摘要: 受发射端的功率分配与叠加编码的影响,基于单任务神经网络的功率域非正交多址接入( NOMA)符号检测算法无法兼容不同用户的符号检测任务。针对用户辅助的协作多输入多输出( MIMO)-NOMA 通信系统,设计基于多任务神经网络的符号检测算法,通过学习协作 MIMO-NOMA 系统中信号的深层共享特征,实现不同用户的联合符号检测。由于协作通信中不同用户接收信号的数据分布不同,并且存在数据孤岛问题,而机器学习模型要求训练数据和测试数据均独立采样于同一数据分布,因此提出多任务联邦学习框架来解决这一问题。实验结果表明,随着信噪比的提高,所提出的符号检测算法较传统符号检测算法展现出更好的性能。
中图分类号: