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！

龙图腾网获悉中国电子科技集团公司第五十四研究所申请的专利基于机理知识与元学习的无线信道孪生建模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：CN119582988B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202411535996.6，技术领域涉及：H04B17/391；该发明授权基于机理知识与元学习的无线信道孪生建模方法是由王琛;王佳玮;伍沛然设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本基于机理知识与元学习的无线信道孪生建模方法在说明书摘要公布了：本发明提供了基于机理知识与元学习的无线信道孪生建模方法，属于无线通信技术领域。本发明包括：构建基于机理知识的信道模型；构建深度学习模型，对深度学习模型进行离线训练，学习信道测量数据和模型参数集之间的映射关系；当遇到训练任务范围之外的新场景时，使用未知信道环境数据对训练好的深度学习模型进行在线微调，利用微调之后的深度学习模型估计得到实时场景下的机理模型参数集；利用机理模型参数集以及基于机理知识的信道模型，得到每个簇的每根径的信道系数。该方法利用元学习策略克服了传统机器学习模型在面对未知信道场景时对数据量和计算资源要求较高、模型泛化能力较弱的问题，可实现对动态变化的复杂信道环境的快速、精准建模。

本发明授权基于机理知识与元学习的无线信道孪生建模方法在权利要求书中公布了：1.基于机理知识与元学习的无线信道孪生建模方法，其特征在于，包括以下步骤： 步骤1，构建基于机理知识的信道模型； 步骤2，构建深度学习模型，对深度学习模型进行离线训练，学习信道测量数据和模型参数集之间的映射关系；其中，深度学习模型为卷积神经网络或后向传播神经网络，步骤2的具体方式为： 步骤2.1，采用仿真数据或实地测量数据生成信道矩阵，构造训练数据集；训练数据集中，信道矩阵作为训练样本，信道对应的机理模型参数作为样本标签； 步骤2.2，利用不同信道场景下的信道矩阵构建任务集，每个信道场景下需要估计的模型参数类型相同，将每个场景下的信道矩阵和需要估计的机理参数视为一个任务集； 由U个不同场景下的信道矩阵构成的任务集合为T＝{T1,...Tu,...,TU}，其中G是第u个任务的样本集的个数，即该场景下的信道矩阵和所对应的机理参数的样本数，是第u个任务的第g个信道矩阵，是第u个任务的第g个信道矩阵所对应的机理参数集；每个任务Tu分为大小相同的两个样本集合，即支撑集和查询集 步骤2.3，通过元学习器和基础学习器之间的相互合作对深度学习模型进行离线训练，基础学习器在每个任务上进行训练，学习任务的特性，元学习器综合多个任务的训练结果，对所有任务上的规律进行归纳、总结和提炼，学习任务之间的共性； 假设基础学习器上深度学习模型的初始参数为θ，对于第u个任务Tu而言，首先利用支撑集的样本训练深度学习模型，则训练后深度学习模型的参数更新为： 其中，是基础学习器中由上一任务训练完成的深度学习模型参数；是深度学习模型参数为的基础学习器；α是基础学习器的学习率；是任务Tu上输入为时的损失函数的梯度； 对训练后的深度学习模型输入查询集中的样本计算新的损失函数梯度元学习器利用损失函数梯度更新深度学习模型参数为： 式3中，是元学习器中由上一任务训练完成的深度学习模型参数，β是元学习器的学习率； 在训练下一个任务时，元学习器将作为下一任务的深度学习模型的初始值，利用下一任务的支撑集与查询集进行再次训练，以此循环遍历完所有任务后，得到训练完成U个任务后的最终模型参数 步骤3，当遇到训练任务范围之外的新场景时，使用未知信道环境数据对步骤2训练好的深度学习模型进行在线微调，利用微调之后的深度学习模型估计得到实时场景下的机理模型参数集P；所述机理模型参数集P包括时延扩展、离开角扩展、到达角扩展、阴影衰落、K因子；具体方式为： 构造新环境中的数据集其中H'f为信道矩阵，P'f为估计得到的机理模型参数，F为微调数据集的大小，f为用于区分新环境数据和训练数据的下标； 利用AFT对步骤2训练好的深度学习模型进行微调，网络参数更新为Ψ： 其中，γ是微调网络的学习率； 步骤4，利用步骤3得到机理模型参数集P以及步骤1构建的基于机理知识的信道模型，得到每个簇的每根径的信道系数；具体方式为： 获取机理模型参数集P中的大尺度参数，包括时延扩展、阴影衰落、离开角扩展和到达角扩展、莱斯K因子； 根据大尺度参数及其概率分布函数随机计算产生小尺度参数，包括每个簇的时延、功率、到达角、离开角； 得到每个簇的小尺度参数之后，假设每个簇内共有M条子径，对每条径的离开角和到达角进行随机匹配，并生成随机初始相位；设天线阵列为均匀线性阵列，对于n-2条弱功率簇，即n＝3,4,…,N，对应接收天线u，发射天线s之间第n条簇上的信道系数为： 其中，Pn为第n条簇的功率，根据时延产生，而时延由大尺度参数时延扩展决定；Ftx,s,V，Ftx,s,H分别为发射天线s在垂直及水平方向上的场强，Frx,s,V，Frx,s,H分别为接收天线u在垂直以及水平方向上的场强；κn,m为第n个簇的第m条径的交叉极化功率比，服从对数正态分布；为不同极化方向上的初始相位；βn,m和αn,m分别为第n个簇上的第m条径的到达角和离开角，根据角度扩展和相应的分布随机产生；du，ds分别为接收天线及发射天线各自的阵列距离，λ0为载波波长，为多普勒频移，与基站的速度v和移动角度θv有关；上标T表示矩阵转置，j为虚数单位。

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中国电子科技集团公司第五十四研究所，其通讯地址为：050081 河北省石家庄市中山西路589号中国电子科技集团公司第五十四研究所新一代移动通信创新中心；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。