对比文件名称：2013-03-05_US8391383B_发明授权_US08391383B2 Dynamic tone grouping and encoding for multi-carrier quadrature amplitude in OFDM
目标专利名称：711通信系统中的端到端学习CN111566673B
调用模型名称：gemini-3-flash
## 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：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>**判断结果：未被公开** | 对比文件通篇未提及“神经网络”。其发射器21（图2）由解复用器22、多个信道编码器23-24、交织器25、MC-QAM及动态音调分组(DTG)模块26、IFFT及CP插入模块27组成。接收器31由CP移除及FFT模块32、MC-QAM解调器33、解交织器34、多个信道解码器35-36、复用器37组成。 | 目标专利的核心在于使用“神经网络”作为发射器和接收器的基本处理单元，并组织成“神经网络对”。对比文件公开的是一种传统的OFDM收发信机架构，其核心处理单元是信道编码/解码器、QAM映射/解映射器以及基于信道状态信息的动态音调分组算法。对比文件中完全没有引入神经网络的概念、结构或功能，本领域技术人员无法从对比文件中毫无疑义地得出或合理推断出使用“神经网络对”的技术方案。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及神经网络。 | 由于对比文件未公开“发射器接收器神经网络对”这一基础特征，因此其下位特征“针对每个子载波频带定义神经网络对”自然也不存在。对比文件中，虽然子载波（频带）被分组用于映射QAM符号组，但并未为每个子载波频带定义独立的、成对的神经网络处理单元。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | [0030] “The M 2Q-QAM symbols carried in a single OFDM symbol are first grouped into K groups of L consecutive symbols, where M=K×L. The K groups of QAM symbols is given by s=[s1, s2, …, sK].” <br>（单个OFDM符号中承载的M个2Q-QAM符号首先被分组为K组，每组L个连续符号，其中M=K×L。这K组QAM符号表示为s=[s1, s2, …, sK]。） | 目标专利中的“传输块”是由“多个符号”布置而成，这些符号来自整个多载波帧，旨在被映射到不同的神经网络对。对比文件中虽然将QAM符号“分组”为K组，但其分组对象是单个OFDM符号内的符号，且其目的是为了进行统一的预编码变换。两者在“块”的构成来源、目的和后续处理流程上存在根本差异。对比文件的分组不是目标专利所指的用于映射到神经网络对的“传输块”，因此该技术特征未被公开。 |
| 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。<br>**判断结果：未被公开** | 无。对比文件未涉及神经网络对。 | 该特征建立在特征A和C之上。对比文件中的映射是将经过预编码的“符号组”映射到“子载波组”，而非将“传输块”映射到“神经网络对”。由于对比文件完全未公开发射器接收器神经网络对，因此不存在将传输块映射到这种神经网络对的动作。该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及神经网络对。 | 该特征要求使用神经网络对来执行传输操作。对比文件中，符号的传输是通过传统的OFDM处理链（IFFT、加CP、通过物理信道发送）完成的，而不是通过神经网络的处理和传输。因此，该技术特征未被公开。 |
| 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。<br>**判断结果：未被公开** | 无。对比文件未涉及神经网络及其训练。 | 对比文件描述的是基于确定性算法的动态音调分组方法，其模块（如信道编码器、预编码器）的参数是预先设定或通过标准规定的，不涉及任何基于损失函数的在线“训练”过程。目标专利的端到端学习、损失函数和权重训练是核心创新点，在对比文件中完全没有体现。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及接收器神经网络。 | 对比文件的接收器31通过CP移除、FFT、MC-QAM解调器33、解交织器34、信道解码器35-36等一系列传统模块处理接收信号并恢复数据。这个过程不涉及“接收器神经网络”，也不是通过神经网络映射来生成符号估计。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及神经网络的权重训练。 | 随机梯度下降是训练神经网络的一种特定优化算法。对比文件没有公开任何形式的神经网络，自然也没有公开使用随机梯度下降或其他任何算法来训练神经网络权重的过程。因此，该技术特征未被公开。 |
| 技术特征I：其中所述损失函数与块错误率有关。<br>**判断结果：未被公开** | 无。对比文件未涉及损失函数。 | 损失函数是监督学习中的概念。对比文件不涉及任何机器学习训练过程，其性能衡量标准是通信领域传统的误码率、信噪比等，不存在“损失函数”及其与“块错误率”的关联。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及神经网络对。 | 该特征具体描述了信号在神经网络对之间的传输路径。对比文件中，信号是从发射器的IFFT和CP插入模块27输出，经过无线电信道30传输，然后被接收器的CP移除和FFT模块32接收。整个过程不涉及发射器神经网络和接收器神经网络。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及神经网络对。 | 虽然对比文件中所有子载波组共享同一个物理传播信道，这在本领域是公知常识，但该特征的前提是存在“多个发射器和接收器神经网络对”。由于此前提条件在对比文件中不成立，因此讨论信道是否在这些神经网络对之间是公共的没有意义。从技术方案的整体性来看，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>**判断结果：未被公开** | [0036] “Let the vector h=[h1, h2, h3, …, hM=KL] denote the frequency domain channel response of M OFDM subcarriers, where the complex scalar hm denotes the channel state of the m-th OFDM subcarrier.”<br>（令向量h=[h1, h2, h3, …, hM=KL]表示M个OFDM子载波的频域信道响应，其中复标量hm表示第m个OFDM子载波的信道状态。） | 目标专利中的信道模型是由“计算层”构成的，可以被集成到神经网络的端到端训练中。对比文件使用的是由“信道响应h”描述的传统信道模型，这是一个数学表征（如一组复数增益），用于计算和评估，但并未明确描述为具有一个或多个“计算层”的结构，也不具备神经网络中“层”的可微、可训练等特性。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及神经网络对。 | 该特征是对映射关系的优化。对比文件中虽然存在动态音调分组，其本质是优化“符号组”到“子载波组”的映射，以提升链路性能。然而，这种优化完全基于信道状态信息的经典算法，而非对“传输块到神经网络对”这一特定映射关系的优化。两者优化的主体和对象均不相同。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及增强学习。 | 对比文件中动态音调分组的优化是通过三种具体方法（Method A, B, C）实现的，这些方法基于排序、方差最小化、最大值最小化等经典算法，完全不涉及“增强学习”这一机器学习范式。因此，该技术特征未被公开。 |
| 技术特征O：还包括跨不同符号的数据比特的交织。<br>**判断结果：《直接公开》** | [0028] “At the transmitter side, transmitter 21 comprises a de-multiplexer 22 …, a plurality of channel encoders …, an interleaver 25 that interleaves the encoded bit-streams, a Multi-Carrier Quadrature Amplitude Modulation (MC-QAM) and Dynamic Tone Grouping (DTG) block 26 …”<br>（在发射器侧，发射器21包括解复用器22…，多个信道编码器…，对已编码的比特流进行交织的交织器25，多载波正交幅度调制(MC-QAM)和动态音调分组(DTG)模块26…） | 对比文件明确公开了发射器中包含“交织器25”，其功能是对已编码的比特流进行“交织”。在OFDM系统中，交织操作的本质就是打乱比特的顺序，将其分散到不同的符号和子载波上，这完全符合“跨不同符号的数据比特的交织”这一描述。该特征在对比文件中的作用同样是利用频率分集来对抗衰落，提升传输可靠性，与目标专利中的作用一致。因此，该技术特征被直接公开。 |
| 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。<br>**判断结果：未被公开** | 无。对比文件未涉及载波频率偏移及其校正。 | 对比文件的整个说明书均未提及载波频率偏移(CFO)的问题，也未公开任何用于估计或补偿CFO的模块，更不用说基于神经网络的CFO模块。因此，该技术特征未被公开。 |
| 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>**判断结果：未被公开** | 无。对比文件未涉及信道均衡神经网络模块。 | 对比文件中虽然提到了信道响应和子载波的信道状态，但其接收器中的“MC-QAM解调器33”执行的是解映射和解调操作，并未明确描述为“信道均衡”，更没有使用“神经网络模块”来执行此功能。因此，该技术特征未被公开。 |
| 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>**判断结果：《直接公开》** | [0028] “FIG. 2 is a block diagram of a transmitter 21 and a receiver 31 in a wireless Orthogonal Frequency Division Multiplexing (OFDM) system in accordance with one novel aspect.”<br>（图2是根据一个新颖方面的无线正交频分复用(OFDM)系统中的发射器21和接收器31的框图。） | 对比文件在其具体实施方式部分的开篇即明确指出，其所描述的系统和装置是应用于“无线正交频分复用(OFDM)系统”中的。这与目标专利权利要求中“多载波传输系统是正交频分复用系统”的限定完全一致。因此，该技术特征被直接公开。 |
| 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>**判断结果：未被公开** | [0056] “In one or more exemplary embodiments, the functions described may be implemented in hardware, software, firmware, or any combination thereof. If implemented in software, the functions may be stored on or transmitted over as one or more instructions or code on a computer-readable medium.”<br>（在一个或多个示例性实施例中，所描述的功能可以用硬件、软件、固件或其任意组合来实现。如果用软件实现，则这些功能可以作为一条或多条指令或代码在计算机可读介质上存储或传输。） | 对比文件仅一般性地提到了其功能可以通过软件和计算机可读介质实现，这是功能性描述的惯常表述。它并未具体公开一种“其上存储有计算机可读指令”的介质，且这些指令在被执行时能实现目标专利权利要求1-13中任一项所述的具体方法（特别是包含神经网络训练的方法）。由于目标专利的方法本身未被公开，存储实现该方法的指令的介质自然也未公开。因此，该技术特征未被公开。 |
<<<O>>>
<<<R>>>