Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京邮电大学刘芳获国家专利权

北京邮电大学刘芳获国家专利权

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轴注意力机制的电磁频谱地图构建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:CN119667304B

龙图腾网通过国家知识产权局官网在2025-12-30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:202411486625.3,技术领域涉及:G01R29/08;该发明授权基于轴注意力机制的电磁频谱地图构建方法及相关设备是由刘芳;李双宁;刘元安;黎淑兰;苏明设计研发完成,并于2024-10-23向国家知识产权局提交的专利申请。

基于轴注意力机制的电磁频谱地图构建方法及相关设备在说明书摘要公布了:一种基于轴注意力机制的电磁频谱地图构建方法及相关设备,为解决电磁频谱地图构建方法所需检测数据量大、构建精度低的问题。所述方法包括:获取待重构空间的稀疏电磁数据;根据稀疏电磁数据和基于轴注意力机制的电磁数据重构网络模型得到待重构空间的无线电磁环境的电磁频谱地图;其中,根据稀疏电磁数据和基于轴注意力机制的电磁数据重构网络模型得到待重构空间的无线电磁环境的频谱地图,包括:根据稀疏电磁数据和全局特征提取子模型,从稀疏电磁数据中提取全局特征;根据稀疏电磁数据和局部特征提取子模型,从稀疏电磁数据中提取局部特征;根据全局特征、局部特征和特征融合模块,得到待重构空间的无线电磁环境频谱地图。

本发明授权基于轴注意力机制的电磁频谱地图构建方法及相关设备在权利要求书中公布了:1.一种基于轴注意力机制的电磁频谱地图构建方法,其特征在于,包括: 获取待重构空间的稀疏电磁数据; 根据所述稀疏电磁数据和基于轴注意力机制的电磁数据重构网络模型基于轴注意力机制的电磁数据重构网络模型得到所述待重构空间的无线电磁环境的电磁频谱地图;所述电磁数据重构网络模型包括全局特征提取子模型、局部特征提取子模型和特征融合模块; 其中,根据所述稀疏电磁数据和基于轴注意力机制的电磁数据重构网络模型得到所述待重构空间的无线电磁环境的频谱地图,包括: 根据所述稀疏电磁数据和所述全局特征提取子模型,从所述稀疏电磁数据中提取全局特征;所述全局特征指示长距离空间中电磁信号的传播特性,反映所述待重构空间中电磁数据的整体分布情况; 根据所述稀疏电磁数据和所述局部特征提取子模型,从所述稀疏电磁数据中提取局部特征;所述局部特征指示短距离空间中电磁信号的传播特性,反映所述待重构空间中电磁数据间的变化; 根据所述全局特征、所述局部特征和所述特征融合模块,得到所述待重构空间的无线电磁环境频谱地图; 所述全局特征提取子模型包括基于卷积神经网络构建的第一特征提取层、基于轴向注意力机制计算层构建的第二特征提取层和第一反卷积层;所述轴向注意力机制计算层用于挖掘与所述稀疏电磁数据的全局特征相关的,隐含于所述稀疏电磁数据的数据模式和数据结构,以模拟电磁信号的传播规律,实现无线电磁环境的重构; 根据所述稀疏电磁数据和所述全局特征提取子模型,从所述稀疏电磁数据中提取全局特征,包括: 将所述稀疏电磁数据输入所述第一特征提取层,得到基于卷积计算的稀疏电磁数据的特征图,所述特征图表示提取到的所述稀疏电磁数据的基础全局特征,所述基础全局特征包含所述稀疏电磁数据蕴含的空间传播特征信息和时间传播特征信息;其中,,表示所述特征图的特征通道数,表示所述特征图的高度,表示所述特征图的宽度; 将所述特征图所述第二特征提取层,以根据所述特征图中不同特征通道的全局注意力权重对所述特征图加权得到所述稀疏电磁数据的全局特征;所述全局注意力权重指示所述特征图中每个特征通道的重要性; 将所述稀疏电磁数据的全局特征输入所述第一反卷积层,得到所述稀疏电磁数据在高维度上的全局重构特征图; 所述全局注意力权重基于相对位置编码确定,所述相对位置编码指示所述特征图中任意元素间距离与该元素之间关系的关联,用于捕捉所述稀疏电磁数据的长距离依赖关系和表示所述稀疏电磁数据的空间结构信息; 所述稀疏电磁数据的全局特征表示为: ; 其中,表示查询向量,所述查询向量用于指导所述第二特征提取层的关注部分,,表示查询权重矩阵,表示所述第二特征提取层的输入数据,所述输入数据是所述第一特征提取层根据所述稀疏电磁数据得到的基础全局特征,表示键向量,所述键向量为所述查询向量的查询对象,用于与所述查询向量进行相似度计算,,表示键值权重矩阵,表示值向量,,表示值查询权重矩阵,所述查询权重矩阵用于根据查询向量与键向量的相似度进行加权求和,、和表示所述查询向量、所述键向量和所述值向量对应的相对位置编码参数,用于指导所述轴注意力机制层关注所述输入数据中非局部依赖关系的关键信息,、、和表示所述相对位置编码对全局特征学习过程影响程度的感知参数,用于控制学习到的相对位置编码对全局上下文编码的影响,表示输入数据的高度索引,,表示输入数据的宽度索引,,表示所述第二特征提取层需要计算的索引值。

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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。