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深度神经网络的最小二乘法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：CN116232812B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202310201403.1，技术领域涉及：H04L25/02；该发明授权基于深度神经网络的最小二乘法OTFS系统信道估计方法是由白智全;胡嘉成;杨纪凯;蔡月影设计研发完成，并于2023-02-27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最小二乘法OTFS系统信道估计方法在说明书摘要公布了：基于深度神经网络的最小二乘法OTFS系统信道估计方法，属无线通信技术领域。本发明针对车联网准确信道估计与可靠信息交互需求，基于DNN设计了一种高效低时延的信道估计方法。该方法分三步：首先，在车联网OTFS系统发射端从时频域插入块状导频，并在接收端从时频域将其进行提取，利用传统LS信道估计方法进行时频域信道估计，得到粗略估计的信道矩阵HLS；其次，利用DNN对HLS进行优化估计，完成对DNN各参数的离线训练并得到信道矩阵HLS‑DNN；最后，再利用HLS‑DNN实现传输信息数据的在线恢复。本发明在LS信道估计的基础上既可以实现低复杂度的信道估计和较准确的信道估计结果，又可满足较好的实效性和低时延性，使得信息传输效率变高。

本发明授权基于深度神经网络的最小二乘法OTFS系统信道估计方法在权利要求书中公布了：1.一种基于深度神经网络的最小二乘法OTFS系统信道估计方法，由车联网正交时频空间OTFS调制通信系统实现；该系统包括发射端和接收端，发射端包括依次相连的正交相移键控QPSK调制模块、逆辛傅里叶变换ISFFT模块、正交频分复用OFDM调制器和一发射天线；接收端包括依次相连的一接收天线、OFDM解调器、信道估计模块、信道均衡模块、辛傅里叶变换SFFT模块和QPSK解调模块，信道估计模块包括LS信道估计和DNN模型,信道估计的实现过程为：首先，发射端对时延-多普勒域中的随机比特流进行两两分组，并在QPSK调制模块中进行调制，形成时延-多普勒域信号，随后经过ISFFT模块，将时延-多普勒域信号转换为时频域信号，此时向时频域信号插入块状导频，以进行LS信道估计；随后，OFDM调制器将带有导频的时频域信号经海森堡变换转换为时域信号，并通过发射天线在时域信道进行传输；接收端通过接收天线接收信号，继而通过OFDM解调器对接收信号进行解调，即通过魏格纳变换得到时频域信号，将导频与数据信号相分离，并在信道估计模块中利用接收到的导频做LS信道估计，得到粗略估计的信道矩阵HLS，然后利用DNN对HLS进行优化得到HLS-DNN；最后，接收端在信道均衡模块处利用HLS-DNN进行OTFS系统时频域信道均衡，得到时频域数据恢复信号，并将其通过SFFT模块，得到时延-多普勒域信号，在QPSK解调模块中再经过相应解调恢复得到原始比特流；其具体步骤如下：1车联网OTFS系统信道矩阵数据集生成：1将时延-多普勒域中的随机比特流进行两两分组，并在QPSK调制模块通过QPSK调制得到时延-多普勒域信号xk,l，其中k∈{0,1,...,N-1}，l∈{0,1,...,M-1}，M和N分别为时延维度数和多普勒维度数；在ISFFT模块处，时延-多普勒域信号xk,l通过ISFFT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；在时频域信号X[n,m]前放置两列同样的导频符号p1[q]和p2[q]，形成Xp[n,m]以进行LS信道估计，其中q为时频域信号中第q个子载波，且p1[q]和p2[q]是元素均为“1”的比特序列，这里采用全“1”序列作为导频符号，是为了使接收端导频符号y1[q]和y2[q]能更加完整地记录时频域信道响应；在OFDM调制器中将带有导频的时频域信号Xp[n,m]经过海森堡变换得到时域信号st，表示为其中t为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；随后在时域信号st各信息符号的开头均添加循环前缀作为保护间隔，再对信号流进行并串转换，通过发射天线将并串转换后的信号在时域信道进行传输；2接收天线接收得到经过时变信道传输的信号rt，其表示为rt＝∫∫hτ,νgtxt-τej2πνtdτdν+vt，其中vt表示时域加性高斯白噪声，hτ,v为稀疏路径数为P的信道冲激响应，τ和v分别表示时延多普勒域路径时延和多普勒频移；随后接收机对rt进行串并转换，并去掉循环前缀，接着在OFDM解调器中通过魏格纳变换将接收时域信号转化为时频域信号Yp[n,m]＝∫grxt-τrte-j2πt-τdt，其中grxt表示时域接收脉冲；之后将接收到的两列导频符号y1[q]和y2[q]从Yp[n,m]中提取出来并在信道估计模块中进行LS信道估计，得到导频处信道响应此处LS信道估计算法通过对所估计的信道矩阵求导，将代价函数最小化，从而得到其中X为发射端时频域导频符号向量，Y为接收端时频域导频符号向量，||·||2表示取模操作的平方，·-1表示矩阵求逆；LS信道估计算法的均方误差为其中表示噪声功率，表示信号功率，因而LS算法的MSE与信噪比成反比，故可结合DNN对粗略估计的LS信道估计矩阵进一步优化估计；2信道矩阵数据集预处理和DNN参数离线训练：1在进行DNN参数离线训练之前需要进行信道矩阵数据集的预处理，将估计得到的导频处信道响应hLS[q]复制扩展为与时频域信号Xp[n,m]大小相对应的信道矩阵HLS，并将得到的HLS和真实信道矩阵HPerfect的实虚部分离，组成新的矩阵作为数据集，此新矩阵的上面部分为HLS和HPerfect元素的实部，下面部分则为二者元素的虚部；载入信道矩阵HLS和HPerfect数据集后，需要对数据集进行归一化处理，用于缩放或变换数据；接着打乱数据集顺序，即进行Shuffle操作；2将预处理过的HLS和HPerfect分别作为DNN的输入与输出，且该DNN由一个输入层、三个隐藏层和一个输出层构成，各隐藏层的神经节点数量分别为100、200和300，其中各隐藏层激活函数均为线性整流函数ReLU，损失函数为均方误差函数MSE，其表示为预测值与目标值之间差值平方和的均值，优化器采用随机梯度下降法SGD，所设置的学习率为0.0001，训练次数为500次；3信息数据的在线恢复：接收端在DNN参数训练完成后，在信道均衡模块处对OTFS系统时频域信道进行信道均衡，即利用离线训练完成的网络模型进行优化估计后得到的HLS-DNN对时频域接收信号进行恢复得到Xeq[n,m]，继而通过SFFT模块，得到时延多普勒域信号yk,l，表示为最后经过QPSK解调模块恢复得到原始信号。

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”。