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 > 南京航空航天大学周福辉获国家专利权

南京航空航天大学周福辉获国家专利权

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!

龙图腾网获悉南京航空航天大学申请的专利数据语义双驱动的联合频谱地图构建与信号源定位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:CN120018060B

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:202510232402.2,技术领域涉及:H04W4/021;该发明授权数据语义双驱动的联合频谱地图构建与信号源定位方法是由周福辉;刘佳钰;刘晓东;梁宏韬;袁璐;吴启晖设计研发完成,并于2025-02-28向国家知识产权局提交的专利申请。

数据语义双驱动的联合频谱地图构建与信号源定位方法在说明书摘要公布了:本发明公开了数据语义双驱动的联合频谱地图构建与信号源定位方法,包括:采集频谱数据并预处理;建立频‑空域联合的三维频谱地图表征模型;创建二进制城市地图与二进制采样位置地图;训练集训练网络;计算总损失;更新权重参数;判断当前迭代次数是否达到设定的最大次数;将验证集数据输入用于频谱地图构建和信号源定位的神经网络模型;对输出结果进行处理后得到完整的频谱地图与信号源在目标区域内的网格位置。本发明引入二进制城市地图与二值采样位置图作为语义知识,以提取影响信号传播的空间信息,设计共享底层的多任务学习联合训练框架,同时实现频谱地图构建与信号源定位,显著提升了复杂城市环境下频谱地图构建和信号源定位精度。

本发明授权数据语义双驱动的联合频谱地图构建与信号源定位方法在权利要求书中公布了:1.数据语义双驱动的联合频谱地图构建与信号源定位方法,其特征在于,包括: 步骤1,在目标区域内随机部署的多个感知节点采集频谱数据并进行数据归一化预处理; 步骤2,对目标区域进行空间离散化并建立频-空域联合的三维频谱地图表征模型作为频谱数据; 步骤3,创建二进制城市地图与二进制采样位置地图作为语义知识; 步骤4,采用语义知识与频谱数据构成的训练集训练用于频谱地图构建和信号源定位的神经网络模型,具体如下: 1对语义知识与频谱数据进行特征融合,得到数据语义融合特征,具体为:将频-空域联合的三维频谱地图表征模型、二进制城市地图、二进制采样位置地图分为三个通道输入神经网络模型的共享层,通过共享层提取底层特征,实现语义知识与频谱数据的特征融合; 2将数据语义融合特征分别输入神经网络模型的频谱地图构建网络DSD-UNet与信号源定位网络DSD-ResNet,DSD-UNet将缺损的频谱地图补完整,以反应整个区域内信号强度的分布情况;将频谱地图构建网络DSD-UNet提取到的频-空域联合的三维频谱地图表征模型的特征输入信号源定位网络DSD-ResNet对信号源进行定位,从而掌握区域内不同信号源的位置; 步骤5,分别计算频谱地图构建任务的损失和信号源定位任务的损失,通过权重参数将其加权求和得到神经网络模型的总损失;所述频谱地图构建任务的损失的计算式如下: 其中,K表示频率点总数;N×N表示频谱地图网格总数;Ek,i,j表示频率fk上频谱地图的每个格点处的接收信号强度;Pk,i,j表示频率fk上真实频谱地图的对应格点的接收信号强度;表示频谱地图构建任务的损失; 所述信号源定位任务的损失的计算式如下: 其中,pt表示模型预测的置信度;αt表示样本权重超参数;γ表示聚焦参数;表示信号源定位任务的损失; 所述神经网络模型的总损失为: 其中,表示神经网络模型的总损失;表示频谱地图构建任务的权重参数,表示信号源定位任务的权重参数; 步骤6,采用动态调整机制根据权重调节因子和损失阈值更新权重参数;所述权重参数的更新公式如下: 其中,表示频谱地图构建任务的权重参数;表示更新后的频谱地图构建任务权重参数;表示信号源定位任务的权重参数;表示更新后的信号源定位任务的权重参数;β表示权重调节因子;表示频谱地图构建任务的损失;表示信号源定位任务的损失;为频谱地图构建任务的损失阈值;为信号源定位任务的损失阈值; 步骤7,判断当前迭代次数是否达到设定的最大迭代次数,若是,则进行步骤8,若否,则将迭代次数加一,返回步骤4继续训练; 步骤8,将验证集数据输入用于频谱地图构建和信号源定位的神经网络模型,得到输出结果; 步骤9,对所述输出结果进行处理后得到完整的频谱地图与信号源在目标区域内的网格位置;所述步骤9将神经网络模型的频谱地图构建网络输出的数据进行反归一化,得到完整的频谱地图: P=Pmax-Pmin·Pout+Pmin 其中,P表示反归一化后的频谱数据,Pmin表示频谱地图构建网络输出的频谱数据的最小值,Pmax表示频谱地图构建网络输出的频谱数据的最大值,Pout表示频谱地图构建网络输出的频谱数据; 对神经网络模型的信号源定位网络输出的信号源位置掩膜进行处理,提取掩膜中标识为信号源的区域,该区域对应的坐标为信号源在目标区域内的网格位置。

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航空航天大学,其通讯地址为:211106 江苏省南京市江宁区将军大道29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。