Sol-itude的博客

自动调制分类（AMC）是通信系统监测、管理和控制的重要技术。近年来，机器学习方法正在变得流行，以提高AMC对无线电信号的有效性。==然而，针对已知调制类型和未知调制信号的自动调制开集识别（AMOSR）方法还没有得到很好的研究。为此，本文提出了一种新的多模态射频信号边缘原型框架（MMPRF），以提高AMOSR的性能。==首先，MMPRF通过对特征空间进行相对划分和边缘约束，解决了同时识别闭集和开集的问题。其次，利用无线信号领域的知识，提取一系列与信号相关的特征来增强AMOSR的性能。此外，本文提出了一种基于G

Makefile 是一种编程领域的脚本文件，它定义了一系列的规则来指定哪些文件需要先编译，哪些文件需要后编译，以及哪些文件在文件更新后需要重新编译。Makefile 类似于 Shell 脚本，可以执行操作系统的命令，从而实现自动化编译和构建工程的目的。

智能门锁的工作逻辑如图2.3所示，系统是由Jetson Nano作为主控芯片，PyQt5界面作为用户端窗口，系统启动后，为用户展示登录界面，用户在登录后，可以进行检测视频、检测照片、人脸编码、录入人脸的功能，启动程序后，选择检测视频模式，程序调用Retinaface 和 FaceNet 开始实时对人脸进行检测，当检测到的人脸信息与在数据库中的人脸信息匹配后，把检测结果到Esp8266，假如 Esp8266收到了身份确认的消息，则开门。因此，在门锁系统中引入人脸识别技术，是一项很有实用价值的研究课题。

在安装python的时候，跟教程就跟着一个走，要不然会乱七八糟，安装许多别的python，还有一个是，遇到报错可以先去网上查，但是更重要的是自己看怎么解决，因为每个包不一样，解决方案肯定就不一样，要提升自己解决问题的能力才是硬道理。

针对上述问题，本文提出了一种基于能量检测的频谱感知算法并对其性能进行了分析，我们并不假定精确的噪声方差是先验已知的。相反，使用估计的噪声方差来计算在基于能量检测的频谱感测中使用的阈值。==本文提出了一种新的能量检测统计性能分析模型。我们提出了该模型的一些特性，并分析了这些特性对频谱感知性能的影响。==通过典型算例与数值模拟进行对比，验证了所提出模型的正确性和有效性。通过这些例子，我们展示了我们的分析模型的有效性：我们可以使用它来设置合适的阈值，从而促进更多的频谱共享，特别是当与合作频谱感知方法结合时。

频谱感知已被确定为一个关键的使能功能，以确保认知无线电不会干扰主用户，通过检测主用户信号。最近的研究通过建模和仿真研究了使用能量检测和网络协作的频谱感知。然而，缺乏实验研究表明，这种方法的可行性和实际性能限制下的真实的噪声和干扰源的无线信道。==在这项工作中，我们在无线测试平台上实现了能量检测器，并测量了在低SNR状态下实现调制和正弦波导频信号的检测和虚警概率所需的感知时间。==我们测量了由接收机噪声不确定性设置的最小可检测信号电平。

日益丰富的智能设备和第五代移动通信技术（5G）的发展，促使着物联网（Internet of Things, IoT）技术蓬勃发展，能量采集（Energy Harvesting, EH）进一步增强了有限能源支持的物联网设备的运行能力。然而，许多研究表明，使用EH的物联网设备可能会经历能量不确定性和不可预测性，使基于EH的物联网网络设计复杂化。本文主要讨论了在考虑能量可用性、电池容量有限等实际限制的情况下，以最大化吞吐量为目标的物联网设备离线资源分配问题。本文的方法设计为离线方法，并提供了理论上的最优解。

信息融合课程复习

解决Matlab3维图计算夹角不正确问题

利用Matlab复现论文中的Resnet网络

阅读DeepSIG文献

问题：作者阐述的基本问题就是在电动交通工具的边缘计算中，怎么去分配充电量，怎么去分配计算任务。解决方案：为了解决这一问题，文章提出了joint charging schelduling和computation offloading scheme（简称OCEAN）。文章将这一问题拆解成了两个问题，对于charging schelduling，研发了一种深度强化算法（DRL），对于computation offloading，为了得到最优的卸载策略，文章把他作为重新规划为整数非线性规划问题。

阅读CNN经典论文

文献阅读

Longely-Rice模型文献阅读

关于解决Jetson空间不足的问题

【代码】如何解决E: Package ‘oracle-java8-installer‘ has no installation candidate。

在Jetson Nano环境下安装Archiconda

数字接口由5部分组成：

常用信号的拉氏变换