基于加权自编码器的下行NOMA星座设计方法
信号处理
2023-06-26 v1 信息论
机器学习
math.IT
摘要
使用深度自编码器（AE）的端到端通信系统设计并因其灵活性与优异性能而受到关注。除单用户传输外，基于AE的设计近期在多用户设置中被探索，例如用于设计非正交多址（NOMA）的星座。本文通过引入AE训练中的加权损失函数，进一步推进了基于AE的下行NOMA设计。通过改变权重系数，可在不依赖用户信道质量显式信息的情况下，灵活调整星座设计以平衡不同用户的错误概率。结合SICNet解码器，我们证明了使用所提基于加权AE的框架，在可达成电平上的显著改善及对不同用户错误概率的灵活控制。
引用
@article{arxiv.2306.13423,
title = {A Weighted Autoencoder-Based Approach to Downlink NOMA Constellation Design},
author = {Vukan Ninkovic and Dejan Vukobratovic and Adriano Pastore and Carles Anton-Haro},
journal= {arXiv preprint arXiv:2306.13423},
year = {2023}
}
备注
5 pages, 5 figures, to appear at SPAWC 2023