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！

龙图腾网获悉湖南大学申请的专利一种基于深度学习的大规模MIMO下行CSI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：CN119030579B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202410929746.4，技术领域涉及：H04B7/06；该发明授权一种基于深度学习的大规模MIMO下行CSI反馈方法是由李锦新;王钰嘉;李高升设计研发完成，并于2024-07-11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大规模MIMO下行CSI反馈方法在说明书摘要公布了：本发明涉及无线通信技术领域，具体涉及一种基于深度学习的大规模MIMO下行CSI反馈方法，使用COST2100信道模型构件数据集，生成训练集、验证集与测试集；构建深度神经网络模型，深度神经网络模型包括编码器和解码器，用训练集训练深度神经网络模型，同时在训练过程中使用验证集来辅助调整训练策略，将训练好的深度神经网络模型在测试集上测试模型性能；保存训练好的深度神经网络模型，并将编码器部署在用户端，解码器部署在基站。能够在较低的模型复杂度基础上实现较高的反馈精度，大幅提升了CSI反馈性能，为大规模MIMO系统下行CSI反馈提供了一种高效可行的方法。

本发明授权一种基于深度学习的大规模MIMO下行CSI反馈方法在权利要求书中公布了：1.一种基于深度学习的大规模MIMO下行CSI反馈方法，其特征在于，包括以下步骤： 使用COST2100信道模型构建数据集，并将数据集预处理，分为训练集、验证集与测试集； 构建深度神经网络模型，深度神经网络模型包括编码器和解码器，编码器部署在用户端，将CSI矩阵根据预设压缩率压缩为码字，并通过反馈链路反馈给基站，解码器部署在基站，将收到的码字重构为原始信道矩阵，其中，编码器由一个PF层、一个转置卷积层、一个卷积层和一个全连接层组成，编码器的第一层PF层包含一个PoolFormer模块，在PF层之后，使用转置卷积对特征映射进行上采样，在转置卷积层之后，使用卷积恢复特征映射，然后再使用第二个卷积进行特征提取，最后通过全连接层生成码字，解码器由一个全连接层、一个PF层、两个卷积层和一个Sigmoid层组成，全连接层将接收到的码字重构为原始信道状态矩阵大小，将矩阵输入到第一个卷积层，通过卷积提取特征，在第一个卷积层之后使用由三个相同的PoolFormer摸块组成的PF层进行特征提取和CSI矩阵重建，在每个PoolFormer模块之后，应用残差学习来提高模型的整体性能，处理后的矩阵通过转置卷积和卷积组成的第二卷积层进行特征融合和重构，最后由Sigmoid激活函数处理后输出重构矩阵； 用训练集训练深度神经网络模型，同时在训练过程中使用验证集来辅助调整训练策略，将训练好的深度神经网络模型在测试集上测试模型性能； 保存训练好的深度神经网络模型，并将编码器部署在用户端，解码器部署在基站。

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湖南大学，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。