语义通信中基于深度双Q网络的多维资源联合分配算法

5G技术的不断发展,带来了网络中数据量的爆发式升高与越来越多的涉及图像视频的语义理解任务,无疑对通信、计算和缓存资源造成了极大的压力。为更好地满足视频语义理解任务的资源需求,缓解资源紧缺现象,研究了语义通信中基于深度双Q网络的多维资源联合分配算法。首先,基于车联网场景,改进了现有的联合资源分配算法,引入缓存资源构建了新的面向语义的多维资源联合分配模型;其次,针对其动态时变的特性,搭建了深度双Q网络求解最优资源分配策略;最后,仿真验证了所提多维资源联合分配算法的性能优势。

应用GaN HEMT的宽输入堆叠半桥LLC变换器设计

对于航天发射系统中的地面支持设备与特种重型车辆,锂电池组等新兴供电单元的应用使得车辆母线电压不断提高。这种电压提升在提高电池组充放电速度的同时,也对辅助电源的输入电压范围提出了更宽的要求。同时,为了提高电源开关频率与设备效率,将氮化镓高电子迁移率晶体管GaN HEMT(gallium nitride high electron mobility transistor)器件引入到LLC变换器设计中。为有效解决GaN HEMT耐压带来的应用限制,使用堆叠半桥三电平拓扑实现器件分压。通过PSIM进行仿真验证,证明该拓扑的设计有效性。最终制作2 kW的实物样机,实现400~800 V电压输入与25~40 V电压输出,峰值功率达到93.89%。