简介:在高速链路中,差分线由于具有很高的鲁棒性从而应用广泛,因此差分线的补偿就显得至关重要。以寻找最优的补偿方法为研究目的,结合实际PCB工作中的层叠结构,通过在HFSS和ADS中搭建模型,对比验证不同补偿方式对差分信号质量的影响。最后,指出存在的问题并总结归纳解决方法,为今后PCB布线中差分信号线的补偿方式提出了一些建议。
简介:研究基于深度强化学习技术的避障场景的算法模型设计,采用改进岛深度Q网络(DeepQ-lesrningNet-work,DQN)算法克服了Q-learning表名式算法在连续状态下导致内存不足的局限性。鉴于学习过程中奖励稀疏导致很艰难获得较好结果的情况,改进奖利机制,增知实时奖惩作为补充,解决学习耗时长和练不稳定的问题:采用相对角度、位置金和距离等信息,相比绝对坐标信息可以更有效的躲障碍物。不同于基于栅格法/可视图法等传统人为策略避障算法,深度强化学习算法DQN能够在缺乏先验知识的条件下具备自主决策能力,因此适用性更强。该技术可应用在仓储无人车、巡佥机器人、无人机等现实场景。