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！

龙图腾网获悉南京邮电大学申请的专利一种基于多特征输入GRU的信道估计仿真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：CN120050142B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202510197566.6，技术领域涉及：H04L25/02；该发明授权一种基于多特征输入GRU的信道估计仿真方法是由徐晨旭;王珺设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种基于多特征输入GRU的信道估计仿真方法在说明书摘要公布了：本发明涉及通信技术研究领域，具体为一种基于多特征输入GRU的信道估计仿真方法，包括：收集真实场景如高速场景下导频处的信道估计，并在OFDM时频域资源网格中对导频信号进行整理，将导频处时间、频率、天线下标和信道估计值作为模型训练的输入数据；将训练数据输入多特征GRU模型进行训练，得到预训练的GRU信道估计模型；在线上仿真平台应用训练好的信道估计模型，当MSE增大时，通过Reptile元学习算法对GRU模型参数进行在线微调，得到实时GRU信道估计模型；通过结合Reptile算法和GRU模型，整个信道估计系统具备了信道估计和实时适应能力；本发明结构更简单清晰，参数更少，这使得模型训练更为高效，在资源受限的仿真平台上更易实现。

本发明授权一种基于多特征输入GRU的信道估计仿真方法在权利要求书中公布了：1.一种基于多特征输入GRU的信道估计仿真方法，其特征在于：所述方法包括： S100、设计一种导频处训练数据的组织方法，屏蔽接收导频数据对信道估计值的影响，将影响信道估计结果的因素降维为时间、频率与导频所在天线； S200、设计一种基于多特征输入的GRU模型，同时处理影响信道估计值的三个关键特征，更全面地捕捉信道变化的动态特性； S300、在进行线上信道估计时，通过Reptile算法在线学习当前模型参数的最佳估计，并获取具有最佳参数的GRU网络模型和除导频外其他位置的信道估计； 其中，S100中一种导频处训练数据的组织方法，包括： 选取PUSCH信道作为仿真信道，其导频为DMRS； 对导频处的信号进行标注，得到导频信号的时间、频率、该导频处天线下标与信道估计值，并作为模型训练的输入数据； 对以复数表示的信道估计值进行拆分，得到导频处信道估计的实部表示和虚部表示，分别组成两组训练数据； S200，包括： 在线上应用训练好的模型进行信道估计时，对原始导频数据进行拆分，得到实部训练数据和虚部训练数据； 将实部训练数据和虚部训练数据分别输入到多特征GRU模型中进行训练，得到实部GRU模型和虚部GRU模型； 在线验证时，通过将当前导频的时间、频率与天线下标信息输入实部GRU模型和虚部GRU模型，分别得到实部信道估计值和虚部信道估计值； 将得到的实部和虚部信道估计值拼接，得到完整的信道响应值； 其中S200中的多特征输入的GRU模型，包括： 模型的输入为导频所在的时隙、频率、天线下标以及导频处的信道估计值；其中信道估计值由导频所在的时隙、频率与天线下标共同决定； 通过设置更新门和重置门来控制历史导频信息对当前导频信息的影响程度； 计算候选隐藏状态，为当前时间步提供一个的新隐藏状态的提议； 对候选隐藏状态和上一时间步的隐藏状态进行加权融合，计算最终隐藏状态，通过完成指定数量的训练任务，得到一个具有较好参数的线下预训练GRU模型； S300中通过Reptile算法在线学习当前模型参数的最佳估计，包括： 设置一个基学习器，对当前时刻之前的M组导频数据进行快速学习，通过少量的梯度更新来适应当前的导频信号；同时设置一个元学习器，通过收集多个任务上基学习器的参数更新信息，来更新全局的参数初始化； 当已有GRU模型参数的信道估计能力较差时，通过激活Reptile算法的输出来在线更新GRU模型的参数。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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。