BriefGPT - AI 论文速递
·
机器类型通信中，基于深度学习辅助的并行干扰取消用于无授权非正交多址接入技术
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本文提出了一种新颖的方法，用于在上行无授权非正交多址接入（NOMA）系统中进行联合活动检测、信道估计和数据检测。该方法采用了迭代和并行干扰消除策略，并结合了深度学习，解决了AD、CE和DD问题。通过联合损失函数和干扰消除模块，该方法提高了AD、CE和DD的性能。模拟结果证明了该方法的优越性。
🎯
关键要点
- 本文提出了一种新颖的方法，用于上行无授权非正交多址接入（NOMA）系统中的联合活动检测（AD）、信道估计（CE）和数据检测（DD）。
- 该方法采用了受并行干扰消除（PIC）启发的迭代和并行干扰消除策略，并结合了深度学习。
- 开发了三个PIC框架，分别设计用于相干或非相干方案。
- 第一个框架使用接收到的相干信号进行联合AD和CE。
- 第二个框架利用接收到的导频和数据信号进行CE，进一步提高相干方案中AD、CE和DD的性能。
- 第三个框架设计用于容纳涉及少量数据位的非相干方案，同时执行AD和DD。
- 通过联合损失函数和干扰消除模块，支持端到端训练，提高AD、CE和DD的性能。
- 模拟结果证明了该方法在传统技术上的优越性，展示了在保持较低计算复杂性的同时，AD、CE和DD的增强性能。
🏷️
标签
➡️
