存在干扰时无授权随机接入中设备活动的 ML 估计与 MAP 估计
信息论
2020-02-10 v1 信号处理
math.IT
摘要
设备活动检测是无授权随机接入的主要挑战之一，后者近期被提出用以支持海量机器类通信（mMTC）中的海量接入。现有方案未能考虑由海量物联网（IoT）设备产生的干扰，或关于设备活动与干扰的重要先验信息。在本文中，我们考虑在其他小区海量设备所产生干扰存在的情况下，接入点（AP）处的设备活动检测。我们利用概率、随机几何与优化工具，对设备活动与干扰功率进行联合最大似然（ML）估计与联合最大后验概率（MAP）估计。每个估计问题均为凸差（DC）规划问题，并提出了一种坐标下降算法以获得驻点。所提出的 ML 估计通过同时将干扰功率估计与设备活动估计相结合，扩展了已有的 ML 估计。所提出的 MAP 估计进一步通过利用设备活动与干扰功率的先验分布来增强所提出的 ML 估计。数值结果表明了所提联合估计设计的显著增益，并揭示了在设备活动检测中显式考虑干扰的重要性以及先验信息的价值。
引用
@article{arxiv.2002.02595,
title = {ML Estimation and MAP Estimation for Device Activities in Grant-Free Random Access with Interference},
author = {Dongdong Jiang and Ying Cui},
journal= {arXiv preprint arXiv:2002.02595},
year = {2020}
}
备注
6 pages, 5 figures, to be publised in IEEE WCNC 2020