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！

龙图腾网获悉齐鲁工业大学申请的专利一种基于深度学习的混合波束成形优化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：CN115021788B 。

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：202210627748.9，技术领域涉及：H04B7/06；该发明授权一种基于深度学习的混合波束成形优化方法是由董安明;张滕;禹继国;李素芳;邱静设计研发完成，并于2022-06-06向国家知识产权局提交的专利申请。

本一种基于深度学习的混合波束成形优化方法在说明书摘要公布了：本发明公开了一种基于深度学习的混合波束成形优化方法，属于通信系统数字模拟优化技术领域，要解决的技术问题为如何在降低复杂度并提高性能的前提下，基于深度学习对数字波束成形器和模拟波束成形器进行联合优化。包括如下步骤：对混合波束成形优化问题进行公式化处理，混合波束成形优化问题等价为在恒模约束和功率约束的条件下，通过最大化频谱效率的方式得到波束成形解；采集信道的不同实现作为信道信息；对信道样本进行预处理；基于深度学习构建用于优化混合波束成形的混合波束成形网络模型；基于训练集对混合波束成形网络模型进行离线训练；基于测试集对训练后的混合波束成形网络模型进行在线测试，获取可行的波束成形器。

本发明授权一种基于深度学习的混合波束成形优化方法在权利要求书中公布了：1.一种基于深度学习的混合波束成形优化方法，其特征在于应用于下行链路单用户MISO混合波束成形优化系统，所述方法包括如下步骤： 对混合波束成形优化问题进行公式化处理，所述混合波束成形优化问题等价为在恒模约束和功率约束的条件下，通过最大化频谱效率的方式得到波束成形解； 采集信道的不同实现作为信道信息，以信道信息为信道样本构建信道样本集，所述信道样本为复数信道矩阵，所述信道样本的实部为信道的振幅，所述信道样本的虚部为信道的相位； 对所述信道样本进行预处理，得到实数形式的预处理后的信道样本，并将所述预处理后的信道样本划分为训练集和测试集； 基于深度学习构建用于优化混合波束成形的混合波束成形网络模型，所述混合波束成形网络模型以信道信息为输入，通过对信道信息的学习预测并输出频谱效率的相反数； 基于所述训练集对所述混合波束成形网络模型进行离线训练，并保存离线训练过程中所述混合波束成形网络模型的权重参数，得到训练后的混合波束成形网络模型； 基于所述测试集对所述训练后的混合波束成形网络模型进行在线测试，获取可行的波束成形器； 所述混合波束成形网络模型包括： 输入层，所述输入层用于接收预处理后的信道样本； 卷积块，所述卷积块用于对信道样本进行特征提取，得到多维特征数据； 平坦层，所述平坦层用于将所述多维特征数据转换为一维向量； 全连接层，所述全连接层配置有Nt个神经元，应用于平坦层输出的一维向量，生成与模拟波束成形器相关的相位信息； 第一Lambda层，所述第一Lambda层用于满足恒模约束，通过欧拉公式将实数相位向量θ转换为复数模拟波束成形向量vA＝eiθ，其中i2＝-1； 第二Lambda层，所述第二Lambda层用于输出频谱效率的相反数作为所述混合波束成形网络模型的输出值，所述频谱效率的相反数计算公式为： 其中，γ、h、vA分别表示与信道样本相关的信噪比值、信道向量、模拟波束成形向量，其中，模拟波束成形向量是第一Lambda层输出的值，上角标H表示共轭转置，Nt表示基站端的发射天线数量。

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齐鲁工业大学，其通讯地址为：250353 山东省济南市长清区大学路3501号齐鲁工业大学；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”。