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！

龙图腾网获悉大连海事大学申请的专利一种基于Graphormer的无小区网络功率控制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：CN120224355B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202510243147.1，技术领域涉及：H04W52/14；该发明授权一种基于Graphormer的无小区网络功率控制方法是由戴燕鹏;姚博;吕玲;陈彦君;葛韫鹏设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种基于Graphormer的无小区网络功率控制方法在说明书摘要公布了：本发明公开了一种基于Graphormer的无小区网络功率控制方法，包括：构建采用时分双工模式的无小区网络，定义上行训练模型进行信道估计、定义下行数据传输模型基于估计的信道对下行数据符号进行预编码；基于无小区网络、分布式接入点和用户设备，构建图结构数据；搭建基于Graphormer的神经网络模型；根据所构建的图结构数据，对图结构信息进行编码，以充分提取网络全局和局部信息，对基于Graphormer的神经网络进行训练，得到训练好的基于Graphormer的神经网络模型，基于分布式接入点发射功率、用户设备的接收噪声，以及分布式接入点与用户设备之间的信道，使用训练好的基于Graphormer的神经网络模型实现无小区网络功率控制。

本发明授权一种基于Graphormer的无小区网络功率控制方法在权利要求书中公布了：1.一种基于Graphormer的无小区网络功率控制方法，其特征在于，包括如下步骤： 构建采用时分双工模式的无小区网络，定义上行训练模型进行信道估计、定义下行数据传输模型基于估计的信道对下行数据符号进行预编码； 基于无小区网络、分布式接入点和用户设备，构建图结构数据； 搭建基于Graphormer的神经网络模型； 根据所构建的图结构数据，对图结构信息进行编码，以充分提取网络全局和局部信息，对基于Graphormer的神经网络进行训练，得到训练好的基于Graphormer的神经网络模型，基于分布式接入点发射功率、用户设备的接收噪声，以及分布式接入点与用户设备之间的信道，使用训练好的基于Graphormer的神经网络模型实现无小区网络功率控制； 所述图结构数据，包括拓扑关系，节点和边的特征和变量，具体如下： 将无小区网络使用异构无向二部图进行建模，其中分布式接入点AP和用户设备UE被视为两种类型的节点，分别是AP节点和UE节点，将AP节点和UE节点之间的信道，看作为边，此异构无向二部图表示为，其中，表示节点集合，表示边集合，节点集合由AP节点集合和UE节点集合组成，AP节点集合由M个AP节点组成，UE节点集合由K个UE节点组成，边集合由条边组成，中的元素记作； 定义由所有AP节点特征向量组成的特征矩阵为，其中第m个AP对应的节点特征为；其中为特征矩阵的M个元素；表示实数域上，所有M×1维矩阵的集合； 定义由所有UE节点特征向量组成的特征矩阵为，其中第k个UE对应的节点特征为；为特征矩阵的K个元素，为实数域上，所有K×1维矩阵的集合； 定义由所有边特征向量组成的特征矩阵为，其中边对应的边特征为；其中，为第 m个AP和第k个UE间信道的大尺度衰落系数，为实数域上，所有M×K×1维矩阵的集合; 定义由所有AP节点上的变量组成的向量为，表示第m个AP的总发射功率；为向量的M个元素；为M维实数空间； 定义由所有边上的变量组成的矩阵为，，表示第m个AP为第k个UE所分配的功率比例； 故第m个AP为第k个UE分配的功率表示为：； 所述对图结构信息进行编码包括采用以下公式： 更新AP节点特征的过程为，第m个AP节点聚合与其邻接的所有边上的特征，表示对第m个AP节点取一阶邻居节点算子，聚合算子使用取平均运算，之后，将得到的维特征向量输入，将的输出和预处理层得到的第m个AP的第0层特征向量，以及所引入类型编码特征向量相加，得到最终的第m个AP的第1层特征向量； 更新UE节点特征的过程为，为第k个UE节点聚合与其邻接的所有边上的特征，表示对第k个UE节点取一阶邻居节点算子，聚合算子使用取平均运算，之后，将得到的维特征向量输入，将的输出和预处理层得到的第m个AP的第0层特征向量，以及所引入类型编码特征向量相加，得到最终的第k个UE的第1层特征向量；其中，为不同的维可学习向量，用来区分不同的节点类型，为图结构信息编码中的类型编码； 具有图结构信息编码的注意力系数的计算方式如下： 其中，第一项为传统的自注意力机制，使用维查询向量和维键向量计算得到基于节点特征的注意力系数标量，第二项为空间编码，为能捕获节点间空间信息的注意力系数标量，第三项为边特征编码；为能捕获节点间边信息的注意力系数标量; 的计算方式为： 其中，表示节点i和节点j之间的最短跳数；，是两个可学习的标量； 边特征编码，其计算方式为： 其中，定义为节点i和j间的加权最短路径，其中：边权重为大尺度衰落系数，和为组成加权最短路径的边和边上的特征向量，，为两个可学习的维向量。

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大连海事大学，其通讯地址为：116026 辽宁省大连市甘井子区凌水街道凌海路1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。