- 博客(236)
- 收藏
- 关注
RSS订阅原创 【3GPP 6G】3GPP 6G 场景与需求研究报告 (TR 38.914) 深度解析
3GPP发布6G技术报告TR 38.914，定义了13种典型部署场景和突破性性能指标。报告提出6G核心愿景包括极简设计、极致能效、频谱扩展和天地一体化融合。13种场景涵盖室内热点、密集城区、乡村、高铁等多样化环境，支持从静止到500km/h超高速移动。关键性能指标要求下行峰值频谱效率达60bit/s/Hz，上行达30bit/s/Hz，在密集城区场景下边缘用户体验速率要求下行300Mbit/s、上行50Mbit/s。报告为6G研发提供了技术指南和评估基准。
2026-03-08 10:53:51
246
原创 【一文读懂】OpenClaw系统架构分析：自主人工智能智能体的范式迁移与技术底座分析
OpenClaw 及其核心组件 ClawHub 构建了一个极具前瞻性的自主智能体生态系统。其 Gateway 驱动的多渠道架构为个人自动化提供了坚实的技术支撑，而文本驱动的技能系统和 A2UI 协议则为 AI 的触角延伸铺平了道路。然而，这种权力的下放也带来了严峻的安全治理挑战。目前 OpenClaw 的安全模型仍高度依赖于用户的安全意识以及物理级的隔离（如 Docker）。对于企业用户而言，在将此类智能体引入生产流程前，必须建立严苛的审计和权限管理体系。
2026-03-01 18:33:45
1010
原创 【卫星通信】3GPP Release 20超低码率语音编码的技术演进与标准化
全球电信行业正面临将卫星通信整合到5G/6G网络的技术挑战，特别是在超低码率(1-3 kbit/s)下提供高质量语音服务。3GPP SA4工作组启动的FS_ULBC研究聚焦于开发新一代神经语音编解码器，突破传统4.75 kbit/s的码率限制。研究分析了GEO卫星的高延迟(600ms+)和窄带宽特性对语音服务的影响，评估了用户面和控制面的协议开销优化方案。创新性地采用基于VQ-VAE和GAN的神经音频编码架构，在保持语音质量的同时显著降低码率要求。研究还重新定义了适合AI编解码器的复杂度指标，从传统WMOP
2026-03-01 11:58:25
521
原创 【学习笔记】OpenClaw 架构范式：对轴辐式（Hub-and-Spoke）智能体网关的理论与结构分析
OpenClaw（前身为 Clawdbot 和 Moltbot）这一开源自主人工智能框架的出现，标志着大型语言模型在实际部署中发生了重大转变：从被动、无状态的对话者，转变为主动、有状态且集成的系统级智能体。OpenClaw 由奥地利企业家彼得·斯坦伯格（Peter Steinberger）开发，其架构以强调本地所有权、系统级持久性以及多渠道通信底层为特色，这些特点共同推动了该项目在全球开发者社区中获得前所未有的病毒式普及。
2026-02-28 23:21:37
555
原创 【卫星通信】3GPP Release 19 NTN 非地面网络中SIB19与星历信令的技术演进
摘要： 5G新空口（NR）与非地面网络（NTN）的融合通过卫星和高空平台扩展了覆盖范围，系统信息块SIB19作为关键机制，广播星历数据以辅助终端设备（UE）应对卫星通信的传播延迟和多普勒频移。3GPP Release 19（Rel-19）引入再生载荷和跨轨道移动性增强，支持星载基站功能，优化了同步与资源管理。SIB19的结构包含卫星轨道参数、定时补偿和切换信息，UE通过自主预补偿和调度偏移（如K-offset）适应长往返时延。星历数据采用PVT向量或开普勒参数模型，分别适用于短期高精度和长期稳定轨道预测，确
2026-02-26 23:00:47
505
原创 【学习笔记】树莓派上部署 OpenClaw
在树莓派上部署 OpenClaw，主要有两种路径：一种是，适合想快速体验的用户；另一种是，能让你对系统有更强的控制和更高的安全性。
2026-02-24 16:29:10
2111
原创 【从零到一】如何将DeepFace人脸识别服务部署到云端，并通过扣子（Coze）插件实现智能调用
本文介绍了如何将DeepFace人脸识别框架部署为RESTful API，并与字节跳动扣子平台集成。主要内容包括：在Ubuntu云服务器上搭建Python环境，安装DeepFace及相关依赖；编写Flask应用实现三个核心API端点（人脸验证、查找和分析），支持多种输入方式；配置HTTPS安全连接；最后在扣子平台创建插件，使AI智能体能够通过对话调用人脸识别功能。文章提供了完整的代码实现和部署流程，适合具备Python和Linux基础的开发者参考，实现一个可通过自然语言交互的人脸识别助手。
2026-02-23 11:15:54
817
原创 【论文解读】 DeepFace 技术架构深度解析：从 3D 对齐到局部连接层的大规模人脸识别系统
2014 年，Facebook（现 Meta）AI 研究团队发布的 DeepFace 标志着计算机视觉进入了深度学习主导的新纪元。在非受限环境（Unconstrained Environments）下，光照、姿态和表情的剧烈变化曾是机器识别不可逾越的鸿沟。
2026-02-17 20:58:46
527
原创 【一文读懂】人脸识别算法的演变：从统计模型到深度度量学习的学术调研报告
人脸识别算法历经60年演进，从早期手动标记几何特征（1960s）发展到深度学习时代。1980-1990s统计学习方法（Eigenface、Fisherface）实现了自动特征提取。2000s局部特征（LBP）和Viola-Jones框架提升了鲁棒性。2014年DeepFace首次超越人类水平，DeepID系列引入联合损失。2015年FaceNet提出三元组损失度量学习。2017年后SphereFace等改进边缘损失函数，在角度空间增强判别性。这一技术发展反映了计算机视觉从手工特征到端到端深度学习的范式转变，
2026-02-15 23:06:18
483
原创 【学习笔记】3GPP NR-NTN 移动性IRAT分析
本文系统分析了3GPP在Release 17至19中非地面网络(NTN)与地面网络互操作的技术演进。重点阐述了从透明转发到再生载荷的架构变革，详细介绍了定时预补偿、星历数据格式等物理层同步机制，以及系统信息架构的关键优化。报告还深入探讨了空闲态和连接态的移动性管理策略，包括基于位置的重选机制、条件切换优化等创新方案。同时指出NTN互操作面临的核心网选路、国家边界管控等合规挑战，并介绍了网络侧位置验证等安全增强技术。这些标准化进展为5G-Advanced及未来6G实现全球无缝覆盖奠定了重要基础。
2026-02-13 15:47:48
726
原创 【Rockchip RK3576】边缘计算与 AIoT 领域的全能架构深度解析
无论是智慧城市中成千上万个智能路灯节点，还是自动化工厂里每一个灵巧的协作机器人，RK3576 都将凭借其强大的算力、多媒体灵活性和工业级的安全性，成为推动边缘计算加速落地的核心引擎。TF32 可以在不牺牲精度的前提下，显著加速深度学习模型的推理过程，这使得该处理器能够直接加载许多在 FP32 环境下训练出的模型，而无需复杂的重训练过程 1。例如，在风电场监测中，RK3576J（工业级型号）可以在 -40℃ 至 85℃ 的极端温差下稳定运行，处理复杂的振动频谱分析，从而实现预测性维护 2。
2026-01-25 22:45:54
464
原创 【Rockchip RK3576】边缘计算与 AIoT 领域的全能架构深度解析
在人工智能物联网（AIoT）飞速发展的背景下，边缘计算设备对高性能、低功耗以及强大 AI 推理能力的需求日益迫切。瑞芯微（Rockchip）推出的 RK3576 作为其第二代高性能 AIoT 平台，凭借先进的 8nm 工艺、八核处理器架构以及高达 6 TOPS 的算力，精准地填补了中高端市场的空白 1。该处理器不仅在计算架构上实现了跨越式的升级，更在多媒体处理、高速接口和工业级适应性方面展示了深厚的技术积淀。
2026-01-25 22:23:32
829
原创 【AI经典论文解读】《 Diffusion Models Beat GANs on Image Synthesis(扩散模型在图像合成上超越 GAN)》论文深度解读
摘要： OpenAI 2021年的研究《Diffusion Models Beat GANs on Image Synthesis》彻底改变了图像生成领域的格局。通过优化模型架构（如引入多头注意力机制和BigGAN残差块）及提出革命性的"分类器引导"技术，该研究首次在ImageNet上使扩散模型在128x128至512x分辨率下超越当时最强的BigGAN-deep。分类器引导技术通过预训练分类器的梯度（∇logp(y|x)）实现生成质量与多样性的精准平衡，奠定了后续DALL-E 2等模型
2026-01-25 19:03:14
341
原创 【AI经典论文解读】《High-Resolution Image Synthesis with Latent Diffusion Models(基于潜在扩散模型的高分辨率图像合成)》论文深度解读
摘要： 潜在扩散模型（LDM）通过将图像生成过程解耦为“感知压缩”与“语义生成”，在低维潜空间中实现高效扩散，显著降低了计算成本。其核心创新包括预训练自动编码器压缩图像、交叉注意力机制支持多模态输入，以及使高性能AI绘画模型（如Stable Diffusion）能在消费级GPU上运行。该技术推动了AIGC的普及，成为生成式AI领域的重要里程碑，实现了算力民主化与高质量图像合成的平衡。
2026-01-24 15:16:31
438
原创 【AI经典论文解读】《Denoising Diffusion Implicit Models(去噪扩散隐式模型)》论文深度解读
摘要： DDIM论文通过创新性地提出非马尔可夫扩散过程，实现了扩散模型的革命性突破。该研究将传统扩散模型的采样速度提升10-50倍，且无需重新训练模型。其核心贡献在于解耦训练与采样过程，开创性地采用确定性采样路径替代传统的随机过程。这一突破不仅解决了扩散模型实用化的关键瓶颈，更奠定了现代高效生成式AI的基础架构思想，成为连接早期扩散模型与当代AIGC技术的重要桥梁。DDIM证明了算法框架创新有时比单纯扩大模型规模更具变革性。
2026-01-18 21:51:39
459
原创 【AI经典论文解读】《Denoising Diffusion Probabilistic Models(去噪扩散概率模型)》论文深度解读
《Denoising Diffusion Probabilistic Models》（DDPM）论文提出了基于扩散过程的生成模型框架。该模型通过前向过程逐步添加高斯噪声破坏数据，再通过反向过程学习去噪重建数据。核心贡献包括：1）建立了扩散模型与去噪分数匹配的联系；2）提出让神经网络预测噪声而非均值的简化训练方法；3）实现了媲美GAN的图像生成质量。实验表明，该模型在CelebA-HQ和CIFAR10等数据集上能生成高质量样本。论文为扩散模型奠定了理论基础，推动了后续生成式AI的发展。
2026-01-03 12:48:01
1024
原创 【学习笔记】Mega-TTS：基于内在归纳偏置的大规模零样本文本到语音合成技术解析
Mega-TTS通过深度挖掘语音的内在属性，以模块化设计匹配各组件的归纳偏置，结合大规模多领域数据的训练，实现了零样本语音合成的质量、鲁棒性与泛化能力的全面提升。其核心创新不仅为大规模TTS技术提供了新的设计思路，也为语音编辑、跨语言合成等下游任务的优化奠定了基础，有望推动个性化语音合成技术在影视制作、智能助手、无障碍通信等领域的广泛应用。音频样本可参考：https://mega-tts.github.io/demo-page。
2025-12-15 15:36:58
646
原创 【学习笔记】5G RedCap：智能回落5G NR驻留的接入策略
摘要： 5G R17引入的RedCap技术为中低速物联网设备接入5G网络提供了关键解决方案。其核心在于智能适配机制：终端通过检测SIB1消息判断网络支持性，支持时按R17标准接入，否则通过带宽适配或协议回落至R15/16模式实现兼容。这种自适应能力既保障了现有网络下的连接可靠性，也支持运营商平滑升级。作为5G向“能力分级”演进的重要体现，RedCap未来将与5G-Advanced的AI、能效优化等技术深度融合，并为6G的海量设备接入奠定基础，推动物联网规模化部署。
2025-12-09 09:41:42
845
原创 3GPP ProSe通信关键技术研究：基于PC3/PC5接口与发现模型的深度解析
摘要：随着5G/6G技术演进，设备直连(D2D)通信成为降低时延、提升效率的关键。本文基于3GPP TS 24.333/334协议，深入剖析ProSe技术中PC3控制接口与PC5通信接口的协同机制。首先解析PC3接口的网络发起取消与验证流程，包括信令交互与状态管理；其次阐述PC5接口的安全通信建立过程；最后对比Model A/B两种发现模型的机制差异与应用场景。通过公共安全用例，完整展示从策略配置、服务授权到会话终止的全生命周期管理，为ProSe实现与优化提供理论支撑。 关键词：ProSe；D2D通信；PC
2025-11-16 15:02:55
750
原创 【学习笔记】3GPP ProSe（D2D）与 LTE/5G 设备到设备通信技术综述及协议实现（二）
TS 24.333 定义了一个完整、树状的 DDF（Device Description Framework）结构，用于向 UE 写入 ProSe 参数。ProSe 的核心能力之一是对“邻近设备”进行识别与准入控制，而不是任意设备皆可通信。TS 24.334 规定 PC5 上的“逻辑流程”，物理层在 TS 36.331 / TS 38.331 中规定。通过 TS 24.333 的 Provisioning MO 实现“上层 → 物理层”的 ID 映射。说明 Discovery UE ID 对系统的重要性。
2025-11-16 14:27:41
1150
原创 【学习笔记】3GPP ProSe（D2D）与 4G/5G 设备到设备通信技术综述及协议实现(一)
通过 TS 24.333 与 TS 24.334 的结合，3GPP 为 ProSe 提供了一套完备的框架，从 UE 配置（MO）、网络授权控制（PC3）、再到实际的 D2D 数据传输（PC5），构成一个完整的设备到设备通信系统。随着移动通信技术的发展，传统以蜂窝基础设施为中心的数据通信模式已无法满足低时延、高可靠性和高用户密度等新兴需求。，并在公共安全、车联网（V2X）、工业物联网、群组通信等典型场景中发挥越来越重要的作用。UE 的发现能力、通信能力、策略限制、授权参数都由管理对象配置。
2025-11-16 14:21:47
983
原创 【学习笔记】Redis数据库设计与实现研究综述
Redis是一种高性能开源内存数据库，广泛应用于缓存、会话管理等场景。本文系统分析了Redis的体系架构、内部数据结构、对象管理机制、持久化策略及分布式特性，揭示其高性能与高可靠性的核心设计思想。Redis采用单线程I/O多路复用模型，通过精心优化的数据结构（如SDS、跳表）和灵活的对象编码机制实现高效内存管理。其持久化包括RDB快照和AOF日志两种方式，支持主从复制、哨兵和集群模式实现高可用。典型应用场景涵盖缓存、计数器、分布式锁等。文章还探讨了数据一致性保障策略，并展望了Redis未来发展方向。
2025-10-05 16:31:22
1062
原创 【标准提案分析】3GPP提案：IMS增强以支持通过NB-IoT GEO卫星的语音业务
本文探讨了5G NTN场景中GEO卫星IMS语音呼叫建立时延的优化方案。GEO卫星的高时延和带宽受限特性导致传统IMS流程难以满足30秒呼叫建立时延要求。主流厂商提出了多种优化思路：1）信令压缩（SigComp/二进制编码）；2）SDP协商前置；3）SIP头裁剪；4）取消pre-condition；5）P-CSCF增强代理能力。各方案可缩短信令量40-50%，将时延降至8-16秒（GEO-TN）或16-32秒（GEO-GEO）。未来需整合多层次优化框架，并解决新老流程兼容性问题，以实现SA1提出的时延目标。
2025-09-01 20:32:02
1188
原创 【深度学习】配分函数：近似最大似然与替代准则
本文探讨了深度学习能量模型中配分函数的计算难题及其解决方案。以《Deep Learning》教材为参考，系统分析了处理配分函数的两种主要思路：近似最大似然训练（如对比散度CD、持续对比散度PCD）和替代训练准则（如伪似然、得分匹配、噪声对比估计NCE）。文章详细介绍了各种方法的原理、优缺点及适用场景，特别强调了CD的高效性及其探索不足的缺陷，PCD的持续性改进，以及FPCD通过参数分离加速采样的创新。此外，还讨论了配分函数估计技术（如退火重要性采样AIS），为处理高维概率模型的归一化问题提供了全面指导。
2025-08-31 18:08:16
1105
原创 【卫星通信】超低码率语音编码ULBC：EnCodec神经音频编解码器架构深度解析
EnCodec是Meta AI提出的端到端神经音频编解码器，采用编码器-解码器架构实现高压缩音频传输。编码器通过4个残差卷积块（步长2/4/5/8）将音频压缩320倍为64通道潜在表示，配合双向LSTM进行序列建模。核心创新包括残差矢量量化（RVQ）和多尺度对抗训练，在24kHz/48kHz采样率下分别实现75/150步/秒的压缩率。模型通过重建损失、对抗损失和量化约束联合优化，在SI-SNR、ViSQOL等指标上超越传统编解码器，MUSHRA评分达高质量水平。该架构突破传统压缩极限，支持3-12kbps超
2025-08-23 20:45:50
1352
原创 【深度学习】蒙特卡罗方法：原理、应用与未来趋势
本文基于《深度学习》一书中的蒙特卡罗方法章节，系统介绍了蒙特卡罗方法在深度学习中的应用。文章首先阐述了蒙特卡罗方法的基本原理，包括随机采样、无偏估计和收敛性分析。随后重点讨论了三种关键技术：直接采样/拒绝采样、重要性采样和马尔可夫链蒙特卡罗（MCMC），详细说明了Metropolis-Hastings、Gibbs采样和Hamiltonian Monte Carlo等算法的实现原理。最后探讨了这些方法在能量基模型等深度模型中的推断应用，为解决高维空间中的采样和期望估计问题提供了有效工具。全文通过理论分析和方法
2025-08-23 16:34:16
985
原创 【深度学习】深度学习中的结构化概率模型：理论、方法与应用
本文系统介绍了结构化概率模型（图形化模型）在深度学习中的应用与发展。文章首先概述了有向图（如贝叶斯网络）和无向图（如马尔可夫随机场）两类模型的基本概念与表示方法，重点分析了其联合分布分解和条件独立性特点。随后深入探讨了深度学习与概率图模型的结合方式，包括玻尔兹曼机、变分自编码器（VAE）等深度生成模型，以及隐马尔可夫模型（HMM）等序列化结构。文章还阐释了图结构在推理算法（如变量消元、消息传递）中的优势，并展望了该领域未来与神经网络深度融合的发展趋势。通过理论分析与实例展示，揭示了结构化概率模型作为连接传统
2025-08-23 15:56:46
1180
原创 高精度GNSS定位技术的介绍 ——RTK、PPP 与 PPP-RTK 的原理、性能、应用与未来趋势
高精度GNSS定位技术主要包括RTK、PPP和PPP-RTK三种方法。RTK通过基站差分实现厘米级实时动态定位，适用于农业、工程测量等领域；PPP无需基站，利用精密卫星数据实现亚米级定位，适合偏远地区应用；PPP-RTK融合两者优势，兼具高精度与广域覆盖特点，在智能交通、无人机航测等领域展现出巨大潜力。随着技术进步，这些方法将为无人驾驶、精准农业等新兴领域提供更强大的定位支持，推动相关行业创新发展。
2025-07-31 15:54:12
2390
原创 【卫星语音】基于神经网络的低码率语音编解码（ULBC）方案架构分析：以SoundStream为例
随着深度学习技术的快速发展，基于神经网络的音频编解码技术已成为下一代音频压缩的重要研究方向。本文以Google提出的SoundStream为核心分析对象，深入探讨其在低码率语音编解码领域的创新架构设计和关键技术突破。SoundStream通过全卷积编解码器网络和残差向量量化器的端到端联合训练，实现了在3-18 kbps码率范围内的高质量通用音频压缩。本文从架构设计原理、核心组件分析、训练策略优化、性能评估等多个维度对SoundStream进行系统性分析，并探讨其在实际应用中的优势与局限性。
2025-07-06 19:08:09
1224
原创 【卫星通信】超低比特率语音编解码器（ULBC）的信道特性评估
随着卫星通信需求的增长，超低比特率语音编解码器（ULBC）因其低时延特性成为关键技术。本文基于华为3GPP提案，分析GEO卫星通信中的信道特性（如延迟、丢包率等）对ULBC设计的影响。研究表明，全双工操作需优化无线资源分配（如77%DL/23%UL）以平衡语音质量，链路预算仿真揭示CNR、BLER等参数对系统性能的作用。通过联合优化编解码器和无线接入单元，可实现高效可靠的ULBC方案，为卫星语音通信提供关键支持。（149字）
2025-07-03 22:24:27
816
原创 【卫星通信】3GPP标准提案：面向NB-IoT（GEO）场景的IMS信令优化方案-降低卫星通信场景下的语音呼叫建立时延
随着5G非地面网络（NTN）技术的演进，基于NB-IoT的卫星通信（如GEO地球同步轨道卫星）逐渐成为偏远地区语音服务的重要补充。然而，传统IP多媒体子系统（IMS）的信令流程在带宽受限、时延较高的卫星链路中面临显著挑战。2025年5月，vivo、MediaTek、ZTE、OPPO等厂商联合向3GPP SA WG2提交提案（S2-2504682），针对NB-IoT（GEO）场景提出IMS信令优化方案，旨在通过减少SIP协议消息数量与负载大小，显著降低语音呼叫建立时延。
2025-06-14 23:21:56
1639
原创 【卫星通信】Skylo与ViaSat标准建议详解：基于NB-IoT NTN通过GEO卫星实现IMS语音通话的解决方案
2025年5月，Skylo与ViaSat在3GPP会议上联合提交提案S2-2504596，提出通过GEO卫星支持NB-IoT NTN接入EPC时的IMS语音方案。针对高时延（800-1000ms）和窄带限制（180kHz），提案采用UP NIDD技术降低协议开销（仅5字节），并通过I1轻量化协议替代传统SIP信令。核心创新包括：信令与媒体分离：为QCI差异化分配独立DRB；紧急呼叫优化：支持匿名呼叫和eCall数据透传；终端简化：利用SCC-AS集中处理IMS逻辑，终端无需完整SIP栈。该
2025-06-14 19:31:39
1552
原创 【卫星通信】高通提案S2-2504588解读-基于控制平面优化的GEO卫星IMS语音解决方案
3GPP SA2工作组通过的高通提案S2-2504588提出利用控制平面CIoT EPS优化技术，在静地轨道卫星（GEO）上为NB-IoT设备提供IMS语音服务的技术方案。该方案通过将IMS信令流与语音媒体流分别映射到独立信令无线承载（SRB），解决了高时延（250-300ms）与低功耗设备实时通信的矛盾。采用IP或非IP（NIDD）PDN连接适配不同场景，复用默认EPS承载简化流程，并通过协议栈优化降低延迟。尽管面临QoS保障和带宽限制等挑战，这一轻量化方案为卫星与5G融合提供了实用过渡方案。
2025-06-14 17:02:36
1185
原创 【卫星通信】卫星与5G深度融合的架构研究——释放非地面网络潜能，构建全球无缝连接【3GPP TR 23.700-19 V0.1.0 (2025-04)】
3GPP TR 23.700-19作为Release 20阶段的重要技术报告，系统研究了卫星通信与5G网络的融合路径。报告聚焦卫星接入下的IMS语音通信和UE-SAT-UE直连两大方向，提出分层架构设计、IMS增强、NB-IoT参数优化等解决方案，以应对高时延、移动性管理等技术挑战。该标准为未来6G"天地一体化网络"奠定基础，但卫星通信规模化商用仍需解决频谱分配、终端兼容性等产业生态问题。随着低轨星座部署加速，5G NTN有望在5年内实现商用，填补全球80%以上无覆盖区域的通信空白。
2025-06-14 12:42:14
1562
原创 【深度学习】表示学习：深度学习的数据解构与重构艺术
表示学习作为深度学习的灵魂，已经从早期的无监督预训练突破，发展成为一门融合监督、无监督、半监督、迁移学习、领域自适应等多种范式，并追求分布式、解耦、因果、不变性等优良特性的综合性学科。它赋予了机器从原始数据中自动提取有价值知识的能力，彻底改变了人工智能处理信息的方式。
2025-06-08 22:19:13
1187
原创 【深度学习】自编码器：数据压缩与特征学习的神经网络引擎
作者选择了由 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 三位大佬撰写的《Deep Learning》(人工智能领域的经典教程，深度学习领域研究生必读教材),开始深度学习领域学习，深入全面的理解深度学习的理论知识。之前的文章参考下面的链接：【深度学习】线性因子模型：数据降维与结构解析的数学透镜【学习笔记】强化学习：实用方法论【学习笔记】序列建模：递归神经网络（RNN）【学习笔记】理解深度学习和机器学习的数学基础：数值计算【学习笔记】理解深度学习的基
2025-06-01 08:22:53
1357
原创 【深度学习】线性因子模型：数据降维与结构解析的数学透镜
线性因子模型家族，从经典的PCA、因子分析、ICA，到更现代的稀疏编码和贝叶斯扩展（如PPCA），为我们提供了一系列强大的数学透镜。它们通过线性变换的框架，或揭示数据背后的潜在驱动因素（隐变量），或分离混杂的独立源信号，或学习具有生物合理性的稀疏特征表示，或近似数据的低维流形结构。理解这些模型的原理、联系与差异，是掌握现代数据分析与特征学习技术的坚实基础。它们虽以“线性”为名，却在理解复杂世界的非线性数据中扮演着不可或缺的角色。
2025-05-31 23:16:20
843
原创 【卫星通信】通信卫星链路预算计算及其在3GPP NTN中的应用
摘要 卫星链路预算是卫星通信系统设计的关键环节，用于评估信号传输过程中的衰减和增益。计算过程涉及发射功率、天线增益、传播损耗（包括自由空间损耗、闪烁损耗、大气损耗等）以及接收机灵敏度等因素。重点介绍了自由空间传播损耗公式(L_FSPL=20log10(d)+20log10(f)+32.44)和接收灵敏度公式(S=-174+10log10(B)+NF+C/N)。文章还详细分析了3GPP NTN标准中的五种卫星链路模型参数，包括不同轨道高度下的损耗特性和天线配置。这些计算为卫星通信系统性能评估提供了理论基础。
2025-05-24 20:19:35
2296
1
原创 【学习笔记】深度学习：典型应用
深度学习的应用正在各个领域快速扩展和深入，从传统的计算机视觉、自然语言处理到广泛的知识图谱、语音识别和推荐系统，涵盖了社会生活的各个方面。随着技术的不断改进，深度学习将会在更多行业和场景中得到应用。模型泛化能力：提高模型在各种任务和不同数据集上的表现，而不仅限于训练数据。少样本学习：研究如何在极少量样本的情况下进行有效学习，从而解决冷启动问题。跨领域应用：深度学习在不同任务和领域间的结合，促进交叉应用的可能性。可解释性：深入研究深度学习模型的解释性，使非专家用户能够理解 AI 系统的决策过程。
2025-05-04 23:26:12
1230
原创 【学习笔记】 强化学习：实用方法论
街景地址转录项目取得了巨大的成功，实现了对数亿个地址的快速转录，这在成本上显著低于人工处理的成本。通过自动化，提高准确来保证商业价值，系统不仅提升了处理效率，覆盖率和准确率两者达成平衡，验证了本章提出的设计原则在实际应用中的有效性。这些设计原则将为未来的类似项目提供指导，助力更多成功的应用案例。
2025-05-03 12:38:55
1101
中国移动5G-A无线融合新架构白皮书-2024.pdf
2024-09-05
卫星网络（NTN）的窄带物联网（NB-IoT）/增强型机器类型通信（eMTC）研究 - 3GPP TR 36.763
2024-08-20
3GPP TS 24.577 V18.1.0的技术规范 Aircraft-to-Everything (A2X) service
2024-08-15
3GPP TS 22.125 V19.2.0 (2024-06)Uncrewed Aerial System (UAS) sup
2024-07-15
3GPP TS 23.256 技术报告-无人机系统（UAS）的连接、识别和跟踪
2024-07-16
3GPP TS 38.211 V18.3.0 (2024-06) Physical channels and modulatio
2024-07-14
3GPP TR 22.829 R17 Enhancement for Unmanned Aerial Vehicles
2024-07-13
RISC-V 向量扩展指令集 - V Vector Extension
2024-03-02
RISC-V DSP 扩展指令集 P-ext-proposal.pdf
2024-03-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人