研究人员开发了一种使用主动感知和元强化学习来定位全球导航卫星系统（GNSS）干扰源的新方法。该框架将定位任务建模为部分可观察的决策过程，将高维射频（RF）传感与深度强化学习和循环策略学习相结合。使用带有Sionna射线追踪模块的模拟数据集进行评估，该方法实现了80.1%的定位成功率，证明了模拟辅助训练在复杂环境中进行鲁棒干扰定位的有效性。 AI
影响 这项研究可能为关键导航技术带来更鲁棒的干扰定位系统。
排序理由 该集群包含一篇详细介绍信号处理和定位新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Felix Otto
- global navigation satellite system
- Proximal Policy Optimization
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
