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！

龙图腾网获悉浙江大学申请的专利一种基于深度学习的预训练载波频率偏移校准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：CN121333866B 。

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：202511881409.3，技术领域涉及：H04L27/26；该发明授权一种基于深度学习的预训练载波频率偏移校准方法是由郑景泽;顾超杰;史治国;舒元超;郭秀珍;贺诗波设计研发完成，并于2025-12-15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预训练载波频率偏移校准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的预训练载波频率偏移校准方法，属于无线通信技术领域。方法包括：步骤1、通过模拟驱动预训练，在合成OFDM信号上预训练骨干深度神经网络，学习硬件失真下的广义特征；步骤2、针对目标设备，使用少量真实数据轻量级微调回归层，实现设备特定适应；步骤3、利用卷积‑全连接混合架构提取CP基特征，进行CFO估计；步骤4、通过Sim2Real转移学习框架，桥接仿真与现实差距，提升CFO估计鲁棒性；步骤5、根据解调结果优化补偿参数，降低误码率。本发明在异构SDR平台上实现30倍误码率降低，处理时延低，成本效益高。

本发明授权一种基于深度学习的预训练载波频率偏移校准方法在权利要求书中公布了：1.一种基于深度学习的预训练载波频率偏移校准方法，其特征在于，包括： 步骤1、通过模拟驱动预训练，在合成OFDM信号上预训练骨干深度神经网络，学习硬件失真下的广义特征；模拟驱动训练包括： 步骤1.1、构建合成OFDM信号模型，其中OFDM符号长度K，循环前缀长度G，时域信号表示为： ， 其中，s为符号向量，表示其中循环前缀的部分，表示符号向量的尾端用作循环的部分； 步骤1.2、融入参数化硬件失真模型，包括相位噪声、IQ两路采样序列不平衡、振荡器漂移，模拟真实SDR设备损伤； 步骤1.3、使用骨干深度神经网络进行预训练，网络输入为接收信号的IQ两路采样序列样本或相位序列，输出为CFO估计值； 步骤1.4、通过最小化均方误差损失函数优化网络参数，避免跨设备真实数据收集成本； 步骤2、针对目标设备，使用真实数据轻量级微调回归层，实现设备特定适应；轻量级设备适应包括冻结卷积层，仅优化全连接头；轻量级设备适应具体内容包括： 步骤2.1、针对每个目标SDR设备，收集真实OFDM帧，数量为1000帧； 步骤2.2、冻结预训练网络的卷积层权重，仅微调全连接回归层，保留硬件无关特征知识； 步骤2.3、使用真实数据微调，损失函数结合OFDM解调结果，形式为： ， 其中，表示损失函数，为OFDM解调函数，为补偿后信号，为已知传输符号； 步骤2.4，通过梯度下降优化，适应设备特定射频损伤，减少过拟合风险； 步骤3、利用卷积-全连接混合架构提取循环前缀CP基特征，进行CFO估计；特征提取与CFO估计包括： 步骤3.1、利用CP结构进行共轭乘法：对于接收信号r，提取循环前缀CP段和对应符号尾部，通过共轭乘法计算：； 步骤3.2、推导相位序列，该相位序列包含CFO诱导相位旋转和噪声分量； 步骤3.3、DNN采用卷积-全连接混合架构：卷积前端包括三个阶段——特征提取、下采样以及深度分离卷积，全局池化层压缩特征图至512维，回归层由全连接层构成；交替使用GELU和SiLU激活函数，网络输入为相位序列Φ，输出CFO估计值 步骤4、通过Sim2Real转移学习框架，桥接仿真与现实差距，提升CFO估计鲁棒性； 步骤5、根据解调结果优化补偿参数，降低误码率。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。