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

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（AD）、信道估计（CE）和数据检测（DD）。我们的方法采用了一种受并行干扰消除（PIC）启发的迭代和并行干扰消除策略，并结合了深度学习，共同解决 AD、CE 和 DD 问题。基于此方法，我们开发了三个 PIC 框架，每个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。在这个框架的基础上，第二个框架利用接收到的导频和数据信号进行 CE，进一步提高了相干方案中 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，我们的方法支持端到端训练，提高了相干和非相干方案下 AD、CE 和 DD 的性能。模拟结果证明了我们的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。