上行 NOMA 中基于深度学习的检测器减少导频间隔
信息论
2020-04-28 v1 机器学习
math.IT
摘要
非正交多址（NOMA）比正交多址（OMA）技术具有更高的频谱效率。在接收端未知信道的上行通信系统中，各用户于不同时间间隔发送的导频信号降低了 NOMA 的频谱效率。本研究在上行通信系统中，研究了基于 DL（深度学习）的检测器——其已知会对用户发送至基站的导频信号作出响应。旨在通过用户发送单一导频来维持 NOMA 的频谱效率，从而减少 DL 检测器中的时间间隔。
引用
@article{arxiv.2004.12416,
title = {Pilot Interval Reduction by Deep Learning Based Detectors in Uplink NOMA},
author = {Ahmet Emir and Ferdi Kara and Hakan Kaya},
journal= {arXiv preprint arXiv:2004.12416},
year = {2020}
}
备注
in Turkish language. accepted for IEEE SIU 2020