⚡ electrical engineering

Transceiver Design for Cell-Free Unsourced Random Access

本文提出了一种用于无源随机接入的低复杂度、高能效收发器设计，该设计结合了迭代译码技术与有限码长分析，以实现卓越的性能，支持多达 1800 个活跃用户，且较现有方案提升了高达 4.5 dB 的增益。

原作者： Mert Ozates, Mohammad Kazemi, Eduard Jorswieck, Deniz Gündüz

发布于 2026-08-12

📖 1 分钟阅读☕ 轻松阅读

原作者： Mert Ozates, Mohammad Kazemi, Eduard Jorswieck, Deniz Gündüz

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下这样一个世界：数十亿个微小的、沉默的设备——比如森林里的智能传感器或工厂车间的追踪器——突然需要同时向一个中央大脑大声喊出一个信息。这就是“大规模机器类通信”的混乱现实，它是未来 6G 拼图的关键组成部分。问题在于，这些设备是零星出现的；它们只有在有话要说时才会说话，而且彼此之间并不协调。如果它们同时开口，它们的声波会混杂成一片混乱的咆哮，导致中央大脑无法听清任何一个字。为了解决这个问题，科学家们使用了一种被称为“无源随机接入”（unsourced random access）的巧妙技巧，即设备不会通过名字自我介绍，而是直接发送一个信号，接收者的任务仅仅是弄清楚说了什么，而不是谁说的，就像把人群看作一个合唱团，你只需要听到旋律，而不需要知道歌手的名字。

现在，想象一下，不再是一个巨大的、强大的大脑（基站）试图倾听这群嘈杂的人群，而是有一个由许多小型、友好的“耳朵”（接入点）组成的邻里社区，散布在周围，并都与那个中央大脑相连。这就是“无小区”（cell-free）方法。这就像是有上百个邻居在帮你听一场派对，而不是只有一个人试图从门口听清所有的声音。但是，即使有上百只耳朵，如果人群变得太大，噪音也会变得难以承受。该论文的研究人员提出了一个问题：我们能否设计一种不仅超级高效，而且能够处理海量发声设备而不至于感到困惑的监听系统？他们提出了一种新的设备发声方式和一种新的耳朵倾听方式，结合了侦探工作与团队协作来理清乱象。

新的监听策略

Mert Ozates 及其团队设计了一种针对这种“无小区无源随机接入”问题的低复杂度、高能效解决方案。你可以将他们的系统想象成一场高度有序的、反向进行的“传声筒”游戏。在他们的设置中，每个设备都会发送由两部分组成的消息：首先是一个简短且独特的“呐喊”（导频序列），用以表明“我在这里”；其次是实际的消息（极化码字），它以特定的开关模式分布在整个帧中。

为了理解这些信息，系统使用了一个精巧的、循序渐进的侦探过程。首先，分布式的“耳朵”（接入点）使用一种称为正交匹配追踪（OMP）的技术，像聚光灯一样搜寻最响亮的“呐喊”，以确定哪些设备处于活跃状态以及它们的位置。一旦确定了谁在说话，它们就会使用一种名为线性最小均方误差（LMMSE）的数学工具来推测消息，即使消息被淹没在噪声中。

这里正是团队协作闪光的地方：系统并非让每只耳朵都独自解决整个谜题，而是将它们最好的猜测传递给中央大脑。随后，大脑结合来自所有耳朵的猜测，从而获得更清晰的图像，解码消息，并使用一种称为连续干扰消除（SIC）的技术。你可以将 SIC 理解为大脑在说：“好了，我已经听清了这个消息，所以我要从噪声中减去它，看看剩下的部分是什么。”这使得系统能够逐层剥离噪声，从而听到下面那些较弱的设备。

他们的发现

研究人员使用详细的计算机模拟测试了他们的想法，结果非常令人印象深刻。他们发现，他们的方案明显优于现有方法。事实上，与其他的低复杂度方案相比，它提供了高达 4.5 dB 的性能提升。为了让你理解，4.5 dB 的提升就像是调高了耳语的音量，使其在嘈杂的风扇声中依然清晰可闻。

或许最令人兴奋的发现是，他们的系统可以处理多少台设备。虽然旧的方法在面对数百个活跃用户时就显得力不从心，但这种新方法在某些设置下可以容纳多达 1,800 个活跃用户，在其他设置下则可容纳 1,400 个，同时保持极高的可靠性。团队还展示了他们的数学分析（用于预测系统行为）与模拟结果高度吻合，这使他们对理论在实践中的有效性充满信心。

他们还比较了耳朵与大脑协作的不同方式。令人惊讶的是，他们发现让耳朵在本地进行一些繁重的计算工作（二级协作），然后仅将最佳猜测发送给大脑，通常比让大脑直接聆听来自每一只耳朵的原始音频（四级协作）效果更好。事实证明，让本地的耳朵先过滤掉噪声，会让整个团队在人群规模变得非常大时，变得更加高效和准确。

最后，他们观察了当障碍物阻挡信号（例如设备与耳朵之间有一堵墙）时会发生什么。即使存在这些阻碍，该系统依然表现得十分稳健，这证明了将监听耳朵分散在广阔区域的做法能使网络更有效地抵御干扰。论文总结道，这种具有可扩展性且能效高的设计，是连接海量设备的未来强有力竞争者，它提供了一种即使在数百万件物体同时尝试交流时，也能保持数字世界连接畅通的方式。

技术摘要：无源随机接入中的收发机设计

问题陈述
本文研究了无蜂窝大规模 MIMO（Cell-Free Massive MIMO）系统中**无源随机接入（Unsourced Random Access, URA）**所面临的挑战，这是 6G 和大规模机器类通信（mMTC）的关键应用场景。在 URA 中，海量设备在没有协调的情况下进行间歇性传输，使用通用的码本，接收器的目标是恢复消息列表而非识别特定用户。虽然现有的低复杂度 URA 方案已应用于蜂窝或单基站设置，但在大规模衰落场景下，这些方案往往面临扩展性和能量效率受限的问题。具体而言，先前的无蜂只能实现（如 [37]）支持的活跃用户数量有限（在仿真中最多约为 450 个），且能量效率较低。本文旨在设计一种低复杂度、高能量效率的收发器，使其能够支持显著更高数量的活跃用户（高达 1800 个），同时保持稳健的性能。

方法论
所提出的方案是一种利用 二级协作（Level 2 cooperation） 的可扩展无蜂 URA 方案，其中分布式接入点（AP）在向中央处理单元（CPU）发送结果之前进行局部处理。系统运行如下：

传输结构： 每个用户传输一个由两部分组成的帧：
- 导频部分： 导频序列根据部分消息比特从通用非正交码本中选取。
- 数据部分： 通过 QPSK 调制并根据 正交开关分集多址（On-Off Division Multiple Access, ODMA） 模式扩展到数据部分的极化码字（带有 CRC）。该模式由消息比特决定，从而创建了结构化稀疏性。
接收端处理（迭代译码）：
- 局部处理（在 AP 端）： 每个 AP 使用 正交匹配追踪（Orthogonal Matching Pursuit, OMP） 进行联合 活动检测与信道估计。随后，它使用 线性最小均方误差（LMMSE） 解法估计传输符号。为了确保可扩展性，每个 AP 仅检测最强的用户子集（ $K_m$ ）。
- 中央处理（在 CPU 端）： 来自各 AP 的符号估计值针对每个检测到的用户进行合并（平均）。合并后的符号经过单用户 极化译码 并进行 CRC 校验。
- 串行干扰消除（SIC）： 成功译码的消息被重新编码、调制，并用于重新估计信道系数。这些精炼后的估计值用于从接收信号中消除已译码用户的干扰，从而允许后续迭代检测剩余用户。
协作层级： 本文分析了三个层级：
- 第 1 层： 无协作；每个 AP 独立译码。
- 第 2 层（本文提出）： AP 估计符号并将其发送至 CPU 进行合并。
- 第 4 层（集中式）： AP 将原始接收信号发送至 CPU 进行所有处理。

核心贡献

可扩展收发器设计： 本文提出了一种利用 ODMA 传输、基于 OMP 的检测、LMMSE 估计和 SIC 的方案。它展示了在单天线 AP 场景下支持高达 1800 个活跃用户 以及在多天线场景下支持 1400 个活跃用户 的能力，显著超过了现有方案（如 CEFURA [37]）的容量。
性能增益： 数值结果表明，在单天线 AP 场景下，所提方案比 [37] 中的基准方案高出达 9 dB，在多天线 AP 场景下高出 5 dB。同时，它将每用户误码率（PUPE）降低了两个数量级。
有限码长（FBL）分析： 作者推导了以信道实现为条件的 PUPE 闭式表达式。这是通过计算极化译码器输入的信干噪比（SINR）并应用正态近似实现的。该分析经验证能准确表征系统性能。
协作层级比较： 研究发现，二级协作 通常优于完全集中式（第 4 层）方法。作者将其归因于：集中式检测所有用户会降低活动检测性能，而 AP 的局部检测（第 2 层）能提供更好的活动检测精度。
复杂度分析： 详细的复杂度分析证实了所提方案具有低复杂度。具体而言，符号估计的复杂度为 $O(n_d M_r K_m)$ ，显著低于基准方案 [37] 的 $O(L^3 M_r^3 n_d)$ 复杂度（其中 $L$ 是扩展序列长度）。

数值结果

用户容量： 在维持目标 PUPE 为 0.05 的情况下，该系统支持高达 1800 个活跃用户（对于 $M=100, M_r=1$ ），而基准 CEFURA 方案仅支持 450 个用户。
能量效率： 为了达到目标 PUPE，在单天线 AP 场景下（ $M=100, M_r=1$ ），所提方案比 CEFURA 节省高达 4.5 dB 的 $E_b/N_0$ ；在多天线 AP 场景下（ $M=49, M_r=2$ ）则节省 1.5 dB。
ODMA 与时隙传输对比： 在高用户负载（ $K_a=800$ ）下，基于 ODMA 的方案在 PUPE 为 $10^{-2}$ 时，比最先进的时隙传输方案高出约 8 dB。
鲁棒性： 当天线分布时，系统表现出对大规模衰落的鲁棒性。此外，由于遮挡（用户被特定 AP 阻挡）导致的性能下降在较高 $E_b/N_0$ 时并不明显。
分析准确性： FBL 解析结果与蒙特卡洛仿真结果高度吻合，在 PUPE 为 $10^{-2}$ 时，性能差距仅约为 5 dB。

意义与主张
本文声称，所提出的无蜂 URA 方案为 6 G 大规模连接提供了一个 卓越、低复杂度且高能量效率 的解决方案。通过结合 ODMA 与二级协作架构，该方案有效地缓解了现有方法在用户容量和能量效率方面的局限性。作者强调，其 FBL 分析能够正确表征系统性能，为设计提供了可靠的理论基础。该工作凸显了在海量随机接入场景中，分布式处理（第 2 层）可能比全集中式（第 4 层）更有效，因为前者能提高活动检测的准确性。最后，作者指出，虽然目前的工作假设是在同步设置下进行的，但将该方案扩展到异步场景仍是未来的研究方向。

新的监听策略

他们的发现

技术摘要：无源随机接入中的收发机设计

类似论文