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一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与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：CN120049928B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202510187972.4，技术领域涉及：H04B7/06；该发明授权一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与系统是由王书墨;宋铁成;宋晓勤;胡静;夏玮玮;燕锋;沈连丰设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与系统在说明书摘要公布了：本发明公开了一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与系统，属于可重构智能超表面辅助通信领域。本发明考虑RIS辅助多用户通信的场景，利用图神经网络优化基站的主动波束成型和RIS的被动波束成型，进而最大化下行链路的系统传输速率。图神经网络模型中包括一个RIS节点和与服务用户数量相同的用户节点，RIS节点负责基于所有用户节点输入的信道状态估计信息利用图学习得到用于RIS的被动波束成型，每个用户节点对应一个用户，基于对应用户输入的信道状态估计信息利用图学习得到对应于用户的基站的主动波束成型。本发明使用图神经网络无需完美的信道估计，即可有效解决主动波束成型和被动波束成型的联合优化问题。

本发明授权一种基于图神经网络的RIS辅助多用户通信波束成型优化方法与系统在权利要求书中公布了：1.一种基于图神经网络的RIS辅助多用户通信波束成型优化方法，其特征在于，包括以下步骤： 利用RIS辅助多用户多输出单输入MU-MISO系统的上行下行信道互易性，建立基于上行链路传输的导频，以基站的主动波束成型和RIS的被动波束成型为优化变量，下行系统速率最大化为目标的优化问题； 构建包含一个初始层，多个更新层和一个输出层的图神经网络模型；所述图神经网络模型中包括一个RIS节点和与服务用户数量相同的用户节点，RIS节点负责基于所有用户节点输入的信道状态估计信息利用图学习得到用于RIS的被动波束成型，每个用户节点对应一个用户，基于对应用户输入的信道状态估计信息利用图学习得到对应于用户的基站的主动波束成型； 定义损失函数为系统速率的负值，对图神经网络模型的权重参数进行更新； 在执行阶段，基站利用训练好的图神经网络模型根据获取的上行链路导频调整基站的主动波束成型和RIS的被动波束成型； 在图神经网络模型的初始层，利用用户节点k的输入初始化用户节点k的特征，其中表示的估计值，和分别表示RIS和基站之间，第k个用户和RIS之间，第k个用户和基站之间的信道，diag·表示从向量生成对角矩阵，M为基站的天线数量，N表示RIS的反射单元数量，表示复数；将每个用户节点的输入提取实部和虚部，将实部和虚部拼接经RIS节点的初始特征提取器的输出逐元素取平均后作为RIS节点的初始特征； 在图神经网络模型的更新层，更新RIS节点和每个用户节点的特征，RIS节点特征具体更新为：对所有用户节点在前一更新层的特征取平均后与RIS节点在前一更新层的特征拼接，将拼接后的结果作为当前更新层RIS节点的聚合器的输入，将聚合器的输出与RIS节点在前一更新层的特征拼接作为RIS节点在当前更新层的节点特征；第k个用户节点特征具体更新为：提取除第k个用户节点的以外的用户节点的特征和RIS节点的特征的最大值，将提取的最大特征、前一更新层第k个用户节点的特征进行拼接，将拼接后的结果作为当前更新层第k个用户节点的聚合器的输入，将聚合器的输出与前一更新层第k个用户节点的特征拼接得到当前更新层第k个用户节点的特征； 在图神经网络模型的输出层，将RIS节点在最后一个更新层的特征转换为RIS的被动波束成型，将用户节点k在最后一个更新层的特征转换为基站对用户k的主动波束成型。

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：211189 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。