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！

龙图腾网获悉东南大学申请的专利一种基于降维复卷积网络的6G无线信道特性提取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：CN115567131B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202211157608.6，技术领域涉及：H04B17/391；该发明授权一种基于降维复卷积网络的6G无线信道特性提取方法是由王承祥;周文奇;冯瑞设计研发完成，并于2022-09-22向国家知识产权局提交的专利申请。

本一种基于降维复卷积网络的6G无线信道特性提取方法在说明书摘要公布了：本发明公开了一种基于降维复卷积网络的第六代6G移动通信无线信道特性提取方法。针对6G移动通信无线信道特性分析与建模，解决现有无线信道特性提取难以实现精确度与复杂度折中的问题。其实现步骤为：1使用射线追踪仿真软件，获取多个典型场景下的信道仿真数据；2对多径进行分簇，计算簇内间时延角度扩展统计量；3使用栈式自编码器对大维仿真数据进行去干扰无监督数据降维；4提出复数交叉卷积神经网络提取相关统计量；5使用实测数据进行增量学习，增强所构建网络的鲁棒性；6比较所提出方法与其他网络的复杂度和精确度性能。本发明提供的无线信道特性提取方法具有复杂度较低的特点，可为时变和大维测量数据的处理提供有效解决方案。

本发明授权一种基于降维复卷积网络的6G无线信道特性提取方法在权利要求书中公布了：1.一种基于降维复卷积网络的6G无线信道特性提取方法，其特征在于，包括如下步骤： S1、构建真实通信环境的孪生场景，获取多种典型场景下的无线信道仿真数据； S2、根据仿真多径参数及分簇处理后结果计算相关统计量，建立典型场景无线信道仿真数据库； S3、从所述仿真数据库中选取训练数据，输入训练数据，使用去噪栈式自编码器对6G大维数据进行特征降维，并抽取编码器特征参数； S4、将编码器特征参数输入构建的X-CNN进行训练，实现信道特性提取，并使用测试数据集进行网络性能验证； S5、开展不同场景下的信道测量，处理实测数据，并对网络进行增量学习； S2的具体步骤包括： S201、所述统计量包括接收功率，以及多径和簇间的均方根时延扩展、水平到达角扩展、俯仰到达角扩展、水平离开角扩展、俯仰离开角扩展，其中多径均方根时延角度扩展由RT仿真软件中直接获取； 以下给出相应统计量的计算方法：收发端分别配置NR和NT根天线，hqpt,τ表示第q根接收天线第p根发送天线在时刻t时延τ的信道冲激响应，p＝1,…,NT，q＝1,…,NR，则来自第p根发送天线、到达第q根接收天线的信号功率大小计算如下： 其中L为多径数目，βl为第l条路径的复幅度；到达接收端且由于路程不同导致的均方根时延扩展计算如下： 其中τl为第l条路径的时延，μτ为时延均值；对于多径RMS，记为στ,L，对于簇间时延扩展，记为στ,C；RMS角度扩展计算如下： 其中μθ为角度均值；θl为第l条路径的角度，用于计算多径的水平到达角扩展、俯仰到达角扩展、水平离开角扩展、俯仰离开角扩展，分别记为以及簇间的水平到达角扩展、俯仰到达角扩展、水平离开角扩展、俯仰离开角扩展，分别记为 及 S202、对于簇间统计量，使用MiniBatchk-means聚类算法进行分簇； S203、根据分簇结果，得到簇间时延扩展στ,C和角度扩展及 S204、整理RT仿真数据与相关统计量，建立仿真数据库； S3的具体步骤包括： S301、使用去噪栈式自编码器进行特征降维：首先，从训练数据集y中随机产生受复高斯分布噪声污染的干扰样本其中y是包含典型室内办公、走廊、室内到室外场景下仿真得到的信道冲激响应数据集合； S302、分别抽取数据的实部和虚部堆叠为列向量；经过全连接网络后，使用sigmoid激活函数，并做归一化处理后输入编码器e·，其中x为每层网络的输入；编码器包括输入层和多个隐藏层；其中，隐藏层使用softplus作为激活函数； S303、将编码器最后一个隐藏层的输出作为解码器的输入d·，则该去噪自编码的目标即为训练网络得到使得代价函数最小的网络参数值 其中网络优化采用梯度下降法； S304、设置最小损失函数目标阈值及最大迭代次数，当训练达到目标值或最大迭代次数时停止；去除解码器，此时编码器的输出{dn}即为经过网络处理后抽取的低维深度特性，其维度与编码器最后一层神经元的数目一致，作为X-CNN的输入进行下一步预测； S4的具体步骤包括： S401、将所建立的仿真数据库划分训练和测试数据集；抽取经过栈式自编码器降维后的训练数据集作为X-CNN的输入，依旧首先按照实部和虚部进行并行训练；使用z-score标准化方法进行数据归一化预处理，消除评价指标之间的量纲影响，并以相应的特性参数作为标签； S402、构建X-CNN，采用卷积-池化-卷积-池化-卷积-池化-长短期记忆网络的层级结构。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。