本案例的专利名称“一种基于深度神经网络的多目标DOA估计方法”，申请号：202211694638.0，授权日：2024.06.25。
技术问题
如图1所示，对于多个接收天线组成的接收天线阵列，接收多角度来源的目标信号，通常是需要对信号接收后进行采样量化。然而，如果在MIMO系统中配备高精度的 ADC进行模数转换，由于天线数量较多，将会产生高额的基站硬件成本。因此，为了降低成本，通常在接收端采用低精度 ADC进行模数转换，而这也导致了数据精度下降，使得 DOA估计变得更加困难。
本案例要解决的技术问题是：提供一种基于深度神经网络的多目标DOA估计方法，以解决在低精度 ADC条件下提高多目标 DOA估计的精度，同时能够降低硬件成本的 DOA估计方法。
图1
技术方案
包括：第一步，接收端通过阵列天线接收多目标信号，并使用低精度ADC对接收的多目标信号进行采样量化，得到量化信号；第二步，通过所设计的深度神经网络对量化信号进行DOA估计。其中，对该深度神经网络是基于第一步中所生成的低精度的量化信号作为输入进行预先训练而成，然后在第二步中再利用经过训练后的深度神经网络模型对低精度的量化信号进行数据恢复。
说明书还具体公开的该深度神经网络模型的构造：一共有十七层，其中：第一层至第五层均为全连接层，节点数分别为 2M、256、1024、256和2M，激活函数为LeakyReLU函数；第六层为卷积层，卷积核长为2，输出张量通道数为 32；第七层为卷积层，卷积核长为2，输出张量通道数为64；第八层为池化层，池化窗口大小为2；第九层为卷积层，卷积核长为2，输出张量通道数为128；第十层为池化层，池化窗口大小为2；第十一层为卷积层，卷积核长为2，输出张量通道数为64；第十二层为池化层，池化窗口大小为2；第十三层为卷积层，卷积核长为 2，输出张量通道数为32；第十四层为池化层，池化窗口大小为 2；第十五层为Flatten层；第十六层为全连接层，节点数为 2048，激活函数为 LeakyReLU函数； 第十七层为最后的输出层，为全连接层，节点数为1800，激活函数为Sigmoid函数。
技术效果
第一步中使用低精度 ADC进行采样量化，能够降低硬件成本，第二步中利用深度神经网络模型进行数据恢复，能够提高估计精度。本发明与现有技术相比，其显著优点为：有效减小了量化误差的影响，提高了 DOA估计精度；降低了硬件成本，同时不损失估计精度；可适应多种环境，兼容性好。
对本案例的审查主要是存在形式问题，经过修改以后很快得到了授权。我们认为该案例中把深度神经网络模型应用于天线阵列的多目标DOA估计，具体是在低精度量化的基础上，通过该模型可以实现较高精度的数据恢复。这种应用在通信技术领域中属于领先做法，代表了人工智能在通信领域应用的发展趋势。
结合《指引》，其中强调“对于将人工智能算法或模型用于实现特定功能或应用于具体领域的申请，为了使方案中的算法特征在创造性评判时带来技术贡献，在撰写时，需写明实现特定功能或应用于特定领域时所解决的技术问题，所采用的遵循自然规律的技术手段，以及由此获得的符合自然规律的技术效果，还应写明实施算法或模型所必不可少的内容。”
可见，本案例完全符合《指引》的上述要求。
目前，君龙律所充分利用“AI工具+典型案例+撰写模板”的组合模式，在高质量和高价值专利撰写方面发力提速。君龙律所一以贯之把专利诉讼、无效、复审等方面的丰富实践成果反馈到专利申请撰写端，不断打造高质量、高价值专利，这已成为君龙律所的核心竞争优势。
团队介绍
君龙IP团队由专利代理师、律师以及技术专家组成，技术领域覆盖计算机、互联网、通讯、半导体、电子、光学、机械、物理、生物和化工等领域。目前君龙拥有双证律师10余人，技术经纪人3人，承办的专利诉讼案件1000余件，专利无效案件100余件，专利挖掘和布局项目300余件，FTO分析案件50余件。
君龙律所被认定为深圳市第一批专精特新“专业化”律师事务所，君龙主要提供知识产权法律服务，包括知识产权侵权诉讼、许可与转让、尽职调查、海关查处等，为海内外企业提供全方位的知识产权事务托管及战略策划法律服务。我们的特色业务有：知识产权法律顾问、从诉讼角度撰写专利、专利布局与挖掘、专利分析（产品上市、产品出境、确定研发方向、FTO、专利监控分析等）、专利无效、专利侵权比对、专利回避设计、知识产权取证、批量维权、专利诉讼、行政查处、海关查处、知识产权合规、知识产权制度建设（含商业秘密制度建立）。我们的服务领域有：新能源、生物医药、芯片、电子消费、军工。
君龙律所秉承“让法律服务更有力量、更有温度”的企业使命，全面跟踪国际和国内商业、法律、技术发展动态，在信息通信、集成电路、人工智能、机械电子、生物医药等技术领域具有丰富经验，始终为客户提供高质量服务。