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！

龙图腾网获悉北京交通大学申请的专利一种基于深度学习的空频联合信道反馈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：CN115459824B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202210888811.4，技术领域涉及：H04B7/06；该发明授权一种基于深度学习的空频联合信道反馈方法是由宁泽旭;王公仆;许荣涛;陈霞;何睿斯;艾渤设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本一种基于深度学习的空频联合信道反馈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空频联合信道反馈方法，包括将具有空频相关性的信道矩阵H作为空频联合信道反馈模型的输入；建立空频联合信道反馈模型SFCNetSpace‑FrequencyCompressionNet，SFCNet；通过若干层卷积神经网络充分提取信道矩阵内部特征联系，然后重塑为一维向量，继而被反馈给基站端的解码器进行恢复和重构；对SFCNet模型进行更优化的联合反馈训练；衡量SFCNet模型效果。本发明可以利用信道空频相关性进行联合反馈，提取同一用户在不同频率上的信道之间的相关性和不同用户在同一频率上的信道之间的相关性，从而降低了反馈开销，提升了反馈效率。

本发明授权一种基于深度学习的空频联合信道反馈方法在权利要求书中公布了：1.一种基于深度学习的空频联合信道反馈方法，其特征在于，包括下述步骤： 将具有空频相关性的信道矩阵H作为空频联合信道反馈模型的输入； 建立空频联合信道反馈模型SFCNet； 通过若干层卷积神经网络充分提取信道矩阵内部特征联系，重塑为一维向量，反馈给基站端的解码器进行恢复和重构； 对SFCNet模型进行更优化的联合反馈训练； 衡量SFCNet模型效果; 所述建立空频联合信道反馈模型SFCNet具体为： 建立单独编码器SFNet模块； 将不同空频段的两个单独编码器SFNet生成的一维向量，反馈给基站端，由基站端的联合解码器负责恢复两个空频段下的信道信息； 实现通过若干层卷积神经网络充分提取信道矩阵内部特征联系，继而被反馈给基站端的解码器进行恢复和重构的过程; 所述基站端的联合解码器包括：CNNshDecoder联合模块和CNNCombiner联合模块； 不同空频段的信道矩阵H在输入CNNshDecoder联合模块之前，先变形为一维矩阵之后，再进行concat连接； 不同空频段的信道矩阵H在输入CNNCombiner联合模块之前，直接对两个信道矩阵H进行concat连接； 所述建立单独编码器SFNet模块具体为： 多个卷积层构成的编码器CNNEncoder，中间使用全连接层FC来生成码字s，解码器CNNDecoder，每个卷积层后边都有一个BN层。

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北京交通大学，其通讯地址为：100044 北京市海淀区上园村3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。