申请/专利权人：安徽大学

申请日：2023-11-07

公开（公告）日：2024-02-06

公开（公告）号：CN117527041A

主分类号：H04B7/185

分类号：H04B7/185;H04J13/12;H04J13/00;G06N3/0455;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明涉及一种基于深度学习的LEO卫星码分多址方法，包括：在扩频编码端构建用于生成用户扩频码并对用户的数据进行扩频的CDMA扩频编码器，CDMA扩频编码器采用全连接深度神经网络构建；在多用户检测端构建用于多用户检测以获得所有用户的原始信息的CDMA多用户检测器；对CDMA扩频编码器和CDMA多用户检测器采用端到端联合训练，通过CDMA扩频编码器的输入数据s和CDMA多用户检测器的输出数据构造损失函数，利用反向传播算法及神经网络优化器进行端到端联合训练。本发明还公开了基于深度学习的LEO卫星码分多址系统。本发明通过深度全连接神经网络自动生成用户扩频码，通过深度学习的端到端训练的方法提高了误码率性能。

主权项：1.一种基于深度学习的LEO卫星码分多址方法，其特征在于：该方法包括下列顺序的步骤：1在扩频编码端构建用于生成用户扩频码并对用户的数据进行扩频的CDMA扩频编码器，CDMA扩频编码器采用全连接深度神经网络构建；2在多用户检测端构建用于多用户检测以获得所有用户的原始信息的CDMA多用户检测器，CDMA多用户检测器采用多用户检测网络构建，所述多用户检测网络为全连接深度神经网络；3对CDMA扩频编码器和CDMA多用户检测器采用端到端联合训练，通过CDMA扩频编码器的输入数据s和CDMA多用户检测器的输出数据构造损失函数，利用反向传播算法及神经网络优化器进行端到端联合训练。

全文数据：

权利要求：

百度查询： 安徽大学 一种基于深度学习的LEO卫星码分多址方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD