基于线性变换的分区均匀材料电磁旋转衣设计

基于坐标变换的光学变换理论已经提出有好多年了,随之基于这种理论的各种新型电磁器件被提出,电磁旋转衣便是其中之一。电磁旋转衣可以实现光学幻觉效果,即如果将一个物体放入电磁旋转衣内部,那么人们从外界看到的将是物体旋转后的样子,然而这种电磁旋转衣的电参数(相对介电常数,相对磁导率)是非均匀各向异性的,这给实现造成了很大的困难。该文通过将旋转衣区域分成很多三角形,这样便可以通过线性变换将虚拟空间的三角形变形到物理空间中的三角形,随着三角形形状的变化,电磁旋转衣内边界旋转,从而完成电磁旋转衣的设计。基于这种线性方法得出的电磁旋转衣的电参数是分区均匀各向异性的,与传统的非均匀电参数的电磁旋转衣相比,大大降低了实现难度,计算机仿真结果验证了这种设计方法的正确性。     

基于DRL的无人机辅助边缘计算服务质量优化

针对无人机（Unmanned Aerial Vehicle, UAV）搭载移动边缘服务器为地面用户进行服务时的服务质量（Quality of Service, QoS）问题,提出了一种基于深度强化学习的优化方案,旨在优化UAV飞行轨迹和卸载方案以最大化UAV为用户服务时的QoS。首先,定义了任务延迟来表征任务新鲜度,在任务延迟的基础上提出了一种新的QoS评价指标;其次,将最大化QoS问题建模为一个无转移概率的马尔可夫决策过程,并定义了该过程的状态空间、动作空间和奖励函数;最后,UAV通过所提出的算法进行训练,优化任务卸载方案并寻找最优飞行轨迹为地面用户进行服务以提高QoS。仿真结果表明所提算法较于其他算法能有效提高UAV为地面用户服务过程中的QoS且提高任务新鲜度。