MMJun, 2021

具有理论保证的深度神经网络大量访问的算法展开

PDF
TL;DR本文提出了一种基于深度神经网络的算法，在实现联合活动检测和信道估计的同时，提高了算法的鲁棒性和计算效率，从而解决了物联网的大量接入问题。
internet of thingsgrant-free uplink transmissionsporadic iot devicesdeep neural networkmassive access
发现论文，激发创造
  • 迭代算法诱导的深度展开神经网络：多用户 MIMO 系统的预编码设计

    本文提出了一种基于优化理论的算法框架，采用深度展开神经网络求解多用户 MIMO 系统中的前编码设计问题，并实现了一个基于 WMMSE 算法的高效 IAIDNN，有效地降低了计算复杂度，同时保持了 WMMSE 算法的性能。

    Jun, 2020

  • 具备大规模 MIMO 接收机的免授权大规模随机接入

    论文研究了无源随机接入（U-RA）问题，通过利用大规模 MIMO 基站和协方差恢复算法实现高频谱效率，但也存在复杂度问题。

    Nov, 2019

  • 鲁棒随机下降展开网络

    深度展开是一种新兴的学习优化方法，在可训练的神经网络中展开剪枝迭代算法的层，本文提出使用随机下降约束进行训练的深度展开结构，理论上证明了输出序列的收敛性和对未知问题的泛化能力，同时展示了对扰动和干扰具有鲁棒性的优势。

    Dec, 2023

  • 算法展开：信号与图像处理中可解释、高效的深度学习

    本文综述了算法展开在信号与图像处理中的应用，特别是在深度神经网络中实现了可解释的网络结构，为未来的发展提供了可能性，并探讨了未来的研究方向。

    Dec, 2019

  • 深度展开用于下一代收发器

    本文介绍了深度展开（deep-unfolding）在矩阵参数下的收发机设计以及其最新进展，阐述了将其应用于下一代先进收发机设计方面的努力，并提出了未来研究的一些开放性问题。

    May, 2023

  • 用于免授权大规模连接的稀疏信号处理：物联网随机接入协议的未来范例

    本文介绍了几种用于解决大规模物联网接入问题的信号处理技术，特别是先进的压缩感知技术及其在有效检测活动设备方面的应用。研究表明，采用大规模多输入多输出技术可以将设备检测误差驱动为零，并提供了几种解决大量接入的相关技术。

    Apr, 2018

  • 海量 IoT 网络中无授权 NOMA 的活动检测

    研究了无授权传输范例在物联网网络上的应用，并通过深度学习方法的卷积神经网络实现设备的活动检测，以优化传输性能。

    Dec, 2022

  • 物联网网络的联合活动检测和信道估计：阶跃转换与计算 - 估计平衡

    通过研究群组稀疏估计问题的相变行为，利用数据传输的稀疏模式，开发了一种结构化的群组稀疏估计方法来同时检测活动设备并估计相应的信道，从而解决物联网网络中海量设备连接的沟通问题，并进一步开发了一种平滑方法来解决高维结构估计问题，从而在限定时间预算内实现估计精度和计算代价的平衡。

    Oct, 2018

  • 深度图像去模糊算法展开方法

    本研究提出了一种深度神经网络架构，该网络结合了迭代算法和卷积神经网络，并在图像去模糊领域取得了显著性能提升。

    Feb, 2019

  • RIS 增强的大规模非正交多址网络：部署和被动波束成形设计

    提出了一种采用非正交多址技术 (NOMA) 的可重构智能表面 (RIS) 的部署和无源波束成形设计的新框架，利用机器学习方法分别进行用户流量需求的预测和位置获取及相位控制。所提出的 D3QN 算法优于基准算法，同时 NOMA 增强的 RIS 系统能够实现比正交多址 (OMA) 启用的 RIS 系统更高的能量效率。

    Jan, 2020