海量物联网网络中免授权 NOMA 的活动检测
信号处理
2023-01-04 v1 机器学习
摘要
近来,为节省时间与带宽并以低时延传输消息,海量物联网(IoT)网络引入了免授权传输范式。为了在基站(BS)准确解码每个设备的消息,首先必须识别每传输帧中的活跃设备。本工作中,我们首先将活动检测问题研究为一个阈值比较问题。我们通过分析其错误概率证明了该活动检测方法的凸性,从而能够找到最小化活动检测错误的最优阈值。进而,为获得最优解,我们提出一种基于深度学习(DL)的方法,称为卷积神经网络(CNN)活动检测(AD)。为使其更实用,我们考虑 IoT 设备未知且时变的活动率。我们的仿真验证了所提 CNN-AD 方法相比现有基于非贝叶斯贪婪的方法能获得更高性能。现有方法需已知 IoT 设备的活动率,而本方法在未知甚至时变活动率下均能工作。
引用
@article{arxiv.2301.01274,
title = {Activity Detection for Grant-Free NOMA in Massive IoT Networks},
author = {Mehrtash Mehrabi and Mostafa Mohammadkarimi and Masoud Ardakani},
journal= {arXiv preprint arXiv:2301.01274},
year = {2023}
}
备注
Accepted in International Conference on Computing, Networking and Communications (ICNC 2023)