面向 NOMA 的快速上行授权：一种基于联邦学习的方法
网络与互联网体系结构
2019-04-18 v1
摘要
最近，非正交多址接入（NOMA）技术出现并被视为 5G 及以后系统的构建模块。在本文中，我们专注于基于 NOMA 的系统的资源分配，并研究如何将机器类设备（MTD）安排成簇。具体而言，我们提出了三种分配技术以实现大规模基于 NOMA 的 MTD 在 5G 中的集成。首先，我们提出了一种低复杂度方案，其中基站（BS）根据 MTD 的 CSI 和发射功率将其分配到一个簇中，以确保在上行链路和下行链路中都能执行串行干扰消除（SIC）。在第二个框架中，我们提出了一种基于联邦学习的流量模型估计，以扩展系统的容量。事实上，BS 考虑了 MTD 的流量模型，以便除了功率复用之外，还使用时分复用来分离 MTD。在 BS 分配之后，我们提出了一种学习算法以允许竞争的 MTD 同步其传输。最后，我们专注于基于 NOMA 的设备的服务质量，并在第三个框架中提出了一种 QoS 感知技术，其中根据 MTD 的模式（即常规模式或警报模式）以不同方式为其提供服务。仿真结果表明，所提出的技术优于文献中的现有技术。
引用
@article{arxiv.1904.07975,
title = {Fast Uplink Grant for NOMA: a Federated Learning based Approach},
author = {Oussama Habachi and Mohamed-Ali Adjif and Jean-Pierre Cances},
journal= {arXiv preprint arXiv:1904.07975},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1706.08799, arXiv:1709.00867 by other authors