基于快速授权学习的非正交多址机器类通信方法
信息论
2020-09-02 v1 机器学习
math.IT
摘要
在本文中，我们提出了一种基于非正交多址（NOMA）的通信框架，该框架允许机器类设备（MTDs）接入网络同时避免拥塞。所提出的技术是一种两步机制，首先采用快速上行授权来调度设备而无需向基站（BS）发送请求。其次，以分布式方式采用NOMA配对以降低信令开销。由于在大规模场景下基站在信息收集方面能力有限，学习技术最适合此类问题。因此，采用多臂老虎机学习来调度快速授权MTDs。然后，提出约束随机NOMA配对，有助于解耦快速上行授权方案的两个主要挑战，即活跃集预测与最优调度。利用NOMA，我们能够显著减少因预测错误导致的资源浪费。此外，结果表明，所提方案在可实现的奖励方面，能以可承受的复杂度轻松达到不切实际的 optimal OMA（正交多址）性能。
引用
@article{arxiv.2009.00105,
title = {Fast Grant Learning-Based Approach for Machine Type Communications with NOMA},
author = {Manal El Tanab and Walaa Hamouda},
journal= {arXiv preprint arXiv:2009.00105},
year = {2020}
}