Non-orthogonal multiple access (NOMA) systems have the potential to deliver higher system throughput, compared with contemporary orthogonal multiple access techniques. For a linearly precoded multiple-input single-output (MISO) system, we study the downlink sum rate maximization problem, when the NOMA principle is applied. Being a non-convex and intractable optimization problem, we resort to approximate it with a minorization-maximization algorithm (MMA), which is a widely used tool in statistics. In each step of the MMA, we solve a second-order cone program, such that the feasibility set in each step contains that of the previous one, and is always guaranteed to be a subset of the feasibility set of the original problem. It should be noted that the algorithm takes a few iterations to converge. Furthermore, we study the conditions under which the achievable rates maximization can be further simplified to a low complexity design problem, and we compute the probability of occurrence of this event. Numerical examples are conducted to show a comparison of the proposed approach against conventional multiple access systems.

We explore the performance of multiple input multiple output (MIMO) transmitters in correlated channels where increasing numbers of antenna elements are fitted in a fixed physical space. As well investigated in the literature, two main effects emerge in such a design: transmit spatial correlation and mutual antenna coupling. In contrast to the literature however, here we investigate the combined effect of reducing the distance between the antenna elements with increasing the number of elements in a fixed transmitter space. In other words, towards the implementation of large-scale MIMO transmitters in limited physical spaces, we investigate the joint effect of two contradicting phenomena: the reduction of spatial diversity due to reducing the separation between antennas and the increase in transmit diversity by increasing the number of elements. Within this context, we analytically approximate the performance of two distinct linear precoding designs. The theoretical analysis and simulations show the somewhat surprising result that for a given number of receivers the improved transmit diversity dominates the performance of practical linear precoders. Consequently, important benefits in the system sum rate can be gleaned by fitting more antenna elements in a fixed space by employing separations smaller than the wavelength of the transmit frequency.

We propose a novel approach to enable the coexistence between Multi-Input-Multi-Output (MIMO) radar and downlink multiuser multi-input single-output communication system. By exploiting the constructive multiuser interference (MUI), the proposed approach tradeoff useful MUI power for reducing the transmit power, to obtain a power efficient transmission. This paper focuses on two optimization problems: a) Transmit power minimization at the base station (BS), while guaranteeing the receive signal-to-interference-plus-noise ratio (SINR) level of downlink users and the interference-to-noise ratio level to radar; b) Minimization of the interference from BS to radar for a given requirement of downlink SINR and transmit power budget. To reduce the computational overhead of the proposed scheme in practice, an algorithm based on gradient projection is designed to solve the power minimization problem. In addition, we investigate the tradeoff between the performance of radar and communication, and analytically derive the key metrics for MIMO radar in the presence of the interference from the BS. Finally, a robust power minimization problem is formulated to ensure the effectiveness of the proposed method in the case of imperfect channel state information. Numerical results show that the proposed method achieves a significant power saving compared to conventional approaches, while obtaining a favorable performance-complexity tradeoff.

This paper tackles the challenge of power consumption in the massive multiple-input multiple-output (mMIMO) base station (BS), where continuous operation of all antennas generates significant heat within a limited physical area. We propose a strategic power control scheme to enhance energy efficiency and mitigate thermal impact. Our approach introduces a time-slotted model incorporating dynamic, time-varying user quality of service (QoS) requirements. We examine energy efficiency under various conditions, presenting discrete and analog power allocation methods for both hybrid and fully digital precoding, with consideration of hardware impairments (HWI).We frame the energy efficiency optimization as dynamic Markov decision process (MDP) problems, constrained by total power, per-antenna power, and dynamic QoS requirements. The randomized ensembled double Q-learning (REDQ) algorithm is utilized with an action coding scheme to reduce computational complexity. By comparing existing reinforcement learning algorithms and evaluating our proposed power allocation schemes across diverse scenarios, simulations demonstrate that our approach improves energy efficiency effectively under varying operational conditions, showcasing its potential as a robust solution for adaptive resource allocation in mMIMO systems.