non-orthogonal multiple access | BriefGPT

关键词non-orthogonal multiple access

搜索结果 - 38

多比特量化联邦学习中的基于 SER 的设备选择机制
该研究论文通过符号误码率分析了无线通信对联邦学习的影响，研究了非正交多址接入作为通信框架以减少由多用户引起的通信拥塞和干扰的方法，并提出了基于最小均方误差的串行干扰消除技术用于恢复接收端的每个终端节点的梯度。在此基础上，设计了基于符号误码率
PDF2 months ago
机器类型通信中，基于深度学习辅助的并行干扰取消用于无授权非正交多址接入技术
本文提出了一种新颖的方法，用于在上行无授权非正交多址接入（NOMA）系统中进行联合活动检测（AD）、信道估计（CE）和数据检测（DD）。我们的方法采用了一种受并行干扰消除（PIC）启发的迭代和并行干扰消除策略，并结合了深度学习，共同解决 A
PDF4 months ago
在 NOMA 增强无线网络中重新思考聚合式联邦学习
本研究探讨了在非独立非同分布数据集下，将新型聚类联邦学习（CFL）方法与非正交多址（NOMA）相结合的好处，并提出了解决非独立非同分布条件下挑战的解决方案。在 NOMA 增强网络中共同优化子信道和功率分配可以显著改善性能。
PDF4 months ago
NOMA-Enabled 层次联合学习的客户端编排和成本效益的联合优化
本文提出了一种在半同步云模型聚合下，利用非正交多址接入技术的分层联邦学习系统，旨在最小化每次分层联邦学习全局轮次中的时间和能源成本。具体而言，我们首先提出了一种新颖的基于模糊逻辑的客户端编排策略，考虑了客户端在信道质量、数据数量和模型陈旧度
PDF8 months ago
MM用于 NOMA-URLLC 网络中上行调度的深度强化学习
通过提出一种名为 NOMA-PPO 的新型深度强化学习调度算法，本文解决了无线网络中超可靠低延迟通信（URLLC）的问题，也就是在物联网（IoT）应用中施加的严格约束。该方法通过将 NOMA-URLLC 问题转化为部分可观察马尔可夫决策过程
PDF10 months ago
基于 RIS 的 EH-NOMA 网络：一种深度强化学习方法
该论文提出一种基于能量收集的可重构智能表面帮助非正交多用户下行通信系统提高谱效率的新方法，使用深度学习算法解决由于用户通信状态的动态变化和可利用能源的动态变化影响的非凸问题，获得了比其他基准算法更好的通信成功率表现。
PDFa year ago
MM多用户信道下的分布式深度联合源信号与信道编码
本研究研究了在噪声的多信道上使用深度联合源频道编码进行分布式图像传输。研究表明，在有限块长度制度下，我们引入了一种新型的联合图像压缩和传输方案，其中设备以非正交方式发送其压缩图像表示。在实验中，相比于使用现有深度联合源频道编码方法的正交传输
PDF2 years ago
深度强化学习的毫米波非正交多址下行系统联合功率分配和波束成形器
该研究使用深度强化学习方法，对毫米波条件下的非正交多址接入进行了功率分配和波束成形的优化，以达到用户总速率最大化，并在模拟结果中表现出较其他方法更佳的效果。
PDF2 years ago
毫米波非正交多址通信中的深度强化学习：联合功率分配和混合波束成形
本论文介绍了使用深度强化学习和控制理论方法 (DRL) 实现毫米波非正交多址接入 (NOMA) 系统的联合功率分配和混合波束成形，通过考虑用户之间的相互干扰并同时满足高速率需求，模拟结果表明该方法比时分复用多址 (TDMA) 和非线视距 (
PDF2 years ago
基于 RIS-NOMA 的多机器人通信智能轨迹设计
提出了一个利用可重构智能表面支持的多机器人网络，目标是通过联合优化轨迹和机器人的 NOMA 解码顺序，RIS 的相移系数以及 AP 的功率分配，最大化整个轨迹的总速率。通过整合深度 Q 网络算法和长短时记忆自回归移动平均模型，预测每个机器人
PDF2 years ago
MMMIMO-NOMA 中的安全预编码：一种深度学习方法
提出了一种新的信令设计，利用深度神经网络在多用户多输入多输出非正交多址信道上实现安全传输，并通过模拟结果表明该模型的信道极限接近于 98% 的机密容量率。
PDF3 years ago
基于 NOMA 的下一代大规模物联网：性能潜力和技术方向
本文探讨了 IoT 在 6G 系统中的更广泛的应用，详述了非正交多址接入 (NOMA) 技术在系统光谱效率和性能提升方面的优势，提出了多项应用于实际非协调传输的方向性建议和技术方案
PDF3 years ago
基于机器学习的 RIS 辅助 NOMA 网络用户分配和相移器设计
提出了一种新颖的可重构智能表面辅助的非正交多址 (NOMA) 下行传输框架。该框架采用了长期随机优化问题和改进的移动对象迁移自动化算法 (MOMA) 来优化用户分组和可重构智能表面相位移动矩阵，结合深度确定性策略梯度 (DDPG) 算法来控
PDF3 years ago
机器学习增强的无人机反射表面轨迹与无源波束成形设计
提出一种新的框架，通过在无人机网中部署 RIS 进行服务质量的提升，采用非正交多址技术进一步提高网络的频谱效率，设计深度 Q - 网络算法来解决能源消耗最小化问题。
PDF4 years ago
上行 NOMA-IoT 网络资源分配：一种强化学习方法
本文针对非正交多址技术中的公平资源分配问题，基于强化学习提出了一种高效的资源分配方案，结合深度强化学习算法和 SARSA-learning 算法处理不同网络负载下的差异性问题，并通过数值实验得出在物联网中，非正交多址技术可以比正交多址技术更
PDF4 years ago
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
PDF4 years ago
基于深度神经网络的无需授时 NOMA 系统主动用户检测
本论文提出了一种基于深度神经网络的 Active User Detection 方案，通过训练数据在设计良好的 DNN 中应用，该方案学习了接收到的 NOMA 信号与活动设备指数之间的非线性映射，从而实现了对活动用户的准确检测。数值结果表明
PDF5 years ago
MM缓存辅助的 NOMA 系统中的功率分配：优化与深度强化学习方法
本文研究使用缓存和非正交多址接入技术进行系统优化及功率分配问题，并提出了两种方法，一种基于分治策略，另一种使用深度强化学习算法，通过仿真实验验证了这两种方法的有效性和性能。
PDF5 years ago
MM毫米波用户分组非正交多址接入系统中的功率分配和混合波束成形
本文研究非正交多址接入在毫米波通信（mmWave-NOMA）中的应用。通过用户间信道相关性进行用户分组，进而提出联合设计混合波束成形与功率分配方法以最大化可达到的总速率。模拟结果表明，该方法在可达到的总速率和能量效率方面优于现有方案和常规的
PDF5 years ago
缓存辅助的 NOMA 移动边缘计算：一种强化学习方法
本文提出了一种基于 NOMA 的缓存辅助移动边缘计算框架，使用 LSTM 网络预测任务的受欢迎程度，MAQ-learning 算法用于任务卸载决策并证明了其在每个状态下选择的动作均为最优解。实验结果表明，该框架优于本地计算、卸载计算和非缓存
PDF5 years ago