van de eigen stem kan horen.

Dit is precies hoe NOMA werkt in onze moderne mobiele netwerken: meerdere mensen delen dezelfde tijd en frequentie, en de ontvanger moet slim zijn om de signalen te scheiden.

Dit artikel van Al-Dweik en zijn collega's gaat over een heel specifiek probleem in dit proces: Wat gebeurt er als de ontvanger de eerste spreker verkeerd begrijpt?

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De "Goocheltruc" die mislukt

In de wereld van mobiele netwerken heet het proces van het weghalen van het storende signaal SIC (Successive Interference Cancellation). Het is alsof je een goocheltruc doet: je probeert het grote, luide signaal te "verdwijnen" te laten zodat je het kleine signaal kunt zien.

De oude manier (Legacy): Wetenschappers dachten altijd: "Als de truc mislukt, laten we gewoon een klein beetje ruis achter. Laten we dat behandelen als een vast, klein getal dat we kunnen aanpassen." Ze dachten dat de ruis en het signaal onafhankelijk van elkaar waren, alsof ze twee losse mensen in een kamer waren die niets met elkaar te maken hadden.
De nieuwe ontdekking: Dit artikel zegt: "Nee, dat klopt niet!" Als de goocheltruc mislukt, verandert de hele natuur van de ruis en het signaal. Ze worden aan elkaar gekluisterd. Het is alsof je niet alleen een verkeerde goocheltruc doet, maar dat de hele kamer dan ineens begint te trillen op een heel andere manier dan voorheen. De ruis en het signaal worden afhankelijk van elkaar.

2. De Analogie: De Drukte in de Kantine

Stel je een drukke kantine voor (het mobiele netwerk).

De Verre Gebruiker is een groep studenten die hard lachen (het sterke signaal).
De Dichtbij Gebruiker is een student die probeert te studeren (het zwakke signaal).

De oude theorie:
Als de student probeert de lachende groep te negeren en het mislukt, zeggen de oude modellen: "Oké, er is nu een beetje extra lawaai. Laten we zeggen dat het lawaai 10% sterker is dan normaal, en dat blijft zo, ongeacht hoe luid de studenten zijn of hoe goed de student kan horen." Ze behandelen het extra lawaai als een statische, voorspelbare factor.

De nieuwe theorie (dit artikel):
De auteurs zeggen: "Dat is onzin! Als de student de lachende groep verkeerd interpreteert, verandert de manier waarop hij de rest van de kantine hoort compleet."

Als hij de lachende groep goed begrijpt en weghaalt, is de achtergrondruis heel anders (rustiger, maar met een specifieke vorm).
Als hij ze fout begrijpt, is de achtergrondruis niet alleen harder, maar is de vorm van het geluid ook veranderd. Het geluid en de manier waarop het door de lucht reist (het signaal) zijn nu met elkaar verbonden. Je kunt ze niet meer apart bekijken.

3. Waarom is dit belangrijk?

De oude modellen (de "Legacy" modellen) gebruiken een twee-voetige maatstaf (een getal tussen 0 en 1) om de fouten te simuleren.

Het artikel bewijst dat deze maatstaf niet werkt. Het is alsof je probeert de grootte van een storm te voorspellen door alleen naar de windkracht te kijken, maar de regen en de wind zijn eigenlijk aan elkaar gekoppeld.
Als je de oude formules gebruikt, krijg je bij lage tot gemiddelde netwerkdrukte (SNR) een valse veiligheidsgevoel. Je denkt dat je netwerk werkt, terwijl het in werkelijkheid veel vaker uitvalt dan je denkt. Of je denkt dat het slecht werkt, terwijl het beter is.

4. De Oplossing: De "Exacte Recept"

De auteurs hebben een nieuw, exact recept geschreven.

In plaats van een schatting te doen met een willekeurig getal, hebben ze de exacte wiskundige vorm (de "PDF") van de ruis en het signaal berekend nadat de fout is gemaakt.
Ze laten zien dat je niet kunt zeggen "de fout is 0,5". De fout hangt af van hoe hard de studenten lachen (vermogen), hoe goed de student kan horen (signaal-ruis verhouding), en wat de student probeert te doen (doel).
Hun nieuwe formules zijn vrij van parameters. Dat betekent dat je geen handmatige instellingen hoeft te doen om ze te laten werken. Ze werken gewoon, precies zoals de natuur het doet.

5. Wat betekent dit voor jou?

Voor de gemiddelde gebruiker betekent dit dat de mobiele netwerken van de toekomst betrouwbaarder kunnen worden.

Betere planning: Netwerkbedrijven kunnen nu precies berekenen hoeveel mensen er op een station kunnen zijn voordat het crasht, zonder te gokken met foutieve schattingen.
Efficiënter: Ze kunnen meer data sturen zonder dat het netwerk instort, omdat ze de "ruis" beter begrijpen.
Geen giswerk: De oude manier was als een kok die zout toevoegt op gevoel ("een beetje zout"). De nieuwe manier is als een kok die de exacte chemische samenstelling van het zout begrijpt en precies weet hoeveel er nodig is voor de perfecte smaak, ongeacht de temperatuur.

Kortom: Dit artikel zegt: "Stop met het behandelen van fouten in mobiele netwerken als een simpel, vast getal. De werkelijkheid is complexer en de fouten veranderen de aard van het signaal zelf. Hier is de exacte wiskunde om dat te begrijpen, zodat we netwerken kunnen bouwen die écht werken."

Titel: Exacte analyse van uitvalkans en ergodische capaciteit voor NOMA in Rayleigh-vervagingkanalen

1. Probleemstelling

Non-orthogonaal multiple access (NOMA) is een sleuteltechnologie voor toekomstige draadloze netwerken om spectrale efficiëntie te verhogen. In een downlink-NOMA-systeem met twee gebruikers (een nabije gebruiker, NU, en een verre gebruiker, FU) gebruikt de nabije gebruiker Successive Interference Cancellation (SIC) om het signaal van de verre gebruiker te decoderen en te verwijderen voordat het eigen signaal wordt gedetecteerd.

Het huidige probleem in de literatuur is dat de prestatieanalyse vaak gebaseerd is op onrealistische aannames:

Onafhankelijkheid: Er wordt aangenomen dat ruis en fading na de SIC-procedure onafhankelijk blijven van elkaar en dezelfde statistische verdeling (PDF) hebben als voor de SIC.
Gaussische benadering: Residu-interferentie bij een mislukte SIC wordt vaak gemodelleerd als een vast percentage van het interferentievermogen, toegevoegd aan een Gaussisch ruismodel.
Vrije parameter: De "imperfectie-factor" ( $\eta$ of $\zeta$ ) wordt vaak behandeld als een onafhankelijke systeemparameter die willekeurig tussen 0 en 1 kan worden gekozen, zonder rekening te houden met de afhankelijkheid van het signaal-ruisverhouding (SNR), vermogensallocatie en uitvaldrempel.

De auteurs tonen aan dat deze aannames leiden tot significante fouten in de berekening van de uitvalkans (Outage Probability - OP) en de ergodische capaciteit (Ergodic Capacity - EC), vooral bij lage tot gemiddelde SNR-waarden en bij onbalans in vermogensallocatie.

2. Methodologie

De auteurs ontwikkelen een exact analytisch raamwerk dat de statistische veranderingen van ruis en fading na de SIC-procedure expliciet modelleert.

Conditionele PDF's: In plaats van uit te gaan van onafhankelijkheid, wordt de gezamenlijke kansdichtheidsfunctie (joint PDF) van de ruis en de fading afgeleid, geconditioneerd op de uitkomst van de SIC (succesvol of mislukt).
- Bij succesvolle SIC: De ruis en fading worden afhankelijk omdat de detectie alleen slaagt binnen een bepaald ruisinterval.
- Bij mislukte SIC: De ruisverdeling verandert drastisch (niet langer Gaussisch) en de fadingverdeling wordt getruncatieerd.
BPSK en QPSK Modellen: De analyse wordt eerst uitgevoerd voor Binary Phase-Shift Keying (BPSK) en vervolgens uitgebreid naar Quadrature Phase-Shift Keying (QPSK). Voor QPSK wordt aangetoond dat zelfs de reële en imaginaire componenten van de ruis afhankelijk worden na SIC.
Exacte Afleidingen:
- Er worden exacte formules afgeleid voor de marginale PDF's van de fading ( $\beta$ ) en de ruis ( $W$ of $Z$ ) voor zowel succesvolle als mislukte gevallen.
- Deze PDF's worden gebruikt om de momenten van de ruis (zoals $E[W^2]$ ) exact te berekenen, in plaats van te vertrouwen op de oorspronkelijke ruisvariatie.
- Op basis hiervan worden exacte, gesloten-formule uitdrukkingen afgeleid voor de uitvalkans (OP) en de ergodische capaciteit (EC).

3. Belangrijkste Bijdragen

Dependentie van Ruis en Fading: Het artikel bewijst dat na SIC ruis en fading niet langer onafhankelijk zijn en dat hun verdelingen veranderen ten opzichte van de situatie voor SIC.
Accurate Modellering van Residu-interferentie: De impact van een mislukte SIC wordt nauwkeurig gemodelleerd, waarbij wordt aangetoond dat de interferentiekracht kan toenemen en niet simpelweg als een vast Gaussisch verstoringsterm kan worden beschouwd.
Afhankelijkheid van de Imperfectie-factor: Er wordt aangetoond dat de gebruikelijke imperfectie-factor ( $\zeta$ ) geen onafhankelijke variabele is. Deze hangt af van het SNR, de vermogensallocatie ( $\alpha_1, \alpha_2$ ) en de doelstellingssnelheid. Het gebruik van een vaste waarde (bijv. $\zeta \in [0,1]$ ) is dus onjuist.
Onvoldoende Bereik van $\zeta$ : De standaardrange $[0, 1]$ voor de imperfectie-factor is onvoldoende om de werkelijke impact van mislukte SIC te vangen voor uitvalanalyse. Voor capaciteitsanalyse (EC) moet deze factor zelfs op 0 worden gesteld om nauwkeurige resultaten te krijgen.
Parameter-vrije Formules: De afgeleide formules voor OP en EC zijn exact en vereisen geen aanpassingsfactoren (tuning parameters), wat leidt tot een robuustere prestatie-evaluatie.

4. Resultaten

De resultaten zijn gevalideerd via Monte Carlo-simulaties en vergeleken met bestaande (legacy) modellen:

Uitvalkans (OP):
- De legacy-modellen (die uitgaan van onafhankelijkheid en een vaste $\zeta$ ) onderschatten de uitvalkans aanzienlijk bij lage tot gemiddelde SNR-waarden, vooral bij onbalans in vermogensallocatie.
- De exacte analyse toont een concave vorm voor de uitvalkans in relatie tot de vermogensallocatie, wat niet wordt gevangen door legacy-modellen.
- Het blijkt dat $\zeta$ niet willekeurig kan worden gekozen; voor hoge SNR en specifieke vermogensverdelingen kan de vereiste $\zeta$ zelfs groter zijn dan 1, wat de geldigheid van de standaardrange $[0,1]$ ondermijnt.
Ergodische Capaciteit (EC):
- Voor de capaciteitsanalyse levert het gebruik van $\zeta = 0$ in legacy-modellen de meest nauwkeurige resultaten op. Het invoeren van een $\zeta > 0$ leidt tot een significante onder- of overschatting van de capaciteit.
- De afgeleide exacte benadering voor EC heeft een maximale gemiddelde fout van slechts 1,11%, terwijl legacy-formules fouten tot 10,87% vertonen.
QPSK: De analyse toont aan dat bij tweedimensionale modulatie (QPSK) de afhankelijkheid tussen de reële en imaginaire ruiscomponenten ook optreedt, wat de complexiteit van legacy-modellen verder vergroot.

5. Betekenis en Conclusie

Dit werk is van fundamenteel belang voor de nauwkeurige prestatie-evaluatie van NOMA-systemen. Het onthult dat de gangbare aannames over onafhankelijkheid van ruis en fading na SIC, en het gebruik van een vaste imperfectie-factor, leiden tot misleidende conclusies over de betrouwbaarheid en doorvoer van het systeem.

De belangrijkste implicaties zijn:

Ontwerpers van draadloze systemen moeten stoppen met het gebruik van willekeurige imperfectie-factoren en in plaats daarvan de onderliggende statistische afhankelijkheden modelleren.
De exacte, parameter-vrije formules bieden een betrouwbaardere basis voor het optimaliseren van vermogensallocatie en het bepalen van de systeemcapaciteit.
De resultaten tonen aan dat legacy-modellen systemen vaak als veiliger en efficiënter beoordelen dan ze in werkelijkheid zijn, vooral in realistische scenario's met onbalans in vermogen en variabele SNR.

De auteurs concluderen dat toekomstig werk zich moet richten op het uitbreiden van deze exacte analyse naar hogere-orde modulaties, multi-antenne systemen (MIMO) en multi-gebruiker scenario's.