[发明专利]基于深度学习的上行免信令非正交多址接入NOMA系统多用户检测方法有效
| 申请号： | 201810391478.X | 申请日： | 2018-04-27 |
| 公开（公告）号： | CN108768585B | 公开（公告）日： | 2021-03-16 |
| 发明（设计）人： | 桂冠;张珍玥;戴菲;熊健;范山岗;杨洁 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | H04L1/00 | 分类号： | H04L1/00 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 210003 江苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的上行免信令NOMA系统多用户检测方法，该方法包括对接收信号建模，将接收信号稀疏表示和训练用于稀疏信号恢复的深度结构三个部分；本发明利用NOMA系统中用户的稀疏性以及在不同时隙的发送信号之间存在的联系，使用结构化压缩感知理论进行多用户检测，并利用深度学习理论来解决稀疏重构问题，能够实现低复杂度且高性能的多用户检测，结合用户在不同时隙的发送信号之间存在的相关性，使用结构化压缩感知理论实现多用户检测；利用深度学习理论来解决信号恢复的欠定逆问题，基于深度学习的方法从优化参数、训练稀疏表示以及神经网络三个方面进一步改进了稀疏重构算法的重构精度并提高了重构效率。 | ||
| 搜索关键词： | 基于 深度 学习 上行 免信令非 正交 接入 noma 系统 多用户 检测 方法 | ||
【主权项】：
1.一种基于深度学习的上行免信令NOMA系统多用户检测方法，其特征在于，包括以下步骤：步骤1，用连续时隙动态模型对基站端的接收信号进行建模；步骤2，用K‑SVD方法训练稀疏表示字典，用于将接收信号稀疏表示；步骤3，建立多层降噪自动编码机结构，构建训练集、误差函数和训练深度结构，基于测试集测试性能，最后用优化后的SDA恢复接收信号。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810391478.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种数据压缩、解压缩的方法、装置及系统
- 下一篇：一种速率匹配的方法和装置
