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！

龙图腾网恭喜山东大学申请的专利基于改进卷积神经网络的车联网中OTFS系统信道估计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：CN116248444B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202211567163.9，技术领域涉及：H04L25/02；该发明授权基于改进卷积神经网络的车联网中OTFS系统信道估计方法是由白智全;贺邦玮;马媛媛;许浩;胡嘉成;杨颖超设计研发完成，并于2022-12-07向国家知识产权局提交的专利申请。

本基于改进卷积神经网络的车联网中OTFS系统信道估计方法在说明书摘要公布了：基于改进卷积神经网络的车联网中OTFS系统信道估计方法，属无线通信技术领域。该方法包括三步：先由车联网中OTFS无线通信系统生成时延多普勒DD域数据集，并利用正交匹配追踪算法进行信道预估计，得到含噪的预估计信道矩阵；其次，在卷积神经网络的基础上引入混合空洞卷积和残差路径，将预估计信道矩阵与实际信道矩阵输入该网络进行离线训练；最后，在不同信噪比下，将预估计信道矩阵输入训练好的网络，输出最终信道估计矩阵。本发明将OMP算法与改进卷积神经网络相结合，把信道估计问题建模为去噪问题，对车联网中OTFS无线通信系统进行快速DD域信道估计，可显著提升信道估计的准确性，并对不同移动速度具有良好的鲁棒性。

本发明授权基于改进卷积神经网络的车联网中OTFS系统信道估计方法在权利要求书中公布了：1.一种基于改进卷积神经网络的车联网中OTFS系统信道估计方法，由OTFS无线通信系统实现，该系统包括发送端、时域信道和接收端，发送端为一含OTFS调制模块的单天线用户，OTFS调制过程包括辛傅里叶逆变换、海森堡变换；时域信道稀疏路径数为P；接收端为四天线接收机，其包含OTFS解调模块及信道估计模块，OTFS解调过程包括辛傅里叶正变换和魏格纳变换；OTFS无线通信系统可将时频域剧烈变化的信道转换为延迟多普勒域中的稳定信道，从而有效抑制多普勒频移，信道估计模块的实现过程为：首先，由OTFS无线通信系统生成数据集，并利用OMP算法进行信道预估计，得到含噪的预估计矩阵；其次，引入混合空洞卷积和残差路径，搭建改进卷积神经网络，将含噪信道估计矩阵与实际信道矩阵输入该网络，并采用数据驱动方法进行离线训练；最后，在不同信噪比下，将测试数据输入训练好的改进卷积神经网络中，输出最终信道估计矩阵，并评测信道估计性能，其具体步骤如下：1OTFS无线通信系统仿真生成数据集，并对数据进行预处理：首先，将一个长度为M×N的正交振幅调制符号帧排列成一个二维数据矩阵其中表示M×N维的复数集，M和N分别为延迟维度和多普勒维度的单元数，一个OTFS符号帧被映射到延迟多普勒域网格中，得到延迟多普勒域中的信号xk,l，其中k∈{0,1,...,N-1}，l∈{0,1,...,M-1}；随后，通过逆辛傅里叶变换得到时频域信号其中n,m分别表示时频域信号的时域索引位置和频域索引位置；X[n,m]再通过海森堡变换得到时域信号st，表示为其中t表示时域信号的抽样时刻，gtxt为时域发射脉冲，T和Δf分别为时频域中最小抽样间隔和最小抽样频率；然后，st通过时域信道传输，在接收端得到时域信号rt，且rt＝∫∫hτ,νgtxt-τej2πνtdτdν+vt，其中vt表示时域加性高斯白噪声，hτ,ν表示稀疏路径数为P的信道冲激响应，τ和v分别表示延迟多普勒域路径时延和多普勒频移，rt在接收端经过魏格纳变换解调得到时频域输出信号Y[n,m]＝∫grxt-τrte-j2πt-τdt，其中grxt表示时域接收脉冲；最后，通过辛傅里叶变换得到延迟多普勒域输出信号OTFS通信系统延迟多普勒域信道估计需要在发送信号中插入导频符号xp来对延迟多普勒域信道进行预估计，插入导频后的延迟多普勒域信号可表示为其中xd表示数据符号，kp,lp表示导频符号在时延域和多普勒域的位置，kmax和lmax分别表示延迟多普勒域的最大时延和最大多普勒扩展，并在k∈[kp-2kmax,kp+2kmax]及l∈[lp-lmax,lp+lmax]处通过置零作为导频符号的保护间隔；利用OMP算法进行信道预估计，将输入导频矩阵表示为S，将延迟多普勒域接收信号表示为Y，设置OMP算法的开始残差r为1，设置迭代次数为i,计算当前迭代次数i-1的输入导频矩阵Si-1的所有列向量与当前残差ri-1的乘积，选择乘积绝对值最大的列向量si，将其添加到下一次迭代i的导频矩阵中，表示为Si＝[Si-1,si]，并采用最小二乘法得到第i次迭代的信道估计矩阵其中符号||·||表示取范数矩阵，即将使最小的作为并更新残差更新当前迭代次数i＝i+1，如果满足关系iP，则停止迭代，并将最后一次得到的作为最终估计结果否则继续执行上述OMP算法操作；由OTFS无线通信系统生成数据集，令其大小为4×105，其中75％数据用于网络训练，25％数据用于测试；2基于卷积神经网络搭建改进的卷积神经网络模型，将预估计信道矩阵与实际信道矩阵H输入该网络，采用归一化均方误差作为损失函数，并采用数据驱动方法进行离线训练；将混合空洞卷积和残差路径引入卷积神经网络结构中，搭建改进的卷积神经网络进行噪声消除，改进的卷积神经网络包括两个噪声消除模块，每个噪声消除模块中均包含三个卷积层和一个残差路径，神经网络中叠加多个卷积层时设置的各膨胀系数之间不应存在大于1的公约数，从而形成锯齿状循环结构，该改进卷积神经网络的具体训练步骤如下：①将OMP算法得到的信道预估计矩阵作为输入，将实际信道矩阵H作为标签；②随后经过三个卷积核大小为3×3的卷积层，并将这三个卷积层的膨胀系数依次设置为1，2，5，形成锯齿状的循环结构，改进卷积神经网络通过三个叠加的卷积层区分和H之间的差异，实现噪声特征的提取；③通过残差路径将与相减，则输出层输出的信道估计结果为④上述步骤②③视作第一个噪声消除模块所含操作，将作为第二个噪声消除模块的输入，将实际信道矩阵H作为标签，重复步骤②③得到改进卷积神经网络的信道估计矩阵3在不同信噪比下生成测试数据，并输入训练好的改进卷积神经网络，输出估计信道矩阵，进一步与实际信道矩阵相比较，评测信道估计性能：在信道估计网络训练完成后，实现在线部署，首先在不同信噪比下由OTFS通信系统生成4×104个仿真数据，并通过OMP信道估计算法进行预估计得到接着通过基于改进卷积神经网络的信道估计网络进行噪声消除，最后输出信道估计矩阵并与实际信道矩阵H相比较来评测信道估计性能。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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”。