专利交易市场

本发明针对mMTC系统海量机器类设备信息传输特性，揭示了一种基于SCMA mMTC系统分层机器类通信的子载波及功率分配方法，包括步骤：S1，根据MTCG与MTCD的一对多通信模型列出最优化问题及其约束条件；S2，根据已知的映射矩阵将最优化问题由非凸函数转变为凸函数，并基于已知的子载波上信道系数进行降序排列，示出最优化问题中的干扰；S3，基于凸函数求解每个MTCD在各个子载波功率分配的最优解；S4，基于凸函数求解各MTCD及其占用子载波后的速率，再根据效用函数对子载波计算分配，得到完整的功率分配与子载波的分配方案。应用本发明该技术方案，加深了基站与更多MTCD的通讯，同时提升了系统的频谱利用率。

本发明属于计算机和通信技术领域，具体涉及一种基于深度学习的联合迭代检测译码方法；所述方法包括在SCMA的消息传递算法的因子图中资源节点和用户节点之间的传递路径中添加可学习权重因子；在置信度传播算法的因子图中信息迭代中添加可通过离线学习的可学习偏移量；并形成联合因子图；将联合因子图中的可学习权重因子以及可学习偏移量作为深度神经网络的隐藏层参数，并输入加扰后的信息比特值在深度神经网络中进行迭代更新；依次迭代更新资源节点信息、先验节点信息以及用户节点信息；更新完资源节点信息、用户节点的先验信息以及用户节点信息后，输出估计传输符号；本发明可以在运算复杂度增大在可接受范围内，有效提高检测译码BER性能。