NOMA系统基于深度学习的压缩感知脉冲噪声抑制方法

本发明公开了一种NOMA系统基于深度学习的压缩感知脉冲噪声抑制方法，其使用压缩感知重构网络代替传统的压缩感知算法，利用其巨大感受野，能够更有效地学习脉冲噪声的特性，从而更精确地重构出脉冲噪声，进而提升脉冲噪声抑制的效果；为了进一步优化网络的训练效率，压缩感知重构网络使用残差连接结构，从而加快网络在训练过程中的收敛速度；仿真结果证明，相比现有技术，本发明方法在取得更低误码率性能的同时显著地加快了训练时的收敛速度。