典型文献
降噪自编码器辅助的下行MIMO-SCMA编解码方法
文献摘要：
为了改善稀疏码分多址系统在多天线应用中的误码率性能,将深度学习引入多输入多输出稀疏码分多址系统,提出了一种降噪自编码器辅助的编解码方法.发射端使用多个深度神经网络单元构建多天线稀疏码分多址编码器,通过神经网络的学习获得每个用户在不同发射天线上的码本,采用降噪自编码器的结构在输入端引入噪声层,使得编码器的输出为更具鲁棒性的特征表示;接收端设计了一个全链接的深度神经网络作为解码器,该解码器将多天线检测与多用户检测联合进行,一次解码即可获得用户数据;采用端到端的训练方式对编解码器进行训练,优化神经网络的结构与参数,使得神经网络能够快速收敛.实验结果表明,提出的编解码方法可以降低多输入多输出稀疏码分多址系统的误码率,同时减少接收端检测的时间.
文献关键词：
多输入多输出;稀疏码分多址;降噪自编码器;深度神经网络
中图分类号：
作者姓名：
蒋芳;黄兴;胡梦钰;王翊;许耀华;胡艳军
作者机构：
安徽大学计算智能与信号处理教育部重点实验室,安徽合肥230601;安徽省物联网频谱感知与测试工程技术研究中心,安徽合肥230601
文献出处：
引用格式：
[1]蒋芳;黄兴;胡梦钰;王翊;许耀华;胡艳军-.降噪自编码器辅助的下行MIMO-SCMA编解码方法)[J].西安电子科技大学学报（自然科学版）,2022(03):74-82
A类：
多址编码
B类：
降噪自编码器,MIMO,SCMA,编解码方法,稀疏码分多址,多天线,误码率性能,多输入多输出,深度神经网络,网络单元,单元构建,发射天线,码本,特征表示,接收端,多用户检测,得用,用户数据,端到端,训练方式,编解码器,优化神经网络,快速收敛
AB值：
0.192196
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
