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！

龙图腾网获悉浙江工业大学申请的专利一种基于深度学习的QPSK接收机及其辅助模型训练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：CN116800572B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202310063191.5，技术领域涉及：H04L27/22；该发明授权一种基于深度学习的QPSK接收机及其辅助模型训练方法是由韩会梅;朱力;彭宏;郎耀铭设计研发完成，并于2023-01-19向国家知识产权局提交的专利申请。

本一种基于深度学习的QPSK接收机及其辅助模型训练方法在说明书摘要公布了：本发明涉及一种基于深度学习的QPSK接收机辅助模型训练方法，包括：搭建QPSK系统模型，使用QPSK系统模型获取训练数据集，搭建深度学习神经网络模型，生成预测值，使用训练数据集训练深度学习神经网络模型，优化深度学习神经网络模型的损失函数，使用Nadam算法优化损失函数，更新深度学习神经网络模型的参数，直至预测值与真实值对比的错误率最小，将更新后的深度学习神经网络模型作为QPSK接收机辅助模型。本发明的方法所训练的模型采用基于反思结构的深度学习神经网络，考虑到值之间隐藏的相关性，能够在通信接收机的解调环节中进行解调，该模型的解调能够解决传统硬判决方法在低信噪比条件下，因噪声干扰而导致识別准确率不高的问题。

本发明授权一种基于深度学习的QPSK接收机及其辅助模型训练方法在权利要求书中公布了：1.一种基于深度学习的QPSK接收机辅助模型训练方法，其特征在于，具体包括如下步骤： S1、搭建QPSK系统模型，使用所述QPSK系统模型获取训练数据集； S2、搭建深度学习神经网络模型，所述深度学习神经网络模型用于对经过编码和噪声影响的信号进行解调，生成预测值； S3、使用所述训练数据集训练所述深度学习神经网络模型，优化所述深度学习神经网络模型的损失函数； S4、使用Nadam算法优化所述损失函数，更新所述深度学习神经网络模型的参数，直至所述预测值与真实值对比的错误率最小，将更新后的深度学习神经网络模型作为QPSK接收机辅助模型； 使用所述QPSK系统模型获取训练数据集具体为，使用所述QPSK系统模型对经过汉明编码后的数据进行QPSK调制，然后使用根升余弦进行过采样，再加入高斯噪声作为信道干扰，经过匹配滤波和欠采样得到56位特征；将汉明编码得到的56位汉明码则作为值，经过上述QPSK系统模型所生成的所有特征和对应的值一起组成训练数据集； 所述深度学习神经网络模型对经过编码和噪声影响的信号的解调具体包括： 输入第一全连接层，所述第一全连接层使用非线性激活函数Relu； 输入LSTM层，所述LSTM层具有128个神经元； 输入第二全连接层进行输出，所述第二全连接层具有56个神经元，使用激活函数sigmoid，使得输入向量中的每个实数被映射为0到1之间的实数，且输出向量中的所有值都在[0,1]的区间里。

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浙江工业大学，其通讯地址为：310000 浙江省杭州市拱墅区潮王路18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。