Concetti Chiave
Effiziente Daten- und Aktivitätserkennung für grantfreie Übertragung in zellfreien Systemen durch Deep-Unfolding.
Sintesi
Das Paper stellt das DU-JAD-Algorithmus vor, der auf Deep-Unfolding basiert und die Daten- und Aktivitätserkennung in zellfreien Systemen verbessert. Es befasst sich mit der Optimierung von Algorithmusparametern mittels maschinellem Lernen, um die Daten- und Aktivitätserkennungsleistung zu verbessern. Die Simulationsergebnisse bestätigen die Wirksamkeit des vorgeschlagenen Algorithmus.
I. Einführung
- Massive grantfreie Übertragung und zellfreie Kommunikationssysteme sind entscheidend für die massive maschinenbasierte Kommunikation.
- Zellfreie Kommunikation verbessert die Spektraleffizienz und reduziert Interferenzen.
II. Systemmodell und JAD
- Beschreibung des zellfreien Kommunikationssystems und des Joint Activity Detection (JAD) Optimierungsproblems.
III. DU-JAD: Deep-Unfolding-basierte Daten- und Aktivitätserkennung
- Vorstellung der Architektur des DU-JAD-Algorithmus mit FBS-Modulen und AUD- und DD-Modulen.
IV. Simulationsergebnisse
- Vergleich der Leistung des vorgeschlagenen DU-JAD-Algorithmus mit verschiedenen Baselines in Bezug auf Aktivitätserkennung und Datenentdeckung.
V. Schlussfolgerungen
- Der DU-JAD-Algorithmus übertrifft bestehende Baselines in der Aktivitäts- und Datenentdeckungsleistung.
Statistiche
"Die UDER von DU-JAD beträgt nur 0,135 von Baseline 3 und 4 bei P = 60."
"Die ASER von DU-JAD beträgt nur 0,129 von Baseline 3 und 4 bei P = 60."
Citazioni
"Wir haben einen neuartigen Deep-Unfolding-basierten Joint Activity and Data Detection (DU-JAD) Algorithmus für massive grantfreie Übertragung in zellfreien drahtlosen Kommunikationssystemen vorgeschlagen."
"Der DU-JAD-Algorithmus übertrifft bestehende Baselines in Bezug auf die Aktivitäts- und Datenentdeckungsleistung."