Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 宁波大学蒙海芬获国家专利权

宁波大学蒙海芬获国家专利权

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!

龙图腾网获悉宁波大学申请的专利一种基于残差神经网络的RIS辅助室内指纹定位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:CN120166526B

龙图腾网通过国家知识产权局官网在2025-07-15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:202510650024.X,技术领域涉及:H04W64/00;该发明授权一种基于残差神经网络的RIS辅助室内指纹定位方法是由蒙海芬;陈华;郭炎炎;余宙;方嘉雄;朱明红;刘尉悦设计研发完成,并于2025-05-20向国家知识产权局提交的专利申请。

一种基于残差神经网络的RIS辅助室内指纹定位方法在说明书摘要公布了:本发明公开了一种基于残差神经网络的RIS辅助室内指纹定位方法,适用于RIS辅助的下行多径传输SISO毫米波定位系统,该系统包括基站、RIS和用户;该方法通过以下步骤实现:定义用户的接收信号矩阵,包含基站、RIS、用户和散射体的三维位置;对用户的接收信号矩阵进行归一化,得到实值矩阵作为样本;在室内环境中调整用户的三维位置,记录真实三维位置作为标签,构建数据集并分为训练集和验证集;利用训练集对残差神经网络进行离线训练,优化网络参数并保存最优权重;在实际定位场景中,将实时接收信号矩阵处理后输入训练好的模型,输出用户的预测三维位置;本发明结合RIS和残差神经网络,提高了室内定位的精度和鲁棒性,并实现了快速定位。

本发明授权一种基于残差神经网络的RIS辅助室内指纹定位方法在权利要求书中公布了:1.一种基于残差神经网络的RIS辅助室内指纹定位方法,其特征在于包括以下步骤: 步骤1:定义时隙t时用户在第n个子载波上接收到的信号为yn,t;然后将TU个时隙用户在N个子载波上接收到的信号组成的矩阵作为用户的接收信号矩阵YU,YU中包含有基站、RIS、用户、散射体的三维位置;其中,n=1,2,…,N,N表示子载波总数,t=1,2,…,TU,TU表示时隙总数,YU的维度为N×TU; 所述步骤1中,,其中,T表示转置运算,hBRn表示基站-RIS链路在第n个子载波的信道,diag表示构建对角矩阵,wt表示时隙t时RIS的相移向量,hRUn表示RIS-用户链路在第n个子载波的信道,stn表示时隙t时基站在第n个子载波上传输的信号,ztn表示yn,t中的零均值加性高斯噪声; 所述基站-RIS链路在第n个子载波的信道hBRn建模为,所述RIS-用户链路在第n个子载波的信道hRUn建模为,其中,αBR表示基站-RIS链路中的视距路径的复增益,j为虚部表示,表示基站-RIS链路中的视距路径的到达时间差,△f表示OFDM信号的子载波频率间距,PB表示基站的三维位置,s=0,1,2,…,Ns,Ns表示RIS-用户链路中的非视距路径数量,s=0时αRU,s表示RIS-用户链路中的视距路径的复增益,s=1,2,…,Ns时αRU,s表示RIS-用户链路中的第s条非视距路径的复增益,s=0时表示RIS-用户链路中的视距路径的到达时间差,s=1,2,…,Ns时表示RIS-用户链路中的第s条非视距路径的到达时间差,s=0时Ps=P0,P0表示用户的三维位置,s=1,2,…,Ns时Ps表示RIS-用户链路中的第s条非视距路径上的散射体的三维位置,ePB表示基站-RIS链路中的视距路径中RIS的导向矢量,s=0时ePs表示RIS-用户链路中的视距路径中RIS的导向矢量,s=1,2,…,Ns时ePs表示RIS-用户链路中的第s条非视距路径中RIS的导向矢量; 步骤2:将YU作为原始指纹数据;然后对原始指纹数据的实部和虚部进行归一化处理,得到一个实值矩阵V,其中,V的维度为2×N×TU,第一维度表示通道数,第一通道为原始指纹数据的实部经归一化处理得到,第二通道为原始指纹数据的虚部经归一化处理得到; 所述步骤2中,第一通道V1,:,:为,第二通道V2,:,:为,其中,Re{}表示取实部,Im{}表示取虚部,表示向量或矩阵的二范数运算; 步骤3:在室内环境范围内,调整用户的三维位置,同时记录每次调整后用户的真实三维位置,并作为标签;然后按照步骤1和步骤2的过程,以相同的方式获取每次调整后对应得到的实值矩阵,并作为样本;再将多次调整后对应得到的样本和标签构成数据集;之后将数据集划分为训练集和验证集; 步骤4:使用训练集对残差神经网络进行离线训练,通过反向传播算法迭代优化网络参数;同时利用验证集监控训练过程,评估网络性能;在训练结束后保存验证集指标最优的网络权重,得到训练好的残差神经网络模型; 步骤5:在近场室内定位场景中进行在线测试,将实时获得的用户的接收信号矩阵按照步骤2的过程获取对应的实值矩阵,并作为测试样本;然后将测试样本输入到训练好的残差神经网络模型中,输出用户的预测三维位置。

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宁波大学,其通讯地址为:315211 浙江省宁波市江北区风华路818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。