一种神经网络级联的QPSK接收机及其辅助模型训练方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明涉及一种神经网络级联的QPSK接收机辅助模型训练方法,包括:搭建QPSK系统模型,使用QPSK系统模型获取训练数据集,搭建并训练rethink神经网络模型,rethink神经网络模型用于对经过编码和噪声影响的信号进行解调,生成预测标签;搭建并训练LSTM_CNN神经网络模型,LSTM_CNN神经网络模型用于对第一QPSK接收机辅助模型输出的预测标签进行译码。本发明的方法所训练的两个模型分别具有解调和信道译码两个小型神经网络,相比于Deepreceiver的深度神经网络,这两个小型神经网络显著减少了网络复杂度、能针对局部进行优化、应用更灵活,信息处理能力和信息恢复性能也在Deepreceiver的基础上得到了进一步提升。
《一种神经网络级联的QPSK接收机及其辅助模型训练方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 202310055588X,当前法律状态为已下证,由浙江工业大学提出申请,发明人为韩会梅;朱力;周宇轩;郎耀铭;宋晨,申请日期为2023-01-19,公开(公告)日期为2024-06-28,国际专利分类号(IPC)为 H04L 27/22 (2006.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及一种神经网络级联的QPSK接收机辅助模型训练方法,包括:搭建QPSK系统模型,使用QPSK系统模型获取训练数据集,搭建并训练rethink神经网络模型,rethink神经网络模型用于对经过编码和噪声影响的信号进行解调,生成预测标签;搭建并训练LSTM_CNN神经网络模型,LSTM_CNN神经网络模型用于对第一QPSK接收机辅助模型输出的预测标签进行译码。本发明的方法所训练的两个模型分别具有解调和信道译码两个小型神经网络,相比于Deepreceiver的深度神经网络,这两个小型神经网络显著减少了网络复杂度、能针对局部进行优化、应用更灵活,信息处理能力和信息恢复性能也在Deepreceiver的基础上得到了进一步提升。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
