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。