基于DNN辅助消息传递的块稀疏贝叶斯学习用于联合用户活动检测与信道估计
信息论
2019-10-10 v1 信号处理
math.IT
摘要
面对未来蜂窝通信中的海量连接、突发传输和小数据包，本文考虑一种免授权非正交随机接入（NORA）系统，其可降低接入时延并支持更多设备。为解决免授权NORA系统中的联合用户活动检测（UAD）与信道估计（CE）问题，我们提出一种深度神经网络辅助的基于消息传递的块稀疏贝叶斯学习（DNN-MP-BSBL）算法。在该算法中，消息传递过程从因子图转移到深度神经网络（DNN）。在DNN中的消息上施加权重并训练以最小化估计误差。结果表明，这些权重可缓解MP-BSBL算法的收敛问题。仿真结果显示，所提DNN-MP-BSBL算法能以更少的迭代次数提高UAD与CE精度。
引用
@article{arxiv.1910.04154,
title = {DNN-Aided Message Passing Based Block Sparse Bayesian Learning for Joint User Activity Detection and Channel Estimation},
author = {Zhaoji Zhang and Ying Li and Chongwen Huang and Qinghua Guo and Chau Yuen and Yong Liang Guan},
journal= {arXiv preprint arXiv:1910.04154},
year = {2019}
}
备注
6 pages, 4 figures. arXiv admin note: substantial text overlap with arXiv:1910.02953