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！

龙图腾网获悉电子科技大学申请的专利一种基于深度主动学习的波束追踪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：CN116886143B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202310831396.3，技术领域涉及：H04L27/00；该发明授权一种基于深度主动学习的波束追踪方法是由袁晓军;程锡春;朱立东;张勇设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于深度主动学习的波束追踪方法在说明书摘要公布了：本发明属于信息与通信技术领域，涉及一种基于深度主动学习的波束追踪方法。针对多用户波束追踪问题，本发明提出了一种基于深度主动学习的无码本波束追踪框架来进一步提升追踪性能。该框架包含两个模块：一个基于DNN的多波束生成器；和一个基于多重信号分类算法的AoA估计器。该框架采用在线追踪的策略，将前一时间块的AoA分布作为DNN的输入特征以完成自适应波束追踪。实验仿真证明，本发明提出的方法优于基于码本的波束追踪方法。

本发明授权一种基于深度主动学习的波束追踪方法在权利要求书中公布了：1.一种基于深度主动学习的波束追踪方法，定义系统中接收端具有条射频链和根接收天线，接收天线构成均匀线性阵列，其特征在于，所述追踪方法包括： 使用均匀间隔的点离散网格集合对连续用户到基站的到达角（AoA）变量进行量化，定义为AoA在网格上的离散概率分布，为第个时间块的第k个AoA分布； 设置基于DNN的多波束生成器，用于自适应生成当前时间块的波束，具体实现方法为： 对于任何时间块，设置第个DNN的波束生成器映射函数为，用于将上一个时间块的第个最小AoA值的分布映射为，且，K为多波束生成器总数也是用户数，是第个实数表示的子波束生成器； 设置多波束生成器的生成函数为，用于将所有生成的K个子波束生成器合并为，并对每一列进行2范数归一化，然后转换成复数波束生成器，最后对进行正交化操作，即，经过处理后输出； 设置基于多重信号分类算法的AoA估计器，用于估计出当前的AoA值和AoA分布，具体实现方法为： 接收端基于进行观测，将观测信号作为AoA估计器的输入，其中，为第个用户到接收端的AoA，为ULA的导向矢量，为用户的等效发射信号，为所有用户在第个时间块内的快拍次数，，为独立同分布的高斯白噪声； AoA估计器构造基于的协方差矩阵，并对进行奇异值分解： ， 其中，是中的个特征值对应特征向量所张成的信号子空间，是中的个特征值对应特征向量所张成的噪声子空间，基于MUSIC算法，构建空间谱为： ， 使用的倍精细网格集对空间谱进行一维搜索，找到个谱峰值对应的网格即为估计的个AoA值，对构造的空间谱进行倍下采样： ， 其中，，对下采样空间谱进行分离，具体为，找到相邻谱峰的中点作为划分点，将空间谱分成个区域，对区域之外的谱值置零，从而得到个空间谱；对分离的空间谱进行归一化来计算个AoA分布： ， 其中，表示第个AoA分布的第个网格的概率； 对构建的基于DNN的多波束生成器和基于多重信号分类算法的AoA估计器进行训练，具体为：生成AoA真值通过对随机采样个值，根据真值在中的索引生成个独热标签，其中为1如果对应真值，否则为0；对于追踪初期轮次，将个AoA的概率分布初始化为，将初始化数据输入基于DNN的多波束生成器后生成波束，再由基于多重信号分类算法的AoA估计器计算下一轮训练使用的个AoA的概率分布，直至个轮次训练完成，其中基于DNN的多波束生成器使用的损失函数为： ， 其中是最后一个训练轮次的第个AoA分布； 使用训练好的基于DNN的多波束生成器和基于多重信号分类算法的AoA估计器进行在线波束追踪，具体追踪方法为，建立在线波束追踪模型为： ， ， ， ， 其中，表示为对连续AoA变量的量化操作，表示为第个量化后的AoA估计错误的概率，通过求解上述模型得到追踪的波束以及用户AoA。

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电子科技大学，其通讯地址为：611731 四川省成都市高新西区西源大道2006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”。