原创力文档- 1、本文档共19页，其中可免费阅读18页，需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
- 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明属于无线通信技术领域，具体涉及一种面向多输入多输出检测的模型驱动的深度神经网络方法。符号检测方法是提高系统频谱效率的重要一环，所以本发明致力于设计更优的符号检测器，以此来提升系统性能以及降低时间复杂度。本发明采用基于模型驱动的深度学习方法，将贝叶斯估计算法展开成多层深度学习网络，通过最大化松弛的证据下界(ELBO)来优化学习参数，可以获得具有性能优势和较低时间复杂度的检测器。不同于现有深度学习方案，本发明所提出的方案无需知道噪声方差，这是由于本发明所提出的方法可以自动更新噪声，这具有现实意
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113794660 B
(45)授权公告日 2022.06.07
(21)申请号 202111061017.4 (56)对比文件
文档评论（0）