摘要：为了最大限度地提高异构网络(HetNets)的能量利用率,本文将能效优化问题设计为一个多级决策问题,根据优化目标的资源分配,首先将初始问题分解为对参数几乎空白子帧比例和小区间范围扩展进行优化的两个子问题,采用多智能体Actor-Critic(MAAC)算法对子问题进行求解,然后通过迭代各优化子问题的解,解决初始优化问题。在参数优化过程中,将单个小基站作为一个智能体,采用MAAC算法对各自CRE寻找最优解,实现小区间异步CRE优化。实验结果表明,该方法在保持能效稳定提高的前提下,相比较于表格式Q学习的循环Q学习算法,其收敛速度提高了40%,并且通过异步优化CRE的方式取得了基站间更均衡的负载。

摘要：为便于分析冰雹对社会生产造成的灾害影响,需要对降雹量级进行分类统计,对降雹量级进行定量分析,不仅可以为灾害评估提供依据,还可以对气象预报、虚报现象做出反馈。本文针对降雹声信号提出了一种改进的互补集合经验模态分解(CEEMD)重构算法,重构后的信号最大程度地保持原有时域特征,也能对降雹声信号去噪处理。其次设计了一种多域特征融合1D-CNN模型,将重构后的原始数据、时域特征和频域特征分别作为1D-CNN的输入,在中间层进行特征拼接,最后输出分类器,结果显示本文设计的多域特征融合1D-CNN对降雹量级的识别率高达99.58%,相比于原始数据与传统1D-CNN模型识别率提高了8.75%。