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！

龙图腾网获悉电子科技大学(深圳)高等研究院申请的专利一种基于强化学习的自适应语义通信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：CN121619066B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610129838.3，技术领域涉及：H04L1/00；该发明授权一种基于强化学习的自适应语义通信方法是由黄川;王嘉晨设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本一种基于强化学习的自适应语义通信方法在说明书摘要公布了：本发明公开了一种基于强化学习的自适应语义通信方法，包括以下步骤:步骤S1：构建基于强化学习的自适应语义传输架构；步骤S2:预训练若干组语义编码器—解码器模型，并构建查找表，记录不同工作点及其对应的源速率与失真指标；步骤S3：根据马尔可夫决策过程与奖励函数训练策略网络，训练采用域随机化机制：对每个回合随机选择或组合不同衰落模型与统计参数并生成块衰落序列，在多域信道分布上迭代更新策略参数；步骤S4：基于训练得到的策略网络，进行自适应语义样本的传输。本发明能够实现跨不同衰落场景的语义特征发送选择，并对编码率、调制阶数、发射功率等物理层参数进行自适应联合决策，获得更优的任务性能与传输效率。

本发明授权一种基于强化学习的自适应语义通信方法在权利要求书中公布了：1.一种基于强化学习的自适应语义通信方法，其特征在于：包括以下步骤: 步骤S1：构建基于强化学习的自适应语义传输架构： 所述自适应语义传输架构包括发送端、接收端和控制模块；所述发送端包括语义编码器、量化模块、信道编码模块和调制模块，所述接收端包括解调模块、信道解码模块、反量化模块以及语义解码器；发送端和接收端之间的无线信道采用块衰落模型：信道条件在一个语义特征传输期间保持准静态，不同特征传输之间信道条件将发生变化； 所述控制模块包括基于强化学习的策略网络，用于对发送端的模块参数进行控制； 步骤S2：预训练若干组语义编码器—解码器模型，并构建查找表，记录不同工作点及其对应的源速率与失真指标； 所述步骤S2包括： S201.构建语义编码器—语义解码器模型，包含一个语义编码器和一个语义解码器，所述语义编码器和一个语义解码器均采用神经网络实现； S202.通过语义编码器对源速率为的语义数据进行编码，然后将编码结果通过语义解码器进解码，然后计算原始语义数据与解码的到的数据之间的损失，记为源失真，计算方式包括均方误差或交叉熵损失； 通过参数与，计算作为语义编码器—语义解码器模型的损失函数，对语义编码器—语义解码器模型进行训练； S203.在不同的源速率下，重复执行步骤S202，得到多组语义编码器—语义解码器模型训练结果，然后得到源速率与源失真的拉格朗日目标函数，记为： ； 该拉格朗日目标函数是指：在重复执行步骤S202，得到多组语义编码器—语义解码器模型训练结果中，取最小时的训练结果，作为一个工作点模型对；其中，、表示最小时的语义编码器参数和语义解码器参数； S204.改变参数，获得多个工作点模型对；其中V表示得到的工作点模型对数量，v表示第v个工作点模型对，v=1,2,…,V；并记录每一个工作点模型对的源速率和源失真，存储查找表LUT； 步骤S3：根据马尔可夫决策过程与奖励函数训练策略网络，训练采用域随机化机制：对每个回合随机选择或组合不同衰落模型与统计参数并生成块衰落序列，在多域信道分布上迭代更新策略参数； 步骤S4：基于训练得到的策略网络，进行自适应语义样本的传输。

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电子科技大学(深圳)高等研究院，其通讯地址为：518000 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。