MISO BC 채널에서 기계학습 기반 비직교 다중 접속 구현 = Implementation of NOMA with Machine Learning in MISO Broadcast Channels

다국어 초록 (Multilingual Abstract)

Non-orthogonal multiple access (NOMA) requires successive interference cancellation at the receiver, but the optimal decoding order is not easy to find especially when the transmitter has multiple antennas. In this paper, we use machine learning to implement NOMA in downlink multiple input single output broadcast channels when data rate for each user is fixed. Our machine learning model finds the optimal decoding order for given channel states.

국문 초록 (Abstract)

본 논문에서는 MISO(multiple-input single-output) 브로드캐스트 채널에서 기계학습에 기반한 비직교 다중 접속기법을 제안한다. 비직교 다중 접속 기법의 경우 수신단에서 순차적 간섭 제거(successive interference cancellation, SIC)를 수행하는데, 이때 최적의 복호 순서를 찾아야 한다. 다중 안테나를 가진 송신단의 경우 단일안테나와 달리 빔포밍과 각 채널의 상관도에 따라 각 수신단에서 수신한 유저 신호들의 세기 순서가 달라지므로최적의 복호 순서를 찾기 어렵다. 특히 다수의 유저가 존재할 경우 계산의 복잡도가 높아지므로 최적의 복호 순서를 구하기 쉽지 않다. 본 논문은 유저들이 제공받는 데이터 전송률이 고정되고, 송신 빔포밍 기법이 최대비 송신(maximum ratio transmission, MRT)으로 고정될 때, 기계학습을 활용하여 최적의 복호 순서를 찾는다. 제안하는기계학습 모델은 각 채널의 상관도와 송신 신호대 잡음비를 입력받아 최적의 복호 순서를 출력한다.

참고문헌 (Reference)

1 김동현 ; 이인호, "비직교 다중 접속 기반 이종 네트워크에서 딥러닝 알고리즘을 이용한 사용자 및 전력 할당 기법" 한국정보통신학회 26 (26): 430-435, 2022

2 H. Huang, "Unsupervised learningbased fast beamforming design for downlink MIMO" 7 : 7599-7605, 2019

3 Y. Huang, "Signal processing for MIMO-NOMA : Present and future challenges" 25 (25): 32-38, 2018

4 A. Shrestha, "Review of deep learning algorithms and architectures" 7 : 53040-53065, 2019

5 J. Zhu, "On optimal beamforming design for downlink MISO NOMA systems" 69 (69): 3008-3020, 2020

6 J. Kaur, "Machine learning techniques for 5g and beyond" 9 : 23472-23488, 2021

7 Z. Zhao, "Joint user pairing and power allocation scheme based on transmission mode switching between NOMA-based maximum ratio transmission and MMSE beamforming in downlink MISO systems" 2021 : 2021

8 G. Interdonato, "Enhanced normalized conjugate beamforming for cell-free massive MIMO" 69 (69): 2863-2877, 2021

9 H. Huang, "Deep learning-based sum data rate and energy efficiency optimization for MIMO-NOMA systems" 19 (19): 5373-5388, 2020

10 J. Kim, "Deep learning methods for universal MISO beamforming" 9 (9): 1894-1898, 2020

11 Z. Ali, "Deep learning based power optimizing for NOMA based relay aided D2D transmissions" 7 (7): 917-928, 2021

12 M. Liu, "Deep cognitive perspective : Resource allocation for NOMAbased heterogeneous IoT with imperfect SIC" 6 (6): 2885-2894, 2019

13 M. Aldababsa, "A tutorial on nonorthogonal multiple access for 5G and beyond" 2018 : 2018

14 M. F. Hanif, "A minorizationmaximization method for optimizing sum rate in the downlink of non-orthogonal multiple access systems" 64 (64): 76-88, 2016