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！

龙图腾网获悉东南大学申请的专利一种基于深度学习的大规模MIMO混合波束赋形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：CN116405077B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202310386768.6，技术领域涉及：H04B7/06；该发明授权一种基于深度学习的大规模MIMO混合波束赋形方法是由李春国;高振;张彪;冷天然;张翅;孙希茜;徐澍;杨绿溪设计研发完成，并于2023-04-12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大规模MIMO混合波束赋形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大规模MIMO混合波束赋形方法，可以实现不完美信道状态信息的混合波束赋形。该方法适用于单基站多用户场景，采用SV毫米波信道模型，生成大量的完美的信道状态信息作为数据集；将完美信道状态信息采用稀疏重构的信道估计算法进行信道估计，获得不完美信道状态信息；构建神经网络模型，网络输入为不完美信道状态信息和噪声功率，网络输出为数字波束赋形矩阵和模拟波束赋形矩阵，以负的系统总下行速率作为损失函数，进行无监督的训练，对收敛的神经网络模型输入不完美信道状态信息和噪声功率进行测试，与传统的OMP算法相比，具有更低的时间复杂度和更好的性能。

本发明授权一种基于深度学习的大规模MIMO混合波束赋形方法在权利要求书中公布了：1.一种基于深度学习的大规模MIMO混合波束赋形方法，其特征在于，包括如下步骤: 步骤1：发送端设置基站配备有Nt根天线，并且有NRF根发射射频链路，数据流的数量为Ns，接收端有K个用户，每个用户配备有单根天线，其中发送端使用均匀线阵，每个用户具有相同的优先级； 步骤2：在发送端中采用基于稀疏重构的毫米波信道估计算法对毫米波窄带信道进行信道估计，得到不完美信道状态信息和噪声功率σ2； 步骤3：将经过信道估计的不完美信道状态信息和噪声功率σ2输入深度神经网络波束赋形模型，得到最终模拟波束赋形矩阵VRF和最终数字波束赋形矩阵VD；所述深度神经网络波束赋形模型训练步骤具体包括： 步骤S1：毫米波窄带信道通过毫米波SV信道模型生成大量的完美信道状态信息和噪声功率σ2； 步骤S2：采用基于稀疏重构的毫米波信道估计算法对S1步骤中毫米波窄带信道进行信道估计，得到不完美的信道状态信息和噪声功率σ2； 步骤S3：将S2步骤得到的不完美信道状态信息和噪声功率σ2输入深度神经网络波束赋形模型，通过深度神经网络波束赋形模型输出模拟波束赋形矩阵V′RF和数字波束赋形矩阵V′D，与S2步骤得到的对应的完美信道状态信息和噪声功率σ2一起进行损失函数的计算，来训练深度神经网络波束赋形模型，其中损失函数为总的用户速率负值，即-R。

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东南大学，其通讯地址为：210000 江苏省南京市江宁区东南大学路2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。