利用基于张量的贝叶斯学习实现 LEO 卫星物联网海量免授权随机接入
信息论
2022-12-06 v1 math.IT
摘要
随着物联网（IoT）的快速发展，低地球轨道（LEO）卫星物联网有望提供低功耗、海量连接和广覆盖的物联网应用。在此背景下，本文为 LEO 卫星物联网提供了一种海量免授权随机接入（GF-RA）方案。该方案无需改变收发机，而是将接收信号转换为张量分解形式。通过利用张量结构特性，设计了一种用于海量 GF-RA 期间联合活跃设备检测与信道估计的贝叶斯学习算法。理论分析表明，所提算法具有快速收敛和低复杂度。最后，大量仿真结果证实了其在 LEO 卫星物联网中活跃设备检测的错误概率和信道估计的归一化均方误差方面优于基线算法。特别地，发现所提算法需要短前导序列并以低功耗支持海量连接，这对 LEO 卫星物联网颇具吸引力。
引用
@article{arxiv.2212.01733,
title = {Exploiting Tensor-based Bayesian Learning for Massive Grant-Free Random Access in LEO Satellite Internet of Things},
author = {Ming Ying and Xiaoming Chen and Xiaodan Shao},
journal= {arXiv preprint arXiv:2212.01733},
year = {2022}
}
备注
IEEE Transactions on Communications, 2022