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。