本文介绍了一种基于群体智能的飞蛾群优化算法(MFO)，该算法模拟飞蛾夜间导航觅食行为构建数学优化模型。算法采用角色分层机制，将种群分为探路飞蛾（莱维飞行随机搜索）、搜索飞蛾（螺旋定向飞行）和观察飞蛾（高斯局部精细搜索）三类，实现探索与开发的动态平衡。系统融合差分进化变异、粒子群引导等策略，通过精英保留和边界控制保证收敛稳定性。仿真结果表明，这种多机制融合的算法在复杂非线性优化问题中展现出良好的全局

在信道中加入噪声后，接收端依次采用快速傅里叶变换（FFT）峰值搜索进行粗略载波频偏估计，应用M次幂法完成副载波频率的精确校正，随后借助连续小波变换（CWT）实现符号速率的盲估计，并通过二阶锁相环（PLL）与Costas环对载波相位和频率进行闭环精细跟踪，最终利用Gardner算法完成符号时钟同步，以最佳采样时刻进行QPSK判决，成功恢复出原始PCM比特流。在完成以上各级同步与跟踪之后，系统将在最优

摘要：蚯蚓优化算法(EWA)是一种模拟蚯蚓觅食行为的群体智能优化方法。该算法通过初始化随机种群、评估排序、精英保留、双繁殖机制（镜像探索和交叉重组）、比例因子调度、柯西变异等环节构成闭环优化系统。EWA特别设计了随时间变化的探索-开发平衡策略，前期侧重全局探索，后期转向局部开发。算法还包含边界修复和去重机制，确保解的可行性和种群多样性。实验表明，EWA适用于连续优化问题，具有较好的全局搜索能力和收

摘要：OCDM-ISAC系统是一种结合正交啁啾多路复用(OCDM)和通信感知一体化(ISAC)的新型智能通信技术。该系统通过啁啾调制信号实现高效通信和环境感知，具有抗多普勒、抗频率偏移等优势。仿真结果表明，OCDM-ISAC能在同一符号帧内完成通信和感知任务，适用于自动驾驶等快速移动场景。该系统面临频率精度要求高、信道估计复杂等挑战，但随着硬件计算能力提升和AI技术应用，有望成为6G时代的重要技术

卡尔曼滤波器通过优化估计机器人的状态，特别是速度，解决了仅有位置测量的局限性，而PID控制器则根据这些估计调整控制输入，确保机器人能够精确地达到目标位置和速度。在实际应用中，机器人通常只能直接测量位置，而不能直接测量速度，尤其是在复杂的环境中，传感器的噪声可能导致速度估计的误差增大。具体而言，系统的主要任务是模拟机器人的运动，机器人在运动过程中根据设定的目标速度进行调整，而卡尔曼滤波器则通过实时估

白鹭群优化算法（Egret Swarm Optimization Algorithm, ESOA）是一种模拟自然界白鹭群体行为的优化算法，它通过模仿白鹭在觅食过程中所展现的群体协作与个体智能的相互作用，来寻求问题的全局最优解。在传统的群体智能算法中，每个个体在寻优过程中都有一定的行为模式，白鹭群优化算法通过集体行为和个体行为的相互配合，优化了寻找全局最优解的过程。全局最优解是根据所有个体的适应度值

传统的数字调制和分工使用频率频分分工，透过不同频段传输不同的信息，OFDM将一整段频段分割成数个子载波(sub-carrier)，而且让每个子载波相互正交，使得他们在频谱上并不互相重叠，可以降低干扰，其运作方式在传输端将信号摆置在频域(frequency domain)上，透过反傅里叶转换(IDFT)转换至时域(time domain)上，并透过增加循环前缀(cyclic prefix)之后传送出

SISO 是指在通信系统中，只有一个天线用于传输信号，也只有一个天线用于接收信号的情况。量的最大值，而相应的输入分布称为最佳输入分布。指出，信道容量是信道的输入与输出的。在电气工程学、计算机科学、信息论中，信道容量（Channel capacity，又译通道容量）是指在一个信道中能够可靠地传送信息时可达速率的最小上界。香农指出，信道容量是信道的输入与输出的互信息量的最大值，而相应的输入分布称为最佳

算法开始时，生成一组随机的孔雀（候选解），每个孔雀的尾羽开屏程度代表了该解决方案的质量。算法的每个迭代过程中，孔雀会根据自身和其他孔雀的表现，调整自己的羽毛开屏程度，这模拟了优化过程中解的更新。在算法中，每个孔雀代表一个潜在的解决方案，而它们的尾羽开屏行为则被用来模拟解决方案的搜索和优化过程。在优化过程中，孔雀通过比较自己的羽毛开屏与其他孔雀的开屏程度来判断自身的吸引力。POA算法的优点在于它的全

动态窗口法的核心概念是“动态窗口”，这是在速度空间中划定的一个区域。这个轨迹是基于机器人的运动学模型计算得到的，它表示了如果机器人以这个速度状态移动，未来一段时间内它的位置和方向将如何变化。算法在动态窗口内对速度进行采样，生成一系列可能的速度状态（线速度和角速度的组合）。总体来说，动态窗口法是一种高效且可靠的局部路径规划算法，适用于许多需要快速响应和避障的移动机器人应用场景。根据轨迹评分，算法选择