摘要：本文提出了一种基于全连接深度神经网络(FC-DNN)的OFDM接收机架构，直接实现从接收时域信号到原始比特的端到端映射。该方法通过数据驱动方式，利用大量仿真数据训练DNN网络自主学习信道失真和噪声到原始比特的映射关系，避免了传统接收机中信道估计、均衡等模块的误差累积问题。系统采用5层全连接网络结构，通过最小化比特误差进行训练。MATLAB仿真结果表明，该架构在复杂信道环境下相比传统接收机具有

摘要：CsiNet-LSTM是一种融合空间特征压缩与时间序列处理的动态信道状态反馈模型。该模型通过编码器（3层CNN+全连接层）压缩CSI空间特征，利用LSTM捕获历史信道的时间相关性，解码器结合时空信息重构CSI。Matlab实现采用归一化数据训练，以NMSE评估重构精度。实验表明，该模型在MIMO系统中能有效降低反馈开销并保持高重构精度，适用于动态无线信道环境。关键参数包括128位压缩向量和6

摘要：脑电波（EEG）作为大脑神经活动的客观记录，包含丰富的情感状态信息。本文探讨了深度脑电波与情感编码技术，分析了脑电波的产生机制及其与情感状态的关联，介绍了基于深度学习的EEG信号预处理、特征提取和解码方法。重点论述了CNN、RNN等深度学习模型在情感解码中的应用，以及迁移学习等技术解决个体差异问题的策略。该技术在人机交互、心理健康等领域具有重要应用价值，为情感状态识别提供了神经科学基础与技术

过去几年，Atlas 人形机器人的动态跑酷能力已经让全世界的关注，后来我们还看到 Atlas 在模拟建筑工地上搬搬扛扛。Atlas 目前仍然是一个开发平台，尚不能在现实世界中工作，一部分原因是它的液压驱动设计。波士顿动力最新人形机器人Atlas，其核心技术涵盖了机械设计、控制理论、传感器融合、机器学习等多个领域。

本文研究了认知雷达中基于Q学习的自适应波形选择方法。针对目标散射特性未知且随时间变化的问题，将波形选择建模为马尔可夫决策过程，提出采用无模型强化学习算法求解最优策略。通过MATLAB仿真验证，Q学习方法能有效学习状态-波形映射关系，最终策略匹配率达到80%以上，性能显著优于随机选择、固定波形等基准方法。实验结果表明，该方法在不依赖环境先验知识的情况下，实现了比传统方法平均30%以上的性能提升，为认

Mask-RCNN 是何凯明继Faster-RCNN后的又一力作，集成了物体检测和实例分割两大功能，并且在性能上上也超过了Faster-RCNN。其基本结构如下：Mask R-CNN是一个实例分割模型，它能确定图片中各个目标的位置和类别，给出像素级预测。所谓“实例分割”，指的是对场景内的每种兴趣对象进行分割，无论它们是否属于同一类别——比如模型可以从街景视频中识别车辆、人员等单个目标。下图是在CO

摘要：针对无人机自组网(UANET)中传统AODV路由协议因仅考虑跳数而导致的频繁断链问题，本文提出一种基于Q-Learning算法的改进路由方案。该方法将路由选择建模为马尔可夫决策过程，通过智能体与环境交互学习最优Q值表，综合考虑跳数、链路稳定性和节点剩余能量来选择最优路径。Matlab仿真结果表明，该算法能有效提高路由成功率，降低平均跳数，并在动态拓扑变化中保持稳定性能。完整仿真程序已在CSD

摘要：本文提出了一种基于PPO强化学习算法的3自由度机械臂控制方法。通过建立D-H参数运动学模型，采用PPO算法结合GAE优势估计和截断策略更新机制，在MATLAB中实现了机械臂控制仿真。仿真程序包含Actor-Critic网络结构、PPO超参数设置及训练流程，最终实现机械臂末端执行器的精确控制。完整程序已在CSDN平台提供下载（MATLAB2024b版本）。该方法通过试错-奖励机制自主学习控制策

本文提出一种基于Q-Learning的无人机三维路径规划方法。通过构建包含静态和动态障碍物的三维栅格环境模型，设计多因子奖励函数（包括碰撞惩罚、目标趋近引导等7个因子），采用ε-greedy探索策略进行训练。MATLAB仿真结果表明，该方法在2000轮训练后收敛，成功率超过85%，能有效实现动态环境下的安全避障路径规划。完整程序已上传至CSDN平台（MATLAB 2024b版本）。

摘要：本文研究了K-Tier异构蜂窝网络下行链路的覆盖概率建模问题。基于泊松点过程(PPP)对多层基站分布进行建模，采用路径损耗和瑞利衰落信道模型，推导了用户在闭合接入模式下的覆盖概率闭式解。通过拉普拉斯变换处理干扰项，利用随机几何理论将干扰转化为可解析形式，并在干扰受限场景下进行简化。MATLAB仿真验证了理论模型的有效性，结果显示在典型参数下模型精度可达1-2dB。研究发现，在开放接入网络中，