针对机器类通信（MTC）中大规模机器类通信（mMTC）和超可靠低时延通信（URLLC）的混合场景下差异化的随机接入需求，提出了一种面向差异化MTC场景需求的随机接入方案。该方案根据设备定时提前（TA）信息进行分组：对于URLLC设备，基站为组内核心设备预留前导码资源并通过非竞争方式接入网络，进而满足URLLC场景的高可靠低时延接入需求；对于mMTC设备，基站利用不同设备组TA信息的差异来区分选择相同前导码设备，并利用迭代干扰消除（SIC）检测设备数据信息，进而满足mMTC场景的海量接入需求。仿真结果表明，本方案能够显著提升成功接入设备数。

matlab的BER代码深集成电路 基于深度学习的软干扰消除符号检测器，基于论文： N. Shlezinger、R. Fu 和 YC Eldar。 “ DeepSIC：用于多用户 MIMO 检测的深度软干扰消除”。 arXiv 预印本，arXiv:2002.03214, 2020。 存储库内容 DeepSIC 的实现包括两个功能： GetDeepSICNet - 生成和训练 DeepSIC MIMO 检测器。 训练以顺序方式进行（参见上述参考资料中的顺序训练）。 s_fDetDeepSIC - 使用训练模型检测符号，返回 BER。 评估 ViterbiNet 的代码示例可以在脚本 DeepSIC_Test1.m 中找到。 此代码需要带有深度学习工具箱的 Matlab。 论文中报告的结果是使用 Matlab 2018b 模拟的。