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！

龙图腾网获悉复旦大学申请的专利基于生成对抗网络的高频信道估计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：CN115632912B 。

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：202211133290.8，技术领域涉及：H04L25/02；该发明授权基于生成对抗网络的高频信道估计方法是由林政;王礼锋设计研发完成，并于2022-09-17向国家知识产权局提交的专利申请。

本基于生成对抗网络的高频信道估计方法在说明书摘要公布了：本发明属于太赫兹信道估计技术领域，具体为一种基于生成对抗网络的高频信道估计方法。本发明利用漏波天线的空间频谱耦合特性，使得设计的新型神经网络架构对太赫兹车辆到基础设施V2I网络中的多普勒效应具有不敏感性和鲁棒性。生成器生成与真实样本尽可能相似的估计样本以欺骗判别器，而判别器学习辨别由生成器生成的估计样本和真实样本。在训练收敛之后，将生成器作为信道估计器。信道估计器能够使得每个车辆能够根据接收信号功率强度RSS预测信道功率增益。本发明具有普适性，能够准确估计信道功率增益，并具有较快的收敛速度。

本发明授权基于生成对抗网络的高频信道估计方法在权利要求书中公布了：1.一种基于生成对抗网络的高频信道估计方法，其特征在于，利用GAN的框架，设计生成器和判别器两个前馈网络，通过在输入层拼接条件信息向量来指导生成器和判别器的输出，使得GAN由无监督学习转变为有监督学习，即成为条件生成网络cGAN；所述条件生成网络cGAN具体结构包括：生成器和判别器；所述生成器由包含全连接层、批标准化层和PReLU激活层组成的三层神经网络结构，以及包含全连接层、批标准化层、PReLU激活层和批标准化层组成的四层神经网络结构构成；生成器结构中包含两次向量拼接；所述判别器由包含全连接层和ReLU激活层，以及包含全连接层和Sigmoid激活层组成的两层神经网络结构构成；其中，生成器的目标是产生尽可能与真实样本相同的估计样本，并且使判别器为估计样本提供更高的概率值；而判别器的目标是对真实样本给出较高的概率值，对生成器生成的估计样本给出较低的概率值；其中，增加额外的条件信息向量和噪声向量的跨层拼接，使得条件信息向量被拼接两次，以补偿神经网络中连续层的数据信息损失，并使所提出的GAN模型更高效地生成样本；还扩展噪声向量和条件信息向量，以增加信息的丰富性并提高生成准确样本的效率；具体步骤为：步骤1：生成器首先选择一组频点fi以及该频点所对应的接收信号强度作为条件信息向量，则条件信息向量为并且随机生成噪声向量z＝[z1,z2,…,zn]，先对条件信息向量和噪声向量进行向量扩展，使用全连接层、批标准化层，PReLU激活层依次处理向量，从而扩展它们的维度；步骤2：将维度扩展后的条件信息向量和噪声向量进行第一次向量拼接；而后经过包含全连接层、批标准化层，PReLU激活层的三层神经网络结构进行处理，而后使用五个相同的四层神经网络结构，每个四层神经网络结构分别包含全连接层、批标准化层、PReLU激活层和批标准化层，之后再通过两个相同的三层神经网络处理；每个三层神经网络结构包含全连接层、批标准化层，PReLU激活层；步骤3：将步骤2中输出的向量与维度扩展后的条件信息向量进行第二次向量拼接，然后通过三层全连接层，输出为估计信道功率增益向量其中代表频点fi对应的估计信道功率增益值；步骤4：判别器将真实信道功率增益向量和估计信道功率增益向量分别与条件信息向量拼接作为判别器的输入，而后先经过两个同样的双层神经网络结构全连接层和ReLU层，然后再分别通过全连接层以及Sigmoid激活层，输出结果为概率值。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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。