在5G及未来6G系统中，非正交多址接入（NOMA, Non-Orthogonal Multiple Access）作为一种突破香农极限的超密集接入技术，正逐步从理论走向商用。与传统正交多址（如OFDMA）不同，NOMA允许多用户共享同一时频资源，通过功率域复用 + 接收端SIC（串行干扰消除）实现多用户分离。

✅ NOMA核心优势：

提升系统容量与连接数
增强用户公平性（远近用户共存）
支持海量物联网（mMTC）接入

本文将手把手带你使用 MATLAB/Simulink，构建一个NOMA在LTE增强版中的应用仿真系统，实现“功率分配 → 多用户叠加 → SIC解调 → 性能评估”的完整链路。

二、系统架构设计

我们构建一个“用户分组 → 功率分配 → NOMA叠加 → OFDMA调制 → 信道传输 → SIC接收 → 吞吐量分析”的增强型LTE系统：

模块	组件
用户生成	近端用户（UE1） + 远端用户（UE2）
功率分配器	基于信道增益的功率系数
NOMA编码器	信号叠加（功率域复用）
OFDMA调制	共享同一RB
多径信道	不同路径损耗
SIC接收机	串行干扰消除
性能分析	吞吐量、BER、公平性

设计目标：

✅ 构建两用户NOMA配对系统（近端 + 远端）
✅ 实现基于信道增益的功率分配
✅ 实现SIC接收机（先解强用户，再消去干扰）
✅ 对比NOMA vs OFDMA的系统吞吐量与用户公平性
✅ 验证NOMA在边缘用户覆盖上的优势

三、建模过程详解

第一步：创建NOMA-LTE仿真模型

matlab

编辑

modelName = 'NOMA_in_LTE';
new_system(modelName);
open_system(modelName);

添加核心模块：

User Generator (UE1: 近端, UE2: 远端)
Channel Model (不同路径损耗)
Power Allocator (MATLAB Function)
NOMA Encoder (信号叠加)
OFDMA Modulator (共享RB)
AWGN Channel
SIC Receiver (串行解调)
BER Calculator
Throughput Analyzer
Fairness Index

第二步：系统参数设置

matlab

编辑

% LTE参数
N_fft = 1024;
N_subcarriers_per_RB = 12;
N_RB = 85;
symbol_duration = 66.7e-6;

% 用户配置
num_users = 2;
user_distances = [50, 200];  % 米
path_loss_exp = 3.8;
shadowing_std = 8;  % dB

% 调制
mod_type = 'QPSK';  % 简化演示

第三步：NOMA关键技术实现

1. 功率分配（基于信道增益）

matlab

编辑

function [p1, p2] = power_allocation(h1, h2, total_power)
% h1, h2: 信道增益（复数）
% 思想：强用户（近端）分配低功率，弱用户（远端）分配高功率

g1 = abs(h1)^2;  % 信道增益
g2 = abs(h2)^2;

% 确保SIC可行性：g1 > g2（UE1强，UE2弱）
if g1 < g2
    error('用户配对错误：应确保UE1为强用户');
end

% 功率分配策略（简化线性）
alpha = 0.3;  % 弱用户功率占比
p2 = alpha * total_power;  % 弱用户（远端）得更多功率
p1 = (1 - alpha) * total_power;

% 归一化
power_sum = p1 + p2;
p1 = p1 / power_sum * total_power;
p2 = p2 / power_sum * total_power;
end

2. NOMA编码（信号叠加）

matlab

编辑

function y_noma = noma_encoding(s1, s2, p1, p2)
% s1, s2: 用户符号
% p1, p2: 分配功率
y_noma = sqrt(p1) * s1 + sqrt(p2) * s2;
end

3. SIC接收机（串行干扰消除）

matatalb

编辑

function [decoded_bits1, decoded_bits2] = sic_receiver(y_rx, h1, h2, p1, p2, noise_power)
% y_rx: 接收信号
% 步骤1：先解强用户（UE1）

% 估计UE1的符号
y1_est = conj(h1) * y_rx / (abs(h1)^2);  % MMSE预处理
s1_hat = demodulate(y1_est, 'QPSK');

% 重构UE1信号
s1_recon = modulate(s1_hat, 'QPSK');
interference = sqrt(p1) * h1 .* s1_recon;

% 消去干扰
y2_clean = y_rx - interference;

% 步骤2：解弱用户（UE2）
y2_est = conj(h2) * y2_clean / (abs(h2)^2);
s2_hat = demodulate(y2_est, 'QPSK');

% 解调
decoded_bits1 = demodulate(s1_hat, 'QPSK');
decoded_bits2 = demodulate(s2_hat, 'QPSK');
end

第四步：仿真主循环

matlab

编辑

num_slots = 100;
ber_noma_ue1 = zeros(1, num_slots);
ber_noma_ue2 = zeros(1, num_slots);
throughput_noma = zeros(1, num_slots);

total_power = 1;  % 归一化

for slot = 1:num_slots
    % 1. 信道建模
    h1 = rayleigh_channel(50);  % 近端用户
    h2 = rayleigh_channel(200); % 远端用户
    
    snr1 = total_power * abs(h1)^2 / noise_power;
    snr2 = total_power * abs(h2)^2 / noise_power;
    
    % 2. 功率分配
    [p1, p2] = power_allocation(h1, h2, total_power);
    
    % 3. 生成数据
    bits1 = randi([0 1], 1024, 1);
    bits2 = randi([0 1], 1024, 1);
    s1 = pskmod(bits1, 4, 'gray');
    s2 = pskmod(bits2, 4, 'gray');
    
    % 4. NOMA编码（叠加）
    y_tx = noma_encoding(s1, s2, p1, p2);
    
    % 5. 信道传输
    y_rx = h1 .* y_tx + sqrt(noise_power/2)*(randn + 1j*randn);
    
    % 6. SIC接收
    [dbits1, dbits2] = sic_receiver(y_rx, h1, h2, p1, p2, noise_power);
    
    % 7. BER计算
    ber_noma_ue1(slot) = biterr(bits1, dbits1) / length(bits1);
    ber_noma_ue2(slot) = biterr(bits2, dbits2) / length(bits2);
    
    % 8. 吞吐量
    throughput_noma(slot) = log2(1 + snr1*p1) + log2(1 + snr2*p2);
end