基于GAN的免授权随机接入联合活动检测与信道估计
机器学习
2022-04-06 v1 信号处理
摘要
免授权随机接入的联合活动检测与信道估计（JADCE）是物联网网络中支持海量连接所需解决的关键问题。然而，现有无模型学习方法只能实现活动检测或信道估计之一，而无法兼顾二者。本文提出一种基于生成对抗网络（GAN）的新型无模型学习方法来解决JADCE问题。我们采用U-net架构构建生成器而非标准GAN架构，其中将包含活动信息的预估计值作为生成器输入。通过利用伪逆的性质，生成器经仿射投影与跳跃连接进行精炼，以确保生成器输出与测量一致。此外，我们构建了一个双层全连接神经网络来设计导频矩阵，以降低接收机噪声的影响。仿真结果表明，所提方法在高信噪比区间优于现有方法，且数据一致性投影与导频矩阵优化均提升了学习能力。
引用
@article{arxiv.2204.01731,
title = {Gan-Based Joint Activity Detection and Channel Estimation For Grant-free Random Access},
author = {Shuang Liang and Yinan Zou and Yong Zhou},
journal= {arXiv preprint arXiv:2204.01731},
year = {2022}
}
备注
5 pages, 5 figures IEEE ICASSP2022