In this letter, we propose a non-orthogonal multiple access (NOMA) based scheme for multi-cell indoor visible light communications (VLC), where cell-edge user is jointly served by multiple cells. Unlike the typical designs in the existing literature, the proposed scheme doesn't involve complex domain and direct current bias addition, which makes the design simple and feasible for real time implementation in indoor VLC. The symbol error rate (SER) of the proposed NOMA scheme is analysed using analytical and simulation results, and is compared with orthogonal multiple access (OMA). It is observed that the average SER of the users with the proposed NOMA is marginally degraded as compared to OMA. However, the SER of cell-edge user with the proposed NOMA is significantly improved with joint maximum likelihood decoding, and outperforms successive interference cancellation based decoding and OMA, with trade-off on computational complexity.


翻译:在这封信中,我们提议为多细胞室内可见光通信(VLC)建立一个非垂直多存取(NOMA)机制,由多个细胞共同服务于多细胞内可见光通信(VLC),与现有文献的典型设计不同,拟议办法不涉及复杂的领域和直接的当前偏差添加,这使得设计在室内甚低光通信中实时实施更为简单和可行。拟议诺马方案的符号误差率(SER)是通过分析和模拟结果进行分析的,并与正方多存多存取(OMA)进行比较的。据观察,与OMA相比,拟议诺马系统用户的平均SER略有退化。然而,与拟议诺马系统相比,与拟议诺马系统相比,单元格用户的SER显著改善,联合进行最大可能的解码,超越了基于解码和OMA的连续干扰取消,在计算复杂度上进行交换。

0
下载
关闭预览

相关内容

【机器学习术语宝典】机器学习中英文术语表
专知会员服务
59+阅读 · 2020年7月12日
【BAAI|2019】用深度学习模拟原子间势,王涵  (附pdf)
专知会员服务
17+阅读 · 2019年11月21日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
VIP会员
相关资讯
灾难性遗忘问题新视角:迁移-干扰平衡
CreateAMind
17+阅读 · 2019年7月6日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员