Bài viết này khảo sát việc ứng dụng học sâu để khôi phục tín hiệu thu trong hệ thống MIMO-NOMA. Ứng dụng học sâu có hai ưu điểm quan trọng gồm thực hiện giải mã song song và cải thiện chất lượng toàn hệ thống. Nhờ vào quá trình huấn luyện trong học sâu, hệ thống có thể tìm ra bộ trọng số tối ưu cho quá trình khôi phục tín hiệu. Kết quả cho thấy việc sử dụng học sâu có chất lượng tốt hơn kỹ thuật SIC. | Hội nghị Quốc gia lần thứ 24 về Điện tử Truyền thông và Công nghệ Thông tin REV-ECIT2021 Ứng dụng mô hình Deep Neural Network để khôi phục tín hiệu trong hệ thống MIMO-NOMA Ngô Minh Nghĩa Nguyễn Thái Công Nghĩa Nguyễn Thị Xuân Uyên Ngô Thanh Hãi Đặng Lê Khoa Khoa Điện tử Viễn thông Trường Đại học Khoa học Tự nhiên ĐHQG-HCM Email nmnghia@ ntcnghia@ ntxuyen@ nthai@ dlkhoa@ Tóm tắt Đa truy nhập phi trực giao NOMA là một trong nhỏ nơi NOMA được triển khai cho người dùng trong một những kỹ thuật tiềm năng cho các hệ thống thông tin di động cụm cluster và các thuật toán MIMO được sử dụng để loại thế hệ sau. Kỹ thuật này có thể kết hợp với kỹ thuật nhiều anten bỏ nhiễu liên cụm. phát nhiều anten thu MIMO tạo thành hệ thống MIMO-NOMA Để giải mã thông tin chồng chất ở mỗi máy thu Cover là nhằm tăng dung lượng toàn hệ thống. Xét kỹ thuật NOMA miền công suất do có sự chồng lấn cả về miền không gian và miền người đầu tiên đề xuất kỹ thuật SIC 2 . Kỹ thuật này được công suất nên việc khôi phục tín hiệu ở đầu thu là khá phức đề xuất sử dụng trong đa truy nhập phi trực giao NOMA. SIC tạp. Phương pháp triệt nhiễu nối tiếp SIC thường được ứng có thể thực hiện bằng cách khai thác các thông số kỹ thuật dụng để khôi phục tín hiệu trong hệ thống MIMO-NOMA. Tuy về sự khác biệt công suất giữa các tín hiệu. Ý tưởng cơ bản nhiên phương pháp SIC phải tách các tín hiệu mạnh trước khi của SIC là tín hiệu người dùng được giải mã liên tiếp. Tuy khôi phục tín hiệu yếu hơn. Khi đó tín hiệu yếu hơn lại được nhiên phương pháp loại bỏ nhiễu nối tiếp SIC bị giới hạn bởi xem là nhiễu đối với tín hiệu mạnh nên tỉ số tín hiệu trên can nhiễu SINR của từng đầu thu sẽ giảm. Bài báo này khảo sát nó tính toán một cách phức tạp và gặp vấn đề trong quá trình việc ứng dụng học sâu để khôi phục tín hiệu thu trong hệ thống phát hiện lỗi nếu số lượng người dùng lớn. MIMO-NOMA. Ứng dụng học sâu có hai ưu điểm quan trọng Cùng
