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面向大规模MIMO系统的预编码矩阵生成方法和装置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：CN117978219B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202410050063.1，技术领域涉及：H04B7/0456；该发明授权面向大规模MIMO系统的预编码矩阵生成方法和装置是由刘安;王珂璇;赵明敏;朱秋平设计研发完成，并于2024-01-11向国家知识产权局提交的专利申请。

本面向大规模MIMO系统的预编码矩阵生成方法和装置在说明书摘要公布了：本申请提出了一种面向大规模MIMO系统的预编码矩阵生成方法，包括：获取基站数据和用户终端数据，并输入训练好的预编码矩阵设计网络中，输出与每个用户对应的预编码矩阵，其中，预编码矩阵设计网络为多级网络，在输入数据后，每级网络的计算过程为：利用基站数据和用户终端数据计算关于信道的二阶项期望，并近似计算二阶项的逆矩阵的期望，其中，二阶项的逆矩阵的期望中包含可学习矩阵；利用二阶项的逆矩阵的期望近似计算关于信道的高阶项的期望，其中，高阶项的期望中包含可学习矩阵；基于信道的高阶项的期望、根据闭式表达式近似计算预编码矩阵。采用上述方案的本发明能够以较少的计算开销和较快的收敛速度，达到接近最优的用户遍历和速率。

本发明授权面向大规模MIMO系统的预编码矩阵生成方法和装置在权利要求书中公布了：1.一种面向大规模MIMO系统的预编码矩阵生成方法，其特征在于，所述大规模MIMO系统包含基站和用户终端，所述方法包括： 获取基站数据和用户终端数据，并输入训练好的预编码矩阵设计网络中，输出与每个用户对应的预编码矩阵， 其中，所述预编码矩阵设计网络为多级网络，在输入数据后，每级网络的计算过程为： 利用所述基站数据和用户终端数据计算关于信道的二阶项期望，并近似计算二阶项的逆矩阵的期望，其中，所述二阶项的逆矩阵的期望中包含可学习矩阵； 利用所述二阶项的逆矩阵的期望近似计算关于信道的高阶项的期望，其中，所述高阶项的期望中包含可学习矩阵； 基于所述信道的高阶项的期望、根据闭式表达式近似计算预编码矩阵； 其中，所述基站数据包括基站发射功率，所述用户终端数据包括信道估计均值、信道估计方差和平均噪声功率； 在第i级网络中，二阶项表示为： 其中，Hk表示用户终端k的信道，表示Hk的共轭转置矩阵，表示第i-1层网络输出的用户终端m的预编码矩阵，Pmax表示基站发射功率，表示用户终端m处的平均噪声功率，I表示单位矩阵，表示用户集合； 二阶项的期望表示为： 其中，操作vec·代表矩阵向量化，代表向量矩阵化，矩阵Mt表示基站端配备有Mt根天线的大规模天线阵列，Mr表示每个用户配备有Mr根天线，矩阵Qk的第i,j个元素表示为： 其中，表示用户终端k的信道估计均值，ΔHk表示用户终端k的信道估计方差，下标r2＝i％64，t2＝j％2； 所述二阶项的逆矩阵的期望表示为： 其中，是的一阶泰勒展开，是用来弥补和之间的误差的可学习矩阵，表示为： 其中，[·]+操作为将一个矩阵的对角元素替换为该元素的倒数并将该矩阵的其它元素置为0； 所述关于信道的高阶项期望表示为： 其中，操作符 是引入的用来弥补高阶期望近似误差的可学习矩阵； 所述闭式表达式表示为： 所述基于所述信道的高阶项的期望、根据闭式表达式近似计算预编码矩阵，包括： 计算对称矩阵Bi及其逆矩阵，其中， 根据计算的对称矩阵的逆矩阵确定预编码矩阵其中， 对所述预编码矩阵进行功率缩放，得到最终的预编码矩阵，其中，所述功率缩放表示为： 其中，

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：310027 浙江省杭州市西湖区浙大路38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”。