基于深度学习的NOMA系统符号检测算法研究

摘要

非正交多址(NOMA)是5G通信领域的一项关键技术.它通过在时间、频率和空间上为使用相同资源的多个用户提供服务,来提高系统容量和频谱效率.提出一种基于深度学习的NOMA接收机,基于信道统计的仿真数据进行离线神经网络训练,在部署阶段直接用于恢复传输的符号.仿真结果表明,与传统的信道估计方法相比,深度学习检测算法能提高NOMA系统符号检测的性能.最后分析了不同参数对所提方案性能的影响.