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

北京邮电大学赵龙获国家专利权

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一种基于深度学习的编码器解码器解耦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:CN115987339B

龙图腾网通过国家知识产权局官网在2026-01-02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:202211430687.3,技术领域涉及:H04B7/0417;该发明授权一种基于深度学习的编码器解码器解耦CSI反馈方法是由赵龙;沈鸿瑞;陈欣放设计研发完成,并于2022-11-15向国家知识产权局提交的专利申请。

一种基于深度学习的编码器解码器解耦CSI反馈方法在说明书摘要公布了:本发明提出一种基于深度学习的编码器解码器解耦CSI反馈方法,包括以下步骤1.基于特征向量的CSI数据集生成;步骤2.在基站端训练编码器解码器;步骤3.在基站终端训练编码器。本发明所述基于深度学习的编码器解码器解耦CSI反馈方法的优越效果在于:使得CSI反馈能够适应大规模MIMO系统,在保证CSI恢复准确性的同时,减小反馈开销,考虑到厂家对模型算法的保护,使得不同厂家之间的模型编码器与解码器能够解耦来搭配使用,在保证CSI恢复性能的同时,使得终端和基站端的模型配置更加灵活。

本发明授权一种基于深度学习的编码器解码器解耦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编码器解码器解耦CSI反馈方法,其特征在于,包括以下步骤: 步骤1.基于特征向量的CSI数据集生成: 步骤1.1进行全信道信息数据子带划分,与全信道信息数据相同,由基站端发送导频到终端,终端根据导频进行理想信道估计,得到全信道信息数据,信道估计是根据基站端发送的参考信号与终端接收到的信号进行对比进而求得信道信息,而理想信道估计则是完全已知信道信息,能够直接使用作为信道数据;接下来对得到的全信道信息数据进行子带划分,分为K个子带且每个子带中包含个子载波,其中的第k个子带的信道数据记作; 步骤1.2求每个子带中信道矩阵的相关阵;并对相关阵进行累加求和求平均,其表达式如下式1: ......1, 上式1中:为第k个子带中第i个子载波的信道矩阵,为第k个子带的相关阵,则K个子带的相关阵如下式2: ......2, 步骤1.3对相关阵进行特征值分解,得到每个子带的特征向量,每个子带的特征向量计算表达式如下式3: .......3, 上式3中:为第k个子带的最大特征值,为第k个子带的特征,获得基于特征向量的CSI数据,其表达如下式4所示: .......4; 步骤2.在基站端训练编码器解码器: 步骤2.1基站端根据生成的基于特征向量的CSI数据训练CSI反馈模型,包括编码器与解码器,训练过程中,编码器首先将基于特征向量的CSI数据作为输入进行压缩,得到压缩后的数据,对先进均匀行量化,均匀量化成比特流数据,再将比特流数据传入到解码器端,解码器端接收到比特流数据后,解码器对比特流数据进行解量化和重构,得到恢复的数据,记为下式5: ......5, 上式5中:编码器与解码器的参数集和随着训练过程不断更新,如下式6所示: ......6, 上式6中:为参数集和更新的损失函数,对于CSI反馈采用余弦相似度来评估其恢复准确性的性能,在设计模型训练的损失函数时采用余弦相似度的平方作为损失函数Squareofgeneralizedcosinesimilarity,SGCS,表示为下式7, ......7, 步骤2.2.训练完成后,将基于特征向量的CSI数据通过模型的编码器得到压缩待量化的数据,将和一同传入到终端进行下一步训练,同时,将训练好的解码器配置在基站端; 步骤3.在基站终端训练编码器: 步骤3.1基站终端根据接收到的基于特征向量的CSI数据和压缩待量化的数据来设计编码器,鉴于终端计算能力所限及功耗,在设计时使得模型简单,则考虑以MixerNet编码器或EVCsiNet编码器作为终端的编码; 步骤3.2编码器将基于特征向量的CSI数据作为原始数据,压缩待量化的数据作为标签一同输入到编码器中进行训练,编码器输出得到压缩待量化的数据,记为,本训练过程记为下式8: ......8, 上式8中:编码器的参数集随着训练过程不断更新,表达为下式9: ......9, 上式9中:为参数集更新的损失函数,编码器的损失函数采用均方误差损失函数Meansquarederror,MSE,表达式如下式10: ......10, 上式10中:N为数据样本个数,表示第i个输入到编码器数据样本对应的标签,表示第i个输入到编码器数据样本对应的输出,训练完成后,将编码器配置在终端。

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。