本文研究了使用单相不相干方案进行大规模机器型通信中的关节设备活动和数据检测。通过深度学习修改的AMP网络，有效利用导联活动相关性来增强检测性能。仿真结果表明，DL-mAMPnet在符号误差率性能方面优于传统算法。

本文研究了使用单相不相干方案进行大规模机器型通信中的关节设备活动和数据检测。通过深度学习修改的AMP网络，有效利用导联活动相关性来增强检测性能。仿真结果表明，DL-mAMPnet在符号误差率性能方面优于传统算法。

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。