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！

龙图腾网获悉北京邮电大学申请的专利基于深度学习的信道场景分类方法、系统及存储介质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：CN115048995B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210642384.1，技术领域涉及：G06F18/2415；该发明授权基于深度学习的信道场景分类方法、系统及存储介质是由王珂;张艺博;邓中亮;林文亮;柳思源;赵金贵设计研发完成，并于2022-06-08向国家知识产权局提交的专利申请。

本基于深度学习的信道场景分类方法、系统及存储介质在说明书摘要公布了：本发明提供一种基于深度学习的信道场景分类方法、系统及存储介质，所述方法包括：获取信道数据，信道数据包括所述信道对应的I路信号、Q路信号、导频信号以及基于获取到的导频信号估计得到的信道冲激响应；构建信道场景分类模型，所述信道场景分类模型包括输入层、双向长短时记忆网络层、全连接层、softmax层以及输出层；将获取到的信道数据输入至双向长短时记忆网络层，得到信道的特征数据；将特征数据输入至全连接层，得到目标特征向量；将所述目标特征向量输入至softmax层，得到各类信道场景的概率分布；基于所述概率分布得到信道场景分类结果。该信道场景分类方法可准确的识别出信道的场景类别，从而可提升后续自适应调制编码的技术性能。

本发明授权基于深度学习的信道场景分类方法、系统及存储介质在权利要求书中公布了：1.一种基于深度学习的信道场景分类方法，其特征在于，所述方法包括： 获取终端所在波束的信道数据，所述信道数据包括所述信道对应的I路信号、Q路信号、导频信号以及基于获取到的所述导频信号估计得到的信道冲激响应； 构建信道场景分类模型，所述信道场景分类模型包括输入层、双向长短时记忆网络层、全连接层、softmax层以及输出层； 将获取到的所述信道数据输入至所述双向长短时记忆网络层，得到所述信道的特征数据； 将所述特征数据输入至全连接层，得到目标特征向量； 将所述目标特征向量输入至softmax层，得到各类信道场景的概率分布，并基于所述概率分布得到信道场景分类结果； 所述双向长短时记忆网络层中的遗忘门所采用的激活函数为sigmoid函数，输入门和输出门所采用的激活函数均为tanh函数； 所述输入门的输出结果为： 其中，表示t时刻的输入，ωil为输入门的大小为i×l的迭代矩阵，I表示输入门迭代矩阵的行数，表示t-1时刻的记忆单元的输出，ωcl表示输入门核心单元的大小为c×l的迭代矩阵，C表示输入门核心单元迭代矩阵的行数，Fg表示输入门激活函数，Ff表示遗忘门激活函数，表示输入门的输出， Iym代表I路信号，Qym代表Q路信号，xm代表导频信号，代表基于导频信号估计得到的信道冲激响应； 所述遗忘门的输出结果为： 其中，表示t时刻的输入，ωiφ表示遗忘门的大小为i×φ的迭代矩阵，I表示遗忘门迭代矩阵的行数，表示t-1时刻的记忆单元的输出，ωcφ表示遗忘门核心单元的大小为c×φ的迭代矩阵，C表示遗忘门核心单元迭代矩阵的行数，Ff表示遗忘门激活函数，表示遗忘门的输出； 所述输出门的输出结果为： 其中，表示t时刻的输入，ωiω表示输出门的大小为i×ω的迭代矩阵，I表示输出门迭代矩阵的行数，表示t时刻的记忆单元的输出，ωcω表示输出门核心单元的大小为c×ω的迭代矩阵，C表示输出门核心单元迭代矩阵的行数，Fh表示输出门激活函数，Ff表示遗忘门激活函数，表示输出门的输出，c′为双向长短时记忆网络层中核心单元的输出,

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。