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 > 上海大学许鑫辰获国家专利权

上海大学许鑫辰获国家专利权

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!

龙图腾网获悉上海大学申请的专利基于深度学习的OTFS联合信道估计与数据检测方法及装置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:CN120110845B

龙图腾网通过国家知识产权局官网在2025-12-05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:202510269681.X,技术领域涉及:H04L25/02;该发明授权基于深度学习的OTFS联合信道估计与数据检测方法及装置是由许鑫辰;高塬;蒋振伟设计研发完成,并于2025-03-07向国家知识产权局提交的专利申请。

基于深度学习的OTFS联合信道估计与数据检测方法及装置在说明书摘要公布了:本发明公开了一种卫星场景下基于深度学习的OTFS联合信道估计与数据检测方法及模型。所述方法包括构建数据集、设计导频设计方案、构建联合信道估计与数据检测深度学习模型、反复训练深度学习模型,并通过预测数据得到信道状态信息及数据符号,将网络预测结果与其对应的信道状态信息及数据符号标签进行比较,通过最小均方误差和交叉熵损失对深度学习模型的输出进行评估;得到优化后的深度学习模型用于通过验证数据得到信道状态信息及数据符号。本发明集中于通过深度学习网络对OTFS接收信号进行学习以同时完成信道估计及数据检测任务,同时导频设计方案和数据切片处理方案,在保持高性能的同时,显著提高信道估计和数据检测的准确性和降低导频资源的开销。

本发明授权基于深度学习的OTFS联合信道估计与数据检测方法及装置在权利要求书中公布了:1.卫星场景下基于深度学习的OTFS联合信道估计与数据检测方法,其特征在于:包括如下步骤: S1、根据卫星场景下的导频设计方案,构建包括训练集和测试集的数据集;所述导频设计方案是在导频符号位置处增加保护间隔,具体采用如下公式表示: , 其中,表示时延—多普勒域的发射信号,分别表示多普勒和时延索引,分别表示导频符号和位于多普勒索引为,时延索引为的数据符号,分别表示导频符号的多普勒和时延索引; S2、构建联合信道估计与数据检测的深度学习模型,分别包括粗信道估计网络模型、迭代数据检测网络模型和数据辅助的信道估计网络模型;具体过程如下: 通过导频信道提取模块及降噪子网络完成粗信道估计网络的搭建; 通过干扰消除模块、信道特征提取子网络、切片处理模块、数据检测子网络完成迭代数据检测网络的搭建; 通过数据预处理模块及迭代信道估计子网络完成数据辅助的信道估计网络的搭建; 将粗信道估计网络、迭代数据检测网络和数据辅助的信道估计网络串联连接,得到完整的联合信道估计和数据检测网络; S3、将训练集中不同网络的训练数据分别输入到对应网络模型中,训练深度学习模型的特征提取功能,使深度学习模型从输入数据中预测得到信道状态信息及数据符号输出;训练深度学习模型的具体方法如下: 首先对接收信号进行预处理,将接收信号的实部与虚部拆分后在数据通道维度进行拼接,构成张量数据; 针对粗信道估计网络,直接选取预处理后的接收信号作为粗信道估计网络的输入训练集数据;将最小均方误差作为损失函数,对信道估计网络模型进行训练,具体公式如下: , 其中,表示最小均方误差损失函数的损失值,指全连接深度学习网络的等效信道矩阵预测输出,是指标签等效信道矩阵; 针对迭代数据检测网络,选取预处理后的接收信号及信道状态信息标签数据作为迭代数据检测网络的输入训练集数据;将交叉熵损失作为损失函数,对数据检测模型进行训练,具体公式如下: , 其中表示交叉熵损失函数的损失值,表示所有的数据符号数目,为数据符号的类别,为符号函数,代表观测样本属于类别的预测概率; 针对数据辅助的信道估计网络,选取预处理后的接收信号和数据符号标签数据作为数据辅助的信道估计网络的输入训练集数据; 同时将不同网络的训练集数据同时输入至对应网络模型中,对三个不同的网络进行并行训练; S4、从输出的信道状态信息中恢复出等效信道矩阵,将该等效信道矩阵与其对应的信道状态信息标签进行比较,对粗信道估计网络模型及数据辅助的信道估计网络模型的输出进行评估; S5、将输出的数据符号与其发射信号的标签进行比较,对迭代数据检测网络模型的输出进行评估; S6、重复执行步骤S3~S5达到设定次数后,得到优化后的联合信道估计与数据检测深度学习模型;将损失函数的计算值进行反向传播,更新深度学习模型参数,其更新过程具体采用如下公式表示: , 其中,为第次深度学习模型的参数,为训练学习率,为深度学习模型参数的一阶导数,是损失函数的输出,包括和; S7、将接收天线实时获取的接收信号输入至训练好的模型后,得到信道状态信息及数据检测结果。

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上海大学,其通讯地址为:200444 上海市宝山区上大路99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。