TY - JOUR A2 - 汉，帅盟 - 潘，健胸AU - 叶能，非盟 - 王，爱华AU - 李，李向明PY - 2020 DA - 2020年1月29日TI - 一个深度学习计算机辅助检测方法FTN-基于NOMA SP - 5684851 VL - 2020 AB - 未来智能城市的应用和物联网（IOT）的快速蓬勃发展已经提高了对下一代无线接入技术提出更高的要求相对于连接密度，频谱效率（SE），传输精度，和检测延迟。近日，快于奈奎斯特（FTN）和非正交多址（NOMA）已经被视为有前途的技术，以实现更高的SE和大量的连接，分别。在本文中，我们的目标是通过在相同的物理追索叠加多个基于FTN-发送信号利用FTN和NOMA的联合的益处。考虑由所提出的传输方案引入的复杂分子内和用户间的干扰，在现有的检测方法从高计算复杂度受到影响。为此，我们通过将国家的最先进的深度学习（DL）技术开发一种新型滑动窗口检测方法。数据驱动离线训练首先被施加以导出用于基于FTN-NOMA，这是在线部署，以实现高的检测精度以及低延迟一个接近最佳的接收机。蒙特卡洛模拟结果验证，所提出的检测器实现了比最小均方误差 - 频域均衡（MMSE-FDE）更高的检测精确度，甚至可以接近与大大减少计算复杂性的基于最大似然接收机，其适用于的性能在智慧城市物联网应用具有低延迟和高可靠性的要求。 SN - 1530-8669 UR - https://doi.org/10.1155/2020/5684851 DO - 10.1155/2020/5684851 JF - Wireless Communications and Mobile Computing PB - Hindawi KW - ER -