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！

龙图腾网获悉江西师范大学申请的专利基于CSI的自适应定位方法、电子设备和存储介质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：CN119676824B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202510187533.3，技术领域涉及：H04W64/00；该发明授权基于CSI的自适应定位方法、电子设备和存储介质是由饶鑫平;黄丽桃;周子煊;易玉根;秦乐;罗勇设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本基于CSI的自适应定位方法、电子设备和存储介质在说明书摘要公布了：本发明涉及无线网络定位技术领域，具体涉及基于CSI的自适应定位方法、电子设备和存储介质。在本发明中，通过融合表示模型根据幅度信息数据和相位信息数据生成高辨别度融合指纹数据，通过定位模型完成高辨别度融合指纹数据与环境中相应物理位置之间的映射；定位模型包括由源网络和目标网络组成的自适应卷积神经网络，源网络处理来自源域的数据，目标网络处理来自目标域的数据。定位模型使用了由源网络和目标网络组成的自适应卷积神经网络，提高了对环境的适应性。

本发明授权基于CSI的自适应定位方法、电子设备和存储介质在权利要求书中公布了：1.一种基于CSI的自适应定位方法，其特征在于，包括以下步骤： 采集环境中无线信号的信道状态信息数据，进行预处理，得到幅度信息数据和相位信息数据； 构建融合表示模型，使用幅度信息数据和相位信息数据对融合表示模型进行训练；其中，融合表示模型根据幅度信息数据和相位信息数据生成高辨别度融合指纹数据；融合表示模型包括幅度模态和相位模态的特征提取器、特征融合层和解码网络，特征提取器分别从幅度模态和相位模态提取高层次特征图和，特征融合层将和沿通道维度进行拼接，如式1所示； 其中，F表示融合特征，Concat·表示拼接操作； 解码网络从融合特征重构输出矩阵； 构建定位模型，使用高辨别度融合指纹数据及其坐标标签对定位模型进行训练；其中，定位模型完成高辨别度融合指纹数据与环境中相应物理位置之间的映射；定位模型包括由源网络和目标网络组成的自适应卷积神经网络，源网络处理来自源域的数据，目标网络处理来自目标域的数据；其中，源域的数据为环境中无线信号的信道状态信息数据，目标域的数据为无标签的无线信号的信道状态信息数据；定位模型中所有卷积层的卷积核大小为3×3，通道数为[16,32,64,256]，且没有池化层； 获取待定位的无线信号的信道状态信息数据，进行预处理，得到幅度信息数据和相位信息数据，并使用训练好的融合表示模型和训练好的定位模型生成高辨别度融合指纹数据和预测目标位置的概率； 其中，融合表示模型的总损失是重构损失和三元组损失的加权组合，如式4所示； 其中，表示超参数；表示重构损失，由式2计算；表示三元组损失，由式3计算； 其中，表示训练样本的数量；表示第i个样本的重构输出，表示第i个样本的真实值；表示第个样本的融合特征；表示正样本的融合特征；表示负样本的融合特征；表示一个边距超参数；表示正部分函数；i表示正整数； 在定位模型中，使用权重正则化项最小化源网络和目标网络中可迁移层参数之间的差异，如式5所示； 其中，表示可迁移层的集合；和分别表示源网络和目标网络中第层的权重参数；和分别表示在训练过程中学习到的特定于层的缩放和移动参数；exp·表示指数函数；表示权重系数，由式7计算； 其中，，·表示元网络；j和k分别表示正整数； 在定位模型中，使用最大均值差异来衡量并最小化源网络和目标网络中特征表示分布之间的距离，按照式9计算基于最大均值差异的领域差异损失； 其中，和分别表示源域和目标域的训练集样本数目；和分别表示第个源样本和第个目标样本的特征表示；和分别表示第i'个源样本和第j'个目标样本的特征表示；i'和j'分别表示正整数；使用标准的径向基函数核来计算，如式10所示； 其中，u表示或，v表示、或；表示核函数的宽度参数。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。