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！

龙图腾网获悉南通伟达电气成套设备有限公司申请的专利基于深度学习电力EPDT无线专网射频优化方法及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：CN121194227B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202511757960.7，技术领域涉及：H04W24/02；该发明授权基于深度学习电力EPDT无线专网射频优化方法及系统是由刘霖;李俊华;吕强;朱修超;刘宸铭;钱琦设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本基于深度学习电力EPDT无线专网射频优化方法及系统在说明书摘要公布了：本发明公开了基于深度学习电力EPDT无线专网射频优化方法及系统，通过结合RNN循环神经网络建模信号的时序动态特性，生成多模态特征表示；通过对输入特征进行非线性映射，采用DQN强化学习框架动态生成射频参数调整策略，并引入对GAN抗生成网络对优化后的射频性能进行预评估，构建HNN混合神经网络模型；利用HWA混合杂草算法优化所述HNN混合神经网络模型的超参数，得到目标HNN混合神经网络模型；将多模态特征表示输入至目标HNN混合神经网络模型中进行推理，生成最优射频配置参数，将最优射频配置参数传输至射频模块中。提高了优化效率，能及时响应网络变化，保障网络持续稳定运行。

本发明授权基于深度学习电力EPDT无线专网射频优化方法及系统在权利要求书中公布了：1.基于深度学习电力EPDT无线专网射频优化方法，其特征在于，所述电力EPDT无线专网射频优化方法包括以下步骤： 采集电力EPDT无线专网的射频信号数据及环境参数，利用CNN卷积神经网络提取射频信号数据的时空特征，结合RNN循环神经网络建模信号的时序动态特性，生成多模态特征表示； 通过ResNet18网络对输入特征进行非线性映射，采用DQN强化学习框架动态生成射频参数调整策略，并引入对GAN抗生成网络对优化后的射频性能进行预评估，构建HNN混合神经网络模型； 利用HWA混合杂草算法优化所述HNN混合神经网络模型的超参数，得到目标HNN混合神经网络模型； 将所述多模态特征表示输入至所述目标HNN混合神经网络模型中进行推理，生成最优射频配置参数，将所述最优射频配置参数传输至射频模块中； 所述通过ResNet18网络对输入特征进行非线性映射，采用DQN强化学习框架动态生成射频参数调整策略，并引入对GAN抗生成网络对优化后的射频性能进行预评估，构建HNN混合神经网络模型，包括： ResNet18网络由多个残差块串联而成，每个残差块包含两层卷积层和一个跳跃连接； 利用卷积操作对输入特征进行局部加权求和，突出关键信息，经过批归一化处理后通过ReLU激活函数引入非线性因素，学习复杂的特征关系； 所述通过ResNet18网络对输入特征进行非线性映射，采用DQN强化学习框架动态生成射频参数调整策略，并引入对GAN抗生成网络对优化后的射频性能进行预评估，构建HNN混合神经网络模型，还包括： 将射频参数调整选项设为动作空间，发射功率调节，频率切换预设信道和调制方式； 当调整后信号覆盖范围扩大、传输速率提升和误码率降低时给予正奖励；若性能下降则给予负奖励； 用目标网络计算目标Q值，当前网络则通过损失函数不断逼近目标网络，通过优化网络对动作价值的估计； 所述通过ResNet18网络对输入特征进行非线性映射，采用DQN强化学习框架动态生成射频参数调整策略，并引入对GAN抗生成网络对优化后的射频性能进行预评估，构建HNN混合神经网络模型，还包括： 生成器根据随机的调整策略生成预测性能，判别器则对预测结果和真实数据进行区分并更新自身参数； 固定判别器参数，生成器根据判别器的反馈调整自身参数，生成真实的预测结果。

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南通伟达电气成套设备有限公司，其通讯地址为：226300 江苏省南通市通州区金沙街道金北村43组；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。