1.一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法，其特征在于：具体包括：获取DCO‑OFDM系统发送的二进制比特流，将二进制比特流映射为原始复数QAM符号，将原始复数QAM符号分配至不同DCO‑OFDM样本的有效子载波上，得到第 个DCO‑OFDM样本的第个子载波的频域符号，其中， ， 表示一个批次中的DCO‑OFDM样本数量；

针对第 个DCO‑OFDM样本的第 个子载波的频域符号，施加星座扩展偏移量，生成对应的 个等效候选点，构建第 个DCO‑OFDM样本的第 个子载波的 个等效候选点的候选符号集合；

将第 个DCO‑OFDM样本的第 个子载波的 个等效候选点的候选符号集合进行实虚部解耦与维度重组，得到模型输入张量；

将模型输入张量输入训练好的深度决策网络模型，得到候选符号决策权重张量；

将候选符号集合与候选符号决策权重张量进行加权计算，得到DCO‑OFDM信号的频域向量，对DCO‑OFDM信号的频域向量进行频域补零采样后，通过逆变换求得离散时域信号向量；

所述深度决策网络模型的训练方法，具体包括：

步骤1.1：设置总训练阶段数为 ，对应的递增星座扩展阶数 ，其中，定义循环变量 ，其取值为 ；

步骤1.2：基于当前阶段的星座扩展阶数 ，为训练批次中的每个DCO‑OFDM样本重新生成候选符号集合；

步骤1.3：对当前阶段候选符号集合进行预处理得到模型输入张量，并调整深度决策网络模型的输入和输出维度；

步骤1.4：若 ，初始化深度决策网络的所有参数；若 ，则调用第 阶段训练得到的局部特征提取模块的参数，对当前阶段的深度决策网络模型的局部特征提取模块进行初始化；

步骤1.5：将模型输入张量输入到当前阶段的深度决策网络模型中，基于复合损失函数，利用梯度下降算法对深度决策网络模型进行训练直至深度决策网络模型收敛，保存当前阶段训练得到的局部特征提取模块的参数；

步骤1.6：判断循环变量是否满足 ，若满足，令 ，返回步骤1.2，继续向下执行，若不满足，结束循环训练过程，当前阶段训练完成的深度决策网络模型作为最终模型；

所述对当前阶段候选符号集合进行预处理得到模型输入张量，具体包括：将第 个DCO‑OFDM样本中第 个子载波的候选符号集合中的 个候选符号的实部与虚部提取出来并交错排列，生成实数特征向量 ；

将第 个DCO‑OFDM样本中所有有效子载波的实数特征向量级联，构建一个实数特征矩阵 ，其中， 表示星座扩展阶数为 时，第 个DCO‑OFDM样本中第 个子载波的所有候选符号构成的实数特征向量；

将 个DCO‑OFDM样本对应的实数特征矩阵进行堆叠，得到深度决策网络模型的模型输入张量 ，模型输入张量维度属于实数空间 ，其中， 表示星座扩展阶数为 时，第 个DCO‑OFDM样本对应的实数特征矩阵， 表示候选点特征通道， 表示序列长度， 表示一个批次中DCO‑OFDM样本的总数量。

2.根据权利要求1所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法，其特征在于：所述复合损失函数 的表达式如下：；

其中， 表示PAPR性能损失项， 表示决策熵正则化项， 为动态加权系数；

的表达式如下：

；

其中， 表示一个训练批次中的DCO‑OFDM样本数量， 表示第 个DCO‑OFDM样本的峰均比；

的表达式如下：

 ；

其中， 为子载波总数， 为星座扩展阶数为 时，第 个DCO‑OFDM样本的第个子载波的决策权重向量的信息熵； 表示星座扩展阶数为 时，第 个DCO‑OFDM样本中第 个子载波的 个等效候选符号对应的决策权重向量。

3.根据权利要求2所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法，其特征在于： 的表达式如下：；

其中， 表示星座扩展阶数为 时，第 个DCO‑OFDM样本中第 个子载波的第 个等效候选符号对应决策权重向量， 。

4.根据权利要求1所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法，其特征在于： 个等效候选点中第 个等效候选点 的表达式如下：；

其中， 取值为正整数，表示星座扩展阶数， 表示等效候选星座点的总数目， 表示第 个DCO‑OFDM样本的第 个子载波的频域符号， 是第 个DCO‑OFDM样本中第 个子载波的第 个等效候选点对应的星座扩展偏移量；

其中， 的表达式如下：

；

其中， 为符号函数， 为扩展步长， 和 分别表示实部和虚部的扩展系数索引， 表示虚数单位， 和 分别表示第 个DCO‑OFDM样本的第 个子载波的原始复数QAM符号的实部和虚部。

5.根据权利要求1所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法，其特征在于：所述DCO‑OFDM信号的频域信号表示为 ， ，其中， 表示过采样倍数， 的具体表达式如下：；

其中， 表示等效候选点的总数目， 表示星座扩展阶数为 时，第 个DCO‑OFDM样本中第 个子载波的第 个等效候选符号对应决策权重向量， 表示星座扩展阶数为时，第 个DCO‑OFDM样本中第 个子载波的第 个等效候选点， 表示星座扩展阶数为 时，第 个DCO‑OFDM样本中第 个子载波的第 个等效候选符号对应决策权重向量， 表示星座扩展阶数为 时，第 个DCO‑OFDM样本中第 个子载波的第个等效候选点，表示取共轭。

6.根据权利要求1所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法，其特征在于：离散时域信号 的表达式如下：；

其中， 表示过采样倍数， 表示DCO‑OFDM信号的频域信号， 表示虚数单位， 表示圆周率， 为子载波的序号，exp()表示指数函数， 表示时域序号。

7.一种计算机可读存储介质，其特征在于：其上存储有计算机程序，该计算机程序被处理器执行时，实现如权利要求1至6中任一所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法。

8.一种计算机设备，其特征在于：包括：

存储器，用于存储指令；

处理器，用于执行所述指令，使得所述计算机设备执行如权利要求1至6中任一所述的一种基于多阶段迁移学习的DCO‑OFDM峰均比抑制方法的操作。