专利交易市场

本发明公开了一种基于深度学习的上行免信令NOMA系统多用户检测方法，该方法包括对接收信号建模，将接收信号稀疏表示和训练用于稀疏信号恢复的深度结构三个部分；本发明利用NOMA系统中用户的稀疏性以及在不同时隙的发送信号之间存在的联系，使用结构化压缩感知理论进行多用户检测，并利用深度学习理论来解决稀疏重构问题，能够实现低复杂度且高性能的多用户检测，结合用户在不同时隙的发送信号之间存在的相关性，使用结构化压缩感知理论实现多用户检测；利用深度学习理论来解决信号恢复的欠定逆问题，基于深度学习的方法从优化参数、训练稀疏表示以及神经网络三个方面进一步改进了稀疏重构算法的重构精度并提高了重构效率。

本发明涉及车联网络中的资源优化领域，特别涉及一种基于非正交多址技术的车联网络资源优化方法，在NOMA协助的车辆边缘计算系统中对车辆任务处理时，以车辆边缘计算系统的总能耗最小化为原则，确定系统的卸载和缓存决策、计算和缓存资源的分配，即考虑车辆用户的随机流量到达和队列稳定性，通过联合优化计算卸载决策和内容缓存决策，以及计算和缓存资源的分配，定义为随机优化问题；利用李雅普诺夫优化理论，提出求解该问题的动态联合计算卸载、内容缓存和资源分配算法，并将其解耦为两个独立的子问题，利用0‑1整数规划和线性规划求解两个子问题；本发明能够有效地处理移动边缘计算服务器的计算资源，并降低系统能耗。