Oppimiseen perustuvat tehokkaat pääsymenetelmät konetyyppiselle viestinnälle: Monikäyttäjätunnistus

Tämän väitöskirjatutkimuksen tavoitteena on esitellä tehokkaita oppimiseen perustuvia menetelmiä massiiviseen konetyyppiseen viestintään (mMTC), joka on keskeinen palvelu kuudennen sukupolven järjestelmissä. Siinä keskitytään tukemaan suuria määriä vähävirtaisia matalakompleksisia laitteita, jotka lähettävät lyhyitä datapaketteja satunnaisesti. Tämä tuo haasteita satunnaispääsyn toteuttamiselle. Lupavapaa satunnaispääsy ja nousevan siirtotien ei-ortogonaalinen monipääsy (Non-Orthogonal Multiple Access, NOMA) otetaan käyttöön, jotta ylikuormituskapasiteettia voidaan vahvistaa, siirtoviivettä pienentää ja signalointikuormaa minimoida. Sparse Code Multiple Access (SCMA) ja Multi-User Shared Access (MUSA) esitellään kehittyneinä menetelminä. Lupavapaassa NOMA:ssa konetyyppiset laitteet lähettävät tietoja tukiasemalle ilman erillistä lupaa. Tämän vuoksi monikäyttäjätunnistus on ratkaisevan tärkeä tukiaseman tehtävä.

Lupavapaata SCMA- ja MUSA-järjestelmää hyödyntävään nousevan siirtotien mMTC-kehykseen ehdotetaan uudenlaista ennakkoon aktivoitua jäännösneuroverkkoon perustuvaa MUD-menetelmää, jonka avulla aktiivisten konetyyppisten laitteiden lukumäärä voidaan tunnistaa kanavatila- ja laiteharvuustietojen puuttuessa. Uudenlainen jäännösyksikkö oppii SCMA-koodikirjojen, MUSA-jaksojen ja laiteyhdistelmien ominaisuudet yhden mittausvektorin (SMV) ja usean mittausvektorin (MMV) järjestelmissä. Lähestymistapaa sovelletaan spatiaalisesti korreloituihin Rician-vaimennuskanaviin, ja se muotoillaan syväoppimistekniikoita hyödyntäväksi moniluokkaisen luokittelun ongelmaksi. Kahta ratkaisua ehdotetaan: ViT-Net on vision transformer -pohjainen arkkitehtuuri, ja FAR-Net on täysin aktivoitu syvä neuroverkko, jossa on jäännösyhteyksiä.

Matalakompleksisia algoritmeja tutkitaan realistisessa tuotantoympäristössä sisätiloissa käyttämällä kokeellista dataa mobiliteettiskenaarioista. Toimivassa sisätiloissa sijaitsevassa tehtaassa suoritettiin kanavamittauskampanja, jossa käytettiin vakioparametreja ja USRP-moduuleja. Numeeriset arvioinnit osoittavat, että ehdotetut menetelmät toimivat tehokkaammin kuin nykyiset lähestymistavat tarkastellulla signaali-kohinasuhteen alueella.