带有用户选择的MAC基于ML解码的性能-复杂度分析
信息论
2015-06-03 v2 math.IT
摘要
本工作探讨了准静态K用户多址信道(MAC)在有或无反馈情况下的速率-可靠性-复杂度极限。利用高信噪比(SNR)渐近分析，本工作首先推导了实现近最优（基于ML）解码性能所需计算资源的界限。随后界定了实现任意（包括次优）分集-复用性能折中(DMT)性能所需的（降低的）复杂度，并最终界定了在存在反馈辅助的用户选择时相同的复杂度。后一努力揭示了少量反馈比特不仅能够改善性能，还能降低复杂度。在此背景下，分析揭示了一个有趣的发现：适当校准用户选择可允许近最优的基于ML的解码，其复杂度不必随码字比特总数呈指数缩放。所推导的界限构成了迄今为止已知的基于ML的MAC解码的最佳性能-复杂度行为，以及多用户设置中复杂度-反馈-性能相互依赖关系的首次探索。
引用
@article{arxiv.1505.07725,
title = {Performance-Complexity Analysis for MAC ML-based Decoding with User Selection},
author = {Hsiao-feng and Lu and Petros Elia and Arun Singh},
journal= {arXiv preprint arXiv:1505.07725},
year = {2015}
}
备注
submitted to IEEE Transactions on Signal Processing for publication