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！

龙图腾网获悉重庆邮电大学申请的专利一种基于深度学习的RIS辅助通信系统信道估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：CN119420599B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202411658154.X，技术领域涉及：H04L25/02；该发明授权一种基于深度学习的RIS辅助通信系统信道估计方法是由杨黎明;高晓敏;陈发堂;王华华;王丹设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于深度学习的RIS辅助通信系统信道估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，特别涉及一种基于深度学习的RIS辅助通信系统信道估计方法，包括：构建RIS辅助通信系统的信道估计模型，模型采用AMRN网络；激活部分RIS元件，其中L小于N；用户设备发射信道信息，并通过激活后的RIS元件转发到基站；对基站接收到的信道信息进行初步信道估计，得到初步信道估计结果HLS；将HLS输入到预训练的AMRN网络中，得到信道估计结果；本发明通过利用深度可分离卷积提取局部特征，结合上下文感知的非线性权重生成机制，强化了信道的局部高频特征捕捉和增强，还通过融合高频信息与低频信息，有效提高了RIS信道估计的精度和适用性，降低了计算复杂度。

本发明授权一种基于深度学习的RIS辅助通信系统信道估计方法在权利要求书中公布了：1.一种基于深度学习的RIS辅助通信系统信道估计方法，RIS辅助通信系统包括用户设备、基站、N个RIS元件，其特征在于，包括：构建RIS辅助通信系统的信道估计模型，模型采用AMRN网络；激活L个RIS元件，其中L小于N；用户设备发射信道信息，并通过激活后的RIS元件转发到基站；对基站接收到的信道信息进行初步信道估计，得到初步信道估计结果；将输入到预训练的AMRN网络中，得到信道估计结果；其中RIS为可重构智能表面技术，AMRN为注意力增强多尺度残差网络； AMRN网络对初步信道估计结果进行处理包括： S1.采用一种双分支结构数据处理方式对进行多尺度特征提取，得到信道矩阵； S2.对信道矩阵进行整合、细化、增强处理，得到增强后的信道矩阵； S3.对增强后的信道矩阵进行上采样操作，得到高分辨率矩阵； 其中，双分支结构包括分支1与分支2；将初步信道估计结果分别输入至分支1与分支2中；分枝1对初步信道估计结果进行全局特征提取，分支2对初步信道估计结果进行深度学习，得到具有高频信息的信道矩阵；将分支1的全局特征与分支2的具有高频信息的信道矩阵进行融合，得到最终的信道矩阵；分支2由第一卷积层、B个LEAM、第二卷积层、第三卷积层组成；其中LEAM为局部增强注意力模块；分支2对初步信道估计结果进行处理包括： S321.将输入到第一卷积层中进行卷积，得到浅层特征矩阵H1； S322.使H1通过B个LEAM，得到深层特征矩阵H2；LEAM对数据的处理包括： 步骤1.对模块输入的浅层特征矩阵进行线性变换得到特征信息Q、K、V；其中，Q为当前特征的查询向量，K为特征的键向量，V为特征值； 步骤2.分别对Q、K、V进行局部信息融合，得到、、； 步骤3.计算与的哈达玛积，并对结果进行变换，得到非线性权重向量；其中变换包括：Swish、线性变换以及Tanh操作； 步骤4.计算与的哈达玛积并对结果进行线性变换，得到矩阵，该矩阵包含局部空间特征和上下文权重的增强效果； 步骤5.融合与，输出深层特征矩阵； S323.将H2输入到第二卷积层中进行卷积，得到信道矩阵H3； S324.将H3与残差连接，得到融合矩阵H4； S325.将H4输入到第三卷积层中进行卷积，得到具有高频信息的信道矩阵H5。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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。