AI-Enhanced Cooperative Spectrum Sensing for Non-Orthogonal Multiple Access
AI-Enhanced Cooperative Spectrum Sensing for Non-Orthogonal Multiple Access
复制标题
用于非正交多址的人工智能增强型协作频谱感知
DOI：
10.1109/mnet.001.1900305
复制
发表时间：
2020-04
影响因子：
12.9
通讯作者：
N. Kato
中科院分区：
文献类型：
--
作者：
Z. Shi;W. Gao;S. Zhang;Jiajia Liu;N. Kato
许多最先进的技术被用来提高频谱效率，其中认知无线电和多址接入是最有前途的。在认知无线电通信中，频谱感知是最基本的部分，其准确性对频谱利用率有着重要的影响。此外，由于复杂的无线电环境，多用户CSS已被提出作为一种改进的解决方案。NOMA作为5G中的一项关键技术，在提高频谱效率和承载大规模连接方面具有巨大的潜力。在这篇文章中，我们提出了一个新的CSS框架NOMA，以进一步提高频谱效率。考虑到NOMA物理层实现的复杂性，我们引入了一种基于人工智能的解决方案来协同感知频谱，具有良好的准确率和可接受的复杂度。数值结果验证了我们提出的解决方案的有效性。
Many state-of-the-art techniques are leveraged to improve spectral efficiency, of which cognitive radio and multiple access are the most promising ones. In cognitive radio communications, spectrum sensing is the most fundamental part, whose accuracy has a significant impact on spectrum utilization. Furthermore, due to the complex radio environment, multiple-user CSS has been proposed as a refined solution. NOMA, as an essential technique in 5G, holds great promise in improving spectral efficiency and carrying massive connectivity. In this article, we propose a novel CSS framework for NOMA to further improve the spectral efficiency. Considering the complicated physical layer implementations of NOMA, we introduce an AI based solution to cooperatively sense the spectrum with a nice accuracy rate and acceptable complexity. Numerical results validate the effectiveness of our proposed solution.
登录
查看更多内容
DOI：
10.1109/lcomm.2016.2613858
发表时间：
2017
期刊：
IEEE Communications Letters
影响因子：
--
作者：
Morteza Tavana;A. Rahmati;V. Shah-Mansouri;B. Maham
通讯作者：
Morteza Tavana;A. Rahmati;V. Shah-Mansouri;B. Maham
DOI：
10.1109/vtcfall.2017.8288400
发表时间：
2017-09
期刊：
2017 IEEE 86th Vehicular Technology Conference (VTC-Fall)
影响因子：
--
作者：
Kun Lu;Zhanji Wu;Xuanbo Shao
通讯作者：
Kun Lu;Zhanji Wu;Xuanbo Shao
DOI：
10.1109/lcomm.2016.2596763
发表时间：
2016-08
期刊：
IEEE Communications Letters
影响因子：
--
作者：
Lu Lv;Jian Chen-;Q. Ni
通讯作者：
Lu Lv;Jian Chen-;Q. Ni
当计算拥抱智能时：工业物联网的内容感知数据处理
影响因子：
10.6
作者：
Liang Zhou;Dan Wu;Jianxin Chen;Zhenjiang Dong
通讯作者：
Zhenjiang Dong
影响因子：
10.4
作者：
Yuandao Sun;B. L. Mark;Y. Ephraim
通讯作者：
Yuandao Sun;B. L. Mark;Y. Ephraim