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！

龙图腾网恭喜西安电子科技大学申请的专利基于深度神经网络的低复杂度OTFS系统符号检测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：CN115987734B 。

龙图腾网通过国家知识产权局官网在2025-01-07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：202211542551.1，技术领域涉及：H04L27/26；该发明授权基于深度神经网络的低复杂度OTFS系统符号检测方法是由刘伟;于同阳;白宝明设计研发完成，并于2022-12-02向国家知识产权局提交的专利申请。

本基于深度神经网络的低复杂度OTFS系统符号检测方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的OTFS系统符号检测方法，主要解决现有技术中符号检测复杂度较高、检测接收符号速度较慢的问题。其实现步骤是：1、获得训练集；2、构建神经网络；3、使用训练集对深度神经网络进行训练；4、接收发射端发送的时域信号，并对其进行维格纳变换，得到时间‑频率域信号；5、对时间‑频率域信号进行辛傅里叶变换得到时延‑多普勒域的接收符号；6、采用训练好的深度神经网络对接收符号进行检测，获得发送符号的估计值。本发明降低了OTFS系统整体符号检测的复杂度，提高了检测接收符号的速度，可用于从OTFS系统接收信号中恢复出发射信号。

本发明授权基于深度神经网络的低复杂度OTFS系统符号检测方法在权利要求书中公布了：1.一种基于深度神经网络的OTFS系统符号检测方法，其特征在于，包括如下步骤1获得训练集；1aOTFS系统发射端发送经过调制的信号，对发射信号的星座图上的点进行one-hot编码，并将编码后的数据存储作为标签；1bOTFS系统接收端接收到经过信道的数据，将其变换到时延-多普勒域，并存储该域的MN个接收符号；1c循环步骤1a和1b共C次，得到训练集，C根据OTFS系统的性能确定；2构建MN个结构完全相同的深度神经网络，每个网络均包含一个输入层，一个隐藏层，一个输出层，每层之间采用全连接的方式；对MN个网络进行标号，使其分别对应OTFS系统中的MN个接收符号，其中M和N分别表示OTFS系统的子载波的总数和符号的总数；3使用训练集对每个深度神经网络进行训练：3a根据OTFS系统在时延-多普勒于的对应关系，将该网络对应的检测符号的最大时延与最大多普勒范围内的所有数据作为输入信号，输入到神经网络的输入层；3b采用梯度下降算法对该深度神经网络进行训练，得到输出层数据；3c采用最小均方误差函数作为深度神经网络的损失函数，将3b得到的输出层数据与1a的标签做对比，判断损失函数是否收敛：若是，则训练结束，得到训练后的深度神经网络：否则，返回步骤3b；4OTFS系统的接收端接收其发射端发送的时域信号，并对该时域信号进行维格纳变换，得到时间-频率域的信号Y[n,m]；5对时间-频率域的信号进行辛傅里叶变换SFFT，得到时延-多普勒域中的MN个接收符号；表示如下： 其中，y[k,l]表示在时延-多普勒域中时延索引为k，多普勒索引为l的一个接收符号，k＝0,1...N-1，l＝0,1...M-1，P表示信道路径条数，hi表示第i条路径上的信道系数，其中υi，τi分别表示该条路径上的时延和多普勒，li和ki分别表示第i条路径的时延抽头和多普勒抽头的索引，[.]N表示对N进行循环移位，[.]M表示对M进行循环移位,v[k,l]表示在时延-多普勒域中时延索引为k，多普勒索引为l位置的噪声；6采用训练后的MN个深度神经网络，对接收符号进行逐个符号的检测：6a将5中接收到的MN个符号与3中训练后的MN个深度神经网络进行对应，找到每个接收符号对应的深度神经网络；6b将每个接收符号的最大时延与最大多普勒范围内的所有数据作为其对应的训练后深度神经网络输入层数据，得到每个神经网络的输出层数据；6c根据每个神经网络的输出层数据，得到其发送符号的估计值，完成对OTFS系统符号的检测；所述估计值具体如下：6c1遍历深度神经网络的Q个输出层数据，得到最大值所在的位置，记为a；6c2将星座图上的点按照从左往右，从上往下的顺序排序为1，2，……，Q，其中第a个星座图上的点对应的数据即为发送符号的估计值。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路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”。