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！

龙图腾网获悉重庆大学申请的专利一种语义驱动的全息内容自适应传输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：CN119967593B 。

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：202510061506.1，技术领域涉及：H04W72/044；该发明授权一种语义驱动的全息内容自适应传输方法是由温万里;李佳渝;林青巧;严吉平;梁靓;贾云健设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种语义驱动的全息内容自适应传输方法在说明书摘要公布了：本发明涉及一种语义驱动的全息内容自适应传输方法，属于通信技术领域。该方法包括以下步骤：S1：建立一个物联网设备传输全息内容的语义驱动通信模型，其中包括语义模型和传输模型；S2：构建一个联合基站关联、语义压缩比选择和功率分配的优化问题，以最大化任务效用；S3：建立功率优化的子问题，分析发射功率的可行性条件，并设计一种基于梯度投影法的功率分配算法；S4：利用深度强化学习算法联合求解基站关联、语义压缩比选择和功率分配。本发明针对问题的非凸性和NP‑难特性，将数值优化和DRL相结合制定资源分配策略，提出通过梯度投影法辅助的强化学习算法，以加速强化学习模型的收敛，提高任务完成效率。

本发明授权一种语义驱动的全息内容自适应传输方法在权利要求书中公布了：1.一种语义驱动的全息内容自适应传输方法，其特征在于：包括以下步骤： S1：建立一个传输全息内容的语义驱动通信框架；具体包括： 建立的语义驱动的全息内容传输框架包括N个BS、K个物联网IoT设备和语义模型，所有的基站用表示，所有的IoT设备用表示；设备利用非正交多址接入NOMA将提取到的全息内容语义信息上行传输到相应的基站，由基站执行任务推理； B1.建立由语义编码器、信道编码器、信道解码器和语义解码器组成的语义通信模型，表示第k个IoT设备生成的全息数据，由语义编码器处理得到定义ηk为SCR选择，0＜ηk＜1表示提取的语义信息与原始信息的比率； B2.传输模型 αk,n表示BS关联指示符，第k个IoT设备连接到第n个BS用αk,n＝1表示，否则αk,n＝0；规定每个IoT设备只能关联一个基站，BS关联指示符满足以下约束条件： 第k个IoT设备与第n个BS之间的大尺度信道增益gk,n包含路径损耗效应，小尺度衰落系数hk,n遵循瑞利分布；第n个BS上设备k的总信道增益由Hk,n＝gk,nhk,n给出；设IoT设备在每个BS上的信道增益按升序排列： pk表示第k个设备的传输功率，即功率分配情况；考虑到IoT设备的异构性，每个设备的最大传输功率是不同的；有传输功率约束为： 在接收BS处，采用连续干扰消除来恢复信号；基站首先对来自具有最高信道功率增益的IoT设备的信号进行解码，将其他设备的信号视为干扰；从叠加信号中减去解码信号；设备k的信干噪比SINR由下式给出： 其中，Wn表示第n个BS的带宽，N0表示噪声功率谱密度；设表示设备k的带宽；设备k实现的传输速率通过Rk＝Wklog21+γk计算； 对全息数据进行语义压缩后，通过无线信道传输的实际数据流仍然以数据包的形式存在；经过基本特征提取和信道编码后，包含语义信息的数据包的大小表示为d0；设备k的SCR选择ηk只能从预训练的SCR集合中选择，有以下约束： 设备k传输的数据量为dk＝ηkd0，设备k的传输延迟表示为推导基于语义的成功传输概率的公式；设并且其中表示与第n个BS关联的设备集合，表示一个指示函数；为保证语义传输的可靠性，延迟tk小于阈值tmax的概率计算为： 其中假设hk服从尺度参数为δ的瑞利分布；当x≥0时，其累积分布函数CDF由给出；得出Ptk≤tmax的显式表达式： 为保证语义驱动传输的可靠性，满足最小成功概率要求Pth，即 任务实用程序用于评估任务执行的性能；在全息分类任务中，任务效用通过分类精度来衡量；在全息内容重建任务中，使用均方误差MSE来评估；任务效用是SINR和SCR的函数，设备k的任务效用表示为βk＝βkγk,ηk；函数βkγk,ηk没有闭合形式的表达式，只能通过拟合预训练的语义模型来获得；利用逻辑回归函数来建模任务效用和γk,ηk之间的关系，写为： 和是与SCR相关的参数； S2：建立一个联合基站BS关联、语义压缩比SCR选择和功率分配的优化问题数学模型；具体包括以下步骤： 令表示BS关联，表示SCR选择，表示功率分配；目标是共同优化BS关联、SCR选择和功率分配；将优化问题，即问题1表述为： 其中，C1-C2给出了BS关联指示符约束条件，C3是传输功率约束条件，C4是SCR选择约束条件，C5给出了保证语义传输可靠性的传输时延约束条件； S3：将非凸混合整数非线性规划MINLP问题转换为满足最小成功传输概率的子问题，并确定发射功率分配的可行性条件； S4：设计一种梯度投影法GPM辅助的深度强化学习DRL算法，获得基站关联、语义压缩比选择和功率分配三个优化变量的有效解。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙坪坝正街174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。