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！

龙图腾网获悉西安理工大学申请的专利基于机器学习的激光微波混合通信的自适应调制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：CN116260688B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211729566.9，技术领域涉及：H04L27/00；该发明授权基于机器学习的激光微波混合通信的自适应调制方法是由邵军虎;杜旭晓;史魏征;刘再平;刘依朔设计研发完成，并于2022-12-30向国家知识产权局提交的专利申请。

本基于机器学习的激光微波混合通信的自适应调制方法在说明书摘要公布了：本发明公开了基于机器学习的激光微波混合通信的自适应调制方法，包括：获取天气数据集，根据天气数据集中天气数据建立信道状态集；利用天气数据集、信道状态集训练随机森林模型RFM，得到训练后的随机森林模型RFM；获取实时天气数据，将天气数据输入训练后的随机森林模型RFM，得到当前最优信道状态Di；判断当前信道状态Di下的平均误码率Pe是否小于目标误码率Pe,obj，若否，则对随机森林模型RFM进行调整，直至当前平均误码率Pe小于目标误码率Pe,obj，同时判断当前执行的信道状态是否与最优信道状态一致时，若否，则执行信道状态切换，完成激光微波混合链路的切换。降低了恶劣天气对信道的影响，提高通信效率。

本发明授权基于机器学习的激光微波混合通信的自适应调制方法在权利要求书中公布了：1.基于机器学习的激光微波混合通信的自适应调制方法，其特征在于，包括以下步骤： 步骤1、获取天气数据集S1，根据天气数据集S1中天气数据建立信道状态集S2； 步骤2、利用所述天气数据集S1、信道状态集S2训练随机森林模型，得到训练后的随机森林模型RFM； 步骤3、获取实时天气数据，将所述天气数据输入训练后的随机森林模型RFM，得到当前最优信道状态Di； 步骤4、判断Di下的平均误码率是否小于目标误码率Pe,obj，若否，则对训练后的随机森林模型RFM进行调整，直至当前平均误码率小于目标误码率Pe,obj，同时判断当前执行的信道状态是否与最优信道状态一致，若否，则执行信道状态切换，完成激光微波混合链路的切换； 步骤1具体过程为： 按照调制方式对链路信道状态进行划分，根据信道条件设定目标误码率Pe,obj，计算不同天气条件数据下每种信道状态Di，i=1,……,N的平均误码率，在满足平均误码率小于目标误码率Pe,obj的条件下，对天气条件数据进行阈值划分，得到多个天气条件数据阈值区域，然后计算每个天气条件数据阈值区域的链路余量阈值区域；分别获取天气数据集S1中的天气数据，得到每个天气数据对应的链路余量LM，将每个所述链路余量LM与链路余量阈值进行比较，若LM小于最小的，则通信中断；若LM大于且小于，则该天气数据下的信道状态为Di； 判断该天气数据下的信道状态为Di时的误码率Pe,i是否小于Pe,obj，如果大于，则对链路余量阈值进行优化，直至Pe,i小于Pe,obj，则输出信道状态，得到天气数据集S1中每个天气数据的信道状态，即信道状态集S2； 步骤1中所述平均误码率的公式为： 1； 上式中，为概率密度函数，为瞬时误码率函数，不同调制方式的瞬时误码率公式如下： 2； 3； 4； 上式中，M表示调制阶数，为瞬时信噪比； 5； 上式中，表示Meijer’G函数； FSO链路的概率密度函数为： 6； 上式中，为FSO链路的瞬时信噪比，为FSO链路的平均信噪比； RF链路的概率密度函数为： 7； 上式中，是RF链路的瞬时信噪比,为RF链路的平均信噪比； FSO链路余量LMFSO的计算公式如下： 8； 上式中，P为发射功率，Sr为接收灵敏度，αgeo为几何衰减系数，αsys为系统衰减系数，为FSO链路与天气有关的衰减系数； RF链路余量LMRF的计算公式如下： 9； 上式中，EIRP为等效全向辐射功率，Gr为接收机天线増益，为最低归一化信噪比，R为系统比特率，k为波尔兹曼常数，T为接收机系统噪声温度，Ls为路径损耗，为RF链路与天气有关的衰减系数。

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西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5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”。

以上内容由龙图腾AI智能生成。