買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉北京破曉云依科技有限公司申請(qǐng)的專(zhuān)利一種基于深度學(xué)習(xí)的無(wú)碼本近場(chǎng)波束賦形方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119210539B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202411307741.4，技術(shù)領(lǐng)域涉及：H04B7/06；該發(fā)明授權(quán)一種基于深度學(xué)習(xí)的無(wú)碼本近場(chǎng)波束賦形方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品是由崔原豪;聶佳莉;張迪;鞏譯設(shè)計(jì)研發(fā)完成，并于2024-09-19向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于深度學(xué)習(xí)的無(wú)碼本近場(chǎng)波束賦形方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品在說(shuō)明書(shū)摘要公布了：本申請(qǐng)公開(kāi)了一種基于深度學(xué)習(xí)的無(wú)碼本近場(chǎng)波束賦形方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品，涉及近場(chǎng)通信領(lǐng)域，該方法包括構(gòu)建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型；所述卷積神經(jīng)網(wǎng)絡(luò)模型包括多個(gè)特征提取模塊，每個(gè)特征提取模塊均包括兩層卷積層、兩層正則化層和兩層激活層；在第一層卷積時(shí)，設(shè)置填充為1，卷積核大小為2×2，在第二層卷積時(shí)，設(shè)置填充為0，卷積核大小為2×2；將當(dāng)前的信道狀態(tài)信息輸入至訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型中，確定最優(yōu)波束賦形矢量；基于所述最優(yōu)賦形矢量調(diào)整天線(xiàn)陣列的發(fā)射信號(hào)形成定向波束，完成近場(chǎng)波束賦形。本申請(qǐng)不僅能有效減少波束訓(xùn)練的帶來(lái)的開(kāi)銷(xiāo)，而且能獲得更高的波束賦形精度。

本發(fā)明授權(quán)一種基于深度學(xué)習(xí)的無(wú)碼本近場(chǎng)波束賦形方法、裝置、設(shè)備、介質(zhì)及產(chǎn)品在權(quán)利要求書(shū)中公布了：1.一種基于深度學(xué)習(xí)的無(wú)碼本近場(chǎng)波束賦形方法，其特征在于，包括： 構(gòu)建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型；所述卷積神經(jīng)網(wǎng)絡(luò)模型包括多個(gè)特征提取模塊，每個(gè)特征提取模塊均包括兩層卷積層、兩層正則化層和兩層激活層；在第一層卷積時(shí)，設(shè)置填充為1，卷積核大小為2×2，在第二層卷積時(shí)，設(shè)置填充為0，卷積核大小為2×2；所述卷積神經(jīng)網(wǎng)絡(luò)能有效提取信道狀態(tài)信息的實(shí)部信息、虛部信息、以及等效相位，同時(shí)保證數(shù)據(jù)在所述特征提取模塊處理前后尺寸不變；所述等效相位為信道狀態(tài)信息的實(shí)部信息結(jié)合虛部信息； 將當(dāng)前的信道狀態(tài)信息輸入至訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型中，確定最優(yōu)波束賦形矢量； 基于所述最優(yōu)賦形矢量調(diào)整天線(xiàn)陣列的發(fā)射信號(hào)形成定向波束，完成近場(chǎng)波束賦形； 信道狀態(tài)信息的表達(dá)式為： hk＝[h1,h2,…,hn…,hN] 其中，hk為采集到的第k個(gè)用戶(hù)的信道狀態(tài)信息，hn為第n個(gè)天線(xiàn)單元和用戶(hù)之間的子載波的下行鏈路信道，N為天線(xiàn)單元的數(shù)量，βn為第n個(gè)天線(xiàn)單元路徑衰減系數(shù)，r為中心天線(xiàn)與用戶(hù)之間的距離，d為天線(xiàn)單元的間距，θ為中心天線(xiàn)與用戶(hù)之間的角度； 在構(gòu)建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)模型之前，還包括： 構(gòu)建基站和用戶(hù)間的近場(chǎng)通信模型，采集信道狀態(tài)信息； 所述卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練過(guò)程包括： 將采集到的信道狀態(tài)信息輸入至所述卷積神經(jīng)網(wǎng)絡(luò)模型中，輸出波束賦形系數(shù)的等效相位； 采用歐拉公式將所述等效相位轉(zhuǎn)換為波束賦形矢量； 基于所述波束賦形矢量和采集到的信道狀態(tài)信息計(jì)算用戶(hù)可達(dá)速率； 基于所述用戶(hù)可達(dá)速率構(gòu)建損失函數(shù)； 通過(guò)所述損失函數(shù)調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，完成卷積神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練； 所述通過(guò)所述損失函數(shù)調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)具體為：采用損失函數(shù)計(jì)算損失，然后通過(guò)反向傳播更新卷積神經(jīng)網(wǎng)絡(luò)模型參數(shù)。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人北京破曉云依科技有限公司，其通訊地址為：100080 北京市海淀區(qū)豐慧中路7號(hào)新材料創(chuàng)業(yè)大廈10層10層北側(cè)辦公1357；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。