買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉寧波大學(xué)申請的專利一種基于全連接神經(jīng)網(wǎng)絡(luò)的載波頻率偏移估計方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115913848B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-05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)的專利申請?zhí)?專利號為：202211219312.2，技術(shù)領(lǐng)域涉及：H04L27/00；該發(fā)明授權(quán)一種基于全連接神經(jīng)網(wǎng)絡(luò)的載波頻率偏移估計方法是由周興;謝玲富;劉娟設(shè)計研發(fā)完成，并于2022-09-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于全連接神經(jīng)網(wǎng)絡(luò)的載波頻率偏移估計方法在說明書摘要公布了：本發(fā)明涉及一種基于全連接神經(jīng)網(wǎng)絡(luò)的載波頻率偏移估計方法，通過利用全連接神經(jīng)網(wǎng)絡(luò)，以數(shù)據(jù)驅(qū)動的方式直接根據(jù)接收信號的數(shù)據(jù)部分完成載波頻率偏移的估計，將該問題考慮為回歸問題，主要處理過程為：首先，從接收機(jī)受載波頻偏影響的接收信號中進(jìn)行特征提取，得到用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的樣本特征；然后，利用樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)，執(zhí)行梯度下降算法尋找最優(yōu)參數(shù)；最后，在測試集上使用訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)進(jìn)行載波頻偏估計。經(jīng)仿真可知，本發(fā)明與傳統(tǒng)的載波頻偏估計方法相比，可以提升帶寬效率，并且有更高的估計準(zhǔn)確性。

本發(fā)明授權(quán)一種基于全連接神經(jīng)網(wǎng)絡(luò)的載波頻率偏移估計方法在權(quán)利要求書中公布了：1.一種基于全連接神經(jīng)網(wǎng)絡(luò)的載波頻率偏移估計方法，其特征在于：該方法包括下列步驟： S1、在點(diǎn)對點(diǎn)通信的OFDM系統(tǒng)中，由發(fā)射機(jī)發(fā)送一串隨機(jī)信息比特序列S＝{b1,b2,…,bs}，其中，bs∈{0,1}，s是發(fā)射機(jī)一次發(fā)送的信息比特的個數(shù)； S2、對所述的信息比特序列S執(zhí)行基帶信號調(diào)制，信息比特序列S被映射為星座符號X＝{X[1],X[2],…,X[k]}，其中，k是星座符號的個數(shù)，M表示基帶信號調(diào)制階數(shù)；對星座符號執(zhí)行離散逆傅里葉變換IFFT得到OFDM符號，則第l個OFDM符號的表達(dá)式為：其中，N表示IFFT點(diǎn)數(shù)，xl[n]表示第l個OFDM符號中的第n個時域采樣點(diǎn)，1≤n≤N；在OFDM符號前添加長度為Ncp的循環(huán)前綴，添加了循環(huán)前綴后的OFDM符號的長度為：Ns＝Ncp+N；所述的添加了循環(huán)前綴后的OFDM符號在信道中進(jìn)行傳輸，并由接收機(jī)接收；接收機(jī)接收到的受信道和載波頻率偏移共同影響的第l個OFDM符號的表達(dá)式為：其中，表示卷積操作，1≤n≤Ns，h表示多徑信道增益，其長度為1≤m≤L，L表示多徑信道增益的抽頭系數(shù)個數(shù)，1≤x≤L+Ns-1表示接收機(jī)接收到的OFDM符號時域采樣點(diǎn)的總長度，ε為歸一化載波頻率偏移量，且-0.5＜ε＜0.5；當(dāng)信道為平坦衰落時，h只有一個抽頭系數(shù)，當(dāng)信道為頻率選擇性衰落時，h有多個抽頭系數(shù)，即h＝[h[1],h[2],…,h[L]]；為了消除OFDM符號間干擾，需要確保循環(huán)前綴的長度大于多徑信道增益的長度，即Ncp＞L；w[x]表示均值為0，方差為σ2的復(fù)高斯白噪聲，即 S3、從接收機(jī)處接收到的受信道和載波頻率偏移共同影響的第l個OFDM符號中提取出數(shù)據(jù)部分的時域采樣點(diǎn)，記為yl[n]，1≤n≤N；并分別從每一個yl[n]中提取出實部和虛部，由提取出的實部和虛部組成用于訓(xùn)練載波頻率偏移估計神經(jīng)網(wǎng)絡(luò)的樣本特征；所述的樣本特征表示為：[Ryl[n],Iyl[n]]，其維度為1×2N，其中，R*表示取實部操作，I*表示取虛部操作，N為IFFT點(diǎn)數(shù)； S4、在發(fā)射機(jī)處發(fā)送多次隨機(jī)信息比特序列S，按照步驟S2～S3的方式去執(zhí)行，得到每一個隨機(jī)信息比特序列S所對應(yīng)的樣本特征，將得到的所有樣本特征組成樣本特征矩陣：其中Nf表示發(fā)送的OFDM符號的總數(shù)，即發(fā)送隨機(jī)信息比特序列的次數(shù)，特征矩陣的維度為Nf×2N；樣本的標(biāo)簽為影響每個OFDM符號的載波頻率偏移的真實值，由每一個樣本的標(biāo)簽來組成用于訓(xùn)練網(wǎng)絡(luò)的標(biāo)簽矩陣標(biāo)簽矩陣的維度為Nf×1； S5、選擇全連接神經(jīng)網(wǎng)絡(luò)作為載波頻率偏移估計神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型；所述的全連接神經(jīng)網(wǎng)絡(luò)共有層，具體包括1個輸入層，個隱藏層和1個輸出層；所述的全連接神經(jīng)網(wǎng)絡(luò)中每一層上的每個神經(jīng)元表示前一層所有輸出值的加權(quán)非線性變換，第l-1層和第l層之間的權(quán)重矩陣定義為權(quán)重矩陣的維度為nl×nl-1，其中，nl和nl-1分別表示第l層和第l-1層上神經(jīng)元的個數(shù)，表示第l層中第n個神經(jīng)元和第l-1層中第n個神經(jīng)元之間的權(quán)重值，第l層上的偏置向量定義為偏置向量的維度為nl×1，其中，表示第l層中第n個偏置值；隱藏層的神經(jīng)元選擇ReLU激活函數(shù)，表達(dá)式為：ReLUx＝max0,x，輸出層的神經(jīng)元選擇tanh激活函數(shù)，表達(dá)式為： S6、將步驟S4得到的特征矩陣Y和標(biāo)簽矩陣E輸入進(jìn)步驟S5中的全連接神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，全連接神經(jīng)網(wǎng)絡(luò)的輸出為載波頻率偏移估計值矩陣表達(dá)式為： 其中θl表示神經(jīng)網(wǎng)絡(luò)中第l層上所有神經(jīng)元參數(shù)的集合，即函數(shù)gl表示神經(jīng)網(wǎng)絡(luò)中第l層上執(zhí)行的非線性變換，具體表示為：ReLUW1Y+b1,l＝1、ReLUWlgl-1gl-2；θl-1+bl, 定義神經(jīng)網(wǎng)絡(luò)中所有層中的參數(shù)的集合為全連接神經(jīng)網(wǎng)絡(luò)的損失函數(shù)Lossθ為標(biāo)簽矩陣E與載波頻率偏移估計值矩陣之間的均方誤差MSE：其中，表示數(shù)學(xué)期望，||*||表示二范數(shù)；最后，執(zhí)行梯度下降算法來更新參數(shù)集合θ，使得損失函數(shù)最小化，即其中，α＞0表示學(xué)習(xí)率，表示計算損失函數(shù)的梯度。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人寧波大學(xué)，其通訊地址為：315201 浙江省寧波市江北區(qū)風(fēng)華路818號；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0551-65771310或微信搜索“龍圖騰網(wǎng)”。