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！

龙图腾网获悉北京交通大学申请的专利一种基于深度学习的波束赋形计算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：CN116528256B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310114266.8，技术领域涉及：H04W16/28；该发明授权一种基于深度学习的波束赋形计算方法是由陆杨;李宇航;艾渤;钟章队设计研发完成，并于2023-02-07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波束赋形计算方法在说明书摘要公布了：本发明提供了一种基于深度学习的波束赋形计算方法，该方法包括：获取实际系统场景的带标签的波束赋形数据集，根据实际应用场景或需求搭建神经网络架构，基于应用场景和波束赋形目标与需求设计所述神经网络架构的损失函数；利用训练集通过小批量梯度下降方法对所构建的神经网络架构进行训练，利用测试集对训练后的神经网络架构进行泛化测试，当神经网络架构的损失函数的损失值符合要求后，得到训练好的神经网络架构；利用训练好的神经网络架构计算新系统场景的波束赋形。本发明方法促进了深度学习在波束赋形计算领域的应用，并提出了神经网络在波束赋形推理上的泛化性测试，具备较好的最优性能与泛化性能，并能够实现毫秒级相应。

本发明授权一种基于深度学习的波束赋形计算方法在权利要求书中公布了：1.一种基于深度学习的波束赋形计算方法，其特征在于，包括： 获取实际无线通信系统场景的带标签的波束赋形数据集，所述波束赋形数据集的特征包括信道实时信息、通信需求，标签包括最优波束赋形向量，将所述波束赋形数据集划分为训练集和测试集； 根据实际应用场景或需求搭建神经网络架构，基于应用场景和波束赋形目标与需求设计所述神经网络架构的损失函数； 利用所述训练集通过小批量梯度下降方法对所构建的神经网络架构进行训练，利用所述测试集对训练后的神经网络架构进行泛化测试，当验证训练后的神经网络架构的损失函数的损失值符合要求后，得到训练好的神经网络架构； 将所述训练好的神经网络架构应用到新无线通信系统场景，进行新无线通信系统场景的波束赋形计算； 基于波束赋形设计目标与需求构建神经网络架构的损失函数，采用均方误差作为设计所述神经网络架构的损失函数，如下所示： 式中，U.为根据波束赋形目标和需求设计的效用函数，{wi}out为神经网络输出的波束赋形，{wi}target为数据集中标签波束赋形； 对于无约束波束赋形问题直接采用目标函数作为效用函数，即U{wi}＝OBJ{wi}；对于有约束的波束赋形问题，通过惩罚函数方法设计效用函数，即OBJ.表示目标函数，J表示约束数量，μj表示惩罚系数，fj.表示约束； 所述的利用所述训练集通过小批量梯度下降方法对所构建的神经网络架构进行训练，利用所述测试集对训练后的神经网络架构进行泛化测试，当验证训练后的神经网络架构的损失函数的损失值符合要求后，得到训练好的神经网络架构，包括： 对所述神经网络架构中的参数进行初始化，将所述训练集中的样本分批次输入到所述神经网络架构中，所述神经网络架构通过深度学习推理出无线信道的最优波束赋形的映射，获得每个样本相应的波束赋形，利用所述测试集对训练后的神经网络进行泛化测试，计算出样本的损失函数的损失值，根据损失值利用反向传播和梯度下降法更新神经网络架构的系数，重复上述过程，直至损失值趋于收敛，得到训练好的神经网络架构。

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北京交通大学，其通讯地址为：100044 北京市海淀区西直门外上园村3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。