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！

龙图腾网获悉西安电子科技大学申请的专利基于双阶段注意力神经网络的降采样DPD方法及装置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：CN120075003B 。

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：202510156231.X，技术领域涉及：H04L25/49；该发明授权基于双阶段注意力神经网络的降采样DPD方法及装置是由高大伟;刘梦秋;杨玺宁;高健;曹森;廖桂生;侯高攀设计研发完成，并于2025-02-12向国家知识产权局提交的专利申请。

本基于双阶段注意力神经网络的降采样DPD方法及装置在说明书摘要公布了：本发明公开了一种基于双阶段注意力神经网络的降采样DPD方法及装置，方法包括：采用记忆多项式法确定粗估计DPD参数；基于多个输入样本信号以及每个输入样本信号对应的粗估计DPD信号构建样本集；其中，每个输入样本信号对应的粗估计DPD信号基于该输入样本信号和粗估计DPD参数确定；利用样本集训练DPD神经网络模型，并根据训练后的模型实现降采样DPD信号估计；利用样本集训练模型包括：将输入样本信号输入模型，以使模型输出该输入样本信号对应的输出DPD信号；根据输入样本信号对应的输出DPD信号和粗估计DPD信号之间的差异对DPD神经网络模型进行增量训练，减小了计算成本，提高了功率放大器非线性校正效率。

本发明授权基于双阶段注意力神经网络的降采样DPD方法及装置在权利要求书中公布了：1.一种基于双阶段注意力神经网络的降采样DPD方法，其特征在于，所述降采样DPD方法包括： 采用记忆多项式法确定粗估计DPD参数； 基于多个输入样本信号以及每个输入样本信号对应的粗估计DPD信号构建样本集；其中，每个输入样本信号对应的粗估计DPD信号基于该输入样本信号和所述粗估计DPD参数确定； 利用所述样本集训练预构建的DPD神经网络模型，并根据训练后的DPD神经网络模型实现降采样DPD信号估计； 所述利用所述样本集训练预构建的DPD神经网络模型，包括： 将输入样本信号输入所述DPD神经网络模型，以使所述DPD神经网络模型输出该输入样本信号对应的输出DPD信号；根据所述输入样本信号对应的输出DPD信号和粗估计DPD信号之间的差异对所述DPD神经网络模型进行增量训练； 所述采用记忆多项式法确定粗估计DPD参数，包括： 获取降采样的基带导频信号和降采样的反馈信号； 利用所述降采样的基带导频信号和所述降采样的反馈信号构建记忆多项式模型，并计算出所述记忆多项式模型的模型系数； 根据所述模型系数和基带导频信号得到重构反馈信号； 利用所述重构反馈信号和所述基带导频信号构建逆记忆多项式模型； 利用最小二乘法对所述逆记忆多项式模型进行求解，得到粗估计DPD参数； 每个输入样本信号对应的粗估计DPD信号为： ； 其中，表示第个输入样本信号对应的粗估计DPD信号；；表示输入样本信号的总数量；表示在非线性阶数为，记忆深度为时，得到的粗估计DPD参数；；表示最大非线性阶数；；表示最大记忆深度；表示第个时刻的前q时刻的信号值； 所述DPD神经网络模型包含一个注意力机制模块和全连接模块； 所述注意力机制模块的第一层是非线性层；所述非线性层第个输出表示为： ； 其中，表示第i个输入和预估计的DPD输出的关系，表示第n个输入的样本向量，均是所述注意力机制模块的参数；tanh表示激活函数；上标表示求转置操作； 所述注意力机制模块的第二层为权重计算层；所述权重计算层第个输出表示为： ； 其中，为第n个输入样本信号中第i个数据的权重；为指数运算函数；为第一层的第n个输入样本信号中第i个数据的输出值；i为输入样本信号向量的索引值。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路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。