面向具有数据帧长度分集的异步海量接入的深度学习
信号处理
2023-05-15 v1
摘要
免授权非正交多址接入被视为容纳海量小数据包机器类设备接入的可行途径。设备的零星激活形成了一种多用户场景，适宜使用压缩感知来检测活跃设备并解码其数据。我们考虑机器类设备的异步接入，其发送不同帧大小的数据包，从而产生数据长度分集。我们将活跃性检测、信道估计与数据恢复的复合问题表述为结构化稀疏恢复，其具有由零星激活、符号延迟与数据长度分集引起的三级稀疏性。我们通过带有反向传播算法的近似消息传递（AMP-BP）来解决该问题，其专为利用该稀疏性尤其是数据长度分集而设计。此外，我们将所提 AMP-BP 展开为一个模型驱动网络，称为学习型 AMP-BP（LAMP-BP），其提升了检测性能。结果表明，所提 LAMP-BP 在活跃性检测与数据恢复精度上优于现有方法。
引用
@article{arxiv.2305.07278,
title = {Deep Learning for Asynchronous Massive Access with Data Frame Length Diversity},
author = {Yanna Bai and Wei Chen and Bo Ai and Petar Popovski},
journal= {arXiv preprint arXiv:2305.07278},
year = {2023}
}