专利推介|基于机器学习的微波天线波束调控方法及系统

    由南通先进通信技术研究院研发的“基于机器学习的微波天线波束调控方法及系统”已获国家发明专利授权（专利号：ZL202311697424.3）。该专利直面智能通信系统对高精度波束赋形的核心需求，创新性地提出了一套融合精细化特征工程与自适应学习框架的解决方案，旨在从根本上提升天线波束调控的精度与适应性。

    技术突破：从“数据过载”到“特征精炼”的智能转型

    在5G-Advanced及未来通信系统中，复杂的电磁环境使得波束调控极具挑战。传统基于机器学习的方法常将海量环境数据直接输入模型，导致大量无关特征干扰学习过程，造成模型精度低、适应性差、泛化能力弱。

本专利的核心突破在于，构建了一套系统化的“特征精炼”与“训练优化”流程。其核心思想是：调控性能的关键在于模型能否从复杂数据中提取出与核心指标（如主瓣增益、副瓣抑制）强相关的特征。为此，专利设计了一个多级处理框架：先对原始特征分类并智能筛选出“有效特征”；再挖掘特征间隐含关联，构建更具判别力的“新特征”；最后，引入基于性能反馈的数据集动态划分机制，以规避模型过拟合或欠拟合。这实现了从粗放的“数据驱动”到精准的“特征与数据协同优化”的范式转变。

   核心技术路径：三层递进的智能处理引擎

1. 特征智能精炼层：核心是“筛选”与“创造”。先依据与波束性能指标的相关度高低，对海量环境特征进行智能筛选，保留核心有效特征；再挖掘不同类别有效特征间的隐藏关联，组合生成更具判别力的新特征，为模型提供高质量输入。
2. 数据动态优化层：核心是“防过拟合”。创新性地采用动态数据划分策略，根据模型在训练、验证、测试集上的性能表现差异，自动调整数据集比例，从而确保训练出的模型兼具高精度与强泛化能力，避免“纸上谈兵”。
3. 模型智能调控层：核心是“精准映射”。利用前述处理得到的高质量数据，训练神经网络模型，使其能够自主学习从复杂环境特征到最优波束参数（如方向、宽度）的复杂映射关系，最终实现自适应的实时精准调控。

   应用前景与显著优势

    该专利是构建智能无线通信基础设施的关键使能技术，可广泛赋能5G/6G基站、卫星通信、雷达系统等，提升其信号质量、覆盖能力与抗干扰性。

• 调控精度与泛化能力双高：通过相关性筛选与关联特征创造，从源头确保模型学习效率与决策准确性。结合动态数据集优化，有效保障了模型在真实多变环境下的稳定表现。
• 数据处理高效，系统鲁棒性强：特征分级筛选显著降低了模型复杂度与数据依赖。自适应数据划分机制增强了训练流程的自动化水平与鲁棒性。
• 工程实用性好：特征按功能分类并量化其与最终指标的关联，使筛选过程更具可解释性，为工程调试提供了明确依据。

   此项专利是我院在“人工智能+通信”交叉创新领域的重要成果，为解决复杂电磁环境下的智能波束赋形难题提供了系统化、可落地的技术方案。