在室内环境中，研究了 NOMA 和 Multi-STAR-RISs 的联合用户配对和波束赋形设计，通过解决用户配对问题和波束赋形向量优化问题来最大化 MUs 的总吞吐量。
Nov, 2023
该研究使用深度强化学习方法，对毫米波条件下的非正交多址接入进行了功率分配和波束成形的优化，以达到用户总速率最大化，并在模拟结果中表现出较其他方法更佳的效果。
May, 2022
本论文介绍了使用深度强化学习和控制理论方法 (DRL) 实现毫米波非正交多址接入 (NOMA) 系统的联合功率分配和混合波束成形，通过考虑用户之间的相互干扰并同时满足高速率需求，模拟结果表明该方法比时分复用多址 (TDMA) 和非线视距 (NLOS)-NOMA 方法在用户总速率方面效果更好，且该方法独立于信道响应。
本文提出了将非正交多址接入和毫米波通信相结合的方法，并研究了使用波束成型和功率分配的方法来实现最大化系统总速率。经过大量的性能评估，结果表明，该方法的性能接近于理论上的最优解，并明显优于时分多址的结果。
Nov, 2017
本文研究非正交多址（NOMA）在多小区场景下的性能优化，提出了一种算法用于全局最优的功率分配、用户配对以及时频资源分配问题的求解，并在数值实验中验证了 NOMA 在资源利用和负载均衡方面的性能表现。
Aug, 2017
本论文考虑在正交多址接入（OMA）中集成非正交多址接入（NOMA）实现上行混合系统的能效资源分配问题。通过优化用户聚类，信道分配和功率分配，共同制定能源效率最大化问题。通过构建从用户到资源块（RB）的多对一二分图，提出了一种联合用户 - RB 关联和功率分配方案，并提出了一种新颖的低复杂度算法，以在任何连续干扰消除（SIC）顺序和任意数量的用户下获得最佳能源效率。同时，提供了两个 SIC 顺序下的两个用户每簇情况的解析解，并通过数值结果表明，所提出的联合用户 - RB 关联和功率分配算法优于其他基于混合多址和 OMA 的方案。
Mar, 2019
本论文研究了多载波 NOMA 系统中，联合子载波和功率分配问题的计算复杂性，证明这些问题对于一大类目标函数即加权广义平均值是强 NP 难问题，然而，我们展示了一些易于处理的特殊情况，表明它们可以有效地求解。
Oct, 2019
本文研究非正交多址接入在毫米波通信（mmWave-NOMA）中的应用。通过用户间信道相关性进行用户分组，进而提出联合设计混合波束成形与功率分配方法以最大化可达到的总速率。模拟结果表明，该方法在可达到的总速率和能量效率方面优于现有方案和常规的毫米波正交多址系统。
Jul, 2019
本文提出了基于深度强化学习的联合资源管理方法来应对多载波非正交多址系统中的硬件敏感性和不完美连续干扰消除，包括对子载波赋值和功率分配两个迭代子任务的决策过程。经过广泛实验验证，该方法在系统吞吐量和抗干扰能力方面较现有替代方案更加优越，并可以灵活满足用户的个性化服务要求。
Mar, 2021
本文研究了 NOMA 系统中用户集群分组和功率分配的问题，并利用 KKT 优化条件推导了单元簇中的最优功率分配策略，进一步提高了系统的整体吞吐量。
Aug, 2016