基于注意力BiLSTM网络的免授权NOMA联合用户与数据检测
信号处理
2024-05-17 v2 机器学习
网络与互联网体系结构
摘要
我们考虑上行免授权非正交多址（NOMA）中的多用户检测（MUD）问题，其中接入点须识别活跃物联网（IoT）设备的总数及其正确身份，并解码其传输数据。我们假设IoT设备使用复扩频序列，并遵循突发稀疏模型以随机接入方式发送信息：部分IoT设备以高概率在多个相邻时隙中发送数据，而其他设备在一帧中仅发送一次。利用时间相关性，我们提出一种基于注意力的双向长短期记忆（BiLSTM）网络来求解MUD问题。BiLSTM网络利用前向与反向LSTM建立设备激活历史模式，而注意力机制为设备激活点提供关键上下文。由此，在免授权场景下遵循一种分层路径来检测活跃设备。随后，利用复扩频序列对估计出的活跃设备执行盲数据检测。所提框架无需设备稀疏水平和信道的先验知识即可进行MUD。结果表明，相比现有基准方案，所提网络取得了更优性能。
引用
@article{arxiv.2209.06392,
title = {Joint User and Data Detection in Grant-Free NOMA with Attention-based BiLSTM Network},
author = {Saud Khan and Salman Durrani and Muhammad Basit Shahab and Sarah J. Johnson and Seyit Camtepe},
journal= {arXiv preprint arXiv:2209.06392},
year = {2024}
}