龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：重庆邮电大学
申请日：2024-04-24
公开（公告）日：2024-06-14
公开（公告）号：CN118199808A
主分类号：H04L1/00
分类号：H04L1/00;H04B1/7105;G06N3/0464
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明属于通信技术领域，特别涉及一种基于卷积生成神经网络的免授权NOMA多用户检测方法，包括接收端从高斯分布N0,1中随机选择一个随机值z，并根据接收信号对z进行更新；利用更新后的z输入完成训练的卷积生成神经网络中，卷积神经网络根据输入的更新后的z输出估计的发送信号；从估计的发送信号中选择Na个最大幅度的设备来更新支撑集，并将支撑集中设备发送符号映射到最近的星座集中的某个星座符号，完成检测；本发明利用免授权NOMA系统中设备用户的帧间联合稀疏特性，在接收端使用深度学习理论来解决多用户检测问题，通过利用生成网络模型学习设备之间的信号干扰模式以及非线性特征，处理多用户检测问题中的信号干扰和混叠，以提升检测性能。
主权项：1.一种基于卷积生成神经网络的免授权NOMA多用户检测方法，其特征在于，具体包括以下步骤：接收端从均值为0、方差为1的高斯分布中随机选择一个随机值z，并根据接收信号对z进行更新；利用更新后的z输入完成训练的卷积生成神经网络中，卷积神经网络根据输入的更新后的z输出估计的发送信号；从估计的发送信号中选择Na个最大幅度的设备来更新支撑集，并将支撑集中设备发送符号映射到最近的星座集中的某个星座符号，完成检测。
全文数据：
权利要求：
百度查询： 重庆邮电大学 一种基于卷积生成神经网络的免授权NOMA多用户检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号