Non-Orthogonal Multiple Access (NOMA) is a concept which is gaining a big popularity in multiuser networks. It's due to its advantages in sense of total network throughput. It becomes especially significant in large networks such as Internet of Things (IoT) networks or 5G networks. One of the known NOMA techniques is DS-CDMA NOMA, which make use of non-orthogonal coding schemes to optimize capacity at multiuser networks. Equiangular Tight Frames (ETF) are known to be an optimal sequences' sets (in sense of capacity) for this technique. Unfortunately, ETFs are limited to very specific pairs of users' number and sequence lengths which put undesirable constraints on practical systems. In this paper our goal is to break those constraints by proposing alternative family of non-orthogonal sequences which on the one hand, possess similar properties to those of ETFs (for that reason we'll denote them as Almost ETFs) and on the other hand, doesn't have those limitation on users' number and sequence length. We're basing our approach by starting with known technique of building standard ETFs, and extending it by slight modifications to technique of building AETFs. In this paper we'll concentrate on bipolar (+/-1 valued) and relatively short (up to length of 100) sequences, since we're interested in sequences which will be of practical value in real systems.


翻译:非正统多重存取( NOMA) 是一个在多用户网络中获得极大支持的概念, 因为它在网络总吞吐量方面的优势。 它在诸如Things( IoT) 网络或 5G 网络的互联网等大型网络中变得特别重要。 已知的NOMA 技术之一是 DS- CDMA NOMA 技术之一, 它利用非正统的编码方法优化多用户网络的能力。 已知, Qeagronight 框架( ETF) 是这一技术的最佳序列( 能力感知 ) 。 不幸的是, ETF 仅限于非常具体的用户数量和序列长度, 从而给实际系统造成不应有的限制。 在本文中, 我们的目标是打破这些限制, 提出非正统序列的替代式组合, 一方面, 它具有与 ETF 的类似特性( 因为这样, 我们把它们称为几乎 ETF ), 而在另一方面, 用户数量和顺序的长度上没有这些限制。 不幸的是, 我们的用户数量和顺序限制。

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
60+阅读 · 2020年3月19日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年10月17日
VIP会员
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium6
中国图象图形学学会CSIG
2+阅读 · 2021年11月12日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium3
中国图象图形学学会CSIG
0+阅读 · 2021年11月9日
【ICIG2021】Check out the hot new trailer of ICIG2021 Symposium1
中国图象图形学学会CSIG
0+阅读 · 2021年11月3日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
相关基金
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员