期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
一种星载相控阵多波束高精度校准方法
1
作者 罗志勇 杨麒令 林秋华 《无线电通信技术》 北大核心 2024年第6期1131-1136,共6页
星载相控阵由于其电子波束形成的灵活性,在卫星通信发挥着重要作用。而星载相控阵在发射前往往需要经过静态校准,在传统旋转矢量法的基础上,提出了一种新型的高精度相控阵校准方法——旋转元件电场矢量和振幅归零(Rotating-element Elec... 星载相控阵由于其电子波束形成的灵活性,在卫星通信发挥着重要作用。而星载相控阵在发射前往往需要经过静态校准,在传统旋转矢量法的基础上,提出了一种新型的高精度相控阵校准方法——旋转元件电场矢量和振幅归零(Rotating-element Electric-field Vector and Amplitude Zeroing,REV-AZ)。在幅度校准中,通过改变阵元激励的相位,给出了更简洁准确的幅度误差计算公式。在相位校准中,通过将阵列激励值置零,求出每个阵元的相位误差。多波束校准仿真实验表明,REV-AZ法具有较好的校准效果,对星载相控阵天线系统稳定、高效运行具有重要意义。 展开更多
关键词 天线阵列 相控阵校准 波束形成 幅相误差
在线阅读 下载PDF
用于计算和传输的动态星间路由策略
2
作者 许柳飞 罗志勇 《无线电通信技术》 北大核心 2024年第6期1153-1159,共7页
针对低地球轨道(Low Earth Orbit,LEO)卫星网络具有拓扑变化快、网络节点多和节点资源状态变化等特点,提出了一种用于计算和传输的星间路由策略。该策略使用改进的图卷积网络(Enhanced-Graph Convolutional Network,EGCN)提取卫星网络... 针对低地球轨道(Low Earth Orbit,LEO)卫星网络具有拓扑变化快、网络节点多和节点资源状态变化等特点,提出了一种用于计算和传输的星间路由策略。该策略使用改进的图卷积网络(Enhanced-Graph Convolutional Network,EGCN)提取卫星网络的时空特征并生成节点的隐藏状态。将其作为深度强化学习(Deep Reinforcement Learning,DRL)模型的输入,DRL智能体感知下一跳节点的关键信息,从而更好地做出决策。仿真结果表明,与以前的方法相比,提出的方法提高了网络的总吞吐量,降低了端到端传输延迟。 展开更多
关键词 星间路由策略 动态卫星网络 深度强化学习 图卷积神经网络
在线阅读 下载PDF
天地融合网络中基于深度强化学习的计算卸载算法研究
3
作者 王从羽 罗志勇 《无线电通信技术》 北大核心 2024年第6期1177-1183,共7页
随着近地轨道(Low Earth Orbit,LEO)卫星网络和移动边缘计算(Mobile Edge Computing,MEC)技术的发展,通过在LEO卫星上部署MEC服务器,可以为缺乏计算资源的偏远地区提供计算卸载服务。然而,随着地面用户数量的不断增加,天地融合网络中的... 随着近地轨道(Low Earth Orbit,LEO)卫星网络和移动边缘计算(Mobile Edge Computing,MEC)技术的发展,通过在LEO卫星上部署MEC服务器,可以为缺乏计算资源的偏远地区提供计算卸载服务。然而,随着地面用户数量的不断增加,天地融合网络中的计算卸载场景变得越发复杂。现有研究难以应对任务复杂、到达率较高的场景,针对上述问题,在现有算法的基础上,提出了一种基于深度强化学习(Deep Reinforcement Learning,DRL)的并行计算卸载(DRL-based Parallel Computation Offloading,DPCO)算法。该算法以最小化计算卸载平均时延为优化目标进行建模,考虑了阿姆达尔定律对计算性能的影响,并对星上服务器的计算资源进行划分,以实现多任务并行处理的功能。此外,DPCO算法将模型转换为马尔可夫决策过程(Markov Decision Process,MDP),并使用A2C(Advantage Actor-Critic)算法对其进行求解。通过仿真实验验证了DPCO算法性能,结果表明该算法有效地解决了现有算法的缺陷,可为天地融合网络中的计算卸载算法设计提供参考和帮助。 展开更多
关键词 计算卸载 移动边缘计算 天地融合网络 深度强化学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部