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！

龙图腾网获悉西安科技大学申请的专利基于强化学习的图像语义特征与导频信号映射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：CN120823406B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510920940.0，技术领域涉及：G06V10/44；该发明授权基于强化学习的图像语义特征与导频信号映射方法及装置是由庞立华;刘鹏;司晨阳;夏猛;李荣设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本基于强化学习的图像语义特征与导频信号映射方法及装置在说明书摘要公布了：本发明公开了一种基于强化学习的图像语义特征与导频信号映射方法及装置，获取待发送图像的语义特征的重要元素和通信系统的非均匀导频图案；以非均匀导频图案和重要元素的布局为状态、以重要元素在非均匀导频图案中的位置为动作，采用强化学习方法建立重要元素与非均匀导频图案的映射关系；其中，强化学习方法中动作的奖励因子根据重要元素与最近导频的距离奖励、重要元素所在范围内导频密集度的密度奖励、以及重要元素的互信息值计算得到；本发明有效提升高价值语义信息的传输可靠性，解决了传统通信系统中语义感知与导频分配脱节的问题。

本发明授权基于强化学习的图像语义特征与导频信号映射方法及装置在权利要求书中公布了：1.基于强化学习的图像语义特征与导频信号映射方法，其特征在于，包括以下步骤： 获取待发送图像的语义特征的重要元素和通信系统的非均匀导频图案； 以所述非均匀导频图案和重要元素的布局为状态、以所述重要元素在所述非均匀导频图案中的位置为动作，采用强化学习方法建立所述重要元素与非均匀导频图案的映射关系； 其中，所述强化学习方法中动作的奖励因子根据所述重要元素与最近导频的距离奖励、所述重要元素所在范围内导频密集度的密度奖励、以及所述重要元素的互信息值计算得到； 所述奖励因子计算方法为： 基于所述距离奖励、密度奖励和互信息值计算基础奖励； 当所述重要元素所在范围内导频数量大于导频数量阈值且所述重要元素与最近导频的距离小于等于距离阈值时，将基础奖励与额外奖励因子的乘积作为最终的奖励因子；其中，所述额外奖励因子大于1； 所述基础奖励计算方法为： ， 其中，表示基础奖励，表示所述重要元素y的互信息值，表示距离奖励，表示密度奖励； 所述距离奖励根据计算；其中，表示所述重要元素与最近导频的距离； 所述非均匀导频图案的生成方法为： 采集含噪信道的时频响应矩阵； 将所述时频响应矩阵输入训练好的自编码器网络中的编码器，得到所述非均匀导频图案； 所述编码器中包括注意力融合模块，所述注意力融合模块由依次连接的上下文提取子模块、因子预测子模块和特征重校准子模块组成； 所述上下文提取子模块通过全局平均池化提取特征图全局信息，并与信道信噪比拼接形成上下文信息； 所述因子预测子模块利用两层全连接层结合ReLU和Sigmoid激活函数，根据所述上下文信息预测逐通道的缩放因子； 所述特征重校准子模块用于将特征学习模块的输出特征与所述缩放因子相乘，生成加权后的注意力特征。

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科技大学，其通讯地址为：710054 陕西省西安市雁塔区雁塔中路58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。