基于聚类的NOMA联合信道估计与信号检测的设计与分析
信息论
2022-12-26 v2 信号处理
math.IT
摘要
我们提出一种用于上行非正交多址（NOMA）的基于无监督机器学习的联合信道估计与信号检测方法。我们应用高斯混合模型（GMM）对接收信号进行聚类，并相应优化判决区域以提升符号错误率（SER）性能。我们表明，当用户接收功率差异足够大时，所提基于聚类的方法取得的SER性能与具有完整信道状态信息（CSI）的传统最大似然检测器（MLD）相当。我们研究了所提方法的精度与块长度之间的权衡，因为所用聚类算法的精度取决于接收端可用符号的数量。我们提供了对所提方法的全面性能分析，并推导了其SER性能的理论界。我们的仿真结果证实了所提方法的有效性，并验证所计算的理论界能良好预测其SER性能。我们进一步探索了所提方法在实际免授权NOMA场景中的应用，表明其性能非常接近具有完整CSI的最优MLD，而后者通常需要长导频序列。
引用
@article{arxiv.2201.06245,
title = {Design and Analysis of Clustering-based Joint Channel Estimation and Signal Detection for NOMA},
author = {Ayoob Salari and Mahyar Shirvanimoghaddam and Muhammad Basit Shahab and Reza Arablouei and Sarah Johnson},
journal= {arXiv preprint arXiv:2201.06245},
year = {2022}
}