NOMA与LDM：功率域非正交复用的机制、异同与工程实践

1. 非正交接入到底想打破什么：正交资源池的先天瓶颈

聊NOMA和LDM之前，先回到一个最基础的问题：为什么传统通信系统一直都在强调“正交”？从频分多址（FDMA）到时分多址（TDMA），再到4G/5G的OFDMA，本质都是把时频资源切成一个个互不重叠的格子，每个用户占一个格子，互相不干扰。这种正交划分的思路，工程上极其成熟，接收端不用做太复杂的处理，把属于自己的格子拿下来就能解调。

但正交方案的代价也很直接：资源利用率的上限被“划分”这件事本身锁死了。每一份资源只能服务一个用户或一路业务，如果某个格子的用户信道条件差、传不了高码率，这份资源就闲置着浪费掉了。系统层面的频谱效率想要继续提升，只能靠更精细的调度、更大的天线阵列、更高级的编码，但“一份资源一个用户”的底层约束始终没有变。

非正交多址接入的出发点，就是尝试打破这个约束：允许多个用户或业务同时占用同一个时频资源，用额外维度——最常见的是功率维度——把叠加在一起的信号区分开。香农早在多用户信息论里就证明过，在同一个资源上叠加多个用户信号，并做联合接收，理论上能达到比正交划分更高的容量边界。这个结论几十年前就有，但一直没有大规模落地，原因很现实：接收机的复杂度、信道估计的精度、以及系统对干扰管理的难度，在工程上长期都是迈不过去的坎。

直到5G研究阶段，功率域NOMA才重新被推到台前。它不再追求用正交隔离用户，而是主动让信号在发射端叠加，让接收端用连续干扰消除（SIC）把别用户的信号一层层剥掉。我印象很深刻的是，早期读NOMA相关文献时，第一反应是“这不就是把干扰从系统设计里放进来，再交给接收机去擦屁股吗”。但把链路预算完整算一遍之后，你会发现这个思路在特定场景下的收益极为可观，尤其是信道差异大的场景——有人离基站近、有人远，有人信道好、有人信道差，这恰恰是功率域叠加最舒服的舞台。

LDM层分复用，则是另一条路径上长出来的果实。它主要在数字电视地面广播系统里被系统化地研究和应用，简单说就是把一个射频信道内的信号分成两层：一层承载高鲁棒性的基础业务（核心层），另一层叠加在核心层之上，承载高码率的增强业务（增强层）。接收终端根据自身信道质量，信道差的只解核心层，信道好的把两层都解出来。第一次听到这套描述时，我脑子里马上就跳出一个念头：这不就是NOMA的一个特例吗？发射端把两个业务信号做功率叠加发送，接收端用不同的解调能力去分层提取——机制几乎同构，只是应用场景从蜂窝通信换成了广播系统。

所以很有意思的是，NOMA和LDM这两个词，一个来自5G蜂窝网络的候选技术池，一个来自数字电视广播标准的核心技术列表，听起来八竿子打不着，但内核却是同一套非正交资源复用哲学。这篇文章我想把这两者放在一起拆开看，讲清楚各自的机制、异同，以及我在这类系统仿真和测试中积累的一些实际经验。

2. NOMA功率域机制：叠加编码与SIC接收的完整链路

2.1 发射端的功率分配：为什么远用户要分到更多功率

NOMA最经典的配置是两用户配对。基站把两个用户的信号映射到完全相同的时频资源上，然后在功率域进行线性叠加发送。发射信号的数学形式很简单：

x = √(αP) · x₁ + √((1-α)P) · x₂

其中P是总发射功率，α是分配给用户1的功率占比，显然0 < α < 1，x₁和x₂分别是两个用户的调制符号。

但功率分配方向有一个反直觉的规则：信道条件差的那位用户，反而要拿到更大的功率份额。很多第一次接触NOMA的人都会觉得不对——信道差的用户不应该是“没能力”接收强信号吗？其实恰恰相反，功率分配是为了配合接收端的SIC流程。信道好的用户接收能力强，它要先在自身接收信号里，把信道差的用户那个强信号解调并重构出来，从混合信号里减掉，然后剩下的才是属于自己的弱信号。如果弱用户信号本身功率太小，强用户第一步就可能解错，后面全盘崩溃。所以必须给弱用户分配更高功率，确保强用户能把这一步做扎实。这里建议参考NOMA相关学术论文中的功率分配算法，核心考量之一就是“近用户通过SIC消除远用户干扰”的可行性。

链路预算方面可以做一个简单估算。假设两用户信道增益差异为ΔG（dB），NOMA的功率比设计原则是让叠加信号中强弱两层在接收端形成足够的信干噪比梯度。一般情况下，远用户的等效SNR会比近用户低很多，但只要功率分配得当，再配合远用户本身更高的发射功率份额，两路业务在各自接收机里仍能获得服务水平内的解调能力。实际系统中还要考虑用户移动性带来的信道快变，所以功率分配通常不会用固定值，而是跟随慢速信道状态信息（例如参考信号接收功率）周期性地调整。

2.2 接收端SIC的完整信号流程

SIC是NOMA接收链路的灵魂。以强用户接收机为例，完整流程分为四步：

第一步，对接收信号做信道估计，得到两个用户各自等效信道的幅度和相位。这一步很关键，SIC重构的精度完全取决于信道估计准不准。信道估计一偏，重构出来的干扰信号幅度相位就和真实信号对不上，减不干净，剩下的残差直接落在自己的信号头上。

第二步，对强用户信号中功率较高的层（即远用户那层）做解调。这个步骤的解调门槛很低，因为这部分信号经过了较高功率分配，在强用户的信道条件下往往有不错的信噪比。

第三步，把解调出的比特重新编码、调制，构造出该层信号的本地副本，然后用信道估计结果对它做等效信道加权，还原出该层信号在接收端应有的波形形态。

第四步，从接收信号中减去重构的强层分量，剩余信号进入自己的解调译码流程。这个残差信号的功率决定了SIC的成败，理论上如果前三步都够精确，残差可以非常小。

我在某高校实验室帮导师搭建NOMA仿真平台时，SIC部分最头疼的还不是算法本身，而是浮点与定点实现的数值精度问题。仿真里用浮点双精度，残差几乎为零，但换到定点模型，重构信号的量化误差会累积。特别是高阶调制（16QAM以上）时，SIC之后的目标信号功率本身就低，量化噪声和信道估计误差叠加起来，误码率会明显抬高。这也是从论文仿真走向工程实现时最容易踩的第一个坑：别把理想SIC的仿真结果当成现实接收机的性能上限。

2.3 用户配对、公平性与吞吐量的权衡逻辑

NOMA虽然理论上能提升多用户叠加传输的总吞吐量，但增益不会凭空产生，它极度依赖用户配对策略。工程上最常用的策略是“强-弱配对”：一个近用户（信道好）配一个远用户（信道差）。两者的信道差分得越开，叠加的增益通常越明显。原因是信道差异小的话，强用户做SIC时已经没有明显优势，减干扰和不减干扰差不了多少，反而徒增复杂度，倒不如直接用正交资源划分省事。

用户配对还牵涉调度公平性。3GPP在研究NOMA时讨论过一个很细的问题：如果每次都让信道最好的用户去和信道最差的用户配对，中间那批用户会被长期边缘化。因此实际算法会把所有用户按信道条件排序，然后分组配对，并在不同调度周期内轮流调整配对组合。业内对这个问题的看法比较一致：NOMA不是要把“强用户喂得更饱”，而是把“弱用户从正交限制中解放出来”。弱用户在正交系统里只能拿到一个资源块，吞吐量受限于自身信道；在NOMA里弱用户虽然只拿到部分功率，但占用的资源时间可能更长，总吞吐反而可能提升。

关于NOMA和传统正交多址的系统级对比，我找到一个直观的参考模型：假设两个用户的信道信噪比分别为20dB和5dB，总带宽与总功率约束相同。正交方案中各占用一半带宽后，两用户吞吐量分别由各自在折半带宽下的速率决定；NOMA方案中两用户同时占用全部带宽，叠加后各自用SIC分离。在常用速率公式下计算，NOMA的和速率大约高出15%-30%，具体数值取决于调制阶数与编码率组合。这个结论在不同参数下会有波动，但对理解NOMA的价值很有帮助——它不是“把一块蛋糕分成两半”，而是“把蛋糕做成两层”。

3. LDM的广播落地形态：从单层信号到分层复用

3.1 LDM的层结构：核心层与增强层的分工逻辑

LDM（Layer Division Multiplexing，层分复用）最成熟的应用场景是数字电视地面广播。传统地面广播系统在单个射频信道中，只传一路信号：调制阶数和编码率一旦确定，覆盖范围和传输码率就固定了。为了覆盖远区，系统只能压低调制阶数，比如从256QAM降到16QAM，但这样做频谱效率很低，近区用户的接收机明明有能力吃下更高码率，系统却给不了。

LDM的思路是把这个单层信号拆成两层，逻辑上类似“在一个射频信道里叠了两套节目”。一层叫核心层（CL，Core Layer），一层叫增强层（EL，Enhanced Layer）。核心层的调制阶数低、编码冗余高，鲁棒性极强，可以在比较低的载噪比门限下可靠接收——即使终端在覆盖边缘、接收天线条件偏差，也能稳定解出核心层的业务。增强层则采用高阶调制和高码率，信息承载量大，但需要更高的载噪比。接收终端根据实测链路的载噪比决定解调策略：只解CL，还是CL+EL都解，这是LDM最核心的工程思想。

我看到很多介绍LDM的资料都会用一个“两个节目打包”的比喻来理解：核心层放高清基本版，增强层放4K增强包。播出端把两者的编码符号在功率域线性叠加后发射。接收终端如果处于良好信道，可以解出CL并经过SIC处理后继续解EL，得到完整的4K信号；如果处于边缘信道，只能解CL，得到基本高清信号。这种“一套基础设施、两套服务质量”的能力，让覆盖规划和业务规划解耦了：覆盖范围跟随核心层走，业务能力跟随增强层走，系统设计不再需要在“覆盖”和“码率”两端被迫二选一。

3.2 注入电平与两层业务的性能边界

LDM系统中有一个非常关键的参数，叫注入电平（Injection Level），定义是核心层信号功率与增强层总信号功率之比。信号模型中，发射信号可以写为：

s(t) = √(1-β) · s_CL(t) + √β · s_EL(t)

其中β是增强层的功率占比。注入电平用dB表示时，通常是10log10((1-β)/β)。β越小，注入电平越高，核心层占用功率越大，鲁棒性越好，但增强层可用的功率就越低，其容量也越小。因此注入电平决定了“核心层能传多远”和“增强层能传多密”之间的平衡。

在相关广播标准（例如数字电视地面广播标准体系中的分层方案）的参数讨论中，常见参考配置包括核心层采用QPSK或16QAM低码率，增强层采用64QAM或256QAM高码率，注入电平在-10dB到-5dB区间内取值。要注意，LDM的注入电平和NOMA的功率分配因子，本质上是同一个物理量在两个不同系统里的叫法——都是叠加信号中两层功率的相对比例。区别只在于LDM把增强层称为“上层”——注意这里的“上层”指信号叠加中功率较低的那部分，概念上等同于NOMA中弱用户的层。

性能边界上，LDM的增强层解调，同样依赖SIC流程来消除核心层干扰。核心层信号因为注入电平高，在发射端叠加信号中占比大，对增强层而言是主要的干扰源。增强层接收机必须先解核心层、重构、相减，然后才能解自己的目标层。核心层解错一个比特，经过SIC放大后可能摧毁增强层整帧数据，所以LDM标准中通常会在核心层使用很强的信道编码（例如LDPC低码率），来尽可能压低核心层的残留比特错误。

3.3 对比FDM：分层复用在频谱效率上的优势及局限

在LDM方案之前，广播系统如果想同时传“远区低码率”和“近区高码率”两类业务，最自然的做法是频分复用（FDM）：把射频信道切成两段，一段用低阶调制传基本业务，另一段用高阶调制传增强业务。这样做逻辑清晰，接收机处理也简单，两张网互不干扰。

但FDM有一个根本性的浪费：供增强层使用的那段频谱里，近区用户用不上全部容量，远区用户根本够不着，资源闲置严重。LDM用功率叠加替代频率切分，让核心层和增强层同时占用全部带宽，频谱效率显著提升。从系统容量推导上可以简单论证：FDM中每一层都只分到部分带宽，层间容量互不共享；LDM中两层都使用全带宽，只是功率上有分配比例。同样总功率和总带宽约束下，LDM的分层容量之和，在不考虑SIC误差的理想条件下，恒不低于FDM。

LDM也有自己的短板。第一，接收机复杂度显著高于FDM：增强层接收机必须完整实现SIC链路，包括核心层的解调、重构、相减，这在终端芯片设计上是额外的成本。第二，LDM对信道估计精度的敏感度高，时变信道（尤其是移动接收场景）会让SIC性能下降，这也是为什么早期LDM主要面向固定接收，移动场景的应用研究是后期才逐步展开的。第三，层间干扰管理的余量问题：如果核心层译码失败，SIC流程崩溃，增强层也拿不到正确信号。因此核心层编码率的设计必须相当保守，宁可牺牲一部分增强层容量，也要保核心层的译码成功率。

4. 统一视角：LDM就是功率域非正交复用的广播特例

4.1 同构机制下的差异梳理

把NOMA和LDM并排放在一起看，机制上的同构感非常明显：发射端都是把两路信号在功率域叠加后发送，接收端都要通过SIC分层剥离。但如果深入系统设计的细节，两者的差异同样重要。这里用一张表把关键维度列出来：

从这张表能看到，NOMA面向的是“多用户动态配对”的蜂窝网络场景，每个用户的信道条件、业务需求都不相同，功率分配必须瞬时调整，调度器还要考虑公平性；LDM面向的则是“单发射机多业务分层”的广播场景，层间功率比例相对固定，目标是在不牺牲基础覆盖的前提下，让信道好的接收机能多拿到一份增强业务。

4.2 单发射机配置下的等价关系还原

如果只看单个发射机叠加信号后的传输行为，LDM和功率域NOMA在信号形式上几乎是可以直接画等号的。LDM的发射信号中，核心层扮演的角色等同于NOMA里的弱用户（远用户），增强层等同于强用户（近用户）。注入电平决定了两层功率比，对应NOMA里功率分配因子α；接收端的SIC流程几乎一字不差：先解功率高、鲁棒性好的基层，重构后相减，再解功率低的叠加层。

这就是为什么我在实际研究过程中，越来越倾向于把LDM理解成“NOMA思想在广播信道中的一个特例实现”。广播信道的特点是用户数量不确定、用户信道条件分布跨度大、几乎没有上行反馈——这正好是NOMA静态版的舒适区。没有动态调度需求，没有多用户配对问题，把功率分配做成固定参数，把SIC做成接收芯片里的标准流程，系统设计就比蜂窝NOMA简单得多，这也是LDM能在广播标准中率先落地的原因之一。

值得注意的是，两者的互补价值在研究中也有体现。蜂窝系统中的NOMA研究成果，例如功率分配策略、SIC误差建模、层间干扰分析，都可以迁移到LDM性能评估中；反过来，LDM在广播系统里积累的单发射机SIC优化经验，也对NOMA简化部署场景有参考意义。与其把这两项技术当成两条无关的技术路线，不如把它们作为同一套非正交复用理论在不同系统约束下的两种适应形态来理解。

4.3 为什么常说“LDM是NOMA的成功落地，NOMA是LDM的理论底座”

在通信领域的讨论中，我经常听到一个说法：“NOMA概念听起来很性感，但真正大规模商用的其实是LDM这类广播技术。”这话有道理。NOMA在蜂窝移动通信里的标准化之路并不顺利，核心原因是OFDMA在系统层面的成熟度太高，运营商对接收机复杂度、信道估计开销、以及干扰协调难度的担忧很现实；而广播系统恰好没有这些问题：信道是单向广播，业务形态相对固定，接收机的复杂度可以由终端升级解决，发射端又不需要和大量用户做动态交互。

换个角度看，NOMA给LDM提供了清晰的理论框架和信息论保证。LDM最初从广播需求出发探索分层复用方案时，很多关键是靠工程直觉和仿真调参来确定的；而NOMA研究体系中的叠加编码理论、容量分析工具、SIC性能边界等内容，为LDM的性能论证和参数优化提供了更严谨的依据。我在做广播系统LDM方案评估时，直接借用了NOMA文献里的功率分配和SIC误差分析方法，省掉了大量从零推导的时间。

如果你正在接触这两个概念，我觉得最值得记住的不是它们的名字，而是背后的统一视角：在共享资源受限的物理信道里，主动引入可控的干扰结构，让不同信息流在同一资源上叠加，再用分层接收算法把信息提取出来，这种“以叠加换容量、以复杂度换频谱效率”的思想，在NOMA和LDM之间展示得特别完整。

5. 仿真与实测中的关键权衡和踩坑清单

5.1 SIC性能的“虚高”与信道估计误差的连锁效应

NOMA和LDM的仿真结果和实测结果之间，最典型的差距来源就是SIC的理想化假设。很多初做系统仿真的人，喜欢直接把“SIC后残余干扰为零”写进链路模型，这样仿真曲线会非常漂亮，但拿到现场一测就露馅了。真实SIC的残余干扰由两部分组成：信道估计误差带来的相位/幅度偏差，和重构信号的量化误差。前者在快变信道下尤其严重——信道在SIC处理的一个子帧时间内出现明显变化，估计出来的信道值是“过期的”，重构出来的干扰信号自然就偏了。

我自己的实测经验是，在做LDM的接收终端验证时，固定接收场景下信道估计误差通常可以控制在比较低的水平，但一旦终端开始移动，SIC性能就显著下降。原因是核心层信号经过的信道在时间上变化太快，接收机用于重构干扰的信道估计值已经不再准确。这个问题的缓解思路不多，最常见的是缩短信道估计的更新周期，并采用更稳健的插值滤波，但这会占用更多导频资源，属于拿系统开销换SIC精度。

所以，任何拿到SIC相关结果的人，第一件事应该问：信道估计误差是怎么建模的？如果仿真里用的是理想信道估计，那么实测结果大概率会比仿真结果差一到两个dB量级。在系统设计阶段就预留这个余量，比事后发现终端解调失败再回头调参数要靠谱得多。

5.2 功率分配/注入电平的调试方法：不是越大越好

功率分配比例（NOMA的α、LDM的注入电平）是最影响系统行为的单旋钮参数，但它绝不是简单“越大越好”或者“越小越好”。它的最优取值往往是两个约束曲线的交叉点：往上调，基层用户/核心层的接收门限降低、覆盖范围扩大；往下调，叠加层/增强层的容量变大，但解调门限升高，只有信道条件足够好的用户才能吃到增强服务。

在实践中，我一般建议先把系统目标量化，再反推功率分配。比如广播LDM场景，如果业务目标是“90%的覆盖区域内都能收到核心层，30%的区域能收到增强层”，那就需要先根据传播模型算出不同注入电平下核心层的覆盖半径和增强层的覆盖半径，再找交叠区域足够大的那个注入电平点。这本质上是一个双目标优化问题，不能凭感觉拍脑袋定参数。

在蜂窝NOMA场景中，功率分配会更加动态。我的经验是，如果两用户信道差超过10dB，功率分配可以偏向远用户多一些，比如α取0.7-0.8；如果信道差不到5dB，那NOMA的增益本身就有限，不如考虑做OMA。很多仿真系统里，α的取值设成0.8/0.2这种固定比例就行，但真实系统中一定要结合调度周期内的平均信道条件做调整，否则弱用户在信道变差时可能会彻底解不出来。

5.3 实测中的三大经典陷阱：导频开销、信令参考、层间时序对齐

最后分享几个我在搭建测试系统时踩过的比较具体的坑，都是常规文档里不太会写的：

第一个坑是导频开销。NOMA/LDM系统需要为每一层都提供足够的导频或参考信号，否则SIC重构精度不足。但导频本身占资源，导频太多会把叠加省下来的频谱效率又吃回去。我在一次两用户NOMA系统级仿真对比中发现，导频开销从5%提到10%后，叠加增益基本被全部抵消，最终性能甚至不如正交方案。这个教训让我后来做这类评估时，都会把导频开销显式建模进去，而不是只算纯数据层的容量。

第二个坑是信令层的设计。NOMA中强弱用户都要知道彼此的调制方式、功率分配比例，才能正确做SIC；LDM中的接收终端也要知道核心层和增强层的参数配置。这些控制信息本身如果占用了额外资源，叠加节省的吞吐量就会部分缩水。设计系统时，一定要把“信令开销”和“数据承载增益”放在同一张预算表里算总账。

第三个坑是层间时序对齐。理想仿真里两层信号的帧边界完全对齐，但实际系统里如果核心层和增强层走不同编码管线、不同交织深度，SIC重构时可能要在符号级别上做对齐处理。我见过一次联调现场，SIC解出来的数据始终是乱的，查了半天发现是两层信号经过了不同的延迟，接收端没有做时延补偿。这类问题在仿真里很难暴露，因为仿真通道是完全线性的，只有到了真实链路里才会以“诡异的误码率”形式冒出来。

6. 如果要从零开始评估一套NOMA/LDM系统，我建议的流程

6.1 先把“上层/下层”各自的目标指标定出来

做这类系统评估，最容易犯的错误是一上来就谈“叠加增益”和“频谱效率提升”，却说不清楚系统到底要优化哪个指标。我建议第一步永远是定义清楚两层业务各自的服务目标：基层要求的覆盖概率是多少？叠加层要求在多大比例的用户/区域内可用？两层的码率分别是多少？这些目标明确了，后面无论是功率分配设计、注入电平选择还是SIC算法选型，才有统一的评价基准。

以LDM为例，我在某实验项目中曾经对比过“固定注入电平”和“动态注入电平”两种方案。固定注入电平设计简单，但覆盖目标稍有变化就要重新配置发射参数；动态注入电平理论上可以随业务形态自适应调整，但广播网里所有接收机都得同步知道新的层功率配置，信令复杂度陡增。最终我们选择的是一个折中方案：分时段调整注入电平，例如白天按固定配置运行，晚间以增强层大功率模式运行。这类工程妥协在论文里很少被讨论，但对实际系统设计却至关重要。

指标定义时还不要忘了接收机复杂度预算。NOMA/LDM不是免费的午餐，SIC接收机的额外处理开销必须进入系统成本评估。一个只算发射端和信道收益、不计接收机代价的方案，在工程评审里是站不住脚的。

6.2 链路仿真、系统仿真与实测验证的三级递进

我自己的评估流程一般分三级。第一级是链路级仿真，验证在特定信道模型、特定功率分配参数下，SIC收敛性能和误码率是否满足目标。这一级阶段可以快速发现参数设计的明显问题。第二级是系统级仿真，考虑多小区/多用户调度、导频和信令开销、信道状态反馈延迟等因素，看叠加增益在完整系统中还剩多少。第三级是硬件在环或外场实测，验证真实信道下的SIC稳定性和时序对齐问题。

系统级仿真和链路级仿真经常出现不一致的原因，主要在于系统级模型的“实际开销”项：调度器是否真的能在每个时隙都找到理想的强-弱用户配对、反馈信道是否会漏报或延迟、相邻小区干扰是否会让SIC里的干扰信号本身失真。这些因素单独拿出来都不大，但叠加起来可能把NOMA的15%-30%理论增益吃掉大半。

实测验证的结果数据里，我最看重的是“SIC处理失败率”这个指标。这个指标不属于传统误码率统计范畴，但直接反映了接收机在实际信道下执行干扰消除的稳定性。我在某次测试中记录了上千次SIC处理结果，发现信道估计误差较大时，SIC失败率会从1%以内飙升到10%以上，而误码率指标本身反而不够敏感。如果你在做类似的系统验证，不妨把这个指标纳入你的KPI清单。

6.3 从研究到工程转化的三个关键提醒

第一，仿真平台的随机数种子、信道模型参数一定要可复现。我在某实验室评审中遇到过一位开发的系统级仿真模型，改了一组信道时延参数后，NOMA增益从正变负——后来排查发现是码本映射部分的同步逻辑有隐含bug，不换参数根本暴露不了。这种问题在仿真阶段不重视，到了真实系统里就是灾难。

第二，尽量在仿真里显式建模反馈链路。NOMA的功率分配依赖信道状态信息反馈，但反馈本身有时延、有带宽限制，真实系统里的调度器拿到的信道信息和实际信道一定存在误差。仿真时不建模这个误差环节，等于默认调度器全知全能，得到的增益肯定是高估的。我在做过一次“理想反馈 vs 量化并延迟反馈”的对比实验后，对仿真结果中“NOMA增益超过30%”的说法都持保留态度。

第三，工程落地的选型不要只看技术增益，要看系统复杂度预算。LDM能在广播网里落地，很大程度是因为它可以把复杂度集中在接收机芯片的一次性设计上；而NOMA在蜂窝网里推广难，恰恰是因为它把额外的复杂度和不确定性分散到了基站调度、终端接收、反馈信令各个环节。我在评审一个多用户NOMA方案时，技术仿真报告确实漂亮，但一算组网后的运营商运维成本——功率参数的频繁调节、故障定位难度的上升、终端兼容性验证的工作量——项目价值就被打了不少折扣。这些工程维度上的取舍，往往比技术细节更能决定一项技术最终能不能走到实际部署。

在通信系统设计领域，任何一项技术的价值都不是孤立的算法指标，而是它能否在给定的成本、复杂度、兼容性约束下解决真实问题。NOMA和LDM的功率域叠加思想，本质上是在“资源不够分”的困境中找到了一条“分层复用”的新出路——它未必适用于所有场景，但在信道差异大、业务形态分层的系统里，确实是一个值得认真评估的技术选项。