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基于速率分裂与构造性干扰的多用户符号级预编码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：CN120675845B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202511188730.3，技术领域涉及：H04L25/03；该发明授权基于速率分裂与构造性干扰的多用户符号级预编码方法是由孙君;康烨设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本基于速率分裂与构造性干扰的多用户符号级预编码方法在说明书摘要公布了：本发明公开一种基于速率分裂与构造性干扰的多用户符号级预编码方法，包括：建立面向下行链路多用户通信系统的场景，该场景满足典型NOMA部署特征；将用户根据信道增益分为弱用户和强用户，采用RSMA机制，将弱用户的原始比特流拆分为公共部分与私有部分，强用户的原始比特流全部作为私有部分；通过符号级预编码设计，构造出同时满足用户正确判决约束与干扰方向控制要求的最小功率发射信号；对接收到的信号进行解调和信息恢复。本发明使得弱用户能够将其原始比特流划分为公共和私有部分分别传输，有效避免了传统NOMA中弱用户需独立判决全部干扰的困境。结合构造性干扰技术的引导调控，即使其信号叠加存在，也能增强弱用户的判决。

本发明授权基于速率分裂与构造性干扰的多用户符号级预编码方法在权利要求书中公布了：1.一种基于速率分裂与构造性干扰的多用户符号级预编码方法，其特征在于，包括： S1、建立面向下行链路多用户通信系统的场景，该场景包括配备Nt根发射天线的基站，以及K个单天线的用户，且满足K≥Nt的典型NOMA部署特征； S2、将K个用户根据信道增益分为弱用户和强用户，采用RSMA机制，将弱用户的原始比特流拆分为公共部分与私有部分，强用户的原始比特流全部作为私有部分； 然后将全部用户的私有部分通过PSK调制映射为私有符号，将各弱用户的公共部分合并为公共比特流，并将该公共比特流在物理层进行联合编码与调制，映射为公共符号；以全部私有符号和公共符号作为待发射的符号集合； 设用户数量为3，其中用户1和用户2为弱用户，用户3为强用户，用户1、用户2、用户3的原始比特流记为、、； 采用RSMA机制对用户1与用户2的原始比特流进行结构化拆分，用户1的原始比特流被划分为两部分，分别为公共部分与私有部分，用户2的原始比特流被划分为公共部分与私有部分，其中和表示将用于构建通信系统共享公共信息的子流，和表示仅由用户1和用户2接收和解码的专属信息，随后，基站将用户1与用户2的公共部分进行合并，构造出公共比特流： ； 同时，用户3采用私有信息传输模式，其原始比特流全部作为其私有部分进行处理； 合并后的公共比特流在物理层进行联合编码与调制，映射为公共符号，发射至所有用户，用于统一解调与干扰解耦；用户1、用户2和用户3的私有部分、和，分别通过PSK调制过程映射为私有符号、和，用于对应用户的专属信息传输；通信系统中待发射的符号集合由公共符号及各用户私有符号组成，表示为： ； 共同参与后续的构造性干扰优化与符号级预编码设计； S3、通过符号级预编码设计，构造出同时满足用户正确判决约束与干扰方向控制要求的最小功率发射信号；包括： 设通信系统的发射信号为各符号对应的符号级发射向量与符号的乘积之和，定义各用户的接收信号表达式，并根据信道状态信息确定等效接收增益；具体包括： 将配备Nt根发射天线的基站在时刻n发射的信号表示为： ； 其中，，，，分别为私有符号，，，对应的符号级发射向量，即当前时刻需优化的变量； 设用户的下行信道向量为，其接收信号表示为： ； 定义等效接收增益为： ，，，； 则用户的接受信号等效表示为： ； 对于弱用户的公共符号和私有符号，分别进行判决约束定义，通过构造性干扰约束保证符号落在正确的判决区域内； 对于强用户，通过动态主干扰判断机制，确定主干扰项并进行构造性判决设计，对剩余干扰项进行干扰方向控制，包括幅度控制和相位方向控制； S4、对接收到的信号进行解调和信息恢复，包括： 弱用户接收到信号后，依次判决公共符号和自身私有符号，再进行串行干扰消除操作，最终恢复出完整的初始信息流； 强用户接收到复数基带信号后，先判定主干扰源，然后对主干扰项进行判决，完成判决后进行符号级干扰消除，最后在干扰优化后的信号上进行目标符号的判决，将判决输出映射为私有比特流，完成信息恢复。

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。