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无蜂窝毫米波下基于波束图像堆叠的智能波束追踪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：CN116346185B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202310258039.2，技术领域涉及：H04B7/06；该发明授权无蜂窝毫米波下基于波束图像堆叠的智能波束追踪方法是由李佳珉;金忻月;林子彦;叶枫;朱鹏程;王东明;尤肖虎设计研发完成，并于2023-03-17向国家知识产权局提交的专利申请。

本无蜂窝毫米波下基于波束图像堆叠的智能波束追踪方法在说明书摘要公布了：本发明公开了一种无蜂窝毫米波下基于波束图像堆叠的智能波束追踪方法。该方法针对无蜂窝毫米波多用户移动网络中的波束分配与追踪的复杂度高，提出一种基于波束图像堆叠的多智能体深度强化学习方法，同时智能体与环境交互，动态感知环境变化，缩小波束搜索空间，从而降低了波束分配与追踪的开销。此外，本发明提出一种有效的智能体动作空间的设计方法，以解决常规方法学习速度慢以及无法进行有效最优波束的预测等问题。仿真结果证明所提方法能有效提升智能体的学习能力，降低波束扫描开销的同时提升系统性能，对于实现无蜂窝毫米波多用户移动网络中的低开销通信具有非常重要的意义，因此本发明具有一定的实际价值。

本发明授权无蜂窝毫米波下基于波束图像堆叠的智能波束追踪方法在权利要求书中公布了：1.一种无蜂窝毫米波下基于波束图像堆叠的智能波束追踪方法，其特征在于：该方法应用于无蜂窝毫米波网络中，包括以下步骤： 步骤1：在无蜂窝毫米波下构建多用户移动网络，网络中包含多个毫米波接入点AP和多个移动用户MU；AP与MU进行无线通信前，需要通过波束对准，在用户移动场景下进行的波束对准叫做波束追踪，在进行波束追踪前，需要构建信道以及获取一些必须的信息； 步骤2：基于已有的信息，定义波束图像、深度Q-网络DQN中的状态、动作和回报函数，以及初始化智能体； 步骤3：智能体初始化之后，开始进行训练，包括：执行动作并与环境交互，获得观测值计算回报值以及将一次交互的数据存储； 步骤4：基于已有的信息，智能体开始进行智能决策，工作是基于DQN算法动态智能求解波束子空间：所述DQN网络，通过堆叠基于波束扫描获得的波束图像构建DQN智能体的状态，并设计基于差分技术的动作空间和有效的回报函数来评判DQN智能体的决策优劣，包括以下步骤： 步骤a，状态State： 将波束图像进行堆叠，构造成时间维度上的波束图像：skl,t＝[Ikl,t-T+1,Ikl,t-T+2…Ikl,t]，表示将第k个MU与第l个AP之间的当前t时刻之前的T个时刻的波束图像进行矩阵拼接； 步骤b，动作Action： 下一个时刻的动作由a,b表示，因此，下一个时刻的用于波束扫描的波束子集为{wopt+wa-b2,…wopt+wa,…wopt+wa+b-b2}，其中wopt是上个时刻的最优波束；其思想是差分波束，第k个MU的动作空间可以定义为其中A∈-N,N,B∈0,N，其中N为DFT码本中的波束模式数，假设N＝NAP，A,B分别表示波束搜索中心的最大预测值和波束搜索范围的可选区间，根据环境设置A,B为不同的数值，可以有效的降低波束扫描带来的开销； 步骤c，回报函数Reward： 设计回报函数的时候需要考虑两个原则：一是诱导智能体往性能最优的方向；二是回报函数应当与搜索码本的大小以及所用时间相关，诱导智能体决策出更小且适当的动作空间，缩小波束扫描的时间；将回报函数设计为该回报函数的设计既反映出性能指标，也反应出所选动作的质量； 步骤4.1，获取最优指向波束：每个智能体进行波束扫描以获得初始的最优指向波束； 步骤4.2，实时交互训练DQN网络：包括采用动态贪心算法决策出最大Q值的动作，进行步骤3，不断交互训练，同时使用经验重放更新记忆池。

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：211102 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。