对比文件名称：2007-08-09_JP2007522685A_发明专利_JP2007522685A Transmission signal, a method 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：未提供
### 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 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0027]段明确记载“通过使用神经网络来实现发射器2和接收器6，可以对神经网络进行联合训练”。对比文件JP2007522685A整体涉及OFDM通信系统中的信道估计，特别是使用训练序列进行信道估计，全文未提及任何神经网络、发射器神经网络、接收器神经网络，也未涉及将神经网络组织成发射器接收器神经网络对的技术方案。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0030]段描述“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，发射器接收器神经网络对被定义”。对比文件虽然涉及多载波OFDM系统及其子载波，但完全没有神经网络或神经网络对的概念，更未提及为每个子载波频带定义神经网络对。因此，该特征未被公开。 |
| **C**：将所述多载波传输系统的多个符号布置成多个传输块 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0031]段定义“帧被划分为分别包括bl个符号的L个传输块Bl”。对比文件中描述了OFDM帧、符号和子载波（例如图6），但其目的和方式是将数据映射到子载波以进行传统OFDM传输，并未涉及将符号特意“布置成多个传输块”以用于后续映射到不同神经网络对的技术方案。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0057]段描述“映射决定每个输入将被映射到哪个块”以及将输入馈送到对应的神经网络。对比文件没有发射器接收器神经网络对，因此不存在将传输块映射到神经网络对的任何教导或暗示。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0058]-[0064]段描述了使用所映射的神经网络对经由信道传输符号。对比文件中的传输是通过传统OFDM发射机和接收机（如图2）完成的，未使用任何神经网络进行传输。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0065]-[0066]段记载“使用损失函数来训练发射和接收神经网络的至少一些权重”，并具体定义了损失函数。对比文件中虽然提到了自适应滤波和LMS算法更新权重（例如第[0020]-[0021]段），但那是用于信道估计器的系数更新，并非针对神经网络权重的训练，也没有使用与通信系统端到端性能相关的损失函数。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0029]段和第[0063]段描述接收器神经网络将接收向量映射为概率向量并生成估计。对比文件接收机（如图3、4）进行FFT、解映射等传统处理，但未使用神经网络进行映射或生成估计。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0066]段明确记载“可以使用以下损失函数经由随机梯度下降来训练K个神经网络发射器接收器对”。对比文件中没有神经网络，也没有随机梯度下降训练过程；其LMS算法属于自适应滤波范畴，与神经网络的随机梯度下降训练不同。因此，该特征未被公开。 |
| **I**：其中所述损失函数与块错误率有关 <br> **未公开** | 对比文件中无相应公开内容。 | 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”。对比文件未涉及任何损失函数，其性能指标为信道估计的均方误差（MSE），而非块错误率。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0052]段描述“发射器神经网络44至46中的每个可以是上述发射器10的实现”，并经由信道52传输。对比文件中有信道（如图2的信道118），但信号是从传统发射机传输到传统接收机，并非从发射器神经网络传输到接收器神经网络。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0052]段指出“信道52可以包括用于对将在通信信道中发生的变换...进行建模的网络”，且该信道为多个对共用。对比文件中多个天线可能共享物理信道，但其系统不存在神经网络对，因此没有公开“信道对于多个神经网络对是公共的”这一特定配置。因此，该特征未被公开。 |
| **L**：其中所述信道是包括一个或多个计算层的模型 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0052]段明确描述信道模型“可以模拟多种硬件效应...和传播现象”，并指出“这些信道层通常不具有可训练的参数”。对比文件中的信道可能是实际信道或简单模型，但并未明确将其构造为具有多个计算层的模型，更未提及计算层的概念。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0073]段提及“可以例如使用增强学习基于来自接收器的反馈...以类似的方式优化映射函数φ(l)”。对比文件不存在传输块到神经网络对的映射，因此完全没有优化这种映射的任何内容。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0073]段明确说明映射可以使用增强学习优化。对比文件未涉及任何增强学习算法或映射优化。因此，该特征未被公开。 |
| **O**：还包括跨不同符号的数据比特的交织 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0074]段记载“表示一个消息的比特可以在多个帧或多个传输块上被交织。这增加了多样性”。对比文件图2的说明中提到了“インターリービング”（交织），但这是传统通信中的通用交织操作，并未明确教导“跨不同符号”进行交织，也未与目标专利中的传输块和神经网络对架构相结合。因此，该特征未被公开。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0076]段及图7描述了使用CFO神经网络模块估计并补偿载波频率偏移。对比文件讨论了同步和信道估计，但完全没有使用神经网络来校正CFO的任何内容。因此，该特征未被公开。 |
| **Q**：还包括使用信道均衡神经网络模块来执行信道均衡 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利说明书第[0078]段及图8描述了使用信道均衡神经网络模块进行信道均衡。对比文件使用传统信道估计和均衡技术（如LMS、LS），但未采用神经网络模块。因此，该特征未被公开。 |
| **R**：其中所述多载波传输系统是正交频分复用系统 <br> **直接公开** | 对比文件开头部分记载：“本発明は、ＯＦＤＭ（直交周波数分割多重）通信システムにおけるチャネル推定の装置、方法、プロセッサ制御コードおよび信号に関する。”（本发明涉及OFDM（正交频分复用）通信系统中的信道估计装置、方法、处理器控制代码及信号。） | 目标专利说明书第[0003]段指出“多载波传输系统可以是正交频分复用系统”。对比文件通篇涉及OFDM系统，其发明名称、技术领域、背景技术和实施例均明确针对OFDM通信系统。因此，本领域技术人员可以毫无疑义地确定对比文件公开了该特征。 |
| **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 <br> **未公开** | 对比文件中无相应公开内容。 | 目标专利权利要求1-13的方法包括组织神经网络对、布置传输块、映射、使用神经网络传输、训练权重等步骤。对比文件第[0068]段及图16提到了存储处理器控制代码的计算机可读介质，但其存储的指令用于执行对比文件自身的训练序列生成和信道估计方法，而非目标专利所要求保护的基于神经网络的方法。因此，该特征未被公开。 |
<<<R>>>