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集成网络学习的水下可见光信道估计器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：CN116455467B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202310264281.0，技术领域涉及：H04L25/02；该发明授权基于集成网络学习的水下可见光信道估计器是由迟楠;蔡济帆设计研发完成，并于2023-03-19向国家知识产权局提交的专利申请。

本基于集成网络学习的水下可见光信道估计器在说明书摘要公布了：本发明属于可见光通信技术领域，具体为一种基于集成网络学习的水下可见光信道估计器。本发明的水下可见光信道估计器，包括机器学习的三个分支网络，用以估计水下可见光信道；具体根据已有的先验知识，把信道估计器拆分成三个子网络：线性估计器、SSBI估计器、ReLU估计器，分别用来估计信道的线性噪声、二次项噪声和高阶项噪声；然后将三个子网络集成，经过训练，得到总的水下可见光信道估计器；本发明降低了整个网络的复杂性，减少量神经元数量，仍然能达到预期的效果，提供更准确的信道估计。

本发明授权基于集成网络学习的水下可见光信道估计器在权利要求书中公布了：1.一种基于集成网络学习的水下可见光信道估计器,其特征在于，包括设计机器学习的三个分支网络，用以估计水下可见光信道；具体地，根据已有的先验知识，把信道估计器拆分成三个子网络，即机器学习的三个分支网络：线性估计器、SSBI估计器、ReLU估计器，分别用来估计信道的线性噪声、二次项噪声和高阶项噪声；然后将三个子网络集成，经过训练，得到总的水下可见光信道估计器； 所述线性噪声是由于脉冲成形技术中使用根生余弦滤波器而带了码间串扰ISI；所述二次项噪声是由于系统采用强度调制直调直检时，光电探测器PD在接收端的平方律探测导致的噪声；所述高阶项噪声来自光电器件大功率传输时带来的非线性失真； 1用于估计信道线性噪声的线性估计器； 线性估计器采用一个线性神经网络，线性神经网络包含一个输入层、一个隐藏层和一个输出层，隐藏层节点之间为线性权连接；线性神经网络采用多输入单输出的结构，多输入是模拟ISI的过程，输入节点数量为串扰的抽头数，单输出是为了尽可能保证数据预测的准确性； 传输的信号Txdata用一个长度为2n+1的滑窗进行整形，然后送入线性神经网络；线性神经网络仿真ISI的过程如下式1所示， 其中，n表示单边信号的串扰长度，ISI的抽头长度为2n+1；s和o分别为输入、输出信号；ω1是每个信号的权重，是ω1的分量，si是s的分量，i＝T-n，T-n+1，，，T+n；T是每个信号对应的时刻，n是单边信号的串扰长度； 2用于估计信道二次项噪声的SSBI估计器 系统在接收端会受到来自SSBI的二次项失真；归一化的探测信号VDDn写为： 其中，是不会被示波器探测的直流量，2[Ecarrier·E0n]是所需的信号，|E0n|2是二次项噪声SSBI；Ecarrier是直流载波的幅度，E0n是信号的幅度； SSBI估计器使用神经网络，估计接收机产生的SSBI；神经网络包括输入层、隐藏层和输出层，隐藏层采用二次函数作为激活函数，用以模拟估计信号带来的二次失真；输入层、隐藏层、输出层之间采用线性权连接，SSBI估计器采用多输入单输出结构；该神经网络考虑了SSBI在时间尺度上的串扰，其中，隐藏层的神经元使用平方函数代替传统的激活函数；由于SSBI噪声是两个信号的乘积，隐藏层神经元的数量设置为其中2m+1是SSBI的抽头数；神经网络的dropout概率设置为2m-12m+1，用以随机丢弃神经元间的连接；隐藏层数据经过线性回归后得到预测的输出，用式3表示： 其中，ω2,ω3是神经元之间连接的权重，o是SSBI估计器的输入；是ω3的分量，是ω2的分量，oi是o的分量，j＝1，2，，，，m2m+1，i＝t-m，t-m+1，，，t+m； 3用于估计信道高阶项噪声的ReLU估计器 ReLU估计器采用神经网络，神经网络包含输入层、隐藏层、输出层，隐藏层使用非线性激活函数ReLU，模拟估计信道的非线性噪声；输入层，隐藏层和输出层之间采用线性权连接；ReLU估计器采用多输入单输出结构，考虑信号在时间上的串扰，以Tx数据作为输入，预测的Rx数据表示为： 其中，ω4,ω5是神经元之间的连接权重，2p+1是ReLU估计器的抽头长度；ReLU激活函数表示为式： r是ReLU估计器的输入信号，是ω5的分量，为ω4的元素，ri是r的分量，j＝1，2，，，，2p+12，i＝t-p，t-p+1，，，t+p； 为了确保神经网络有足够的交织，隐藏层神经元的个数至少应该为输入层个数的平方倍，即2p+12。

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”。