基于深度学习的近正交叠加码用于短消息传输
信息论
2021-11-12 v2 信号处理
math.IT
摘要
海量机器类通信 (mMTC) 催生了针对可靠短消息传输优化的新编码方案。本文提出一种新颖的基于深度学习的近正交叠加 (NOS) 编码方案，用于 mMTC 应用在加性白高斯噪声 (AWGN) 信道中可靠传输短消息。与近期超维调制 (HDM) 类似，NOS 编码器将信息比特扩展至多个近正交高维向量，并将其组合（叠加）为单个向量进行传输。NOS 解码器首先估计信息向量，然后执行循环冗余校验 (CRC) 辅助的 K-best 树搜索算法以进一步降低包错误率。所提出的 NOS 编码器与解码器是作为自动编码器与解码器对联合训练的深度神经网络 (DNNs)，以学习具有近正交码字的新 NOS 编码方案。仿真结果表明，所提出的基于深度学习的 NOS 方案在短（32 位）消息传输上优于 HDM 和带有 CRC 辅助列表译码的极化码。
引用
@article{arxiv.2111.03263,
title = {Deep Learning Based Near-Orthogonal Superposition Code for Short Message Transmission},
author = {Chenghong Bian and Mingyu Yang and Chin-Wei Hsu and Hun-Seok Kim},
journal= {arXiv preprint arXiv:2111.03263},
year = {2021}
}
备注
6 pages, 7 figures