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！

龙图腾网获悉南京大学申请的专利基于强化学习的智能被动监听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：CN114567885B 。

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：202210304913.7，技术领域涉及：H04W12/80；该发明授权基于强化学习的智能被动监听方法是由唐岚;王家尉设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本基于强化学习的智能被动监听方法在说明书摘要公布了：本发明公开了一种基于强化学习的智能被动监听方法，包括如下步骤：在监听器端，基于监听器所能预先计算出的等效信道与干扰协方差矩阵，使用第一DQN生成模拟波束成形矩阵，并将模拟波束成形矩阵输入到最小均方误差模块，计算出数字波束成形矩阵；利用模拟和数字波束成形矩阵计算出监听器端的接收信号的信干噪比，并将信干噪比作为第二DQN的输入；基于监听器的位置、电量和接收信号的信干噪比信息，利用第二DQN生成监听器的移动方向和移动速度，当电量到达返回所需电量的临界时，监听器返回基地充电；重复上述学习过程，最终监听器将学习到一条平均监听率最大的轨迹。本发明保证监听器在非合作的环境中获得更高的监听率并成功实现监听。

本发明授权基于强化学习的智能被动监听方法在权利要求书中公布了：1.一种基于强化学习的智能被动监听方法，包含以下步骤： 1在监听器端，基于监听器所能预先计算出的等效信道与干扰协方差矩阵，使用第一DQN生成模拟波束成形矩阵，并将所述模拟波束成形矩阵输入到最小均方误差模块，计算出数字波束成形矩阵； 2利用所述模拟波束成形矩阵和数字波束成形矩阵计算出监听器端的接收信号的信干噪比，并将所述信干噪比作为第二DQN的输入； 3基于监听器的位置、电量和接收信号的所述信干噪比信息，利用第二DQN生成监听器的移动方向和移动速度，当电量到达返回所需电量的临界时，监听器返回基地充电； 4重复上述的学习过程，最终监听器将学习到一条平均监听率最大的轨迹；所述步骤1中包括如下步骤： 1在监听器端，使用第一DQN基于生成监听器在t时刻的模拟波束成形矩阵a1t＝{WE，rft}，其中s1t表示状态空间，HE，ktfkt表示基站与监听器之间第k个子载波的等效合成信道，Ckt表示在第k个子载波上监听器收到的其他基站干扰的协方差矩阵，表示分配给可疑用户的所有子载波集合；a1t表示动作空间，WE，rft表示监听器从候选基向量中选择的模拟波束成形矩阵； 2当监听器通过第一DQN输出模拟波束成形矩阵WE，rft后，将WE，rft代入到最小均方误差算法模块中，计算监听器端对第k个子载波的数字波束成形矩阵为 其中Xkt＝WE，rftHE，ktfkt，pk是发送信号功率，σ2是噪声功率，上标H表示共轭转置；所述步骤2中包括如下步骤： 利用所述模拟波束成形矩阵WE，rft和数字波束成形矩阵计算出监听器端在t时刻第k个子载波上的接收信号的信干噪比γkt为 其中I表示单位矩阵，并将作为第二DQN的输入；所述步骤3中包括如下步骤： 在监听器端，使用第二DQN基于生成监听器的移动方向和速度a2t＝{θt，vt}，其中a2t表示第二DQN的动作空间，s2t表示第二DQN的状态空间，xt和yt共同表示监听器在t时刻的位置信息，Et表示监听器在t时刻的剩余电量，θt和vt分别表示监听器的移动方向和距离，xt，yt，θt和vt满足关系xt+1＝xt+vtTcosθt和yt+1＝yt+vtfsinθt，其中T表示每个时隙的持续时间，xt+1和yt+1共同表示监听器在t+1时刻的位置信息；监听器每次前进方向有8个，分别是向上、向下、向左、向右、向左上、向左下、向右下、向右上；此外，监听器还能选择悬停以在原位置处监听，此时vt＝0，当监听器悬停时，所消耗的电量要小于移动时的电量消耗；监听器的剩余电量满足Et+1＝max0，Et-BtT，其中Bt表示监听器在t时刻消耗的电量，max表示求最大值；由于电池容量的限制，监听器在每个时刻t都需要决定是否移动到一个新的位置或悬停在原来的位置进行监听，同时还要保证有足够的电量返回基地，所以监听器学习的目标是找到一条平均监听率最大的轨迹。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22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”。