这些文件将在两用户非正交多址（NOMA）系统中实现用于信号检测的深度学习方法[1]。三个主要脚本分别是生成训练数据、训练神经网络和生成测试结果。该神经网络用于相位衰落的静态标量信道，用于NOMA系统中同时检测2个用户的单个子载波上的传输符号。考虑并测试了两种情况：一种是导频符号数目较少，另一种是循环前缀长度较短。在这两种情况下，深度学习方法都比传统的信道估计方法具有更强的鲁棒性。
资源文件列表
allocatePower.m , 1142
channelEstimation.m , 1727
dataTransmissionReception.m , 1694
detectML.m , 1975
getFeatureAndLabel.m , 987
symbolDecodeDL.m , 2579
symbolDecodeSIC.m , 1316
testData.m , 6782
trainData.m , 5587
trainNN.m , 1142
license.txt , 1467