针对全球各国超高频(ultra high frequency,UHF)射频识别技术(radio frequency identification,RFID)系统许可频段不同问题以及圆极化特性天线需求,提出了一种覆盖全球UHF频段(840~960 MHz)的通用型RFID读写器天线。该天线以传统微带单...针对全球各国超高频(ultra high frequency,UHF)射频识别技术(radio frequency identification,RFID)系统许可频段不同问题以及圆极化特性天线需求,提出了一种覆盖全球UHF频段(840~960 MHz)的通用型RFID读写器天线。该天线以传统微带单极子天线为理论基础,采用一个V形边沿接地板和一个微带线偏心馈电的非对称多边形辐射贴片,实现了天线的圆极化和宽带化特性。天线尺寸大小为90 mm×100 mm×0.8 mm。使用HFSS软件对天线进行了建模、仿真和优化设计,并对天线实物进行了测试,测试结果跟仿真结果有着良好的一致性。最后得到的天线阻抗带宽为154 MHz,相对阻抗带宽为17.2%;轴比带宽为211 MHz,相对轴比带宽为22.8%;+Z方向上的最大增益为2.1 dBi;在+Z和-Z方向上分别辐射右旋圆极化波和左旋圆极化波。该天线具有宽带且小型化的良好特性,能满足全球通用型UHF RFID读写器天线的应用要求。展开更多
在面对复杂未知的环境时,智能体能进行大规模探索一直是深度强化学习的研究热点之一,但是传统的深度Q网络采用ε-greedy局部扰动策略来进行探索,这种策略方法不能保证一定学习到有效合理的ε,以达到探索的最优,其次仅根据状态值函数选...在面对复杂未知的环境时,智能体能进行大规模探索一直是深度强化学习的研究热点之一,但是传统的深度Q网络采用ε-greedy局部扰动策略来进行探索,这种策略方法不能保证一定学习到有效合理的ε,以达到探索的最优,其次仅根据状态值函数选择动作并不会引起策略的改变,不能达到深度探索的目的。为了解决该问题,在深度Q网络的全连接层中注入噪声参数,利用带探索性的噪声进行深度探索以弥补传统策略探索的低效性。噪声来自高斯噪声分布,通过方差驱动探索,使得智能体可以发现大量新状态,提供更加丰富的样本,为决策提供有效信息。最终提出一种基于动作空间噪声的深度Q网络模型(Deep Q-Network Based on Action Space Noise)。实验仿真结果表明,和传统的深度Q网络比较,该网络模型在Open AI Gym平台上的部分战略性游戏取得更好的奖赏值。展开更多
文摘在面对复杂未知的环境时,智能体能进行大规模探索一直是深度强化学习的研究热点之一,但是传统的深度Q网络采用ε-greedy局部扰动策略来进行探索,这种策略方法不能保证一定学习到有效合理的ε,以达到探索的最优,其次仅根据状态值函数选择动作并不会引起策略的改变,不能达到深度探索的目的。为了解决该问题,在深度Q网络的全连接层中注入噪声参数,利用带探索性的噪声进行深度探索以弥补传统策略探索的低效性。噪声来自高斯噪声分布,通过方差驱动探索,使得智能体可以发现大量新状态,提供更加丰富的样本,为决策提供有效信息。最终提出一种基于动作空间噪声的深度Q网络模型(Deep Q-Network Based on Action Space Noise)。实验仿真结果表明,和传统的深度Q网络比较,该网络模型在Open AI Gym平台上的部分战略性游戏取得更好的奖赏值。