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！

龙图腾网获悉浙江工业大学申请的专利基于深度学习由智能反射面辅助环境感知与通信优化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：CN119675712B 。

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：202411731111.X，技术领域涉及：H04B7/04；该发明授权基于深度学习由智能反射面辅助环境感知与通信优化方法是由张昱;江立奇;袁新洋;韩会梅;张清清设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本基于深度学习由智能反射面辅助环境感知与通信优化方法在说明书摘要公布了：本发明公开了一种基于深度学习由智能反射面辅助的环境感知与通信优化方法；该方法中，多个用户UE在多个观测时间帧内通过反射面辅助向接入点AP发送导频信号。AP构建基于残差网络、长短期记忆网络LSTM和多层感知机MLP组成的深度学习网络，包括自适应反射面优化网络逐帧优化反射面系数，环境感知网络利用接收信号中获得感知空间的点云分布，以及通信优化网络输出下行通信波束赋形以及反射面反射矩阵。本发明可以有效提升AP的环境感知精度以及系统下行传输速率。

本发明授权基于深度学习由智能反射面辅助环境感知与通信优化方法在权利要求书中公布了：1.一种基于深度学习由智能反射面辅助环境感知与通信优化方法，其特征在于，包括如下步骤： 步骤1：多个用户同时向AP发送导频信号s；将感知过程划分为F帧，获取AP所有帧的接收信号y，导频信号s和信道矩阵H生成神经网络数据集； 步骤2：构建自适应反射面优化网络模型，逐帧优化反射面系数； 步骤3：构建环境感知网络模型和下行通信优化网络模型，环境感知网络模型输出散射体点云估计值，下行通信优化网络模型输出下行波束成形矩阵及反射面系数； 步骤4：在智能反射面辅助环境通信感知模型的下行阶段，通过下行通信优化网络模型输出的下行通信参数，设置基站以及反射面波束赋形，进行下行通信； 所述步骤1具体包括： 步骤1.1：空间内存在一个多天线AP，K个单天线用户UE，I个智能反射面IRS和若干个不同形状的散射体；发射信号从UE经历直连和反射两种路径，经过散射体和IRS到达AP，其中忽略三次及以上反射路径； 步骤1.2：将散射体所在的感知空间称为ROI，ROI将会被均匀地分为个，[Hx,Wy,Lz]分别为目标空间的高，宽，长，[hx,wy,lz]分别为小立方体的高、宽和长；整个ROI空间表示为x＝[x1,x2,...,xn]T；其中，xn∈[0,1]代表第n个像素块是否存在散射体；xn＝0为第n个像素块中不存在散射体；最终的ROI空间xn表示为散射体所在的特定区域中的点云分布，并据此确定散射体的具体分布位置和状态； 步骤1.3：将上行通信过程分为F帧，信道矩阵H分为经过散射体的hscatter和不经过散射体的hN-scatter构成，其中hscatter和hN-scatter都分为直连路径和散射路径； 由于在智能反射面辅助环境通信感知模型里hN-scatter已知，所以上行通信过程只考虑hscatter；hscatter包含直连路径和散射路径均可由下式的级联方式表示，直接路径hLOS-s公式为： hLOS-s＝hU→S⊙vU→SdiagxhS→A⊙vS→A hU→S和hS→A为UE到散射体和散射体到AP的路径损耗矩阵，vU→S和vS→A为与之对应遮挡矩阵，x为散射系数向量，⊙为哈达玛积； 散射路径为： hS→I,m代表散射体到第m个IRS的信道矩阵，hI,m→A代表IRS到AP的信道矩阵，hU→I,m代表UE到IRS的信道矩阵，hI,m→S代表散射体到UE的信道矩阵，vS→I,m代表第m个IRS到散射体的遮挡矩阵，vI,m→S代表散射体到第m个IRS的遮挡矩阵，Θm为反射相位系数矩阵； 每一帧接收信号公式为y＝hscatters+n，s为每一帧的用户发射信号，n为高斯白噪声；将每一帧y，s，拼接为并用作训练集，验证集和测试集的特征，散射体分布点云和下行最大化和速率作为标签。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。