Non-orthogonal multiple access (NOMA) along with cognitive radio (CR) have been recently configured as potential solutions to fulfill the extraordinary demands of the fifth generation (5G) and beyond (B5G) networks and support the Internet of Thing (IoT) applications. Multiple users can be served within the same orthogonal domains in NOMA via power-domain multiplexing, whilst CR allows secondary users (SUs) to access the licensed spectrum frequency. This work investigates the possibility of combining orthogonal frequency division multiple access (OFDMA), NOMA, and CR, referred to as hybrid OFDMA-NOMA CR network. With this hybrid technology, the licensed frequency is divided into several channels, such as a group SUs is served in each channel based on NOMA technology. In particular, a rate-maximization framework is developed, at which user pairing at each channel, power allocations for each user, and secondary users activities are jointly considered to maximize the sum-rate of the hybrid OFDMA-NOMA CR network, while maintaining a set of relevant NOMA and CR constraints. The developed sum-rate maximization framework is NP-hard problem, and cannot be solved through classical approaches. Accordingly, we propose a two-stage approach; in the first stage, we propose a novel user pairing algorithm. With this, an iterative algorithm based on the sequential convex approximation is proposed to evaluate the solution of the non-convex rate-maximization problem, in the second stage. Results show that our proposed algorithm outperforms the existing schemes, and CR network features play a major role in deciding the overall network’s performance.

非正交多址 (NOMA) 和认知无线电 (CR) 最近已被配置为潜在解决方案，以满足第五代 (5G) 及以后 (B5G) 网络的非凡需求并支持物联网 (IoT) 应用. 可以通过功率域复用在 NOMA 的相同正交域内为多个用户提供服务，而 CR 允许次要用户 (SU) 访问许可频谱频率。这项工作研究了组合正交频分多址 (OFDMA)、NOMA 和 CR 的可能性，称为混合 OFDMA-NOMA CR 网络。通过这种混合技术，将授权频率划分为多个信道，例如基于NOMA技术在每个信道中服务一组SU。特别是，开发了速率最大化框架，在每个信道上的用户配对、每个用户的功率分配和次要用户活动被联合考虑以最大化混合 OFDMA-NOMA CR 网络的总速率，同时保持一组相关的 NOMA 和 CR 约束。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。每个用户的功率分配和次要用户活动被联合考虑以最大化混合 OFDMA-NOMA CR 网络的总速率，同时保持一组相关的 NOMA 和 CR 约束。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。每个用户的功率分配和次要用户活动被联合考虑以最大化混合 OFDMA-NOMA CR 网络的总速率，同时保持一组相关的 NOMA 和 CR 约束。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。和次要用户活动被联合考虑以最大化混合 OFDMA-NOMA CR 网络的总速率，同时保持一组相关的 NOMA 和 CR 约束。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。和次要用户活动被联合考虑以最大化混合 OFDMA-NOMA CR 网络的总速率，同时保持一组相关的 NOMA 和 CR 约束。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。开发的和速率最大化框架是 NP-hard 问题，无法通过经典方法解决。因此，我们提出了一个两阶段的方法；在第一阶段，我们提出了一种新颖的用户配对算法。据此，在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。在第二阶段，提出了一种基于序列凸逼近的迭代算法来评估非凸率最大化问题的解决方案。结果表明，我们提出的算法优于现有方案，CR 网络特征在决定整个网络的性能方面起着重要作用。