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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利一种深度学习辅助的大规模MIMO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：CN116418635B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202310361773.1，技术领域涉及：H04L25/02；该发明授权一种深度学习辅助的大规模MIMO信道估计方法是由杨朔;李勇;刘丽哲;王斌;李行健;朱云飞;汪畅;夏金涛;赵显超设计研发完成，并于2023-04-06向国家知识产权局提交的专利申请。

本一种深度学习辅助的大规模MIMO信道估计方法在说明书摘要公布了：本发明公开了一种深度学习辅助的大规模MIMO信道估计方法，属于信道估计领域。本发明首先利用传统的基于导频的信道估计方法估计得到导频处粗略估计的信道状态矩阵，之后将粗略的二维信道矩阵输入到神经网络当中得到精细化的信道估计值。本发明可以有效降低算法复杂度、减小系统开销，同时能够获得更加精确的信道估计值，信道估计性能更高，在低信噪比环境下表现出远超传统LS和MMSE信道估计算法的优异性能。

本发明授权一种深度学习辅助的大规模MIMO信道估计方法在权利要求书中公布了：1.一种深度学习辅助的大规模MIMO信道估计方法，其特征在于，包括以下步骤： 步骤1，生成训练数据集； 步骤2，构建MACE-Net神经网络模型，模型提取到的是噪声信息特征，输出的是噪声信息矩阵；MACE-Net神经网络模型共有52层，第一层为输入层，中间50层为隐藏层，最后一层为输出层；网络模型的输入为经过人为加噪处理的二维信道矩阵； MACE-Net神经网络模型的输入层为一个卷积层，采用尺寸大小为3×3的卷积核，且该卷积核的步长为1，卷积操作后使用ReLU非线性激活函数； 中间50层隐藏层均为卷积层，且均采用两个尺寸为1×3的卷积核卷积核级联的结构，并在卷积操作之后加入ReLU非线性激活函数和批量标准化操作，之后再与CBAM注意力模块相连； 所述CBAM注意力模块由顺序级联的通道注意力模块和空间注意力模块两部分构成；给定一个中间特征图，CBAM注意力模块按照通道和空间两个独立的维度依次推断注意力图谱，然后将注意力图谱乘到输入特征图中进行自适应特征细化；在这个过程当中，通道注意力模块利用通道间的特征关系来生成通道注意力特征图，负责寻找网络需要格外关注的重点输入特征；空间注意力模块通过特征空间的空间关系生成空间注意力特征图，负责寻找需要提取的重要信息特征所在的位置； 输出层结构与输入层相同，包含一个尺寸大小为3×3，步长为1的卷积核，并在卷积层后使用ReLU非线性激活函数，用于输出结果； 步骤3，对步骤1构建的训练数据集人为加入高斯白噪声，之后输入到步骤2构建的MACE-Net神经网络模型中进行线下训练，观察损失函数曲线，确保模型收敛良好，并保存模型权重参数；损失函数为均方误差损失函数，通过计算预测值fxi与目标值yi之间差值平方和的均值来约束模型训练收敛，其表达式如下： 其中，fxi为预测值，yi为目标值； 模型权重参数包括全连接层的权重、偏置和卷积层的卷积核尺寸、步长、偏置； 步骤4，使用LS或MMSE信道估计方法得到导频处粗略估计的信道信息矩阵； 步骤5，将步骤4粗略估计的信道信息矩阵输入训练好的MACE-Net神经网络模型，得到噪声信息矩阵，再用输入的信道信息矩阵减去噪声信息矩阵，即得到精确的信道信息估计矩阵。

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中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号第五十四所通信网信息传输与分发技术国防重点实验室；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。