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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江工业大学王珊珊获国家专利权

浙江工业大学王珊珊获国家专利权

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!

龙图腾网获悉浙江工业大学申请的专利一种基于RCNN-GAN的智能收发机设计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:CN118694389B

龙图腾网通过国家知识产权局官网在2026-04-03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:202410759080.2,技术领域涉及:H04B1/40;该发明授权一种基于RCNN-GAN的智能收发机设计方法是由王珊珊;俞李杰;韩会梅;卢为党;黄国兴;张昱设计研发完成,并于2024-06-12向国家知识产权局提交的专利申请。

一种基于RCNN-GAN的智能收发机设计方法在说明书摘要公布了:本发明涉及无线通信技术领域,具体涉及一种智能收发机设计方法。该方法具体包括智能收发机模型构建、训练集与测试集获取、训练和测试及智能收发机获得步骤。其基于注意力的残差辅助生成对抗网络AAR‑GAN模型和基于残差自动编码器RCNN模型,分别具有编码调制、信道、解调解码功能。相比于CNN‑CGAN,这两个神经网络不仅提高了生成信道效应的质量,还全面提升了BER性能,增强了网络模型的稳定性。

本发明授权一种基于RCNN-GAN的智能收发机设计方法在权利要求书中公布了:1.一种基于RCNN-GAN的智能收发机设计方法,其特征在于,具体包括如下步骤: S01、智能收发机模型构建步骤; 基于注意力的残差辅助生成对抗网络AAR-GAN模型来模拟信道;所述AAR-GAN模型包括残差生成器和判别器;所述残差生成器包含三个卷积层网络和一个通道注意力机制SE-Block网络;第一层网络为卷积层、SE-Block、批量归一化BN层和ReLU激活层;第二层网络为卷积层、BN层和ReLU激活层;第三层网络为卷积层;所述SE-Block网络包括压缩和激励操作层; 所述判别器包括两个卷积层与ReLU激活层网络和一个卷积层与sigmoid激活层网络; 基于残差自动编码器RCNN模型来搭建发射机和接收机;所述RCNN模型包括编码器和解码器,所述编码器构成发射机,所述解码器构成接收机; 所述解码器包含八层网络,第一层至第七层网络均为卷积层和ReLU激活层;第八层网络为卷积层和sigmoid激活层,其中第二个卷积层与第四个ReLU层之间、以及第五个卷积层与第七个ReLU层之间存在跳跃连接; S02、训练集与测试集获取步骤; 随机生成信息比特流s;从信道数据集中随机采样瞬时信道状态信息CSI和噪声z;获得AAR-GAN模型的训练集A1和测试集A2和RCNN模型的训练集B1和测试集B2; S03、训练步骤; 利用训练集A1,对所述AAR-GAN模型进行训练,更新所述AAR-GAN模型参数,迭代训练所述AAR-GAN模型直至收敛; 利用训练集B1,对所述RCNN模型进行训练,更新所述RCNN模型参数,迭代训练所述RCNN模型直至收敛; S04、测试及智能收发机获得步骤; 将所述测试集A2和所述测试集B2输入已收敛的AAR-GAN模型和RCNN模型,获取比特误码率BER;若所述比特误码率BER高于设计标准值,则继续迭代;若所述比特误码率BER低于设计标准值,则结束迭代,获得智能收发机。

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浙江工业大学,其通讯地址为:310014 浙江省杭州市拱墅区潮王路18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。