买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉暨南大学申请的专利一种基于深度学习的仿射频分复用峰均功率比降低方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120455229B 。

龙图腾网通过国家知识产权局官网在2026-01-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510705862.2，技术领域涉及：H04L27/26；该发明授权一种基于深度学习的仿射频分复用峰均功率比降低方法及系统是由李强;黄鹏飞设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本一种基于深度学习的仿射频分复用峰均功率比降低方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的仿射频分复用峰均功率比降低方法及系统，方法包括以下步骤：获取仿真仿射频分复用发射信号；基于无监督学习构建深度神经网络模型，并基于仿真仿射频分复用发射信号对深度神经网络进行训练，得到峰均功率比优化模型；获取仿射频分复用发射信号并输入至峰均功率比优化模型中进行优化，得到优化值，并将优化值与仿射频分复用发射信号结合进行峰均功率比降低。本发明基于深度学习技术设计了用于降低仿射频分复用峰均功率比的方法与系统，填补了深度学习在仿射频分复用峰均功率比降低上的空白，丰富了深度学习技术在无线通信系统上的应用。

本发明授权一种基于深度学习的仿射频分复用峰均功率比降低方法及系统在权利要求书中公布了：1.一种基于深度学习的仿射频分复用峰均功率比降低方法，其特征在于，包括以下步骤： 获取仿真仿射频分复用发射信号； 基于无监督学习构建深度神经网络模型，并基于所述仿真仿射频分复用发射信号对所述深度神经网络进行训练，得到峰均功率比优化模型； 获取仿射频分复用发射信号并输入至所述峰均功率比优化模型中进行优化，得到优化值，并将所述优化值与所述仿射频分复用发射信号结合进行峰均功率比降低； 所述仿真仿射频分复用发射信号包括：导频和数据； 所述导频为收发双方已知的数据，用于接收信号时对信道的估计； 所述数据承载需要发送的信息； 所述深度神经网络模型包括：输入层、若干隐藏层和输出层； 若干所述隐藏层为8层，所述隐藏层的激活函数为ReLU，所述输出层的激活函数为Sigmoid； 采用Adam作为所述深度神经网络模型的优化器； 对所述深度神经网络进行训练的方法包括： 获取仿射频分复用的峰均功率比表达式： 其中，E{|s[n]|2}表示仿真仿射频分复用发射信号的平均功率，表示仿真仿射频分复用发射信号的峰值功率，s[n]表示仿射频分复用发送信号经离散仿射傅里叶变换转换后的时域信号，N表示线性调频子载波的个数，x[m]表示仿真仿射频分复用发射信号，c1和c2表示仿射频分复用的两个参数； 将所述峰均功率比表达式作为损失函数，对所述深度神经网络模型进行训练，得到所述峰均功率比优化模型； 进行所述峰均功率比降低的方法包括： 获取仿射频分复用发射信号并输入至所述峰均功率比优化模型中进行优化，得到优化值，所述优化值包括：保护间隔插入点和主动星座扩展点； 并将所述优化值与所述仿射频分复用发射信号结合进行峰均功率比降低：所述保护间隔插入点将嵌入所述导频与所述数据之间，用于防止导频数据间干扰并降低峰均功率比；所述主动星座扩展点通过在扩展范围内寻找最优值来降低峰均功率比。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。