⚡️️ В работе И.В. Гришина и др. «Анализ эвристических алгоритмов кластеризации с учётом робастности каналов в MIMO-NOMA системах» рассматривается проблема кластеризации пользователей в системах MIMO-NOMA с учётом неточностей оценки состояния канала (CSI) и ограничений, накладываемых гибридной антенной архитектурой базовой станции. Предложена вероятностная модель неопределённости CSI, основанная на предположении о равномерном распределении аддитивных ошибок в шаре, определённом нормой Фробениуса и имеющем фиксированный радиус. Такой подход позволяет корректно учитывать статистику ошибок и формулировать требования к надёжности декодирования в терминах δ-квантилей распределения SINR, что обеспечивает контролируемую вероятность нарушения условий последовательного подавления интерференции (SIC). На этой основе сформулирована робастная оптимизационная задача совместной кластеризации пользователей, синтеза векторов прекодирования и распределения мощности с учётом практических ограничений: корректности SIC, минимальных требований к качеству обслуживания (QoS) и фиксированного энергетического бюджета. 📈 Для решения данной NP-трудной задачи проведён сравнительный анализ семи классов эвристических алгоритмов –жадных, графовых, кластеризационных, метаэвристических (включая генетические алгоритмы и рой частиц) и методов машинного обучения (в частности, графовых нейронных сетей). Оценка выполнена по ключевым критериям: вычислительной сложности, энергоэффективности, задержке обработки и применимости в сценариях 5G (URLLC, eMBB, mMTC). 🖥 Моделирование в миллиметровом диапазоне FR2 (28 ГГц) показало, что традиционная фиксированная парная кластеризация приводит к вероятности сбоя до 96 % при среднеквадратичной ошибке CSI≈2 дБ, тогда как предложенная робастная адаптация коэффициента распределения мощности снижает её на 12–27 % при умеренном снижении суммарной спектральной эффективности. Установлено, что для базовой станции (gNB) доминирующим компонентом энергопотребления является радиопередача, в то время как на стороне пользовательского оборудования (UE) критически важны как вычислительные затраты, так и затраты на доступ к памяти. ✏️ Полученные результаты подтверждают целесообразность перехода от детерминированных к адаптивным робастным алгоритмам, явно учитывающим статистику ошибок CSI и вероятностные ограничения QoS. ➡️ Смотреть фрагмент Полный текст статьи опубликован в №1 2026 журнала "Электросвязь" #MIMO #NOMA #QoS #CSI #алгоритм #5G #Электросвязь #ЭС