暨南大学李强获国家专利权
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！
龙图腾网获悉暨南大学申请的专利一种基于深度学习的仿射频分复用信道估计与符号检测方法及系统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：CN119341864B 。
龙图腾网通过国家知识产权局官网在2025-07-11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：202411413439.7，技术领域涉及：H04L25/02；该发明授权一种基于深度学习的仿射频分复用信道估计与符号检测方法及系统是由李强;黄鹏飞;黄东;王淑敏;陈颖玚设计研发完成，并于2024-10-11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仿射频分复用信道估计与符号检测方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的仿射频分复用信道估计与符号检测方法及系统，方法包括：步骤S1、使用仿射频分复用技术将通信过程中的传输符号进行调制，并经过信道传输，在接收端得到仿射频分复用接收信号；步骤S2、构建深度神经网络模型，将所述仿射频分复用接收信号中的I路与Q路作为神经网络的输入，传输符号作为神经网络的期望输出，对神经网络进行训练，使其具备对传输数据符号的预测能力；步骤S3、待深度神经网络模型训练完毕，将通信过程中实时接收到的仿射频分复用信号输入训练好的神经网络模型中，得到传输数据符号的预测值。
本发明授权一种基于深度学习的仿射频分复用信道估计与符号检测方法及系统在权利要求书中公布了：1.一种基于深度学习的仿射频分复用信道估计与符号检测方法，其特征在于，所述方法包括： 步骤S1、使用仿射频分复用技术将通信过程中的传输符号进行调制，经过信道传输，接收端得到仿射频分复用接收信号； 步骤S2、构建深度神经网络模型，将所述仿射频分复用接收信号中的I路与Q路作为深度神经网络的输入，传输符号作为深度神经网络的期望输出，对所述深度神经网络进行训练，得到训练好的深度神经网络模型； 构建的深度神经网络模型包括三层，输入层、隐藏层和输出层，仿真参数设置为：神经网络有8层，每一层的神经元节点数分别为64、128、64、32、16、8、4、1；深度神经网络隐藏层的激活函数为ReLu，输出层的激活函数为Sigmoid，采用Adam作为神经网络优化器； 步骤S3、将通信过程中实时接收到的仿射频分复用信号输入训练好的神经网络模型中，得到传输数据符号的预测值。
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暨南大学，其通讯地址为：510632 广东省广州市天河区黄埔大道西601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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号