基于元学习的少导频NOMA上行链路解调与干扰消除
信息论
2023-06-12 v1 信号处理
math.IT
摘要
非正交多址接入(NOMA)因其在大规规模部署中良好的可扩展性,处于向非正交通信范式转变的核心。然而,信道估计的开销在此类场景中仍是关键挑战。本文引入一种数据驱动、元学习辅助的NOMA上行链路模型,其最小化信道估计开销且不需要完美信道知识。与传统的深度学习串行干扰消除(SICNet)不同,元学习辅助的SIC(meta-SICNet)能够跨不同设备共享经验,促进对新接入设备的学习同时降低训练开销。我们的结果证实,meta-SICNet优于经典SIC与传统SICNet,因为它能用更少的导频实现更低的符号错误率。
引用
@article{arxiv.2306.05848,
title = {Meta-Learning Based Few Pilots Demodulation and Interference Cancellation For NOMA Uplink},
author = {Hebatalla Issa and Mohammad Shehab and Hirley Alves},
journal= {arXiv preprint arXiv:2306.05848},
year = {2023}
}