对比文件名称：2005-09-01_WO2005081487A_发明申请_WO2005081487A1 TRANSMISSION SIGNALS, METHODS AND APPARATUS
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：AI模型
### 特征比对表格
| 技术特征及公开性判断 | 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。 **未公开** | 无 | 对比文件全文涉及传统OFDM发射器和接收器，未提及任何形式的神经网络，更未涉及将神经网络组织成发射器接收器对。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。 **未公开** | 无 | 对比文件未定义神经网络对，也未提及针对子载波频带定义不同的神经网络对。其子载波用于承载调制符号，但无神经网络关联。 |
| 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。 **未公开** | 无 | 对比文件描述了OFDM符号的生成与传输，但未将多个符号进一步划分成传输块，也未将块作为独立的处理单元进行映射或分配。 |
| 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。 **未公开** | 无 | 对比文件不存在神经网络对，因此无从进行传输块到神经网络对的映射。 |
| 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。 **未公开** | 无 | 对比文件使用传统发射器和接收器（如IFFT/FFT、射频链路）传输符号，完全未涉及利用神经网络对进行传输。 |
| 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。 **未公开** | 无 | 对比文件未包含神经网络训练过程，其信道估计中的自适应滤波器（如LMS）更新的是滤波器系数，而非神经网络权重，且不涉及损失函数驱动的端到端训练。 |
| 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。 **未公开** | 无 | 对比文件的接收器通过FFT、解调等常规步骤恢复符号，未采用神经网络进行映射或生成估计。 |
| 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。 **未公开** | 无 | 虽然对比文件可能使用LMS算法（属于随机梯度下降的一种形式），但该算法用于信道估计而非神经网络权重训练，且对比文件未提及神经网络，故不满足。 |
| 技术特征I：其中所述损失函数与块错误率有关。 **未公开** | 无 | 对比文件未涉及任何与块错误率相关的损失函数设计。 |
| 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。 **未公开** | 无 | 对比文件中的信号经由信道从发射天线传输到接收天线，但发射器和接收器均非神经网络实现，故不满足。 |
| 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。 **未公开** | 无 | 对比文件的MIMO OFDM系统中，所有发射-接收天线对共享同一物理信道，但特征限定于神经网络对，而对比文件无神经网络对，故未公开。 |
| 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。 **未公开** | 无 | 对比文件中的信道可以是实际无线信道或仿真模型，但未明确将其构建为包含可微分计算层的模型，也未提及计算层概念。 |
| 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。 **未公开** | 无 | 对比文件未涉及传输块到神经网络对的映射，自然无优化该映射的过程。 |
| 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。 **未公开** | 无 | 对比文件未使用任何增强学习技术。 |
| 技术特征O：还包括跨不同符号的数据比特的交织。 **直接公开** | [p0006] “a baseband mapping unit 104, which optionally provides forward error correction coding and interleaving” （基带映射单元104，其可选地提供前向纠错编码和交织） | 对比文件明确记载了发射器包含交织（interleaving）功能。在OFDM系统中，交织通常跨不同OFDM符号或子载波执行以对抗突发错误，本领域技术人员能够毫无疑义地确定该交织包括跨不同符号的数据比特交织，因此直接公开了该特征。 |
| 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。 **未公开** | 无 | 对比文件提及频率同步，但未使用任何神经网络模块进行载波频率偏移估计或补偿。 |
| 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。 **未公开** | 无 | 对比文件中的信道估计与均衡采用传统方法（如自适应滤波器、最小二乘估计），未使用神经网络模块。 |
| 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。 **直接公开** | [p0002] “More particularly it relates to channel estimation in systems with a plurality of transmit antennas, such as MIMO (Multiple-input Multiple-output) OFDM systems.” （更具体地，涉及在具有多个发射天线的系统中的信道估计，例如MIMO OFDM系统）<br>[p0005] “Orthogonal frequency division multiplexing is a well-known technique...” （正交频分复用是一种公知技术...） | 对比文件标题、背景及整体内容均明确针对正交频分复用（OFDM）系统，因此直接公开了该特征。 |
| 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。 **未公开** | 无 | 对比文件未公开执行目标专利权利要求1-13所述方法的计算机可读指令。虽然其提及部分操作可由软件实现，但所实现的方法并非目标专利的端到端学习方法，故未公开。 |
<<<O>>>
<<<R>>>