基于深度学习的物联网大规模用户检测技术研究
物联网(Internet of Things, IoT)是信息领域一次重大的发展和变革机遇,大规模多用户检测则是物联网领域极具应用前景却具有挑战性的关键问题之一。海量用户的接入使得传统多用户检测方案的复杂度过高而难以使用,压缩感知(CompressedSensing,CS)方法虽然能利用稀疏性减少复杂度,但其性能与复杂度还有很大的改进空间。本文在标准残差网络结构的基础上,提出了深度卷积残差网络(Deep Residual Convolutional Neural Network,DRCNN)用于大规模物联网中的多用户检测以提高用户检测的准确率,并与压缩感知和深层全连接神经网络方法进行了对比。仿真结果表明,相比于深度学习全连接网络卷积网络DRCNN以及传统压缩感知算法OMP、IHT、BOMP算法,DRCNN算法在用户检测准确率方面体现出显著的性能优势。
物联网 多用户检测 深度学习 卷积网络 残差网络
吴萧江 李国兵 张国梅
西安交通大学信息与通信工程学院,陕西省西安市710049
国内会议
西安
中文
11-15
2019-11-01（万方平台首次上网日期，不代表论文的发表时间）