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一种融合信道统计特性的无监督MIMO信道估计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：CN119544414B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411616652.8，技术领域涉及：H04L25/02；该发明授权一种融合信道统计特性的无监督MIMO信道估计方法与系统是由章建军;叶伟强;王威;张亚梅;贾子晔设计研发完成，并于2024-11-13向国家知识产权局提交的专利申请。

本一种融合信道统计特性的无监督MIMO信道估计方法与系统在说明书摘要公布了：本发明公开了一种融合信道统计特性的无监督MIMO信道估计方法与系统，针对传统方法易受干扰、复杂度高及现有无监督学习难以利用信道统计特性的问题，构建了一个利用深度图像先验网络对称扩展的类自编码器结构。该结构结合编码器、解码器与跳跃连接，实现了信道特征的有效提取和信号去噪。编码器用于压缩和提取信号特征，通过对称结构和跳跃连接提升低维码字利用效率。解码器采用DIP的去噪策略，利用低维码字迭代拟合信号矩阵实现信号去噪。去噪后的信号矩阵再进行LS估计，最终获得信道CSI。本发明采用分阶段训练策略：离线训练通过无标签数据集提升网络特征提取能力；在线训练仅调整解码器参数去噪，能够充分利用信道统计特性，提升估计精度和实时性。

本发明授权一种融合信道统计特性的无监督MIMO信道估计方法与系统在权利要求书中公布了：1.一种融合信道统计特性的无监督MIMO信道估计方法，其特征在于，该方法构建一个信号去噪网络AE-DIP，利用深度图像先验网络对称扩展的类自编码器结构，结合编码器、解码器与跳跃连接，实现信道特征的有效提取和信号去噪，包括以下步骤： 1将接收到的信号矩阵转换为适应神经网络输入的格式； 2离线训练信号去噪网络AE-DIP，将动态接收到的经过转换的信号矩阵输入到AE-DIP网络中训练网络整体的信号统计特征压缩和信号重建的能力；AE-DIP包括编码器和解码器，编码器用于压缩和提取信号矩阵中的特征，解码器用于信号重建，采用与编码器完全对称的结构并引入跳跃连接；其中离线训练网络的步骤包括： 2.1信号矩阵YT经过网络的编码器fencoder，被压缩为一个低维特征张量ZE，其中含有被网络捕获的信号统计信息；ZE通过以下公式定义： 式中l为表示隐藏层数，为编码器第i层的隐藏层结构，表示为： 式中是编码器第i个隐藏层的输入，是网络参数，符号代表卷积操作，Pooling、ReLU和BatchNorm分别表示池化操作、线性整流激活函数和批量归一化； 2.2将低维特征张量ZE经过网络的解码器fdecoder恢复为原信号矩阵，经解码器网络重建后的信道表示为： 式中为解码器第i层的隐藏层结构，表示为： 式中表示解码器第i层的输入，其包含上一层的信息和来自对应编码器隐藏层的跳跃连接，表示形式为UpSample表示上采样操作； 2.3使用重建信号矩阵和原始信号矩阵之间的均方误差作为网络整体训练的损失函数； 3离线训练后，更新在线AE-DIP整体网络的参数；在线训练时，固定编码器和跳跃连接参数，利用编码器隐藏层中捕获的信号矩阵统计信息，以DIP的策略训练解码器进行信号去噪；其中在线训练网络的步骤包括： 3.1固定编码器的网络参数，包括其中的跳跃连接层，以确保训练过程始于相同的数据基准，即编码器产生的压缩特征向量； 3.2解码器网络的参数按照DIP的策略进行训练，损失函数为： 式中fdecoderZE为解码器重建后输出的信号矩阵信号矩阵YT被编码器压缩后的特征向量ZE被输入到解码器，并在经过解码器还原后和YT进行比较，通过计算二者的均方误差来进行参数优化，将这一前向传递以及反向传播过程反复迭代，直到解码器输出的信号矩阵与原始信号矩阵去噪后的效果接近； 3.3使用早停策略训练解码器网络的参数； 4将去噪后信号矩阵恢复为原始维度后进行LS信道估计。

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。