2.4 编码与调制 2.4 编码与调制 1. 常用编码 码元:在使用时间域的波形表示数字信号时代表不同离散数值的基本波形。 不归零编码(存在同步问题) 需要额外一根传输线来传输时钟信号使发送方和接收方同步 归零编码(自同步,编码效率低) 曼彻斯特编码(传统以太网) 2. 编码与调制 2.1 基本调制方法 调幅、调频、调相 混合调制 2024-11-16 计算机基础 > 计算机网络 #计算机网络
2.3 传输方式 2.3 传输方式 1. 串并行 串行传输 并行传输 2. 同步异步 同步传输 异步传输 收发双方时钟同步的方法 外同步:在收发双方之间添加一条单独的时钟信号线 内同步:发送端将时钟同步信号编码到发送数据中一起传输 (例如曼彻斯特编码) image-20241116160018725 3. 单双工 单向通信(单工)广播 双向交替通信 2024-11-16 计算机基础 > 计算机网络 #计算机网络
2.2 物理层下面的传输媒体 2.2 物理层下面的传输媒体 1. 传输媒体 1.1 导引型传输媒体 双绞线 绞合的作用 抵御部分来自外界的电磁波干扰 减少相邻导线的电磁干扰 image-20241116144027376 同轴电缆 基带同轴电缆(50Ω) 数字传输,过去用于局域网 宽带同轴电缆(75Ω),模拟传输,目前主要用于有线电视 同轴电缆价格较贵且 2024-11-16 计算机基础 > 计算机网络 #计算机网络
2.1 物理层的基本概念 2.1 物理层的基本概念 1. 传输媒体 导引型传输媒体 双绞线 同轴电缆 光纤 电力线 非导引型传输媒体 微波通信(2~40GHz) 红外线 可见光 2. 主要任务 物理层考虑的是怎样才能在连接各种计算机的传输媒体上传输数据比特流。 物理层为数据链路层屏蔽了各种传输媒体的差异,使数据链路层只需要考虑如何完成本层的协议和服务,而不必考虑网络 2024-11-16 计算机基础 > 计算机网络 #计算机网络
1.6 计算机体系结构 1.6 计算机网络体系结构 1. 常见的计算机网络体系结构 OSI体系结构(开放系统互连参考模型) TCP/IP体系结构 IP协议可以为各种网络应用提供服务 (Everything over IP) 使用IP协议互连不同的网络接口 (IP over everything) 2. 计算机网络体系结构分层的必要性 总线型网络 如何标识网络中的各主机(主机编 2024-11-15 计算机基础 > 计算机网络 #计算机网络
1.5 计算机网络的性能指标 1.5 计算机网络的性能指标 指标 评测 速率 连接在计算机网络上的主机在数字信道上传送比特的速率,也称为比特率或数据率bit/s(b/s,bps),kb/s,Mb/s,Gb/s 带宽 用来表示网络的通信线路所能传送数据的能力,单位为Hz因此网络带宽表示在单位时间内从网络中的某一点到另一点所能通过的“最高数据量”与速率指标相同 吞吐量 2024-11-15 计算机基础 > 计算机网络 #计算机网络
1.4 计算机网络的定义和分类 1.4 计算机网络的定义和分类 1. 定义 简单定义:一些互相连接的,自治的计算机的集合 互连:是指计算机之间可以通过有线或无线的方式进行数据通信; 自治:是指独立的计算机,它有自己的硬件和软件,可以单独运行使用; 集合:是指至少需要两台计算机。 计算机网络的较好的定义 计算机网络主要是由一些通用的、可编程的硬件互连而成的,而这些硬件并非专门用来实现某一特定目的(例如 2024-11-15 计算机基础 > 计算机网络 #计算机网络
1.3 三种交换方式 1.3 三种交换方式 1. 电路交换(Circuit Switching) 电话交换机接通电话线的方式称为电路交换,中间设备是电话交换机 从通信资源的分配角度来看,交换(Switching)就是按照某种方式动态地分配传输线路的资源; 当使用电路交换来传送计算机数据时,其线路的传输效率往往很低。 不适合计算机传输数据,因为占用通信资源,却迟迟不使用,造成通信资源的浪费 电 2024-11-15 计算机基础 > 计算机网络 #计算机网络
HCTA:多智能体强化学习中的分层合作任务分配 HCTA:Hierarchical Cooperative Task Allocation in Multi-Agent Reinforcement Learning 1. 主要内容 子任务选择: 基于行动链的长期行为特征动态选择每个智能体适合的子任务。 层次化策略学习: 结合上述子任务分解和选择,形成层次化合作策略学习框架。在上层动态选择子任务,并在下层根 2024-11-15 科研 > 多智能体强化学习任务分配 #RL #科研
面向兵棋推演的强化学习分层任务优化技术研究 1. 主要内容 论文深入探讨了分层控制结构的多智能体强化学习算法在兵棋推演环境中的应用,旨在优化复杂和不确定环境下的任务分配和多智能体任务的执行过程。主要研究内容包括: 针对实时兵棋推演环境,设计了兵棋AI的状态空间和动作空间,并生成了敌我对抗态势的关键特征信息。通过离散化连续动作的操作优化了原始动作空间,简化了多智能体的交互过程,加快了网络学习速度。 提出了一种融合注意力机制的DQN算 2024-11-15 科研 > 多智能体强化学习任务分配 #RL #科研