【技术实现步骤摘要】
本专利技术涉及无线通信，具体涉及一种在上行免授权非正交多址接入（grant-free non-orthogonal multiple access, gf-noma）中信道矩阵被预均衡的场景中的一种基于精确结构学习的记忆近似消息传递(accurate structure learning-memory approximate message passing, asl-mamp)的多用户检测方法。
技术介绍
1、在第五代移动通信系统(the fifth generation of mobile communicationsystem, 5g)中, 大规模机器类通信(massive machine type of communication, mmtc)受到了广泛关注。它具有用户规模大、低延迟、低能耗以及零星通信等特点。而传统的正交多址（orthogonal multiple access, oma）方案受限于有限的正交资源数，已经无法满足mmtc中大型通信场景的需求，同时考虑到基于授权的通信方式在mmtc场景中会导致极大的信令开销。对此，...
【技术保护点】
1.一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：
2.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：所述用户帧稀疏模型满足：对于任意两个时隙t1和t2，用户k在时隙t1活跃当且仅当其在时隙t2活跃。
3.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：通过记忆线性估计独立计算各时隙的中间变量；联合所有时隙的中间变量，通过贝叶斯概率融合更新用户活跃概率。
4.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：
...【技术特征摘要】
1.一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：
2.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：所述用户帧稀疏模型满足：对于任意两个时隙t1和t2，用户k在时隙t1活跃当且仅当其在时隙t2活跃。
3.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：通过记忆线性估计独立计算各时隙的中间变量；联合所有时隙的中间变量，通过贝叶斯概率融合更新用户活跃概率。
4.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：
5.根据权利要求1所述的一种基于精确结构学习的物联网大规模多用户检测方法，其特征在于：所述多时隙...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。