Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 苏州大学高明义获国家专利权

苏州大学高明义获国家专利权

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!

龙图腾网获悉苏州大学申请的专利基于时间特征记忆神经网络的超高阶QAM信号非线性补偿方法及系统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:CN119807630B

龙图腾网通过国家知识产权局官网在2025-10-10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:202411586699.4,技术领域涉及:G06F18/15;该发明授权基于时间特征记忆神经网络的超高阶QAM信号非线性补偿方法及系统是由高明义;黄雪晶;沈纲祥;由骁迪设计研发完成,并于2024-11-08向国家知识产权局提交的专利申请。

基于时间特征记忆神经网络的超高阶QAM信号非线性补偿方法及系统在说明书摘要公布了:本发明涉及超高阶QAM信号非线性补偿技术领域,尤其是指基于时间特征记忆神经网络的超高阶QAM信号非线性补偿方法及系统,所述方法包括:S1:在不同光信噪比情况下,获取多组正交幅度调制信号,对所述正交幅度调制信号进行零均值归一化处理,得到预处理后的正交幅度调制信号;S2:将所述预处理后的正交幅度调制信号划分成训练集和测试集,构建信号非线性补偿模型,利用所述训练集对所述信号非线性补偿模型进行训练,得到训练后的信号非线性补偿模型;S3:基于所述训练后的信号非线性补偿模型,对待补偿的正交幅度调制信号进行非线性补偿。本发明能够提取信号的时序特征和捕捉双向时间依赖关系,实现非线性失真补偿的目的。

本发明授权基于时间特征记忆神经网络的超高阶QAM信号非线性补偿方法及系统在权利要求书中公布了:1.一种基于时间特征记忆神经网络的超高阶QAM信号非线性补偿方法,其特征在于,包括以下步骤: S1:在不同光信噪比情况下,获取多组正交幅度调制信号,对所述正交幅度调制信号进行零均值归一化处理,得到预处理后的正交幅度调制信号; S2:将所述预处理后的正交幅度调制信号划分成训练集和测试集,构建信号非线性补偿模型,利用所述训练集对所述信号非线性补偿模型进行训练,得到训练后的信号非线性补偿模型; S3:基于所述训练后的信号非线性补偿模型,对待补偿的正交幅度调制信号进行非线性补偿; 其中,所述信号非线性补偿模型包括输入层、时序卷积网络层、双向长短期记忆神经网络层和输出层; 所述输入层对所述训练集进行处理,得到嵌入向量形式的调制信号; 所述时序卷积网络层对所述嵌入向量形式的调制信号进行特征提取,得到特征序列数据; 所述双向长短期记忆神经网络层分别以正向和逆向的顺序处理所述特征序列数据,捕捉其中的双向时间依赖关系,得到补偿后的特征序列数据; 所述输出层输出所述补偿后的特征序列数据; 所述时序卷积网络层被配置为:包括依次连接的多个残差单元,所述残差单元包括第一支路和第二支路;所述第一支路包括扩张卷积层,其对数据的处理过程的表达式如下: 其中,s表示输入序列x的元素,d是扩张因子,k是滤波器核的大小,s-d·i表示过去的方向,f为滤波器集合; 所述第二支路为包括1×1逐点卷积层的残差跳跃支路。

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苏州大学,其通讯地址为:215000 江苏省苏州市吴江区久泳西路1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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。