一种用于大规模 MIMO 无源随机接入的全贝叶斯方法
信息论
2023-06-28 v1 math.IT
摘要
在本文中，我们提出了一种用于大规模多输入多输出（MIMO）大规模无源随机接入（URA）的新型全贝叶斯方法。每个用户设备的有效载荷由稀疏回归码（SPARCs）编码，不含冗余校验位。我们建立了一个贝叶斯模型来刻画整个系统的概率特性。特别地，我们采用基于模型学习方法的核心理念，建立一个灵活的贝叶斯信道模型以适应复杂环境。不同于传统的分而治之或基于导频的大规模 MIMO URA 策略，我们提出了一种三层消息传递（TLMP）算法，利用变分消息传递与近似消息传递的核心理念，联合解码所有信息块并获取大规模 MIMO 信道。我们验证了所提出的 TLMP 相比现有最优基线显著提升了频谱效率，并且对可能的码字碰撞更具鲁棒性。
引用
@article{arxiv.2306.15196,
title = {A Fully Bayesian Approach for Massive MIMO Unsourced Random Access},
author = {Jia-Cheng Jiang and Hui-Ming Wang},
journal= {arXiv preprint arXiv:2306.15196},
year = {2023}
}