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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于卷积循环神经网络的信道均衡方法、计算机设备和可读存储介质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：CN115296963B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202210758495.9，技术领域涉及：H04L25/03；该发明授权一种基于卷积循环神经网络的信道均衡方法、计算机设备和可读存储介质是由韩帅;苏欣;吴宜航设计研发完成，并于2022-06-30向国家知识产权局提交的专利申请。

本一种基于卷积循环神经网络的信道均衡方法、计算机设备和可读存储介质在说明书摘要公布了：一种基于卷积循环神经网络的信道均衡方法、计算机设备和可读存储介质，属于通信技术领域，解决收敛误差难以控制和收敛过程较长的问题。本发明的方法包括：采集并预处理数据集，所述数据集分为训练集、验证集和测试集；建立基于卷积循环神经网络的信道均衡器；确定所述基于卷积循环神经网络的信道均衡器的参数；利用训练好的基于卷积循环神经网络的信道均衡器对数据进行均衡。本发明主要用于频率选择性衰落信道的信道均衡领域，尤其是瑞利多径信道的信道均衡。

本发明授权一种基于卷积循环神经网络的信道均衡方法、计算机设备和可读存储介质在权利要求书中公布了：1.一种基于卷积循环神经网络的信道均衡方法，其特征在于，所述方法包括： 步骤1、生成并处理原始数据序列，获取数据集，并将所述数据集分为训练集、验证集和测试集； 步骤2、建立基于卷积循环神经网络的信道均衡器，具体包括： 所述卷积循环神经网络的信道均衡器包括输入模块、二维特征提取模块、时序特征提取模块和输出层，其中， 所述输入模块包括输入层和一个全连接层； 所述二维特征提取模块包括卷积层、池化层和批标准化； 所述时序特征提取模块利用长短期记忆人工神经网络构建而成； 所述输出层包括两个全连接层和Dropout； 步骤3、通过仿真确定所述基于卷积循环神经网络的信道均衡器的参数，所述参数包括训练集长度、训练轮数以及学习率； 步骤4、利用所述数据集，训练所述确定参数后的基于卷积循环神经网络的信道均衡器； 步骤5、利用所述训练后的基于卷积循环神经网络的信道均衡器对数据进行均衡； 所述二维特征提取模块包括卷积层、池化层和批标准化，具体为：所述二维特征提取模块依次包括卷积层、平均池化层、BN、卷积层、最大池化层和BN，具体为：第一个卷积层将输入层的输出进行卷积，生成特征图，提取浅层信息，所述浅层信息包括幅度和相位；随后利用平均池化保留背景信息，防止部分关键特征被丢弃，批标准化的将输出进行规范化；第二个卷积层提取出更深层次的信息，所述更深层次的信息包括多普勒频移，随后利用最大池化保留边界信息，减少冗余信息，通过两次卷积，用于存在码间干扰的无线信号的还原； 所述时序特征提取模块利用长短期记忆人工神经网络构建而成，具体为：所述时序特征提取模块依次包括LSTM层和BN； 所述输出层包括两个全连接层和Dropout，具体为：所述输出层依次包括全连接层、Dropout和全连接层；Dropout的作用是丢弃上层的部分输入，在层与层之间添加Dropout减少过拟合现象，最终的网络输出是均衡过后信号的实部和虚部； 所述步骤1，具体包括： 步骤1.1、根据调制方式，生成原始数据序列，再调制为相应的符号，将原始数据序列保存下来，作为标签； 步骤1.2、根据信道参数进行信道建模，根据相干时间和信号速率，计算一个相干时间内能传输的符号数，为训练集长度的选择提供指导； 步骤1.3、根据多径时延信息，估计出均衡器的抽头个数； 步骤1.4、将数据经过信道，获得衰落信号，根据抽头数量，对数据序列进行次循环移位，并将信号的实部和虚部分开，再进行拼接。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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”。