东南大学李春国获国家专利权
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！
龙图腾网获悉东南大学申请的专利一种基于深度学习增强的大规模MIMO下行CSI反馈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：CN116405070B 。
龙图腾网通过国家知识产权局官网在2026-03-31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：202310393588.0，技术领域涉及：H04B7/0413；该发明授权一种基于深度学习增强的大规模MIMO下行CSI反馈方法是由李春国;高振;张彪;冷天然;孙希茜;张翅;杨绿溪设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。
本一种基于深度学习增强的大规模MIMO下行CSI反馈方法在说明书摘要公布了：本发明公开了一种基于深度学习增强的大规模MIMO下行CSI反馈方法，在现有的自编码网络CsiNet基础上修改了编码器网络、解码器网络和反馈内容，增强了对CSI矩阵的特征提取能力、减少了网络复杂度、让深度学习网络的输入与CSI矩阵处于同一个数量级。增加了拼图解谜训练策略来平衡深度学习中压缩任务和识别任务的关系，既保留CSI矩阵物理信息的完整性又不丢失其可区分性，增强下行CSI反馈性能。
本发明授权一种基于深度学习增强的大规模MIMO下行CSI反馈方法在权利要求书中公布了：1.一种基于深度学习增强的大规模MIMO下行CSI反馈方法，其特征在于，包括以下步骤： 步骤S1：构建时分双工制式下的大规模MIMO系统下行CSI反馈模型，包含用户端的编码器网络和基站端的解码器网络；采用CSOT2100信道模型生成训练集、验证集和测试集，得到的CSI矩阵表示为Ηd； 步骤S2：构建基于卷积神经网络的球形CSI反馈网络模型，命名SphconvNet，将信道状态信息CSI矩阵Ηd的功率p单独提取出来反馈，剩下的部分在一个球面上，表示为球形CSI矩阵将CSI矩阵Ηd分成实部和虚部输入编码器网络和解码器网络，输出压缩反馈后恢复的CSI矩阵 步骤S3：采用拼图解谜辅助训练策略，增强步骤S2中CSI反馈网络模型，命名为JP-SphconvNet，将步骤S2得到的球形CSI矩阵四等分后打乱顺序，序号记作向量K，打乱顺序的CSI矩阵记作输入步骤S2的编码器网络，编码器网络的输出为构建目标函数，寻找合适的编码器网络和解码器网络参数集，既可以满足原始CSI矩阵Ηd和SphconvNet网络模型压缩反馈后的矩阵之间的差值最小，又能使预测的排列序号与原序号K的误差最小。
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。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励