Simulation d’un système NOMA SCMA basé sur l’intelligence artificielle pour les réseaux 5G

Abstract

La technologie NOMA joue un rôle essentiel dans l'évolution des réseaux de communication sans fil, en particulier dans le contexte de la 5G. En autorisant le partage simultané de la même ressource spectrale par plusieurs utilisateurs, NOMA augmente l'efficacité spectrale et propose des performances plus élevées en termes de débit et de capacité par rapport aux techniques d'accès multiple traditionnelles. L'accès multiple par répartition par codes épars (SCMA) apparaît comme une solution prometteuse pour la 5G dans ce contexte. À la différence des schémas de multiplexage classiques, SCMA utilise une combinaison de séquences de codes afin de représenter les données des utilisateurs, ce qui permet d'améliorer l'efficacité spectrale et de résister davantage aux interférences. Cependant, la complexité de détection multi-utilisateur engendrée par le MPA (Message Passing Algorithm) représente un défi majeur à relever. Dans cette étude, une approche innovante utilisant l'intelligence artificielle (IA) est proposée afin de créer un système NOMA SCMA performant dans les réseaux 5G. Le but principal consiste à réduire la complexité de la détection tout en diminuant le taux d'erreur symbolique (SER). Les réseaux de neurones profonds (DNN) sont utilisés pour détecter les signaux dans un environnement NOMA SCMA spécifique à la 5G, selon la méthodologie proposée. La formation des DNNs consiste à détecter et à distinguer les signaux superposés provenant de divers utilisateurs, tout en tenant compte des caractéristiques particulières de la modulation et du canal