基于深度学习的码本设计用于码域非正交多址接入以逼近单用户误码率性能
信息论
2021-10-12 v4 系统与控制
系统与控制
math.IT
摘要
码域非正交多址接入（CD-NOMA）的码本设计一般形式可视为基于自动编码器（AE）的多用户多维调制（MU-MDM）的星座图设计。然而，由于最优星座图的设计空间受限，例如固定的资源映射和对所有码本均等功率分配，现有AE架构产生的星座图具有次优的误码率（BER）性能。据此，我们提出一种用于MU-MDM AE的新架构及底层训练方法，用于资源映射与带比特到符号映射的星座图设计的联合优化，旨在以相同频谱效率逼近单用户MDM（SU-MDM）AE模型的BER性能。所提AE架构的核心设计是密集资源映射结合新颖的功率分配层，该层对整个资源上的用户码本功率之和进行归一化。这通过实现灵活的资源映射和功率分配，使星座图设计的域全局化。此外，它允许基于AE的训练逼近CD-NOMA的全局最优MU-MDM星座图。大量BER仿真结果表明，所提设计优于现有CD-NOMA设计，同时在加性白高斯噪声信道上以0.3 dB内逼近等效SU-MDM AE实现的单用户BER性能。
引用
@article{arxiv.2104.00818,
title = {Deep Learning-based Codebook Design for Code-domain Non-Orthogonal Multiple Access Approaching Single-User Bit Error Rate Performance},
author = {Minsig Han and Hanchang Seo and Ameha Tsegaye Abebe and Chung G. Kang},
journal= {arXiv preprint arXiv:2104.00818},
year = {2021}
}