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基于深度学习的网络大规模MIMO预编码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：CN119341608B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202411443638.2，技术领域涉及：H04B7/0456；该发明授权基于深度学习的网络大规模MIMO预编码方法是由高西奇;朱文捷;孙晨设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本基于深度学习的网络大规模MIMO预编码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网络大规模MIMO预编码方法，适用于网络大规模MIMO传输中多个基站协作地为一组用户传输数据的下行预编码设计，针对最大化系统和速率的预编码设计，将其等价转化为加权最小均方误差WMMSE问题，利用两层迭代得到WMMSE预编码器，将WMMSE预编码器通过低维参数表征，然后将预编码设计问题转换为低维变量的优化问题；利用深度学习求解针对低维参数优化问题，并通过闭式表达式计算预编码向量。本发明通过求解低维参数的问题解决高维的预编码设计问题，并以较低的计算复杂度和更高的计算效率达到接近最优的和速率性能。

本发明授权基于深度学习的网络大规模MIMO预编码方法在权利要求书中公布了：1.一种基于深度学习的网络大规模MIMO预编码方法，其特征在于，所述网络大规模MIMO传输中涉及多个基站，有多个单天线的用户随机分布在覆盖区域中，每个基站配备多根天线，多个基站协作地为一组用户传输数据；迭代求解WMMSE预编码器时，优化问题表达为，优化目标为最大化系统和速率：；其中和分别为所有基站到第k个用户的下行信道与预编码向量，为从第个基站到第k个用户的信道向量；是第个基站发送给第k个用户的预编码向量，为第k个用户虚拟干扰加噪声之和协方差矩阵，为噪声功率，上标H表示矩阵共轭转置，上标T表示矩阵转置，L为基站数量，K为用户数量，M为每个基站配备天线数量；为第个基站的最大发送功率，是一个分块对角矩阵，其第个对角块为M阶单位阵，其余对角块为M阶全零阵； 所述预编码方法中，利用两层迭代得到最大化系统和速率的WMMSE预编码器，将WMMSE预编码器通过低维参数表征，然后将预编码设计问题转换为低维变量的优化问题；利用深度学习求解针对低维参数优化问题，并通过闭式表达式计算预编码向量；所述两层迭代中，首先将最大化系统和速率的预编码设计问题等价转化为加权均方误差最小化WMMSE的凸优化问题；在外层迭代中，通过使用块坐标下降方法，根据一阶最优性条件，交替优化接收机、权值和预编码向量，迭代地求解该等价问题；在每一步外层迭代中，对各个基站相关的量使用块坐标下降方法得到内迭代过程，将各基站联合设计的预编码问题解耦为各基站独立求解的问题，在子问题中求解该基站功率约束对应的对偶变量；外层迭代中，迭代表达式为： ； 式中： ； ； ； ； 参数的上标t与t+1代表第t次与t+1次迭代过程，上标*表示共轭，和为迭代计算过程的中间变量，为第k个用户的接收机，为权重，为对偶变量； 内层迭代中，迭代表达式为： ； 式中，上标t,q代表第t次外迭代中的第q次内迭代，t,q+1代表第t次外迭代中的第q+1次内迭代，为中提取的向量，为的子矩阵 ； 通过二分法搜索得出最优对偶变量。

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：211189 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。