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残差收缩网络的RIS通信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：CN115833974B 。

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：202211385063.4，技术领域涉及：H04B17/309；该发明授权基于改进残差收缩网络的RIS通信系统信道估计方法是由白智全;马媛媛;贺邦玮;庞珂设计研发完成，并于2022-11-07向国家知识产权局提交的专利申请。

本基于改进残差收缩网络的RIS通信系统信道估计方法在说明书摘要公布了：基于改进残差收缩网络的RIS通信系统信道估计方法，属于无线通信技术领域。该方法的实现过程主要包括三步：首先，由RIS辅助无线通信系统生成数据集，并利用缩放最小二乘SLS算法进行信道预估计，得到含噪的信道估计矩阵；其次，搭建改进残差收缩网络，将含噪信道估计矩阵与实际信道矩阵输入网络，采用监督学习方法进行离线训练；最后，在不同信噪比下，将测试数据输入训练好的信道估计网络，输出估计后的信道矩阵。本发明可在信道统计特性未知的情况下，将SLS估计算法与改进残差收缩网络相结合，把信道估计建模为去噪问题，利用改进残差收缩网络强大的降噪能力，对RIS辅助无线通信系统上行信道进行估计，显著提升信道估计的准确性。

本发明授权基于改进残差收缩网络的RIS通信系统信道估计方法在权利要求书中公布了：1.一种基于改进残差收缩网络的RIS通信系统信道估计方法，由RIS辅助无线通信系统实现，该系统包括发送端、RIS和接收端，发送端包括K个单天线用户，RIS含N个无源反射单元，接收端包括由Nr根接收天线组成的基站和基于改进残差收缩网络的信道估计模块，用户到RIS和用户到基站的链路经历独立瑞利衰落，RIS到基站链路经历独立莱斯衰落，噪声为加性高斯白噪声；首先，由RIS辅助无线通信系统生成数据集，并利用SLS算法进行信道预估计，得到含噪的信道估计矩阵；其次，搭建改进的残差收缩网络，将含噪信道估计矩阵与实际信道矩阵输入网络，采用监督学习方法进行离线训练；最后，在不同信噪比下，将测试数据输入训练好的信道估计网络，输出估计得到的信道矩阵，评测信道估计性能，其具体步骤如下：1RIS辅助无线通信系统仿真生成数据集，并对数据进行预处理：RIS辅助无线通信系统采用时分复用全双工模式，采用上行链路对信道进行估计，RIS到基站的信道矩阵为其元素服从莱斯分布，表示Nr×N维的复数向量集，用户到RIS和用户到基站的信道矩阵分别为和其各元素为独立复高斯随机变量，服从均值为0，方差为1的复高斯分布，RIS的各反射单元都可独立地对入射信号进行相位调整，反射相位矩阵表示为其中是在第n个反射单元上的反射相位，diag表示构造对角阵，[]T表示矩阵转置，RIS为无源反射元件，无法对信号进行处理，不能单独估计用户到RIS和RIS到基站的信道矩阵，在RIS辅助的多用户通信系统中估计用户到基站的级联信道G＝Bdiagh和直传信道d时，需基于导频进行信道估计，需要估计的信道矩阵表示为H＝[d,G]，导频信号中包含K个用户的信道估计导频，导频序列两两正交，第k个用户发送的导频序列为xk＝[uk,1,...,uk,l...,uk,L]，L表示导频序列长度，uk,l表示第k个用户第l个导频符号，每个信道估计数据帧中包含D个不同子帧，令D＝N+1，第d个相移矩阵表示为其中代表在第d个相移矩阵的第n个RIS反射单元上的反射相位，基站接收到第d个子帧的信号为其中Hk代表第k个用户的信道矩阵，pd＝[1,rd]T为相移矩阵，为加性高斯白噪声，其元素vd,l代表第d个子帧的第l个噪声向量，考虑用户导频间的正交性，第k个用户发送完D个子帧后，基站接收信号为其中表示D个反射相移矩阵，表示噪声矩阵，P可用离散傅里叶矩阵表示，第k个用户的接收信号表示为其中w＝ej2πD，接收端首先对接收信号进行SLS信道预估计，SLS算法是在最小二乘即LS算法的基础上进一步考虑噪声对信道估计的影响，其表达式为其中σ2为噪声功率，为信道矩阵的自相关矩阵，tr{}表示求矩阵的迹，表示矩阵伪逆；PH表示对P求共轭转置，表示LS算法估计得到的信道矩阵；由RIS辅助无线通信系统生成数据集，令其大小为4.8×105，其中75％数据用于网络训练，25％数据用于测试；2搭建以残差收缩网络即DRSN为基础的网络模型，将含噪信道矩阵与实际信道矩阵输入网络，并采用监督学习方法进行离线训练：将软阈值化和注意力机制引入到ResNet网络结构中，搭建以DRSN为基础的网络模型，该网络模型包括残差收缩模块和卷积注意力机制模块即CBAM模块，残差收缩模块由三个卷积层、两个批归一化层即BN、两个ReLu激活函数和一个软阈值模块组成，CBAM模块嵌入在残差收缩模块中，包括通道注意力模块即CAM模块和空间注意力模块即SAM模块，CAM模块包括平均值池化层、最大值池化层、两层神经网络、ReLU激活函数和Sigmoid激活函数，SAM模块包括最大池化层、平均池化层、卷积层和Sigmoid激活函数，具体训练步骤如下：①令x表示输入数据特征，x经过残差收缩模块的第一个卷积层、BN层和ReLU激活函数后，得到输出特征图F1∈RC×H×W，其中C代表特征图像的长度，H代表特征图像的高度，W代表特征图像的通道数；②F1随后经过嵌入在残差收缩模块中的CBAM模块，对于输入特征图F1，CBAM模块会沿着两个独立的维度即通道和空间维度依次推断通道注意力图和空间注意力图，然后将通道注意力图和空间注意力图与F1相乘以进行自适应特征优化，CAM模块对输入的特征图在空间维度进行压缩做一维卷积，通过并行的平均值池化层和最大值池化层，即对邻域内特征点求平均和取最大特征点操作，使通道维度不变、空间维度压缩，将特征图像维度从C×H×W变为C×1×1，随后经过两层神经网络将通道数压缩为原来的1r，r为MLP的衰减率，再扩张到原通道数，最后将经过ReLU激活函数的结果相加，随后通过Sigmoid激活函数得到输出结果，并与F1相乘变回C×H×W维的大小，通道注意力的特征图表示为其中和分别表示在CAM模块中对输入特征F1进行平均池化和最大池化后的特征向量，W1和W2分别表示两层神经网络第1、2层的权重，σ表示Sigmoid激活函数；SAM模块串联在CAM模块之后，将CAM模块的输出结果F1′通过最大池化层和平均池化层得到两个1×H×W维的特征图，两个特征图通过拼接操作后经过7*7卷积层变为1个通道的特征图，最后经过一个Sigmoid激活函数得到SAM的特征图，并将输出结果与F1′相乘变回C×H×W维，空间注意力的特征图表示为其中和分别为在SAM模块中对输入特征F1′进行平均池化和最大池化后的特征向量，f7×7表示7*7卷积操作；CAM模块的特征图为McF1∈RC×1×1，将其与F1相乘得到CAM模块的输出结果F1′通过SAM模块，并与其特征图MsF1′相乘得到CBAM模块的输出结果其中表示克罗内克积运算；③重复一次步骤①、②，得到第二个CBAM模块的输出结果F2″，随后经过残差收缩模块的第三个卷积层得到与x维度相同的输出特征Fout，最后使用软阈值模块对噪声进行处理，其公式为其中x表示输入特征，y表示输出特征，τ表示正阈值，软阈值化后，将x的绝对值小于τ的特征设置为0，由此实现了降低数据噪声的效果，其输出结果表示为Ff；④输入特征x通过恒等映射与去噪后的Ff相加，且Ff和x的维数相同，则y定义为y＝σFf+x；3在不同信噪比下生成测试数据，并输入训练好的信道估计网络，输出估计的信道矩阵，进一步与实际信道矩阵对比，评测网络估计性能：在信道估计网络训练完成后，实现在线部署，由RIS辅助无线通信系统在不同信噪比下生成105条测试数据，针对每一条测试数据，首先通过SLS信道估计算法进行预估计，得到接着通过信道估计网络进行噪声消除，最后输出可靠信道估计结果并与实际信道矩阵H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：250199 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”。