基于多阶段迁移学习的DCO-OFDM峰均比抑制方法及系统
本发明公开了一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法及系统,通过星座扩展生成候选符号集合;将候选符号集合预处理为特征张量,并输入至一个局部特征提取模块、全局信息交互模块及决策输出模块级联构成的混合深度决策网络中;该网络输出概率化决策权重,并通过一个从决策权重到PAPR计算的全可微通路,设计包含PAPR性能损失项和决策熵正则化项的复合目标函数,采用多阶段渐进式迁移学习策略进行端到端无监督训练。本发明通过专用的网络架构与训练策略,有效降低DCO‑OFDM系统的PAPR,减小非线性失真,同时将复杂的搜索过程转移至离线训练阶段,降低了在线计算复杂度,提升了模型的收敛速度与最终性能。
《基于多阶段迁移学习的DCO-OFDM峰均比抑制方法及系统》是一发明专利,专利号为 2026100249962,当前法律状态为已下证,由南京信息工程大学提出申请,发明人为李宝龙;臧璇;冯斯梦;潘文伟;蔡正鑫;万佳兴,申请日期为2026-01-09,公开(公告)日期为2026-03-31,国际专利分类号(IPC)为 H04L 27/26 (2006.01),高新资质:未报高企,所属技术领域包括:数据通信网络、神经网络模型、电子信息、通信、无线通信、光通信、多载波调制技术、多载波调制、中继协议、空地链路、混合射频、保密传输、信道估计、资源分配、传输容量优化。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:本发明公开了一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法及系统,通过星座扩展生成候选符号集合;将候选符号集合预处理为特征张量,并输入至一个局部特征提取模块、全局信息交互模块及决策输出模块级联构成的混合深度决策网络中;该网络输出概率化决策权重,并通过一个从决策权重到PAPR计算的全可微通路,设计包含PAPR性能损失项和决策熵正则化项的复合目标函数,采用多阶段渐进式迁移学习策略进行端到端无监督训练。本发明通过专用的网络架构与训练策略,有效降低DCO‑OFDM系统的PAPR,减小非线性失真,同时将复杂的搜索过程转移至离线训练阶段,降低了在线计算复杂度,提升了模型的收敛速度与最终性能。
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!
