科研之友
微信
新浪微博
Facebook
分享链接
摘要
在上行非正交多址(Non-orthogonal Multiple Access, NOMA)系统中，针对传统基于串行干扰消除(Successive Interference Cancellation, SIC)检测存在同个时频块内用户间干扰的问题，提出了一种新型的NOMA检测算法。通过将SIC检测的反馈消除结构和深度神经网络结合起来，设计出了一种新型的反馈深度神经网络(Feedback Deep Neural Network, FDNN)结构。FDNN模型分为两个模块，检测模块通过深度神经网络实现非线性检测，反馈模块通过权重矩阵重构信号并消除用户干扰。通过重复检测和反馈过程，FDNN依次检测出各个用户的符号，并达到了良好的性能。仿真结果表明FDNN检测算法相较于SIC检测具有更低的误符号率和误比特率，并验证了其具有更良好的抗用户间干扰的性能。
- 单位
