用于蜂窝物联网智能随机接入的盲归一化Stein变分梯度下降检测
信息论
2025-01-22 v2 人工智能
机器学习
信号处理
math.IT
摘要
缺乏高效的 preamble 检测算法仍是解决蜂窝物联网智能随机接入 (RA) 中 preamble 碰撞问题的挑战。为解决此问题，我们在基于授权的 RA 流程的第一步提出了一种基于最大似然估计 (MLE) 模型的早期 preamble 检测方案。为获得 MLE 模型的近似解，提出了一种新颖的盲归一化 Stein 变分梯度下降 (SVGD) 检测器。首先，通过探索 Hadamard 变换与小波包变换之间的关系，开发了一种新的改进 Hadamard 变换 (MHT)，利用二阶导数滤波器从信号中分离出高频分量。接下来，为消除噪声并缓解基于 SVGD 检测器中的梯度消失问题，基于 MHT、缩放层、软阈值层、逆 MHT 和稀疏惩罚设计了块 MHT 层。然后，推导出盲归一化 SVGD 算法，在无需先验已知噪声功率和活跃物联网设备数量的情况下执行 preamble 检测。实验结果表明，所提出的块 MHT 层在计算成本和去噪性能上优于其他基于变换的方法。此外，在块 MHT 层的辅助下，所提出的盲归一化 SVGD 算法比其他最先进的检测方法实现了更高的 preamble 检测精度和吞吐量。
引用
@article{arxiv.2403.18846,
title = {The Blind Normalized Stein Variational Gradient Descent-Based Detection for Intelligent Random Access in Cellular IoT},
author = {Xin Zhu and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2403.18846},
year = {2025}
}
备注
Accepted by the IEEE Internet of Things Journal