Анализ эвристических алгоритмов кластеризации с учётом робастности каналов в MIMO-NOMA системах

В работе рассматривается задача кластеризации пользователей в системах MIMO-NOMA при неточной оценке состояния канала (CSI) и ограничениях гибридной антенной архитектуры базовой станции. Предложена вероятностная модель ошибок CSI и робастная метрика качества декодирования через δ-квантили распределения SINR. На этой основе сформулирована робастная задача совместной кластеризации пользователей, прекодирования и распределения мощности с учётом требований подавления интерференции SIC и QoS. Проведён сравнительный анализ эвристических алгоритмов по вычислительной сложности, энергоэффективности и применимости в сценариях 5G. Моделирование в диапазоне FR2 показывает, что учёт статистики ошибок CSI снижает вероятность отказа декодирования при умеренном снижении спектральной эффективности. This paper addresses user clustering in MIMO-NOMA systems under imperfect channel state information (CSI) and hybrid antenna architecture constraints at the base station. A probabilistic CSI error model and a robust decoding quality metric based on-quantiles of the SINR distribution are proposed. A robust joint formulation of user clustering, precoding, and power allocation is developed, accounting for SIC and QoS requirements. A comparative analysis of heuristic algorithms is performed in terms of computational complexity, energy efficiency, and applicability to 5G scenarios. Simulations in the FR2 band demonstrate that incorporating CSI error statistics reduces decoding failure probability with only a moderate loss in spectral efficiency.