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！

龙图腾网获悉南京大学申请的专利基于深度强化学习的主动监听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：CN114884547B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202210312148.3，技术领域涉及：H04B7/06；该发明授权基于深度强化学习的主动监听方法是由唐岚;陈家乐设计研发完成，并于2022-03-28向国家知识产权局提交的专利申请。

本基于深度强化学习的主动监听方法在说明书摘要公布了：本发明公开了一种基于深度强化学习的主动监听方法，属于通信领域。在大规模MIMO‑OFDM系统中，当监听器E和可疑接收机D不在同一通信波束的覆盖范围内时，传统的被动监听和主动监听方案变得低效甚至无效。为实现对大规模MIMO‑OFDM系统的合法监听，将监听器作为伪中继，实现波束诱导和数据监听。当发射机S执行波束扫描时，监听器E通过优化中继预编码矩阵，诱导发射机选择对监听有利的波束。在数据监听阶段，监听器E通过优化中继功率分配因子和功率增益因子来提高监听速率。由于可疑通信链路的信道状态信息未知，通过深度强化学习算法‑MADDPG寻找最优的预编码矩阵和功率分配因子。计算机仿真验证所提设计方案的有效性。

本发明授权基于深度强化学习的主动监听方法在权利要求书中公布了：1.一种基于深度强化学习的主动监听方法，包含以下步骤： 1发射机S按照波束预码本以时分的方式执行模拟波束扫描； 2在发射机S执行波束扫描阶段，监听器E根据自身的波束质量报告和接收机D反馈给发射机S的波束报告确定对自身有利的最佳波束索引j*； 3监听器E通过优化转发预编码矩阵来诱导发射机S选择最佳波束索引j*； 4在最佳波束索引j*确定后的通信阶段，监听器E充当数据转发的伪中继，维护通信波束，提高数据监听率；所述步骤2中包括如下步骤： 1接收机D和监听器E分别接收发射机S发出的波束质量测量参考信号，并根据接收信号计算波束质量，所述接收机D形成波束质量报告并反馈给发射机S做波束选择参考； 2监听器E根据自身的波束质量报告和通过监听接收机D反馈给发射机S的波束质量报告，同时考虑功率消耗的因素，最终根据波束诱导成功率和功耗折衷公式确定最佳波束索引j*；所述步骤3中包括如下步骤： ㈠监听器形成优化问题：在波束诱导成功的约束下最小化监听器的总发射功率，根据优化问题推导出最优预编码矩阵的形式，得出最优预编码矩阵与发射机S和接收机D的信道状态信息有关； ㈡监听器E使用MADDPG算法训练第一拟合网络来确定第一转发矩阵的传输参数，之后利用所述传输参数确定的第一转发矩阵向接收机D转发波束质量测量参考信号，诱导接收机D发送有误的波束测量报告，从而使得发射机S选择对监听器E有利的波束；所述步骤4中包括如下步骤： i监听器E接收发射机S发出的传输数据，并形成优化问题：在成功监听和发送功率小于转发功率上限的条件下，最大化数据监听率； ii监听器使用MADDPG算法训练第二拟合网络来确定功率分配因子和功率增益因子，让一部分功率用来解码，一部分功率用来转发信号，之后利用第二转发矩阵向接收机D转发通信数据，以维护通信波束，提高数据监听率；所述步骤㈡中包括如下步骤： ①将波束诱导问题建模成第一多智能体协同MDP问题； ②根据最优预编码矩阵的形式，将寻找最优预编码矩阵问题转化为寻找一对常数问题，从而加快训练过程；在某一特定时刻，单子载波上的动作为预编码矩阵的角度及幅度，因此，所有子载波的动作为单载波上动作的集合； ③某一特定时刻，单子载波上的状态为通过监听和分析反馈信道上的波束报告信息加上已知信道信息，全局状态是所有子载波状态的非重叠信息的并集； ④某一特定时刻的奖励函数设计鼓励成功的波束诱导，同时惩罚消耗过多能量的行为；所述步骤ii中包括如下步骤： I将数据监听问题建模成第二多智能体协同MDP问题； II根据最优预编码矩阵的形式，将寻找最优预编码矩阵问题转化为寻找一对常数问题，从而加快训练过程；在某一特定时刻，单个子载波的动作为功率增益因子和功率分配因子，因此，所有子载波的动作为单载波上动作的集合； III某一特定时刻，单个子载波上的状态为通过监听和反馈信道信息获得的信干噪比加上已知信道信息，全局状态是所有子载波状态的非重叠信息的并集； IV某一特定时刻的奖励设计鼓励子载波在监听成功和功率限制的约束下最大化监听率。

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南京大学，其通讯地址为：210093 江苏省南京市鼓楼区汉口路22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”。