正交时频空(Orthogonal Time Frequency Space, OTFS)调制技术是近年来提出的一种新型信号调制方式,旨在解决高移动性多径传输场景下,由多普勒频移引起的通信质量下降问题。为了克服在传输过程中产生的符号块间干扰,采用补零填充(Ze...
详细信息
正交时频空(Orthogonal Time Frequency Space, OTFS)调制技术是近年来提出的一种新型信号调制方式,旨在解决高移动性多径传输场景下,由多普勒频移引起的通信质量下降问题。为了克服在传输过程中产生的符号块间干扰,采用补零填充(Zero-Padded, ZP)OTFS调制结构,重点分析了在时延-时间域重调制加权输出的最大比合并(Maximal Ratio Combining, MRC)检测算法中权重系数与迭代次数、信噪比以及调制阶数对系统收敛性与误码率性能的影响。针对高阶调制方式下因固定最佳权重系数导致迭代次数较高的问题,提出了一种基于分阶段权重系数调控的MRC检测算法,通过在不同迭代阶段合理设置权重系数,使每个迭代阶段的权重选择更加符合当前系统状态的需求,从而逐步优化现有MRC检测的过程,提升整体检测性能。实验结果表明,改进后的MRC检测算法显著加快了收敛速度,并在保持相同迭代次数的情况下,进一步改善了系统的误码率性能。此外,改进算法在多种信道条件下均表现出较强的适应性和鲁棒性,可以有效对抗高速移动场景下的快时变信道。
工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(...
详细信息
工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(Deep reinforcement learning,DRL)结合了深度学习与强化学习的优势,在工业智能控制领域展现出巨大潜力.本文综述了DRL在工业智能控制中的应用现状和研究进展.首先介绍了DRL的基本原理及相关算法,并简述工业控制的背景,分析智能控制的应用需求与现存挑战.随后,详细综述了DRL在工业领域的应用,并对当前研究进行了总结,最后对未来研究方向提出了展望.
暂无评论