免授权 SCMA 系统中基于用户活动提取网络的数据辅助活跃用户检测
系统与控制
2022-08-09 v2 信息论
机器学习
系统与控制
math.IT
摘要
在免授权稀疏码多址（GF-SCMA）系统中，活跃用户检测（AUD）是主要性能瓶颈，因其涉及复杂组合问题，使得用户竞争资源与接收端 AUD 的联合设计成为关键且具挑战的问题。为此，我们提出基于自编码器（AE）的编码器端前导生成网络（PGN）与解码端数据辅助 AUD 的联合优化。所提 AE 的核心架构是解码端一种新颖的用户活动提取网络（UAEN），其从 SCMA 码字数据中提取先验用户活动信息用于数据辅助 AUD。所提 AE 的端到端训练实现了竞争资源（即与各个码本关联的前导序列）的联合优化，以及从前导和基于 SCMA 的数据传输中提取用户活动信息。此外，我们在端到端训练前提出 UAEN 的自监督预训练方案，以确保深嵌于 AE 网络内部的 UAEN 收敛。仿真结果表明，在目标活动检测错误率 下，所提 AUD 方案相较 SOTA 基于深度学习的 AUD 方案取得了 3 至 5dB 增益。
引用
@article{arxiv.2205.10780,
title = {Data-aided Active User Detection with a User Activity Extraction Network for Grant-free SCMA Systems},
author = {Minsig Han and Ameha T. Abebe and Chung G. Kang},
journal= {arXiv preprint arXiv:2205.10780},
year = {2022}
}