基于深度强化学习的无人机间通信链路智能决策

由于无人机组网灵活、快速、低成本的特性,空中基站被视为在未来无线通信中有前景的技术。无人机集群可以通过相互协调和合作,完成的复杂任务,具有重大的研究和实用价值,而无人机间的高效通信是当下面临的重大挑战。为了在满足无人机间通信速率的前提下,尽可能节省发射功率,本文提出基于深度强化学习的集群方案和功率控制的智能决策算法。首先,本文设计了三种无人机集群方案,以对地面用户提供无缝的无线覆盖;然后,本文提出了基于深度Q网络（Deep Q-network）算法的集群方案和功率控制决策算法,用深度神经网络输出不同条件下联合决策的无人机集群方案和发射功率,并研究了重要性采样技术,提高训练效率。仿真结果表明,本文提出的深度强化学习算法能够正确决策无人机集群方案和发射功率,与不带强化学习的深度学习（Deep Learning Without Reinforcement Learning, DL-WO-RL）算法相比,用更低的发射功率满足无人机之间的通信速率要求,并且重要性采样技术能够缩短DQN算法的收敛时间。      

一种锥型双频带通雷达罩的RCS 及电性能分析

文中介绍了一种双圆环结构的频率选择表面(FSS)锥型双频带通雷达天线罩的制造工艺及电性能测 试。该天线罩底面直径500 mm,垂直高度321 mm,壁厚2 mm。采用热压罐固化成型技术制作样件。主要测试了该 雷达天线罩在水平极化及垂直极化时,Ku 频段(中心频点f0 =13.28 GHz)的功率传输系数及瞄准误差。最终实验结 果表明,该天线罩在Ku 波段设计频点f0 最小功率系数为75%;大于70%带宽达到1. 1 GHz 以上;在设计频点垂直极 化下最大瞄准误差为18.87′,水平极化下最大瞄准误差为11.37′,小于20′带宽分别为0.5 GHz 和1.3 GHz。说明天 线罩在通带内的良好传输特性和通带外的良好截止特性,具有良好的瞄准性。同时,在HH/ VV 极化、前向±60°范围 内,测量纯介质曲面样件和双频带通FSS曲面样件的雷达散射截面( RCS) ,结果表明,点频RCS均值都小于 -10 dB,RCS 缩减量均不小于10 dB。     

方向回溯天线发展现状

与时间反演系统的时间反转原理类似,方向回溯天线基于相位共轭原理实现系统的相位反转,从而完成系统的自动波束聚焦,是一种新型的波束自跟踪天线。本文由方向回溯天线的性能和应用两个方面出发,介绍了近十年方向回溯天线的研究现状,具体包括方向回溯天线的极化特性、频率特性、新结构等性能,以及方向回溯天线在无线功率传输、射频识别、电子对抗等领域的应用,探究了方向回溯天线的发展趋势。     

配电网电缆故障行波衰减特性及定位方法研究

行波衰减特性和不同的故障条件是影响在线行波定位精度的重要因素。本文利用建立了10kV配电网电缆行波传播衰减模型,分别研究了行波频率参数、时域参数与传输距离的关系。最后分析了不同因素对行波定位结果的影响。结果表明,行波幅值比、波头时比、波尾时比和脉宽比参数与传输距离呈二次函数关系。其中幅值比随传输距离单调减小,其他三个参数随传输距离单调增大。此外,故障行波头尾时间和故障点位置对故障定位结果有一定影响。如果初始波头尾时间短,传输距离长,会导致定位误差增大。研究发现故障过渡电阻对定位结果影响不大。最后,本文基于行波传播衰减特性的研究,提出了基于衰减特性的行波故障定位方法。     

基于气象相似日选取与提升回归树的光伏发电短期功率预测

针对气象条件不稳定引起的光伏发电出力波动性和间歇性,提出基于气象相似日选取和提升回归树的光伏发电短期功率预测方法。本方法采用熵值法计算影响光伏发电功率各种气象因素的权重,采用动态时间弯曲距离计算历史日与预测日各气象因素相似度;对于每一个预测日的光伏发电功率预测,以历史相似日的气象数据和发电功率数据作为训练样本,采用提升回归树构建光伏发电短期功率预测模型,能够明显提升预测精度。以某光伏电站为研究对象,考虑气象相似日的提升回归树算法与回归树、提升回归树算法对比表明,光伏发电短期功率预测准确度有较大幅度提升。     

基于EMD方法的X波段双偏振雷达衰减订正

针对X波段双偏振雷达信号在降雨路径中的衰减现象,本文提出经验模式分解（Empirical Mode Decomposition,EMD）方法进行X波段双偏振雷达衰减订正,首先对总差分传播相移进行EMD分解得到有限个基本模式分量（Intrinsic Mode Function,IMF）,并基于皮尔逊相关系数准则将IMF分为噪声IMF和信号IMF两类,然后对信号IMF进行有效重构得到差分传播相移,再将差分传播相移通过最小二乘法拟合得到差分传播相移率,最后对求得的差分传播相移与差分传播相移率采用自适应约束方法进行反射率衰减订正。利用EMD方法和其他方法进行对比分析,其结果表明,EMD方法能够有效地消除X波段双偏振雷达回波数据中后向散射的影响,在保留真实的气象信息的同时,有效地抑制差分传播相移的显著波动,进而衰减订正效果更好。     

波导结构对905 nm隧道结级联半导体激光器的光束质量和功率的影响

近年来,激光雷达应用对探测距离和灵敏度提出了更高的要求。905 nm半导体激光器作为其理想光源也亟待提升峰值功率与光束质量。在这个背景下,基于非对称大光腔结构研究了不同增益区类型和波导结构对905 nm隧道结脉冲半导体激光器的光束质量和功率效率的影响。通过优化增益区类型和波导结构降低了体电阻和内损耗;增强了限制载流子泄露的能力,提高了器件在高电流下工作的峰值功率和电光效率;通过提高高阶模对基模的阈值增益比值,抑制高阶模式激射,降低了远场发散角。在此基础上,研制的800 μm腔长、200 μm条宽的四有源区半导体激光器在100 ns脉冲宽度、1 kHz重复频率的脉冲功率测试中,41.6 A的脉冲电流强度下实现了峰值功率输出177 W;垂直于PN结方向单模激射,远场发散角半高全宽为24.3°。     

高效学习的透过未知散射介质的相位恢复方法

透过散射介质对目标进行准确的重建仍然是阻碍人们对深层生物组织成像分析和深空天文观测的主要挑战之一。基于深度学习的散射计算成像方法虽然在成像质量和效率等方面取得了很大的进展,但是针对实际系统中散射介质状态不固定,目标结构具有较高复杂度以及可获取的训练散射数据有限的情况下,单纯利用数据驱动的方法已无法进行准确高效的重建。将散斑相关原理和卷积神经网络强大的数据挖掘和映射能力进行有效的结合,进一步挖掘和利用散斑所包含的冗余信息,实现了仅利用一块薄散射介质对应的散斑数据即可实现透过具有不同统计特性散射介质的复杂目标重构。该方法针对实际散射场景复杂多变和训练样本数据有限的情况,实现了对复杂目标的高质量恢复,有力地推动了基于物理感知的学习方法在实际散射场景中的应用。     

能量收集中继安全传输网络的在线功率控制算法

针对源节点和中继节点均采用收集能量供电的放大转发中继网络,考虑两个目的节点之间信息相互保密的场景,该文提出最大化长期时间平均保密速率的源节点和中继节点发送功率联合优化算法.由于能量到达和信道状态是随机过程,该问题是一个随机优化问题.利用Lyapunov优化框架将电池操作和能量使用约束下的长期优化问题转化为每时隙的"虚队列漂移加惩罚"最小化问题,并求解.仿真结果显示该文提出的算法在长期平均保密速率上相较于对比算法具有显著的优势,同时算法仅依赖于当前的电池状态和信道状态信息做出决策,是一种实用的、低复杂度的算法.     

回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法.该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计.