7、大规模接入算法及云计算与边缘计算对比分析

大规模接入算法及云计算与边缘计算对比分析

1. GLM 与 SIC 算法在 AUD 和 CE 中的应用

在大规模接入场景中，设备活动检测（AUD）和信道估计（CE）是关键环节。GLM 相关算法在处理 AUD 和 CE 问题时，由于 rp,b,g,m /∈Cb（∀p, b, g, m），导致 SS - GAMP 算法的非线性模块基于量化码本开发时，对 Yp,b 的估计不可靠。因此，在 CE 中，直接将 SS - GAMP 算法的 SLM 模块应用于 (3.17)，把量化误差视为噪声，同时考虑大规模 MIMO 信道的虚拟角域稀疏性。为了细化稀疏比，利用图 3.4b 所示的聚类稀疏性，定义 wp,b,k,m 的邻居为：
[
\hat{N} {p,b,k,m} = {(p - 1, b, k, m), (p + 1, b, k, m), (p, b, k, m - 1), (p, b, k, m + 1)}
]
并且 γp,b,k,m 的更新规则为：
[
\gamma {p,b,k,m}^{q + 1} = \frac{1}{|\hat{N} {p,b,k,m}|} \sum {(o,b,k,u) \in \hat{N} {p,b,k,m}} \theta {o,b,k,u}^{q + 1}
]
需要注意的是，与传统的 CS 算法相比，SS - GAMP 算法在低分辨率量化情况下表现更优。当量化精度足够高（量化比特数 Q 较大）时，量化误差可忽略不计，此时可直接将 SS - GAMP 算法的 SLM 模块应用于 (3.15) 进行 AUD，能在性能损失可忽略的情况下降低计算复杂度。