本文中，我们研究了使用单相不相干方案进行大规模机器型通信（mMTC）中的关节设备活动和数据检测，其中数据位嵌入到导联序列中，基站同时检测活动设备及其嵌入的数据位而无需显式通道估计；针对非相干传输方案引入的相关稀疏性模式，传统的幅度估计传输（AMP）算法无法达到令人满意的性能，因此，我们提出了一种深度学习修改的 AMP 网络（DL-mAMPnet）。DL-mAMPnet 通过有效利用导联活动相关性来增强检测性能。DL-mAMPnet 通过将 AMP 算法展开为前馈神经网络来构建，将 AMP 算法的原理数学模型与强大的学习能力相结合，从而使两种技术的优势得到了发挥。DL-mAMPnet 引入了可训练参数来近似相关稀疏性模式和大规模衰落系数。此外，设计了一种细化模块，通过利用相关稀疏性模式引起的空间特性进一步提高性能。仿真结果表明，所提出的 DL-mAMPnet 在符号误差率性能方面可以显著优于传统算法。

Jan, 2023

本文研究在大量设备与基站间的疏散通信场景下，通过利用随机签名序列和用户活动模式的稀疏性，将用户检测和信道估计问题建模为压缩感知单测量向量问题或多测量向量问题，利用近似消息传递算法高效求解，并开发了利用通道统计信息进行 AMP 算法设计的最小均方误差去噪器。同时，通过 AMP-MMV 算法和研究多天线的部署，量化了其优点。

Jan, 2018

本文利用监督式机器学习模型来解决非正交前导序列设计条件下的用户活动检测问题，并介绍了一个针对 GF-RA 协议下的无线电波多输入多输出（CF-mMIMO）网络的数据驱动算法和新颖的聚类策略，模拟实验结果显示算法在真实场景中具有 99% 的准确率。

Jun, 2024

该论文研究了在大规模机器类型通信中，如何通过压缩感知等技术实现设备检测和数据解码，特别是提出了一种新的非相干传输方案，与现有的消息传递算法相比，该方案表现更优。

Jun, 2018

本文研究在大量设备连接基站的场景下，利用压缩感知和非正交导频序列技术来实现设备活动检测，通过两阶段的访问方案实现数据传输，进而实现了上行大规模设备通信中用户暂态性的高效利用，并且在大规模 MIMO 系统下使得错过检测和虚警概率可以被刻意的控制到 0。

Jun, 2017

本文提出了一种新的基于压缩感知和序列近似传递算法的大规模机器型通信系统的无授权随机接入策略，以提高活动用户检测和信道估计的性能。

Feb, 2021

本研究考虑使用近似信息传递算法来实现非正交签名的移动通信中的稀疏设备活动检测。本文比较了两种网络架构：大规模多输入多输出（MIMO）和合作 MIMO，通过分析与数值模拟结果验证，大规模 MIMO 系统能有效将检测误差降至零，而增加合作规模主要能改善边缘用户性能，并探讨了 LLR 量化的影响。

Jun, 2019

本文提出了一种基于压缩感知的自适应主动用户检测和信道估计方案，可支持出现突发流量的大规模连接用户设备和大规模 MIMO 信道的虚拟角度域稀疏，实现高效可靠的大规模信道接入。

Jun, 2019

本文针对 mMTC 场景中海量 MTC 设备的 QoS 保障、RAN 拥塞等问题展开研究，综述了现有解决方案并提出了新的解决方向，其中包括利用机器学习技术解决 mMTC 中的 QoS 问题。

Aug, 2018

本文介绍了一种基于期望传播算法的联合主动用户检测和信道估计技术，通过该技术，可为 5G 通信系统中的 mMTC 网络提供更好的表现，特别是在压缩感知和非正交多址接入 (NOMA) 环境下。

Oct, 2018