OTFS（Orthogonal Time Frequency Space）是一种新的无线通信调制技术，旨在克服传统OFDM（正交频分复用）在高速移动环境中性能下降的问题。OTFS通过在时间-频率-空间（TFS）域上进行调制，特别是在延迟-多普勒平面上进行数据映射，从而在高移动性和复杂的多径传播环境中，提供更好的抗干扰性能和更高的频谱效率。与传统OFDM相比，OTFS可以在更广泛的频谱中提供更强的信

摘要：本文研究无人机辅助移动边缘计算中的任务卸载问题，提出基于强化学习的动态卸载策略。通过MATLAB2024a构建仿真系统，对比本地执行、全卸载、规则卸载等方法。结果表明，强化学习方法能有效平衡时延与能耗，系统综合代价较传统方法降低18.3%，时延改善23.5%，同时保持合理的能耗水平。该方法通过离散状态设计和动作映射，实现了动态环境下的自适应决策，为无人机边缘计算系统提供了可行的智能优化方案。

人工蜂鸟算法（AHA）是一种仿生启发式优化方法，灵感源自蜂鸟的飞行特性和觅食行为。AHA通过模拟蜂鸟的多种飞行模式（如对角、全向、轴向飞行）和觅食策略（引导觅食与领地觅食），在复杂搜索空间中快速定位最优解，并平衡全局搜索与局部开发。算法通过初始化种群、维护访问表、执行飞行与觅食策略、定期迁徙等机制，避免陷入局部最优，并保持种群多样性。AHA在高维非凸优化、组合优化等领域表现出色，具有参数灵活、鲁棒

随着低空经济、智慧物流和无人系统技术的快速发展，无人机在城市低空配送、应急投送和末端物流等领域展现出广阔的应用前景。相较于传统地面运输方式，无人机配送具有机动性强、时效性高和受地面交通影响小等优势，但其在城市环境中的飞行任务也面临更为复杂的约束条件。城市低空空间中分布着大量高层建筑、禁飞区域、限高区域以及动态移动目标，飞行环境呈现出明显的三维非结构化特点。同时，无人机在执行物流任务时还会受到风场扰

操作环境：1、算法描述。

摘要：旗鱼优化算法(SFO)是一种受自然界捕食行为启发的群体智能优化方法。该算法模拟旗鱼捕食沙丁鱼的生态过程，通过两类群体(旗鱼和沙丁鱼)的协同搜索实现优化。旗鱼代表全局搜索力量，沙丁鱼则负责局部探索。算法通过"精英旗鱼"和"受伤沙丁鱼"引导搜索方向，并采用压力驱动机制自适应调整搜索强度。SFO具有异构双群体协同搜索的特点，能有效平衡全局探索和局部开发，在工

本文研究了OFDM-QPSK系统中信道模型与估计算法对通信性能的影响。重点分析了ETU、EPA和EVA三种典型无线多径信道特性，比较了LS、LMMSE和深度学习三种信道估计算法的性能差异。研究表明：在简单EPA信道中，LS估计已足够；复杂EVA信道需LMMSE优化；极端ETU环境下深度学习模型表现最优。系统性能随信道复杂度增加而下降，但可通过更先进的估计算法补偿，反映了从传统解析方法向智能感知的演

摘要：本文针对大规模MIMO系统中信道估计导频开销过大的问题，提出了一种融合传统线性估计与深度学习的稀疏导频信道恢复方案。系统基于发射端空间相关的均匀平面阵列信道模型，采用均匀稀疏导频采样策略，先通过线性估计获得粗重建结果，再利用深度神经网络补全残差信号。仿真验证表明，该方案能在减少导频数量的同时，通过端到端误码率评估证实其通信性能接近全导频方案，实现了模型驱动与数据驱动的有效结合。

摘要：本文基于MATLAB2024a构建了OFDM+QPSK无线通信系统仿真平台，重点研究频率选择性衰落信道下的信道估计与均衡算法。系统采用块状导频设计，对比分析了传统LS、MMSE、LMMSE算法与深度学习方法在信道估计中的性能差异。通过误码率曲线、星座图和信道响应估计结果，验证了深度学习在提升信道估计精度方面的优势。仿真结果表明，该平台能有效评估不同算法对系统误码性能的影响，为通信系统设计提供

摘要：本文研究基于深度学习的OFDM系统信道估计与均衡算法，构建完整仿真链路对比传统方法（LS、MMSE）与深度学习方法（CNN、LSTM、Transformer）的性能。结果表明，深度学习方法能有效挖掘信道特征，在中高信噪比下表现出更强的估计稳定性和均衡效果：CNN擅长局部特征提取，LSTM建模序列相关性，Transformer捕获全局依赖。相比传统方法，深度学习在NMSE、BER和星座聚类方面