| 一种模型驱动的OTFS‑NOMA系统信号检测器 |
| A model‑driven signal detector for OTFS‑NOMA systems |
| |
| DOI： |
| 中文关键词: 正交时频空；非正交多址接入；信号检测；模型驱动神经网络 |
| 英文关键词:orthogonal time frequency space （OTFS）；non-orthogonal multiple access （NOMA）；signal detection；model-driven neural network |
| 基金项目:国家自然科学基金（62371246）和江苏省基础研究计划自然科学基金（BK20241885）资助项目 |
| 作者 | 单位 | | 王小明 | 南京邮电大学 通信与信息工程学院，江苏 南京 210003 | | 张永嘉 | 南京邮电大学 通信与信息工程学院，江苏 南京 210003 | | 蒋锐 | 南京邮电大学 通信与信息工程学院，江苏 南京 210003 | | 徐友云 | 南京邮电大学 通信与信息工程学院，江苏 南京 210003 |
|
| 摘要点击次数: 174 |
| 全文下载次数: 231 |
| 中文摘要: |
| 正交时频空（Orthogonal Time Frequency Space，OTFS）技术在高速移动环境下表现出对时延扩
展和多普勒效应的强鲁棒性，显著提升了通信系统在移动场景下的可靠性。针对多用户OTFS系统，
提出一种基于非正交多址接入（Non-Orthogonal Multiple Access，NOMA）的信号检测器，该检测器利
用共轭梯度法和OTFS正反变换实现OTFS-NOMA系统的信号检测。进一步，针对用户间干扰大和
检测器梯度下降收敛慢的问题，提出一种模型驱动神经网络信号检测器。该检测器引入抑制用户间
干扰的学习参数，并将执行过程中产生的中间变量嵌入到神经网络中作为学习参数。实验结果表
明，相较于现有的信号检测器，所提的模型驱动神经网络信号检测器误比特率性能具有更优表现。 |
| 英文摘要: |
| Orthogonal time frequency space （OTFS） exhibits strong robustness against delay spread and
Doppler effects in high-speed mobile environments， significantly enhancing the reliability of communication systems in mobility scenarios. This study proposes a signal detector based on non-orthogonal multiple
access （NOMA） for multi-user OTFS systems. It employs the conjugate gradient method and OTFS transform techniques to achieve signal detection in OTFS-NOMA systems. Furthermore， to address the challenges of severe inter-user interference and slow convergence in gradient descent optimization， a model-driven neural network signal detector is developed. This detector incorporates learnable parameters to
suppress inter-user interference and embeds intermediate variables generated during algorithm execution
into the neural network as learnable parameters. Experimental results demonstrate that compared with existing signal detectors， the proposed model-driven neural network detector achieves superior bit error rate
（BER） performance. |
| 查看全文 查看/发表评论 附件 |