买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于深度学习接收机的联合FTN波形优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117135023B 。

龙图腾网通过国家知识产权局官网在2025-06-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311270089.9，技术领域涉及：H04L27/34；该发明授权一种基于深度学习接收机的联合FTN波形优化方法是由赵彦博;刘光辉;刘承享设计研发完成，并于2023-09-28向国家知识产权局提交的专利申请。

本一种基于深度学习接收机的联合FTN波形优化方法在说明书摘要公布了：本发明公开了一种基于深度学习接收机的联合FTN波形优化方法，属于通信领域中的单载波通信技术。本发明在发射端优化星座点位置，以及发射信号PSD，在接收端采用BiLSTM网络来进行信号检测，在平均发射功率和SEM约束的情况下，最大化SE并实现BER性能提升。结合深度学习的BiLSTM检测器，本发明实现FTN系统收发端联合优化，在相同的时域压缩因子τ下，进一步提升频谱效率，同时优化系统性能，相较于此前的只进行收端优化的深度学习方法，本发明进行收发端联合优化能获得更好的频谱效率性能以及BER性能。

本发明授权一种基于深度学习接收机的联合FTN波形优化方法在权利要求书中公布了：1.一种基于深度学习接收机的联合FTN波形优化方法，其特征在于，包括下列步骤：步骤1，初始化调制星座并对其进行中心归一化处理，得到归一化处理后的星座C；初始化线性滤波器p的系数，所述线性滤波器p的系数为线性滤波器p的的阶数为2L，其中，k表示符号标识符，L表示预设的符号长度；初始化双向BiLSTM检测器的网络参数，包括权重W和偏置γ；初始化两个值域在0到1之间的权重，分别记为第一权重λ，和第二权重η；其中，双向BiLSTM检测器的网络结构依次包括：D层双向LSTM网络、线性层和softmax层，D为大于等于2的整数；步骤2，基于当前的星座C进行符号映射，将映射后的符号送入线性滤波器p，得到预编码处理后的发送符序列{x[k]}；步骤3，采用FTN调制方式对发送符序列{x[k]}进行信号调制后，经信道仿真处理得到对应的接收信号；步骤4，对步骤3得到的接收信号进行匹配滤波后再输入双向BiLSTM检测器进行信号检测：按照指定的长度N提取一组匹配滤波后的接收信号作为双向BiLSTM检测器的输入信号r，并将输入信号的每个符号分解为实部和虚部，得到维度为N×2的输入向量并输入双向BiLSTM检测器的D层双向LSTM网络；第D层双向LSTM网络的输出经双向BiLSTM检测器的线性层转换为维度为2×log2M的数据，再通过softmax层输出每个符号为发送比特0或者1的概率；其中，M表示星座C的尺寸；基于softmax层输出的概率获取信号检测的对数似然比，即软信息输出LLR；步骤5，通过最小化损失函数对星座C、线性滤波器p的系数和双向BiLSTM检测器的网络参数进行迭代更新；其中，表示关于双向BiLSTM检测器的softmax层的输出结果的交叉熵；Sbeyond表示频谱模板约束，且BW表示分配的标准化带宽，Smaskf表示频谱模板，Sf表示功率谱密度，f表示频率；步骤6，对第一权重λ和第二权重η依次进行迭代更新：首先更新λ：根据公式λ-ηSbeyond得到更新后的第一权重λ；再更新η：根据公式κη得到更新后的第二权重η，其中，κ为大于1且与1的偏差在指定范围的常数；步骤7，检测是否满足迭代收敛条件，若满足，则停止，基于当前的星座C、线性滤波器p的系数和双向BiLSTM检测器的网络参数得到波形优化结果；若不满足，则基于更新后的星座C、线性滤波器p的系数和双向BiLSTM检测器的网络参数继续执行步骤2-7；所述迭代收敛条件为：频谱模板约束Sbeyond的值趋近于0且损失函数Loss的值稳定；或者迭代次数达到设定的上限。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。