原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
本发明公开了一种NOMA系统中基于深度学习的压缩感知脉冲噪声抑制方法，在不需要脉冲噪声稀疏度的情况下，通过数据驱动的方式，利用线性映射网络代替传统贪婪算法的求伪逆过程，利用卷积神经网络代替传统贪婪算法的迭代过程，完成了从空子载波的接收信号到脉冲噪声的逆变换，从而解决压缩感知框架下的欠定最优化问题，实现了对脉冲噪声的实时重构；仿真结果表明，与传统的基于压缩感知的脉冲噪声估计算法相比，本发明方法的性能和压缩感知重构速度提升明显，且能够解决传统的基于迭代的压缩感知脉冲噪声抑制算法计算时间长、重构效果不
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117556234A
(43)申请公布日2024.02.13
(21)申请号202311306176.5G06N3/08(2023.01)
文档评论（0）