对比文件名称：2012-10-22_JP2012204910A_发明专利_JP2012204910A Communication system, base station device, mobile station device, and method and integrated circuit for managing throughput of mobile station device
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：gemini-2.5-flash
### 特征比对表格
| 技术特征描述与公开性判断 | 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。 <br> **《未公开》** | 对比文件通篇未提及“神经网络”。对比文件涉及的是移动局装置（UE）向基地局装置（eNodeB）通知其处理能力（例如，支持的载波聚合的组件载波数和MIMO层数）的机制。例如，在段落[0017]中，描述了移动局装置“自局が送受信することが可能な周波数帯域毎および周波数帯域の組み合わせ毎の処理能力を前記基地局装置に通知し”。在段落[0027]中，描述了基地局装置具备“送信器２１〜２３（及び図示しない受信器２４〜２６）”。 | 对比文件公开的是一种在传统通信系统中管理移动台设备处理能力的方法，其发射器和接收器是传统的硬件设备（如段落[0027]中的送信器、受信器）。目标专利的特征A涉及将多个“发射器神经网络”和“接收器神经网络”组织成对。对比文件中完全没有公开或暗示使用神经网络来实现发射器或接收器的功能，本领域技术人员无法从对比文件中得出该技术方案。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。 <br> **《未公开》** | 对比文件涉及多载波传输系统中的“载波聚合”（キャリア・アグリゲーション）技术。段落[0028]描述了“同一周波数帯域、例えば２．４ＧＨｚ帯域内の連続または不連続のコンポーネントキャリアを集約することも可能である”。移动台的处理能力是针对“周波数帯域毎および周波数帯域の組み合わせ毎”定义的（段落[0017]）。 | 对比文件虽然提到了针对不同频带（周波数帯域）或频带组合的能力，但这些能力指的是传统设备支持的组件载波（Component Carrier）数量或MIMO层数，而不是“神经网络对”。目标专利的特征B明确要求“发射器接收器神经网络对”是针对每个子载波频带定义的。对比文件中不存在任何形式的“神经网络对”，因此其针对频带的定义与目标专利中的定义对象完全不同。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。 <br> **《隐含公开》** | 对比文件提到了资源分配的基本单位。段落[0002]提及“リソースブロックと呼ばれる所定の周波数・時間単位の柔軟なスケジューリング”。段落[0025]描述了移动台通过随机接入过程获取上りリンクスケジューリング情報，以在分配的无线资源上发送数据。 | 目标专利的“传输块”是指将OFDM帧中的多个符号划分成的块（参见说明书[0045]段）。对比文件中的“资源块”（Resource Block）是LTE等系统中进行调度（スケジューリング）的物理资源基本单位，也是由多个符号构成的时频资源。虽然对比文件未明确定义“将符号布置成传输块”的步骤，但本领域技术人员知道，在OFDM系统中，数据传输是基于资源块进行的，这本质上就是将符号映射到由时频资源组成的块的过程。因此，对比文件隐含公开了将多载波系统的符号布置在传输块（如资源块）中的概念。 |
| **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。 <br> **《未公开》** | 对比文件涉及将不同的频带（组件载波）映射到移动台的接收器上。段落[0009]和图11描述了根据使用的频带组合，将移动台的接收器（受信器１、受信器２）分配（割り当てる）给不同的频带。例如，当使用两个频带时，接收器1用于频带1，接收器2用于频带2。 | 对比文件中的“映射”是将传统的接收器硬件分配给不同的组件载波（频带），其目的是为了管理和通知移动台的处理能力。目标专利的“映射”是将“传输块”映射到“发射器接收器神经网络对”，以实现基于神经网络的端到端优化。两者的映射对象（传统硬件 vs. 神经网络对）、映射内容（频带 vs. 传输块）和映射目的（能力通知 vs. 端到端训练）完全不同。本领域技术人员无法从对比文件对传统接收器的分配操作中，推断出将传输块映射到神经网络对的技术方案。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。 <br> **《未公开》** | 对比文件描述了使用配置好的组件载波和MIMO进行数据传输。段落[0027]描述了移动局装置1通过“キャリア・アグリゲーションによって複数の周波数帯域...を同時に用いて基地局装置２と無線接続”，并使用受信器14~16和送信器11~13进行通信。段落[0029]描述了基地局装置调度并分配上りリンク或下りリンク的组件载波。 | 对比文件公开了使用传统的发射器和接收器硬件在配置好的频带上传输数据。然而，它完全没有公开使用“发射器接收器神经网络对”来传输符号。目标专利的特征E的核心在于传输的主体是经过组织、映射的神经网络对，这是一个基于机器学习的新型传输方式。对比文件仅公开了传统通信系统的传输方式，未公开该特征。 |
| **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。 <br> **《未公开》** | 对比文件通篇未涉及“训练”、“损失函数”、“权重”或任何机器学习相关的概念。其核心发明点在于移动台处理能力信息的管理和高效通知机制（例如段落[0081]所述）。 | 目标专利的特征F是实现端到端学习的核心步骤，即通过定义损失函数并反向传播来更新神经网络的权重。对比文件完全不涉及任何形式的神经网络训练过程，其描述的通信系统是基于预设协议和算法的传统系统，没有可训练的权重或损失函数的概念。本领域技术人员无法从对比文件中得出该训练方法。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。 <br> **《未公开》** | 对比文件的接收过程是传统的解调、解码流程。根据段落[0076]的移动局装置结构，接收信号经过“受信部１０１”、“復調部１０２”、“復号部１０３”处理，得到“下りリンクトラフィックデータ”和“下りリンク制御データ”。段落[0078]的基地局装置也有类似的接收流程。 | 对比文件公开了一种基于传统通信流程的接收方法，即解调和解码。目标专利的特征G描述的是在“多个接收器神经网络”处接收符号，并通过映射（即神经网络的前向传播）来生成对原始发送符号的估计。这是一种基于神经网络的接收方式。对比文件完全没有提及接收器由神经网络构成，其接收处理过程也非通过神经网络映射来完成。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。 <br> **《未公开》** | 对比文件未提及任何训练算法，更没有提到“随机梯度下降”（確率的勾配降下法）。其内容完全围绕通信协议和信令流程展开。 | 随机梯度下降是一种特定的神经网络优化算法。由于对比文件根本不涉及神经网络的训练，自然也不可能公开使用随机梯度下降进行训练这一具体技术手段。本领域技术人员无法从对比文件中获取任何关于神经网络训练方法的启示。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。 <br> **《未公开》** | 对比文件未提及“损失函数”或“块错误率”（BLER）。其关注的性能指标是数据速率，通过载波聚合和MIMO技术来提升（段落[0002]、[0006]）。 | 目标专利的特征I具体限定了损失函数与块错误率（Block Error Rate）相关。由于对比文件完全没有公开使用损失函数来训练神经网络这一前提，更不可能公开损失函数的具体类型或关联的性能指标。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。 <br> **《未公开》** | 对比文件描述了信号通过无线信道传输。例如，段落[0002]提到了OFDM通信方式；段落[0006]提到了MIMO技术利用“無線伝搬路”来并行传输信号。图3和图4展示了基地局装置与移动局装置之间通过不同频带（Band1~Band3）进行无线连接。 | 对比文件公开了信号通过无线信道从一个设备传输到另一个设备。然而，目标专利的特征J特指符号经由信道从“发射器神经网络”传输到“接收器神经网络”。对比文件中的传输主体是传统的发射器和接收器硬件，而非神经网络。因此，虽然信道传输的概念是公知的，但结合神经网络对的具体传输方式未被对比文件公开。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。 <br> **《未公开》** | 对比文件中，不同的频带（组件载波）通常被视为经历不同的信道条件。例如，段落[0034]提到，セカンダリセル的送信電力調整可以基于“プライマリセルか当該セカンダリセルの下りリンクの受信品質のいずれか一方”，暗示了不同载波可能有不同的路径损耗。 | 目标专利的特征K指出多个神经网络对共享一个公共信道。在对比文件中，由于不存在神经网络对，自然不存在神经网络对共享公共信道的概念。虽然物理上信号都在空间中传播，但对比文件中不同频带的信道特性是独立考虑的，这与目标专利中为端到端学习而假设或使用一个公共信道模型的概念不同。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。 <br> **《未公开》** | 对比文件中的信道是真实的物理无线电信道，或者是为标准化讨论而假设的传播环境。例如，段落[0006]提到“無線伝搬路”，段落[0009]讨论移动台在不同频带组合下的能力。 | 目标专利的特征L明确将信道定义为“包括一个或多个计算层的模型”，即可微分的神经网络模型，用于端到端训练。对比文件中的信道是传统的物理通信信道，并非由计算层构成的数学模型。本领域技术人员无法从对比文件中得出将物理信道替换为神经网络计算层模型的技术方案。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。 <br> **《未公开》** | 对比文件公开了基地局装置2根据“移動局装置の処理能力、滞留しているデータバッファ量や移動局装置の受信品質、セル内の負荷やＱｏＳなどの種々の要因”来增加或减少分配给移动台的组件载波数量（段落[0029]）。这可以看作是一种对资源映射的优化。 | 对比文件中的优化是基于传统调度算法对资源（组件载波）的分配，其目的是最大化系统容量或满足QoS。目标专利的特征M是优化“传输块”到“发射器接收器神经网络对”的映射，这是对神经网络结构的动态选择，是端到端学习框架的一部分。虽然都涉及“优化映射”，但优化的对象和所属的技术框架完全不同。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。 <br> **《未公开》** | 对比文件未提及“增强学习”（強化学習）。其资源分配决策是基于预设规则或传统调度算法，而非基于机器学习的方法。 | 增强学习是一种特定的机器学习范式。由于对比文件完全没有涉及使用机器学习来优化通信系统，自然不可能公开使用增强学习来优化映射这一具体技术特征。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。 <br> **《未公开》** | 对比文件未提及数据比特的“交织”（インターリーブ）。其描述主要集中在RRC信令流程和能力信息管理上，未深入到物理层比特处理的细节。 | 目标专利的特征O明确提到了跨符号的数据比特交织。对比文件的全文均未涉及该物理层处理技术。本领域技术人员无法从对比文件中得出该技术特征。因此，该特征未被公开。 |
| **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。 <br> **《未公开》** | 对比文件未提及“载波频率偏移”（CFO）及其校正。其内容主要关注于上层信令和资源管理。 | 目标专利的特征P涉及一个特定的神经网络模块，用于估计和补偿载波频率偏移。对比文件完全没有公开任何与载波频率偏移校正相关的内容，更不用说使用神经网络模块来实现该功能。本领域技术人员无法从对比文件中得出该技术方案。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。 <br> **《未公开》** | 对比文件未提及“信道均衡”（チャネル等化）或用于信道均衡的神经网络模块。 | 目标专利的特征Q涉及一个特定的神经网络模块，用于执行信道均衡。对比文件完全没有公开任何与神经网络信道均衡相关的内容。其描述的接收过程是基于传统的解调和解码。本领域技术人员无法从对比文件中得出该技术方案。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。 <br> **《直接公开》** | 对比文件在段落[0002]中明确指出：“標準化プロジェクトである３ＧＰＰ...において、ＯＦＤＭ（Orthogonal Frequency-Division Multiplexing）通信方式やリソースブロックと呼ばれる所定の周波数・時間単位の柔軟なスケジューリングの採用によって、高速な通信を実現させたＥｖｏｌｖｅｄ Ｕｎｉｖｅｒｓａｌ Ｔｅｒｒｅｓｔｒｉａｌ Ｒａｄｉｏ Ａｃｃｅｓｓ（以降EUTRAと称する）が検討され...”。 | 对比文件明确记载了其技术背景和应用场景是基于OFDM通信方式的EUTRA（即LTE）及其演进版本LTE-Advanced。这直接、明确地公开了其多载波传输系统是正交频分复用（OFDM）系统。这与目标专利的特征R完全一致。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。 <br> **《未公开》** | 对比文件在段落[0096]中提到了将程序记录在“コンピュータ読み取り可能な記録媒体”上，并使计算机系统读取、执行该程序以控制移动局装置或基地局装置。 | 对比文件虽然泛泛地提到了用计算机可读介质存储和运行程序来实现其装置功能，但其实现的功能是“移動局装置や基地局装置の制御”，即执行其描述的通信协议和能力管理方法。目标专利的特征S是存储指令以执行权利要求1至13中任一项所述的方法，该方法的核心是基于神经网络的端到端学习。由于对比文件未公开权利要求1至13中任一项的基于神经网络的方法，因此其计算机可读指令执行的也必然不是目标专利的方法。该特征未被公开。 |
<<<R>>>