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！

龙图腾网获悉东南大学申请的专利一种超网络辅助的数据模型双驱动MIMO-OFDM信号检测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：CN119561815B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202411632078.5，技术领域涉及：H04L27/26；该发明授权一种超网络辅助的数据模型双驱动MIMO-OFDM信号检测方法是由金石;李昕洁;张静;周星宇设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种超网络辅助的数据模型双驱动MIMO-OFDM信号检测方法在说明书摘要公布了：本发明公开了一种超网络辅助的数据模型双驱动MIMO‑OFDM信号检测方法，包括：一个具有一组可调参数的信号检测网络，以及一个可训练的超网络。首先，利用线性最小均方误差算法获取信道估计，将估计信道矩阵HLMMSE作为超网络的输入，输出可调参数Ωhyper提供给信号检测网络；接着，对信道矩阵HLMMSE和接收信号向量y进行实值分解，与推导得到的等效噪声方差信息一起输入到信号检测网络，信号检测网络由图神经网络增强的期望传播算法展开而成，结合实数域信道矩阵实数域接收信号向量环境信息和超网络提供的参数Ωhyper，给出对发送符号向量的估计最后，对估计的符号向量进行解映射，获得对原始发送比特的估计本发明检测性能高，消耗时间少，同时泛化性强，可适应场景变化。

本发明授权一种超网络辅助的数据模型双驱动MIMO-OFDM信号检测方法在权利要求书中公布了：1.一种超网络辅助的数据模型双驱动MIMO-OFDM信号检测方法，其特征在于，MIMO-OFDM系统包含一个具有一组可调参数的信号检测网络，以及一个可训练的超网络，所述方法包括以下步骤： 1利用线性最小均方误差算法估计信道状态信息，超网络将信道状态信息作为输入，输出可调参数Ωhyper提供给信号检测网络； 2对估计信道矩阵HLMMSE和接收信号向量y进行实值分解，将得到的实数域信道矩阵实数域接收信号向量以及推导得到的等效噪声方差信息输入到信号检测网络，信号检测网络由T个图神经网络增强的子模块串联而成，不同图神经网络模块间可调参数共享；依据实数域信道矩阵估计实数域接收信号向量等效噪声方差信息超网络提供的参数以及子模块的可调参数，给出对发送符号向量的估计 3对估计的符号向量进行解映射，获得对原始发送比特的估计 步骤1中的超网络是具有可训练参数Θhyper的神经网络，信号检测网络的部分可调参数Ωhyper由该超网络生成；输入超网络的信道状态信息是线性最小均方误差算法估计的信道矩阵HLMMSE，超网络对信道矩阵HLMMSE进行奇异值分解，并对获取的奇异值向量s进行实值分解得到奇异值向量超网络具体使用由三层全连接层构成的深度神经网络实现，分别包含{256,256,4Nu}个神经元，其中Nu为特征向量u0的长度；超网络输出的参数是可调参数集合Ωhyper，对应于信号检测网络第一个子模块t＝1的输入特征向量u0的计算过程中所需的一组可调参数； 步骤2具体包括： 2.1对信道矩阵HLMMSE和接收信号向量y进行实值分解，得到实数域信道矩阵和实数域接收信号向量 2.2根据估计信道矩阵误差修正噪声的二阶统计特性Rz，经实值分解得到实数域相关矩阵Re，并提取等效等效噪声方差信息表达式为： 其中，Re·表示取复数的实部，Nr为接收天线数目，tr·表示矩阵的迹； 2.3将图神经网络增强的期望传播算法作为信号检测网络，该深度神经网络包含T个串联的子模块，不同图神经网络模块间可调参数共享；将实数域信道矩阵实数域接收信号向量和等效等效噪声方差信息作为该信号检测网络的输入；信号检测网络第一个子模块t＝1的输入特征向量u0的计算过程涉及可调参数Ωhyper，由所述的超网络提供；后续第t＝2,...,T个子模块的输入特征向量u0则根据第t-1个模块中图神经网络的输出特征向量uL进行赋值，其中L是特征向量在图神经网络中的迭代更新次数；信号检测网络的第t个子模块根据实数域信道矩阵实数域接收信号向量等效等效噪声方差信息以及输入特征向量u0完成本层的估计，第t个子模块分为三个部分，分别是观测、图神经网络增强和估计；观测部分基于期望传播检测算法，首先利用指数簇分布构建高斯后验逼近，计算其均值与协方差然后基于高斯后验函数计算似然函数，似然函数的均值与协方差作为先验信息输入图神经网络；图神经网络增强部分利用似然分布特性及多用户干扰信息表征变量节点及因子节点间的潜函数关系，对后验概率推断进行加强，后验概率输入估计模块，此外，特征向量在变量节点与因子节点的消息传递过程中不断迭代更新，L次迭代后得到输出特征向量uL；估计部分根据后验概率对传输符号进行软判决，计算均值和方差结合似然函数先验信息更新指数簇分布计算过程中所需的参数对γt,Λt，与输出特征向量uL一起输入到第t+1个子模块；第T个子模块输出最终的估计符号向量

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。