对比文件名称：2005-09-08_US2005195734A_发明申请_US20050195734A1 Transmission signals, methods and apparatus
目标专利名称：711通信系统中的端到端学习CN111566673B
本次调用的模型名称：N/A
### 特征比对表格
| 技术特征描述及公开性判断 | 对比文件原文引用 | 公开性论述 |
| 技术特征A：包括：将多个发射器神经网络和多个接收器神经网络组织成多个发射器接收器神经网络对，《未公开》 | 无 | 对比文件涉及传统OFDM系统，使用多个发射天线和接收天线（例如段落[0045]及图8），但未涉及神经网络，更没有将发射器和接收器神经网络组织成对的概念。目标专利说明书第[0002]-[0003]段明确将发射器2和接收器6实现为神经网络并进行端到端训练，而对比文件仅涉及基于训练序列的信道估计，不存在神经网络对的组织。因此，该特征未被公开。 |
| 技术特征B：其中发射器接收器神经网络对针对多载波传输系统的多个子载波频带中的每个子载波频带而被定义，《未公开》 | 无 | 对比文件涉及OFDM系统的多个子载波（参见段落[0005]及图1a），但并未针对每个子载波频带定义神经网络对。目标专利说明书第[0030]段描述了为每个子载波频带定义发射器接收器神经网络对，而对比文件仅将子载波用于数据或训练序列的承载，无神经网络对的定义。因此，该特征未被公开。 |
| 技术特征C：将所述多载波传输系统的多个符号布置成多个传输块，《未公开》 | 无 | 对比文件公开了将调制符号映射到子载波以形成OFDM符号（参见段落[0008]及图1b），但这是将符号分配到子载波上，而非将符号“布置成多个传输块”。目标专利说明书第[0030]段及图4明确将OFDM帧划分为传输块（如B1至B9），每个块包含多个符号，用于映射到不同的神经网络对。对比文件没有这种传输块的划分和布置。因此，该特征未被公开。 |
| 技术特征D：将所述传输块中的每个传输块映射到所述发射器接收器神经网络对中的一个发射器接收器神经网络对，《未公开》 | 无 | 对比文件没有任何神经网络对，因此不存在将传输块映射到神经网络对的步骤。目标专利说明书第[0052]-[0053]段描述了映射函数Φ(l)将每个传输块映射到特定的发射器接收器神经网络对，而对比文件中数据流仅通过空时编码分配到不同天线（参见图4），并非映射到神经网络对。因此，该特征未被公开。 |
| 技术特征E：使用所映射的所述发射器接收器神经网络对来传输每个符号，《未公开》 | 无 | 对比文件中，符号通过传统OFDM发射器经由天线传输（参见段落[0008]及图1b），未使用神经网络对进行传输。目标专利说明书第[0003]段及图5明确使用映射的发射器接收器神经网络对来传输每个符号，对比文件无此技术手段。因此，该特征未被公开。 |
| 技术特征F：针对每个发射器接收器神经网络对，使用损失函数来训练发射神经网络和接收神经网络的至少一些权重，《未公开》 | 无 | 对比文件涉及信道估计，通过训练序列和自适应滤波器（如LMS算法）更新滤波器系数（参见段落[0020]-[0022]及图2c），但这不是训练神经网络的权重。目标专利说明书第[0003]段和第[0071]-[0074]段描述了使用损失函数（如分类交叉熵）和随机梯度下降来训练发射和接收神经网络的权重，对比文件中没有神经网络权重的训练。因此，该特征未被公开。 |
| 技术特征G：还包括映射在所述多个接收器神经网络处接收的每个符号，以生成对传输的所述符号的估计，《未公开》 | 无 | 对比文件接收器对接收信号进行FFT、解映射等处理以输出数据估计（参见段落[0008]及图1b），但这并非通过“多个接收器神经网络”进行映射。目标专利说明书第[0059]段及图5描述了在多个接收器神经网络处接收符号并通过解映射和神经网络处理生成估计，对比文件没有多个接收器神经网络，也没有基于神经网络的映射生成估计。因此，该特征未被公开。 |
| 技术特征H：其中所述发射神经网络和接收神经网络的所述至少一些权重使用随机梯度下降而被训练，《未公开》 | 无 | 对比文件段落[0021]提到了LMS（最小均方）算法用于更新自适应滤波器的权重，LMS可被视为一种随机梯度下降方法，但其应用对象是信道估计滤波器，而非训练神经网络权重。目标专利说明书第[0071]-[0072]段明确使用随机梯度下降（SGD）来训练神经网络的权重，以最小化损失函数。两者虽然都涉及迭代更新，但作用对象和上下文完全不同（信道估计 vs. 端到端神经网络训练），对比文件并未公开在神经网络训练中使用随机梯度下降。因此，该特征未被公开。 |
| 技术特征I：其中所述损失函数与块错误率有关，《未公开》 | 无 | 对比文件未提及任何与块错误率相关的损失函数。其信道估计的目标是最小化均方误差（MSE）（参见段落[0037]），而非与块错误率有关的损失函数。目标专利说明书第[0003]段指出损失函数可以与块错误率有关，对比文件中无此公开。因此，该特征未被公开。 |
| 技术特征J：其中每个符号经由信道从所映射的所述发射器接收器神经网络对的所述发射器神经网络被传输到所述接收器神经网络，《未公开》 | 无 | 对比文件中，符号经由无线信道从发射天线传输到接收天线（参见段落[0010]及图1b），但不存在“发射器接收器神经网络对”的概念，因此传输不是从发射器神经网络到接收器神经网络。目标专利说明书第[0005]段和第[0052]段描述了符号经由信道从映射的发射器神经网络传输到接收器神经网络，对比文件无此技术方案。因此，该特征未被公开。 |
| 技术特征K：其中所述信道对于所述多个发射器和接收器神经网络对中的每个发射器和接收器神经网络对是公共的，《未公开》 | 无 | 对比文件中，多个发射天线和接收天线之间的信道是公共的物理传播环境（参见图4），但不存在“多个发射器和接收器神经网络对”共享信道的概念。目标专利说明书第[0005]段指出信道对于多个神经网络对可以是公共的，对比文件未涉及神经网络对，因此未公开该特定上下文中的公共信道。因此，该特征未被公开。 |
| 技术特征L：其中所述信道是包括一个或多个计算层的模型，《未公开》 | 无 | 对比文件可能隐含地使用信道模型进行仿真，但并未明确将信道描述为“包括一个或多个计算层的模型”。目标专利说明书第[0051]段明确将信道52表示为若干计算层，可模拟硬件效应和传播现象，用于端到端训练。对比文件中信道是物理传播路径或用于算法评估的假设，没有作为具有计算层的模型来集成到神经网络训练中。因此，该特征未被公开。 |
| 技术特征M：还包括优化所述传输块中的每个传输块到所述发射器接收器神经网络对的所述映射，《未公开》 | 无 | 对比文件没有传输块到神经网络对的映射，因此不存在优化该映射的步骤。目标专利说明书第[0088]-[0089]段描述了可以优化映射函数，例如使用增强学习。对比文件完全没有相关公开。因此，该特征未被公开。 |
| 技术特征N：其中所述传输块中的每个传输块的所述映射使用增强学习而被优化，《未公开》 | 无 | 对比文件未提及增强学习。目标专利说明书第[0089]段提到可使用增强学习优化映射，对比文件无此公开。因此，该特征未被公开。 |
| 技术特征O：还包括跨不同符号的数据比特的交织，《直接公开》 | 参见段落[0008]：“...a baseband mapping unit 104, which optionally provides forward error correction coding and interleaving...” | 对比文件明确公开了在发射器的基带映射单元中进行交织（interleaving）。交织是跨不同符号的数据比特进行的，以对抗突发错误，这与目标专利中“跨不同符号的数据比特的交织”的作用和技术含义相同。因此，该特征被直接公开。 |
| 技术特征P：还包括使用载波频率偏移神经网络模块来校正载波频率偏移，《未公开》 | 无 | 对比文件没有使用神经网络模块来校正载波频率偏移。目标专利说明书第[0095]-[0099]段及图7描述了使用CFO神经网络模块来估计和补偿CFO，对比文件未涉及任何神经网络用于CFO校正。因此，该特征未被公开。 |
| 技术特征Q：还包括使用信道均衡神经网络模块来执行信道均衡，《未公开》 | 无 | 对比文件涉及信道估计（例如使用训练序列和自适应滤波器），但没有使用信道均衡神经网络模块。目标专利说明书第[0100]-[0103]段及图8描述了使用信道均衡神经网络模块来执行信道均衡，对比文件中的信道估计和均衡是基于传统算法，不是神经网络模块。因此，该特征未被公开。 |
| 技术特征R：其中所述多载波传输系统是正交频分复用系统，《直接公开》 | 参见标题及段落[0001]：“This invention relates to apparatus, methods, processor control code and signals for channel estimation in OFDM (Orthogonal Frequency Division Multiplexed) communication systems.” | 对比文件明确涉及OFDM（正交频分复用）通信系统，通篇围绕OFDM系统中的信道估计展开。这与目标专利中所述的多载波传输系统为OFDM系统一致，且作用相同，都是作为多载波传输方案。因此，该特征被直接公开。 |
| 技术特征S：其上存储有计算机可读指令，当所述计算机可读指令由计算装置执行时使所述计算装置执行根据权利要求1至13中任一项所述的方法，《未公开》 | 无 | 对比文件提到了处理器控制代码可存储在存储器中（参见段落[0110]-[0112]），但该代码用于控制DSP执行常规OFDM处理（如IFFT、添加循环前缀、插入训练序列等），而非执行目标专利权利要求1-13中任一项所述的方法（该方法涉及神经网络的组织、映射、训练等步骤）。因此，对比文件未公开存储有使计算装置执行目标专利方法的计算机可读指令。因此，该特征未被公开。 |
<<<O>>><<<R>>>