公开(公告)号：CN113285775B

公开(公告)日：2023-04-25

申请号：CN202110527681.7

申请日：2021-05-14

Applicant: 南京邮电大学

Inventor： 宋荣方 ,  顾珩

IPC: H04B17/382 ,  G06N20/00 ,  H04B17/345 ,  H04B17/391 ,  H04W16/22

Abstract: 一种基于深度学习消除窄带干扰的稀疏KL散度最小化方法，主要用于解决NB‑IOT系统对LTE系统的干扰问题。为了促进无线异构网络的和谐共存，消除NBI对LTE系统至关重要。该方法能够精确的提高恢复的准确性，其主要步骤概括为：首先建立NBI系统模型，其次通过迭代当前的向量集合与残留范数之间的最小化KL散度来解决稀疏组合优化问题，最后进入整个深度学习迭代算法的流程中直到满足暂停条件。提出的发明方法比传统方法更能有效准确的恢复窄带干扰，以深度学习作为理论基础，解决了传统方法可能丢失有用数据以及需要耗费大量子载波等问题的弊端。

公开(公告)号：CN113285775A

公开(公告)日：2021-08-20

申请号：CN202110527681.7

申请日：2021-05-14

Applicant: 南京邮电大学

Inventor： 宋荣方 ,  顾珩

IPC: H04B17/382 ,  G06N20/00 ,  H04B17/345 ,  H04B17/391 ,  H04W16/22

Abstract: 一种基于深度学习消除窄带干扰的稀疏KL散度最小化方法，主要用于解决NB‑IOT系统对LTE系统的干扰问题。为了促进无线异构网络的和谐共存，消除NBI对LTE系统至关重要。该方法能够精确的提高恢复的准确性，其主要步骤概括为：首先建立NBI系统模型，其次通过迭代当前的向量集合与残留范数之间的最小化KL散度来解决稀疏组合优化问题，最后进入整个深度学习迭代算法的流程中直到满足暂停条件。提出的发明方法比传统方法更能有效准确的恢复窄带干扰，以深度学习作为理论基础，解决了传统方法可能丢失有用数据以及需要耗费大量子载波等问题的弊端。