NOMA功率分配改由每个用户自己学：三用户仿真中公平指数到0.96，10 dB中断率低于10%
核心概要
在下行NOMA系统中，功率分配此前多依赖固定、均分或集中式学习，难以同时兼顾吞吐与弱信道用户。Kampala International University团队把每个用户建模为独立学习智能体，用共享奖励协调各自的局部观测，并在学习环境中显式计入不完美SIC留下的残余干扰。三用户仿真中，该方法在30 dB信噪比下取得约18 bps/Hz和0.96的公平指数，10 dB时中断概率低于10%。
深度剖析
功率分配从基站统一决定改为每个用户各自决定，弱信道用户不再只能接受预设的功率份额。 固定分配和均分分配按预设规则给出功率，遗传算法和集中式深度Q网络则由单一决策者掌握全局状态。 对比在同一个三用户下行NOMA仿真中完成，五种方案共用蒙特卡洛设置，每项指标平均10000次迭代。
每个用户只观察自己的信道增益、所受干扰和上一时隙功率，据此选择功率系数，再按所有系数之和归一化以满足总功率约束。 这套分散式决策用独立深度Q网络实现，各智能体共享同一个全局奖励，奖励同时计入和速率、发射功率与中断。 训练设置统一为500回合、学习率0.001、折扣因子0.95，信道为瑞利衰落，调制为QPSK。
在30 dB信噪比下，该方法取得约18 bps/Hz的和速率与0.96的公平指数，10 dB时中断概率低于10%，高信噪比下误码率低于10的负3次方。 集中式深度Q网络在高信噪比下和速率略高，但在公平性、中断和误码上不如这套分散式方案。 这些数值来自三用户、总功率1 W、噪声功率10的负9次方瓦的仿真，并另在信道状态信息不完美条件下重复评估。
启示与展望
结论建立在三用户下行NOMA的仿真之上，总发射功率归一化为1 W，噪声功率为10的负9次方瓦，信道为瑞利衰落，调制为QPSK。评估覆盖和速率、中断概率、公平指数和误码率四项指标，并另在信道状态信息不完美条件下重复。作者提出的后续方向包括高移动性与大规模网络、actor-critic、联邦学习和元学习等学习范式，以及软件定义无线电平台上的实时实现与现场试验验证。
作者指出集中式深度Q网络在高信噪比下和速率略高，分散式方案是在公平性、中断和误码上换取平衡。信道状态信息不完美时，各方案和速率都下降，分散式方案在低信噪比段更有优势，高信噪比段则被常规方案反超。作者也把训练复杂度、收敛速度和向未见信道条件的泛化列为实际部署需要面对的问题。