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！

龙图腾网获悉东南大学申请的专利用于大规模MIMO定位的半监督表征对比学习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：CN116383656B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310376215.2，技术领域涉及：G06F18/214；该发明授权用于大规模MIMO定位的半监督表征对比学习方法是由高西奇;巩鑫瑞;刘晓峰;伏啸设计研发完成，并于2023-04-11向国家知识产权局提交的专利申请。

本用于大规模MIMO定位的半监督表征对比学习方法在说明书摘要公布了：本发明公开了用于大规模MIMO定位的半监督表征对比学习方法。本发明针对现有的大规模MIMO指纹定位方法面临的挑战，包括需要利用准确的信道估计和需要逐一标记的数据集。本发明提出半监督的表示对比学习定位方法，基于一个部分标记的接收导频信号数据集，并从基站获得该数据集，训练数据集通过数据增强管道增强为大量的正负样本对。编码器通过对比损失函数进行无标签的自监督预训练，使正样本的编码接近于锚点的编码，而远离表示空间中的负样本的编码，编码器和回归网络通过标记的子数据集进行微调，以实现下游的定位任务。与现有方法相比，本发明所提出的自监督预训练的编码器能够显著提高定位精度。

本发明授权用于大规模MIMO定位的半监督表征对比学习方法在权利要求书中公布了：1.一种用于大规模MIMO定位的半监督表征对比学习方法，其特征在于，所述方法包括以下步骤： 步骤1，根据大规模MIMO系统配置，给出波束域信道表示，得到接收信号表示形式； 步骤2，为了在预训练阶段能够预训练编码器，首先根据不同位置参考点RP的可用接收信号创建正负样本； 步骤3，使用编码器F·将正负样本转换到特征表示空间； 步骤4，使用对比损失函数和优化器更新编码器权值； 步骤5，在编码器的顶部附加一个随机初始化的全连接回归层f·来完成下游的定位任务；将一个随机初始化的全连接回归层f·：Rd→R2连接到编码器的顶部，以完成下游的定位任务；对于所有参考点中的5％，将这部分参考点的接收信号用地面真实位置坐标矢量进行标记，利用这个部分标记的数据集，对已经训练好的编码器F·和回归模块f·进行微调，损失函数如下： 使用均方误差MSE损失函数计算预测的是回归网络的输出值，是一个2维实数向量，代表网络对用户的位置预测和实际位置坐标向量之间的距离，带有L2正则化的损失函数说明如下 其中Ntrain是训练数据的数量，w是DNN的所有可训练参数的向量，γ是超参数。

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东南大学，其通讯地址为：211102 江苏省南京市江宁区东南大学路2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。