Core Concepts
시간 오프셋을 고려한 빠른-단-나이퀴스트 다운링크 NOMA 시스템에서 딥러닝 기반 오토인코더의 성능과 효율성을 검토함.
Abstract
빠른-단-나이퀴스트 다운링크 NOMA 시스템의 인코딩 및 디코딩에 대한 연구
SVD 방법과 CNN AE의 성능 및 복잡성 비교
다양한 CNN AE 변형의 BER 성능 비교
Q 함수 손실의 효과 분석
선형 연결의 영향 평가
완벽한 CSI 및 타이밍 오류가 없는 경우의 성능 분석
Stats
제안된 CNN AE는 SVD 방법보다 약 2dB 높은 성능을 보임.
CNN AE는 CSI 오류에 민감하지 않고 타이밍 오류에 강함.
수정된 손실 함수는 CE 손실 함수만 사용할 때보다 최대 1dB의 SNR 향상을 제공함.
Quotes
"제안된 CNN AE는 SVD 방법보다 약 2dB 높은 성능을 보임."
"CNN AE는 CSI 오류에 민감하지 않고 타이밍 오류에 강함."