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！

龙图腾网获悉北京邮电大学申请的专利基于深度学习的信道压缩反馈的分离训练方法及相关设备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：CN117061058B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310934826.4，技术领域涉及：H04L1/00；该发明授权基于深度学习的信道压缩反馈的分离训练方法及相关设备是由牛凯;董超;奚潞盛;喻雅楠设计研发完成，并于2023-07-27向国家知识产权局提交的专利申请。

本基于深度学习的信道压缩反馈的分离训练方法及相关设备在说明书摘要公布了：本申请提供一种基于深度学习的信道压缩反馈的分离训练方法及相关设备；方法包括：通过多次迭代来对初始编码器和初始解码器进行联合训练，得到第一编码器和第一解码器；通过多次迭代来对初始解码器进行第一分离训练，并在每次迭代中，将信道状态信息输入至第一编码器，并输出隐空间向量，将隐空间向量作为该次迭代中初始解码器的输入，以信道状态信息作为该次迭代中初始解码器输出的目标；通过多次迭代来对初始编码器进行第二分离训练，并在每次迭代中，将信道状态信息作为初始编码器的输入，令所述第一解码器将反向传播中的梯度反馈至所述初始编码器，通过将所述梯度最小化作为目标，来调整该次迭代中所述初始编码器的权重。

本发明授权基于深度学习的信道压缩反馈的分离训练方法及相关设备在权利要求书中公布了：1.一种基于深度学习的信道压缩反馈的分离训练方法，其特征在于，应用于通信装置，所述通信装置包括一个终端和一个基站，所述终端包括一个初始编码器，所述基站包括一个初始解码器； 所述方法包括： 利用所述初始编码器和所述初始解码器之间通信信道的信道状态信息，通过多次迭代来对所述初始编码器和所述初始解码器进行联合训练，得到第一编码器和第一解码器； 通过多次迭代来对所述初始解码器进行第一分离训练，并在每次迭代中，将所述信道状态信息输入至所述第一编码器，并输出隐空间向量，将所述隐空间向量作为该次迭代中所述初始解码器的输入，以所述信道状态信息作为该次迭代中所述初始解码器输出的目标； 在完成所述第一分离训练后得到第二解码器； 通过多次迭代来对所述初始编码器进行第二分离训练，并在每次迭代中，将所述信道状态信息作为所述初始编码器的输入，令所述第一解码器将反向传播中的梯度反馈至所述初始编码器，通过将所述梯度最小化作为目标，来调整该次迭代中所述初始编码器的权重； 在完成所述第二分离训练完后得到第二编码器； 所述通信装置还包括多个终端，每个终端包括一个初始编码器； 所述通过多次迭代来对所述初始编码器和所述初始解码器进行联合训练，包括： 令所述初始解码器与每个初始编码器进行所述联合训练，并得到对应各个初始编码器各自的第一编码器； 所述将所述信道状态信息输入至所述第一编码器，并输出隐空间向量，包括： 在所述第一分离训练的每次迭代中，按照初始编码器的个数，将所述信道状态信息划分为相同个数的多个第一信道子向量，并令每个初始编码器与一个第一信道子向量互相对应； 将每个第一信道子向量输入至对应的初始编码器，并令该初始编码器输出该次迭代中对应该第一信道子向量的隐空间向量； 所述将所述隐空间向量作为该次迭代中所述初始解码器的输入，以所述信道状态信息作为该次迭代中所述初始解码器输出的目标，包括： 在所述第一分离训练的每次迭代中，将对应每个第一信道子向量各自的隐空间向量输入至初始解码器； 令所述初始解码器输出对应该第一信道子向量的该轮次迭代的第一恢复向量； 确定该轮次迭代中每个第一恢复向量与各自对应的第一信道子向量之间的第一重构误差； 通过最小化该轮次迭代中的每个第一重构误差来调整所述初始解码器的权重，并利用调整权重后的初始解码器进行下一轮次的迭代； 当迭代次数达到预设的第一次数阈值，则确定完成第一分离训练； 所述通信装置还包括多个基站； 所述通过多次迭代来对所述编码器和所述解码器进行联合训练，包括： 令所述初始编码器与每个初始解码器进行所述联合训练，并得到对每个初始解码器各自的第一解码器； 所述通过多次迭代来对所述初始编码器进行第二分离训练，并在每次迭代中，将所述信道状态信息作为所述初始编码器的输入，令所述第一解码器将反向传播中的梯度反馈至所述初始编码器，通过将所述梯度最小化作为目标，来调整该次迭代中所述初始编码器的权重，包括： 在所述第二分离训练的每次迭代中，按照初始解码器的个数，将所述信道状态信息划分为相同个数的多个第二信道子向量，并令所述每个初始解码器与一个信道子向量互相对应； 将每个信道子向量输入至所述初始编码器，并输出该次迭代中对应每个信道子向量各自的编码结果； 令所述初始编码器将每个编码结果输入至对应的第一解码器，并通过反向传播来对该编码结果进行解码； 确定每个第一解码器在进行该轮次的反向传播时的梯度，并将每个梯度反馈至所述初始编码器； 令所述初始编码器基于本轮次的全部梯度来调整权重，并利用调整权重后的初始编码器进行下一轮次的迭代； 当迭代次数达到预设的第二次数阈值，则确定完成第二分离训练。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。