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深度学习和能耗优化的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：CN121619601B 。

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：202610129663.6，技术领域涉及：H04W24/06；该发明授权一种基于深度学习和能耗优化的语义通信方法是由黄川;苑凯设计研发完成，并于2026-01-30向国家知识产权局提交的专利申请。

本一种基于深度学习和能耗优化的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深度学习和能耗优化的语义通信方法，包括：步骤S1：构建基于超先验结构的深度神经网络语义通信系统；步骤S2：对于深度神经网络语义通信系统进行能耗建模，包括信源编解码能耗建模和通信传输能耗建模；步骤S3:将模型推理复杂度、计算频率与无线传输功率作为可调决策变量，构建联合优化问题,并求解得到通信策略。本发明构建统一的计算能耗与通信能耗模型，在满足端到端时延约束的前提下，联合优化语义源编码模型复杂度、处理器运行频率以及无线传输功率等关键参数，从而实现系统总能耗的最小化。

本发明授权一种基于深度学习和能耗优化的语义通信方法在权利要求书中公布了：1.一种基于深度学习和能耗优化的语义通信方法，其特征在于：包括以下步骤： 步骤S1：构建基于超先验结构的深度神经网络语义通信系统，包括发送端和接收端； 所述发送端包括深度信源编码器和信道编码器，在深度信源编码器中，利用深度神经网络对信源数据进行语义特征提取与压缩，并经过信道编码器数字信道编码后，利用无线信道进行传输； 所述接收端包括深度信源解码器与信道解码器，利用信道解码器对接收信号进行信道译码后，通过深度信源解码器恢复对应的信源数据； 步骤S2：对于深度神经网络语义通信系统进行能耗建模，包括信源编解码能耗建模和通信传输能耗建模； 步骤S3：将模型推理复杂度、计算频率与无线传输功率作为可调决策变量，构建联合优化问题,并求解得到通信策略； 所述步骤S3包括： S301.将模型推理复杂度、计算频率与无线传输功率作为可调决策变量，构建联合优化问题： 总能耗与端到端时延分别表示为： ； ； 给定最大允许端到端时延，优化目标是最小化总能耗，同时满足时延约束，优化问题表述为： ； 其中，为计算能耗；为平均传输时延；优化问题寻找决策变量、和的联合配置以使目标函数取最小值，约束式表示端到端时延不超过给定阈值；在优化问题中，控制源编码输出比特数和计算时延；决定推理计算时延和能耗；同时影响香农速率和通信能耗；约束中的代表用户体验或系统实时性要求； S302.固定其中的部分变量，逐步分析决策变量之间的耦合关系，再利用缩放定律和能效模型推导出闭式解： 1固定模型复杂度和计算频率时，问题退化为对发射功率的单变量优化，其目标是最小化通信能耗，在给定时延约束下等效于最大化能效，其中能效定义为： ； 其中是对h取模；能效即单位能量能够传输的有效比特数；通过将对于求导并使导数为零，得到最优的发射功率； 2固定计算频率和发射功率时，问题退化为对推理复杂度的优化，根据缩放定律，将总能耗和端到端时延分别表示为： ； ； 对求导并令其为零，得到为最小化总能耗而选择的最优推理复杂度记为： ； 3固定的模型复杂度和发射功率，计算频率的下界由时延约束确定，其满足： ； 当选择频率的下界时，计算能耗最优； 选择1~3的任意一种情况，并执行能耗最优策略。

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。