買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜山東大學申請的專利基于改進殘差收縮網絡的RIS通信系統信道估計方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115833974B 。

龍圖騰網通過國家知識產權局官網在2025-05-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211385063.4，技術領域涉及：H04B17/309；該發明授權基于改進殘差收縮網絡的RIS通信系統信道估計方法是由白智全;馬媛媛;賀邦瑋;龐珂設計研發完成，并于2022-11-07向國家知識產權局提交的專利申請。

本基于改進殘差收縮網絡的RIS通信系統信道估計方法在說明書摘要公布了：基于改進殘差收縮網絡的RIS通信系統信道估計方法，屬于無線通信技術領域。該方法的實現過程主要包括三步：首先，由RIS輔助無線通信系統生成數據集，并利用縮放最小二乘SLS算法進行信道預估計，得到含噪的信道估計矩陣；其次，搭建改進殘差收縮網絡，將含噪信道估計矩陣與實際信道矩陣輸入網絡，采用監督學習方法進行離線訓練；最后，在不同信噪比下，將測試數據輸入訓練好的信道估計網絡，輸出估計后的信道矩陣。本發明可在信道統計特性未知的情況下，將SLS估計算法與改進殘差收縮網絡相結合，把信道估計建模為去噪問題，利用改進殘差收縮網絡強大的降噪能力，對RIS輔助無線通信系統上行信道進行估計，顯著提升信道估計的準確性。

本發明授權基于改進殘差收縮網絡的RIS通信系統信道估計方法在權利要求書中公布了：1.一種基于改進殘差收縮網絡的RIS通信系統信道估計方法，由RIS輔助無線通信系統實現，該系統包括發送端、RIS和接收端，發送端包括K個單天線用戶，RIS含N個無源反射單元，接收端包括由Nr根接收天線組成的基站和基于改進殘差收縮網絡的信道估計模塊，用戶到RIS和用戶到基站的鏈路經歷獨立瑞利衰落，RIS到基站鏈路經歷獨立萊斯衰落，噪聲為加性高斯白噪聲；首先，由RIS輔助無線通信系統生成數據集，并利用SLS算法進行信道預估計，得到含噪的信道估計矩陣；其次，搭建改進的殘差收縮網絡，將含噪信道估計矩陣與實際信道矩陣輸入網絡，采用監督學習方法進行離線訓練；最后，在不同信噪比下，將測試數據輸入訓練好的信道估計網絡，輸出估計得到的信道矩陣，評測信道估計性能，其具體步驟如下：1RIS輔助無線通信系統仿真生成數據集，并對數據進行預處理：RIS輔助無線通信系統采用時分復用全雙工模式，采用上行鏈路對信道進行估計，RIS到基站的信道矩陣為其元素服從萊斯分布，表示Nr×N維的復數向量集，用戶到RIS和用戶到基站的信道矩陣分別為和其各元素為獨立復高斯隨機變量，服從均值為0，方差為1的復高斯分布，RIS的各反射單元都可獨立地對入射信號進行相位調整，反射相位矩陣表示為其中是在第n個反射單元上的反射相位，diag表示構造對角陣，[]T表示矩陣轉置，RIS為無源反射元件，無法對信號進行處理，不能單獨估計用戶到RIS和RIS到基站的信道矩陣，在RIS輔助的多用戶通信系統中估計用戶到基站的級聯信道G＝Bdiagh和直傳信道d時，需基于導頻進行信道估計，需要估計的信道矩陣表示為H＝[d,G]，導頻信號中包含K個用戶的信道估計導頻，導頻序列兩兩正交，第k個用戶發送的導頻序列為xk＝[uk,1,...,uk,l...,uk,L]，L表示導頻序列長度，uk,l表示第k個用戶第l個導頻符號，每個信道估計數據幀中包含D個不同子幀，令D＝N+1，第d個相移矩陣表示為其中代表在第d個相移矩陣的第n個RIS反射單元上的反射相位，基站接收到第d個子幀的信號為其中Hk代表第k個用戶的信道矩陣，pd＝[1,rd]T為相移矩陣，為加性高斯白噪聲，其元素vd,l代表第d個子幀的第l個噪聲向量，考慮用戶導頻間的正交性，第k個用戶發送完D個子幀后，基站接收信號為其中表示D個反射相移矩陣，表示噪聲矩陣，P可用離散傅里葉矩陣表示，第k個用戶的接收信號表示為其中w＝ej2πD，接收端首先對接收信號進行SLS信道預估計，SLS算法是在最小二乘即LS算法的基礎上進一步考慮噪聲對信道估計的影響，其表達式為其中σ2為噪聲功率，為信道矩陣的自相關矩陣，tr{}表示求矩陣的跡，表示矩陣偽逆；PH表示對P求共軛轉置，表示LS算法估計得到的信道矩陣；由RIS輔助無線通信系統生成數據集，令其大小為4.8×105，其中75％數據用于網絡訓練，25％數據用于測試；2搭建以殘差收縮網絡即DRSN為基礎的網絡模型，將含噪信道矩陣與實際信道矩陣輸入網絡，并采用監督學習方法進行離線訓練：將軟閾值化和注意力機制引入到ResNet網絡結構中，搭建以DRSN為基礎的網絡模型，該網絡模型包括殘差收縮模塊和卷積注意力機制模塊即CBAM模塊，殘差收縮模塊由三個卷積層、兩個批歸一化層即BN、兩個ReLu激活函數和一個軟閾值模塊組成，CBAM模塊嵌入在殘差收縮模塊中，包括通道注意力模塊即CAM模塊和空間注意力模塊即SAM模塊，CAM模塊包括平均值池化層、最大值池化層、兩層神經網絡、ReLU激活函數和Sigmoid激活函數，SAM模塊包括最大池化層、平均池化層、卷積層和Sigmoid激活函數，具體訓練步驟如下：①令x表示輸入數據特征，x經過殘差收縮模塊的第一個卷積層、BN層和ReLU激活函數后，得到輸出特征圖F1∈RC×H×W，其中C代表特征圖像的長度，H代表特征圖像的高度，W代表特征圖像的通道數；②F1隨后經過嵌入在殘差收縮模塊中的CBAM模塊，對于輸入特征圖F1，CBAM模塊會沿著兩個獨立的維度即通道和空間維度依次推斷通道注意力圖和空間注意力圖，然后將通道注意力圖和空間注意力圖與F1相乘以進行自適應特征優化，CAM模塊對輸入的特征圖在空間維度進行壓縮做一維卷積，通過并行的平均值池化層和最大值池化層，即對鄰域內特征點求平均和取最大特征點操作，使通道維度不變、空間維度壓縮，將特征圖像維度從C×H×W變為C×1×1，隨后經過兩層神經網絡將通道數壓縮為原來的1r，r為MLP的衰減率，再擴張到原通道數，最后將經過ReLU激活函數的結果相加，隨后通過Sigmoid激活函數得到輸出結果，并與F1相乘變回C×H×W維的大小，通道注意力的特征圖表示為其中和分別表示在CAM模塊中對輸入特征F1進行平均池化和最大池化后的特征向量，W1和W2分別表示兩層神經網絡第1、2層的權重，σ表示Sigmoid激活函數；SAM模塊串聯在CAM模塊之后，將CAM模塊的輸出結果F1′通過最大池化層和平均池化層得到兩個1×H×W維的特征圖，兩個特征圖通過拼接操作后經過7*7卷積層變為1個通道的特征圖，最后經過一個Sigmoid激活函數得到SAM的特征圖，并將輸出結果與F1′相乘變回C×H×W維，空間注意力的特征圖表示為其中和分別為在SAM模塊中對輸入特征F1′進行平均池化和最大池化后的特征向量，f7×7表示7*7卷積操作；CAM模塊的特征圖為McF1∈RC×1×1，將其與F1相乘得到CAM模塊的輸出結果F1′通過SAM模塊，并與其特征圖MsF1′相乘得到CBAM模塊的輸出結果其中表示克羅內克積運算；③重復一次步驟①、②，得到第二個CBAM模塊的輸出結果F2″，隨后經過殘差收縮模塊的第三個卷積層得到與x維度相同的輸出特征Fout，最后使用軟閾值模塊對噪聲進行處理，其公式為其中x表示輸入特征，y表示輸出特征，τ表示正閾值，軟閾值化后，將x的絕對值小于τ的特征設置為0，由此實現了降低數據噪聲的效果，其輸出結果表示為Ff；④輸入特征x通過恒等映射與去噪后的Ff相加，且Ff和x的維數相同，則y定義為y＝σFf+x；3在不同信噪比下生成測試數據，并輸入訓練好的信道估計網絡，輸出估計的信道矩陣，進一步與實際信道矩陣對比，評測網絡估計性能：在信道估計網絡訓練完成后，實現在線部署，由RIS輔助無線通信系統在不同信噪比下生成105條測試數據，針對每一條測試數據，首先通過SLS信道估計算法進行預估計，得到接著通過信道估計網絡進行噪聲消除，最后輸出可靠信道估計結果并與實際信道矩陣H比較來評測信道估計性能。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東大學，其通訊地址為：250199 山東省濟南市歷城區山大南路27號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。