摘 要:离线强化学习作为一种新兴范式,凭借其无需与环境交互即可利用大量离线数据进行策略学习的特性,展现出了很高的应用潜力和价值,特别是在医疗、自动驾驶等高风险领域中具有显著优势。从离线强化学习的基本概念、核心问题、主要方法依次展开,重点介绍多种缓解主要问题的方法:分布偏移的策略,包括约束目标策略与行为策略对齐、价值函数约束、模型不确定性量化以及基于模型的离线强化学习方法。讨论了目前离线强化学习的模
2023 年6 月,国际电联(ITU)完成了《IMT 面向2030 及未来发展的框架和总体目标建议书》。该建议书作为6G 纲领性文件,汇聚了全球6G 愿景共识,描绘了6G 目标与趋势,提出了6G 的六大场景和15 个能力指标,标志着6G 技术标准化工作正式启动。信道是移动通信系统收发端之间信号承载的媒介,而深入掌握6G 的传播特性和精确模型对6G系统的研发、评估和优化至关重要。目前,面向6G的信道
摘 要:低轨卫星通信网络具有高动态、广覆盖、大带宽的特点,是未来6G 空天地一体化网络的重要组成部分。低轨卫星宽带信道模型在卫星通信系统设计与性能评估中至关重要。为了解低轨卫星高速移动引起的信道参数时变特性,基于3GPP 信道标准的几何随机统计建模框架,提出了一种低轨卫星时变信道仿真方法,通过引入信道参数的空间一致性和簇生灭过程,刻画了不同仰角范围之间的过渡现象,支持低轨卫星连续移动下时变信道的仿
摘 要:海洋通信是6G 空天地海一体化网络的关键场景。海洋信道特性分析与建模对海上通信系统的技术开发和部署规划具有重要意义。关注海岸边的岸-船通信场景,介绍了在5. 80、5. 45、3. 90、3. 00 GHz 频段开展的无线信道测量活动,提取并建模了岸边发射机与运动船舶之间无线链路的关键信道参数。研究发现存在于近岸区域的散射体以及沿海岸线分布的建筑群会对信道造成差异化影响。基于实测数据给出了
摘 要:海上主要港口和航道上船舶吞吐量大,陆基船舶通信链路被过往船舶遮挡的时间长、频次高,严重影响陆基船舶通信链路的连接质量。针对船岸通信信道测量场景中发生的由过往大型船舶驶过造成遮挡而产生的阴影效应,结合高精度实测数据对这一现象的大尺度信道特性进行了分析和建模。结合阴影效应发生位置的第一菲涅尔半径、离岸距离、收发天线路径距离、天线连线高度和海面曲率引起的相对高度变化等影响因素的内在联系,解析了阴
摘 要:为更好地补充和扩展典型工业物联网(Industrial Internet of Things,IIoT)场景中毫米波频段电波传播特性的研究,并满足IIoT 在连接性、可靠性、安全性、智能化和覆盖性等方面的更高需求,在26 GHz 频段下,对典型IIoT 场景进行了信道测量与特性分析。研究涉及的典型工业场景包括不同设备布置密度的工业密集场景和工业稀疏场景。基于实测数据,对上述两种工业环境下的
摘 要:超大规模多输入多输出(Extremely Large-scale Multiple-Input Multiple-Output,XL-MIMO)是未来6G 通信系统的一个关键潜在技术,显著提高了系统的安全性、能量效率、空间效率和鲁棒性。XL-MIMO 信道的研究对于系统设计和部署十分重要。此外,为解决频谱紧张的问题,中频段(7 ~ 24 GHz)将作为6G 潜在的应用频段之一,未来XL-M
摘 要:超大规模天线阵列在近期取得了快速发展并有望在未来无线通信,尤其是在中频和毫米波频段取得广泛应用。随着天线孔径的提升,近场效应变得更为明显和突出,因此传统远场平面波假设不再适用。为更准确地对近场通信进行性能评估,建立准确反映近场信道特性的信道模型尤为关键,基于电磁理论和物理光学,建立了一般散射体的散射模型。通过对近场散射体散射特性的研究,分析了非视距(Non-Line of Sight,NL
摘 要:动态信道建模方法是6G 研发的重要内容。传播图论作为一种基于有向图拓扑结构的信道建模方法,具有计算高效和信道多径的功率指数衰减描述准确的特点,也能较好地满足6G 中球面波波面模型研究和信道建模需求。针对6G 通感一体化技术研发中动态信道建模的实际需求,梳理了传播图论基本理论,总结和提出了基于传播图论的面向动态信道建模框架和具体帧结构,基于反射波功率机制对传播图论的算法进行了优化,有效提升了
摘 要:针对6G 移动通信的通信场景复杂化、数据海量化,以及传统信道建模方法带来的测量成本昂贵、建模复杂度高等挑战,将机器学习中的反向传播神经网络(Back Propagation Neural Network,BPNN)应用到室内太赫兹信道建模中,有效降低了建模复杂度,提高了建模效率。建立了基于遗传算法(Genetic Algorithm,GA)和蚁群算法(Ant ColonyOptimizat
摘 要:随着蜂窝网络数据流量需求的高速增长,对于未来时刻蜂窝流量情况的精准预测,可以帮助改善网络资源分配、实现流量负载均衡,并部署基站节能与休眠策略。基于轻量化线性瓶颈结构,提出了一个具有多个并列分支结构的空时预测模型,分别提取近期历史数据和周期性历史数据中的空时特征。对于网格化空时数据中的空间依赖性,额外通过K-Means 算法对网格高维特征进行聚类,并提取网格基站密度信息作为跨域特征输入到模型
摘 要:针对超宽带(Ultra Wide Band,UWB)室内定位容易受到非视距(Non-Line of Sight,NLoS)误差干扰,导致室内定位精度下降的问题,提出了一种改进的Chan 粒子滤波Taylor(Chan Particle Filter Taylor,CPFT)迭代定位算法,该算法通过Chan 算法计算一个初始值,利用该初始值,结合粒子滤波算法对初始位置进行再次估计,将估计结果
摘 要:针对应急场景中无人机(Unmanned Aerial Vehicle,UAV)辅助物联网节点(Internet of Things Node,IoTN)收集数据过程数据时效性差的问题,提出了一种基于费马点最小化数据收集时间的UAV 路径优化方法。费马点的选取能够有效地优化UAV 飞行路径,从而使数据收集时间最小,确保收集数据的及时性。该方法通过路径离散化将UAV飞行路径分段,利用连续凸优化
摘 要:为无人机提供网络连接是未来蜂窝网络系统的一个主要应用,无人机在蜂窝网络中作为移动基站或移动用户设备时,需要在不同的基站之间切换,以保持高速可靠的网络连接。针对无人机移动性强、飞行环境复杂造成无人机在蜂窝基站间发生频繁切换、切换失败等问题,提出了一种基于深度强化学习的无人机连接蜂窝网络切换优化方法。基于深度强化学习框架,实现无人机自适应基站切换的在线学习和决策,克服了以往算法中当状态空间过大
摘 要:车联网作为未来智慧交通系统中的重要组成部分,对通信和感知的要求也越来越高。通信感知一体化(Integrated Sensing and Communication,ISAC)作为车联网方向极具潜力的一项技术,因可以解决通信场景下的位置感知问题而引起业内的广泛关注。由于城市场景中电磁环境更加随机和不可控,使得当前传统的通信系统架构已经无法满足车-路侧单元(Vehicle-to-Infrast
摘 要:为缓解频谱资源紧缺的现状,对认知无线传感器网络(Cognitive Radio Sensor Network,CRSN)进行了深入研究。切尔诺贝利灾难优化器(Chernobyl Disaster Optimizer,CDO)作为一种新型优化模型,具有收敛性能较强、结构简单和需要调节的参数少等优点。为提高CRSN 能效,延长CRSN 的生存周期,提出了一种基于量子切尔诺贝利灾难优化器的频谱感
摘 要:针对无线射频识别(Radio Frequency Identification,RFID)面临的标签碰撞问题,即同频干扰消除,从通信输层信号处理的角度,将多标签防碰撞问题建模为盲源分离(Blind Source Separation,BSS)问题。为降低阅读器天线成本,利用标签通信信号的有界性,提出了一种欠定的基于有界成分分析(Bounded Component Analysis,BCA)
摘 要:机器自动作曲是人工智能和作曲理论结合的交叉研究领域。自动作曲算法旨在辅助使用者进行音乐创作,帮助使用者减少工作量或是提供灵感。面对当代音乐创作需求,现有的自动作曲方法无法有效表达音乐特征,生成的和声缺乏音乐结构,无法满足当代音乐创作多样性的要求。针对上述不足,提出了一种基于深度强化学习(DeepReinforcement Learning,DRL)与和声量化的和声自动生成(Automati
摘 要:随着卫星规模、种类的不断增长,现有卫星任务规划技术架构已很难满足多类型卫星联合运用的有效性及可扩展性要求。通过深入分析多星任务筹划、单星任务规划、数传资源规划等环节,建立了基于分层多智能体的多星联合任务规划技术架构,设计了与架构匹配的相关优化算法及智能体功能实现机制,实现了多星联合任务规划能力。仿真实验及分析结果表明,该架构对多类型卫星联合任务规划场景有良好的适用性。 关键词:卫星任务规
摘 要:工业无线网络WIA-FA 在工厂应用时,现场使用的诸如传感器、仪器仪表等工业设备产生的瞬时非平稳信号会影响信息传输的完整性、正确性和及时性。传统的无线干扰检测机制大多针对已作用的干扰进行检测和响应,无法及时做出应对和部署。因此,基于主动网络安全的思想提出了工业无线WIA-FA 的干扰检测方法。对WIA-FA 物理层信号的传输机制进行了深入分析,指出WIA-FA 通信时可能面临的干扰威胁;针
摘 要:针对当前目标检测技术在智能汽车上所需的体积小、能效比高、检测速度快、精度高等要求,提出了一种新型嵌入式道路交通目标检测设计。该方案以YOLOv3 为基础网络模型,通过新增网络检测层和网络剪枝技术分别提升网络的检测精度和检测速度,在硬件端以深度处理单元(Deep Learning Processing Unit,DPU)为核心搭建了底层硬件平台,对网络的卷积计算进行并行加速,改进后的模型通过
摘 要:针对现有测向系统多信号适应能力弱、测向精度低的问题,提出一种基于数据驱动的高精度阵列测向新方法。该方法提取单信号入射时的输入特征向量,基于卷积神经网络构建单信号测向网络框架。利用信号的独立性,将多信号测向问题转化为单信号测向问题,在单信号训练网络的基础上实现多信号来波方向估计。仿真实验与理论分析结果表明,该方法有效减少了输入特征维数和网络训练样本数目,在多信号同时入射及阵列互耦效应条件下均
摘 要:为实现搜索雷达余割平方的波束赋形性能,设计了一款“几”字形波导缝隙阵列波束赋形天线。该天线采用“几”字形折叠结构和缝隙偏移以实现相位与幅度调制,实现了阵列的余割平方波束赋形。通过电磁仿真计算,最终确定了天线的最优结构参数,进行了实物加工和测试。实测结果表明,在16. 4 ~ 16. 6 GHz 的频率范围内,该阵列天线的电压驻波比小于1. 25,增益高于15. 4 dBi,实测结果与仿真结
摘 要:针对AOMedia Video 1(AV1)编码时间较长的问题,基于不同纹理的视频内容与分区模式之间的联系,引入了虚拟子块的跨块梯度差来衡量图像纹理分布的差异,提出了一种快速块划分决策算法,以跳过非必要的分区模式。利用分区终止块大小与性能损失之间的联系,根据当前块大小自适应调整快速块划分的判断阈值,使得较小的编码块具有较宽松的跳过条件。与libaom 相比,该算法在全帧内(All-Intr
摘 要:高维数据库参数空间中的参数调优是提高数据库性能的难点,现有方法更多关注于如何识别重要参数,在如何有效提高可调参数数量的问题上仍存在不足。针对上述问题,基于低维度映射技术和多智能体(Multi-Agent)强化学习技术,提出基于合作关系的Multi-Agent 数据库参数调优(Cooperative Multi-Agent Database Parameter Tuning,CMADPT)模
摘 要:针对传统生产线上缺陷检测过程中实时监控性能差、检测精度不足等问题,提出了基于数字孪生的缺陷检测算法。根据检测设备的运行特点和实时监控的要求,提出了数字孪生的基础框架。以微型电子产品装配产线中的视觉检测机器人为例,基于数字孪生框架,构建了机器人的数字孪生系统。利用深度学习的知识,对缺陷检测算法进行优化。实验结果表明,改进后的算法准确率达到了96. 5% ,提高了视觉检测的智能化程度,为机器人