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！

龙图腾网获悉西北工业大学申请的专利一种复杂交通场景中的车联网信道预测方法及相关设备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：CN120238221B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510713679.7，技术领域涉及：H04L25/02；该发明授权一种复杂交通场景中的车联网信道预测方法及相关设备是由刘家佳;金子腾设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种复杂交通场景中的车联网信道预测方法及相关设备在说明书摘要公布了：本发明涉及车联网通信技术领域，公开了一种复杂交通场景中的车联网信道预测方法及相关设备。该方法包括构建车联网信道的城市道路场景，在所述城市道路场景下模拟得到V2I通信结果，并通过V2I通信结果采集得到场景数据；对所述场景数据经预处理和前向加噪后进行侧边信息嵌入得到带有时空特征和关键依赖关系的信道数据；将信道数据输入至训练好的反向去噪模型内，生成预测最佳信道索引，以预测最佳信道索引对复杂交通场景中的车联网信道进行预测。本发明采用反向去噪模型，通过隐式状态演化有效解决了信道预测问题，克服了依赖冗长公式推导或基础非线性模型的局限性，能够精确捕捉信道状态与通信信道之间的复杂非线性映射关系。

本发明授权一种复杂交通场景中的车联网信道预测方法及相关设备在权利要求书中公布了：1.一种复杂交通场景中的车联网信道预测方法，其特征在于，包括： 构建车联网信道的城市道路场景，在所述城市道路场景下模拟得到V2I通信结果，并通过V2I通信结果采集得到场景数据； 其中，所述场景数据包括最佳信道索引值、通信信号时间数据、车辆的位置信息以及环境信息，其中环境信息包括道路拓扑、交通流量以及遮挡物分布； 对所述场景数据经预处理和前向加噪后进行侧边信息嵌入得到带有时空特征和关键依赖关系的信道数据； 所述场景数据的预处理包括： 将所述场景数据进行数据划分和数据处理； 所述数据划分的过程包括： 将所采集的最佳信道索引值集合为数据集，并划分为真实已知部分、假装未知部分和真实未知部分；所述真实已知部分和假装未知部分用于模型训练，所述真实未知部分用于模型应用； 所述数据处理的过程包括： 将通信信号时间数据进行对齐，车辆的位置信息进行清洗和归一化处理，并记录相应的环境信息； 所述前向加噪是对假装未知部分和真实未知部分进行前向加噪处理得到前向加噪数据； 所述侧边信息嵌入是对真实已知部分和前向加噪数据进行侧边信息嵌入，其中，侧边信息包括通信信号时间数据、车辆的位置信息； 所述侧边信息嵌入的具体过程包括： 将所述真实已知部分和前向加噪数据输入至卷积层进行初步特征提取，并将时间信息通过全连接层和卷积层嵌入到初步特征中； 通过时序提取层提取数据中的时间依赖性特征，并根据时间依赖性特征捕捉信道状态随时间变化的规律； 特征提取层通过多层卷积和特征融合，提取得到时间关键特征； 车辆的位置信息通过扩展卷积嵌入到初步特征中，并提取得到高阶空间特征； 将时间关键特征和高阶空间特征进行融合输入至门控激活单元后输出得到带有时空特征和关键依赖关系的信道数据； 将信道数据输入至训练好的反向去噪模型内，生成预测最佳信道索引，以预测最佳信道索引对复杂交通场景中的车联网信道进行预测； 所述将信道数据输入至训练好的反向去噪模型内，生成预测最佳信道索引，包括： 将侧边信息嵌入后的信道数据输入反向去噪模型内，逐步去除噪声，生成假装未知部分的预测最佳信道索引，并通过计算去噪后的数据与真实数据之间的误差优化得到训练好的反向去噪模型； 将纯噪声数据输入至训练好的反向去噪模型内生成真实未知部分的预测最佳信道索引，用于指示下一时刻的信道状态。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。