u011376987的博客

原创 【STK卫星仿真软件】航天卫星与通信仿真多功能利器

STK是由美国 Analytical Graphics Inc.（AGI）公司研发的航天及国防领域专业系统分析软件，最初用于卫星轨道与任务分析，现已逐步扩展至航空、海洋、地面及电子对抗等多种任务场景。其核心价值在于能够根据复杂的数学模型与仿真算法，精确计算和模拟不同对象（卫星、地面站、飞机、导弹、城市等）在不同时刻和环境下的运行与交互关系，并提供丰富的可视化方式（2D/3D 动态场景及图表报告）。

原创 【NR NTN 3GPP协议】非地面网络（NR NTN）3GPP协议简介

这是NTN的基础性报告，定义了NTN的应用场景、网络架构、信道模型（如传播延迟和多普勒效应）、同步机制以及部署频段（如L/S/Ku/Ka频段）。如需获取最新进展，建议查阅3GPP官方网站（https://www.3gpp.org/）的Release 18及后续文档。系统架构中新增NTN相关功能模块，如卫星网关（Gateway）和星上处理单元，支持透明载荷和再生载荷两种模式。定义NTN基站的发射功率、频段兼容性及多普勒预补偿要求，例如支持高达±200 kHz的频率偏移。

原创 【学习笔记】卷积网络简介及原理探析

通过上述内容可以看出，卷积网络从神经科学实验的启发到广泛用于现代计算机视觉等领域，中间经历了长时间的理论与实践发展。其核心在于对局部感知与权值共享的理念进行数学化与工程化实现，结合多层次特征提取机制，能够有效抽象出从边缘到复杂形状再到语义概念的高级信息。同时，多维卷积、高效计算手段以及与其他神经网络结构的结合，使得它在日益复杂的视觉、语音、文本乃至多模态任务中持续发挥关键作用。综上所述，卷积网络是深度学习时代的中流砥柱。

原创 并行计算编程模型的发展方向与RISC-V的机遇

Triton通过提供更高级的抽象，自动完成内存管理和Tensor Core调度，从而简化了大模型编程的复杂性。并行计算编程模型正朝着更高层次的抽象、更高的开发效率和更好的可移植性发展。通过指令扩展、软硬件协同和开放的编程模型，RISC-V可以为各种并行计算应用提供高效、灵活的解决方案。例如，Triton是一种面向AI计算的DSL，它采用Python语法，并提供了更粗粒度的数据并行抽象，减轻了程序员对底层硬件的关注。通过定制化的硬件加速器和优化的编译器，可以实现更高的性能和能效。

原创 【卫星语音通信】神经网络语音编解码算法：AudioDec

最新研究表明，通过深度学习模型对语音信号进行智能压缩与重建，可在12 kbps码率下实现48 kHz采样率的高保真语音还原，其主观音质评分（MOS）可达3.9分（满分4.27分），远超传统参数编码技术。这意味着未来卫星电话的通话质量有望达到CD级水准，而蜂窝网络的语音业务带宽需求可降低60%以上，为蜂窝和卫星网络中的大规模物联网语音交互铺平道路。它的诞生为神经音频编解码技术带来了一次重要升级，有助于让未来实时语音交互更流畅、更清晰，也让我们进一步体验到人工智能与音频信号处理结合所带来的创新可能性。

原创 【语音编解码】常用的基于神经网络的语音编解码方案对比

当前主流神经网络语音编解码方案中：Google Lyra（3kbps, RNN+传统处理）专攻实时通信；Meta EnCodec（6-24kbps动态码率）以50ms延迟适配VR/AR；SoundStream（Transformer+对抗训练）实现近Opus音质的流媒体编码；LPCNet（1.6kbps）以CPU实时推理服务IoT设备；WaveNet生成质量最优（MOS 4.7）但延迟高，适用于语音合成；DDSP通过可解释谐波建模支撑音乐处理。技术向端到端架构、动态码率及与传统编码融合演进。

原创 【论文学习】基于规模化Transformer模型的低比特率高质量语音编码

根据文档中所述，早期的神经音频编解码研究主要集中在VQ-VAE（Vector Quantized Variational AutoEncoder）的结构上，遵循“编码器-量化-解码器”的三段式流水。Soundstream、EnCodec等工作通过残差矢量量化（RVQ）方法，利用多个层级的码本来增强对输入特征空间的表示能力。随着研究的深入，这类模型在语音、通用音频（如音乐、环境音）等多种类型的任务中均有不错的表现。

原创 【学习笔记】Google的Lyra项目：基于神经网络的超低比特率语音编解码技术

Lyra的技术突破不仅重新定义了语音编解码的性能边界，更开创了"神经网络编解码"的新范式。随着开源社区的持续优化和硬件生态的成熟，这项技术正在从实验室走向大规模商用，助力构建真正全球覆盖的智能语音网络。对于研究者而言，Lyra的开放架构为探索混合编码、元学习优化、脑机编码等前沿方向提供了绝佳试验场。在AI与通信技术深度融合的今天，Lyra的成功预示着属于智能语音的"摩尔定律"正在加速到来。项目地址。

原创 【深度解析】图解Deepseek-V3模型架构-混合专家模型（MoE）

混合专家（Mixture of Experts，简称 MoE）模型，是一种利用多个不同的子模型（或“专家”）来提升大语言模型（LLM）质量的技术。模型中的每个专家都是一个独立的神经网络，专门处理输入数据的特定子集或特定任务。例如，在自然语言处理任务中，一个专家可能专注于处理与语言语法相关的内容，而另一个专家可能专注于语义理解。门控网络的作用是决定每个输入样本应该由哪个专家或哪些专家来处理。它根据输入样本的特征计算出每个专家的权重或重要性，然后根据这些权重将输入样本分配给相应的专家。

原创 【一文读懂】Deepseek-V3 核心技术解析（基于Deepseek官网论文分析）

本文内容来自Deepseek官方的技术论文:图一. DeepSeek的《DeepSeek-V3》论文截图DeepSeek-V3 的核心技术展示了其在大规模模型设计和优化方面的创新性。

原创 【学习笔记】深度学习网络-深度模型中的优化

本篇文章从机器学习问题如何转换成优化问题的角度出发，阐述了模型优化在深度学习中的重要性和复杂性，并详细介绍了常见的梯度下降变体、局部极小值与鞍点挑战、自适应学习率方法以及正则化等核心内容。希望通过以上介绍，读者能对深度模型优化的核心意义、难点和已有解决方案有所了解，并对在深度学习训练中如何挑选和调试优化算法形成更清晰的思路。在实际使用过程中，应结合数据的特点、计算资源、模型规模以及具体任务目标，综合运用多种手段来让模型更可靠地逼近“最优解”，从而在真实环境中创造价值。

原创 【知识速递】DeepSeek推动大模型低成本本地化部署-模型知识库与模型微调对比

DeepSeek通过创新架构实现大模型部署成本大幅度降低，目前很多公司纷纷开展大模型的本地化部署，针对不同行业的需求，大家会采用模型知识库和模型微调的方式增强模型的专用能力增强。实际应用中常采用混合方案：用微调塑造基础能力，叠加知识库补充动态信息。：外部知识存储与检索系统。：模型参数的定向优化。

原创 【DeepSeek】Deepseek辅组编程-通过卫星轨道计算终端距离、相对速度和多普勒频移

不同轨道半长轴（a）不同偏心率（e）不同轨道倾角（i）不同升交点赤经（Ω）不同近地点幅角（ω）不同真近点角（ν）

原创 【一文读懂】卫星轨道的轨道参数（六根数）和位置速度矢量转换及其在终端距离、相对速度和多普勒频移计算中的应用

本文首先介绍了卫星轨道的六根数参数：半长轴 a、偏心率 e、轨道倾角 i、升交点赤经 Ω、近地点幅角 ω 以及真近点角 ν，并探讨了如何利用这些参数计算卫星与地面终端之间的距离、相对速度及由此产生的多普勒频移。利用开普勒运动公式计算当前瞬间的轨道半径；根据真近点角 ν 在围心坐标系中计算位置矢量和速度矢量；利用旋转矩阵（依次旋转 ω、i、Ω）将围心坐标系的状态矢量转换到地心惯性坐标系；最终结合地面终端信息，计算卫星与终端的欧氏距离、沿视线的相对速度及多普勒频移。

原创 【卫星通信】卫星轨道的六根数参数及其在终端距离、相对速度和多普勒频移计算中的应用

卫星轨道的六根数参数（半长轴 a、偏心率 e、轨道倾角 i、升交点赤经 Ω、近地点幅角 ω、真近点角 ν）为确定卫星在空间中的位置和速度提供了理论基础。利用这些参数可以得到卫星在特定时刻的绝对位置及速度，再结合地面终端的信息，我们可以按照以下步骤计算两者之间的关系：ra1−e21ecos⁡νr1ecosνa1−e2​通过坐标变换（依次旋转 ω, i, Ω）获得卫星在地心惯性或地固坐标系中的位置 r_sat 和速度 v_sat。D∥rsat−r。

原创 【NR-NTN】3GPP Release 18中NR-NTN过程描述

图1展示了一个非地面网络（NTN）的示例，通过NTN载荷和NTN网关为用户设备（UE）提供非地面NR接入。图中描述了连接NTN载荷和UE之间的服务链路，以及连接NTN网关和NTN载荷之间的馈线链路。图1. NR NTN架构图NTN载荷透明地转发从UE接收到的无线协议（通过服务链路）到NTN网关（通过馈线链路），反之亦然。一个NTN网关可以服务多个NTN载荷；一个NTN载荷可以由多个NTN网关服务。注2：在本版本中，NTN载荷在重新通过服务链路或馈线链路转发数据之前，可能会改变载波频率。

原创 【读书笔记】《长尾理论》：为什么小众需求正在重塑商业格局？

缝隙市场（Niche Market），也称为利基市场，是指一个相对较小、特定的市场细分，专注于满足某一特定群体或特定需求的消费者。这些市场通常被主流市场忽略或服务不足。

原创 【学习笔记】深度学习网络-正则化方法

正则化技术在深度学习中扮演着至关重要的角色，通过防止过拟合，提升模型的泛化能力。本文介绍了多种常见的正则化方法，包括L1和L2正则化、Dropout、数据增强、早停、Batch Normalization、权重衰减、梯度惩罚和特征选择等。这些方法通过不同的机制来限制模型的复杂度，从而提高模型在未知数据上的表现。在实际应用中，可以根据具体问题和数据集的特点选择合适的正则化技术和参数设置。通过对正则化方法的深入理解和合理应用，可以显著提高深度学习模型的性能和泛化能力，为深度学习的发展提供新的动力。

原创 【协议详解】卫星通信5G IoT NTN SIB33-NB 信令详解

在5G非地面网络（NTN）中，卫星的高速移动性和广域覆盖特性使得地面设备（UE）需要频繁切换卫星以维持连接。SIB33为UE提供邻区卫星的辅助信息，确保其在动态卫星网络中实现无缝切换。

原创 【协议详解】卫星通信5G IoT NTN SIB32-NB 信令详解

低轨卫星的移动性会导致地面用户设备覆盖不连续，为了解决这一问题，3GPP引入了SystemInformationBlockType32（SIB32）信令，为非连续覆盖预测提供卫星辅助信息。地面设备可以基于SIB32信令中的信息，预测低轨卫星的覆盖时间，在保障物联网设备的低功耗性能的同时，确保在非连续覆盖环境中的合理规划通信的准确性。

原创 【协议详解】卫星通信5G IoT NTN SIB31-NB 信令详解

SystemInformationBlockType31 (SIB31) 是 3GPP网络中的一种特定系统信息块，用于为服务小区提供卫星辅助信息。这种信息特别适用于非地面网络（NTN, Non-Terrestrial Networks），包括基于卫星的通信系统。

原创 【学习笔记】深度学习网络-深度前馈网络（MLP）

深度前馈网络（Deep Feedforward Networks），也称为前馈神经网络（Feedforward Neural Networks）或多层感知机（Multilayer Perceptrons, MLPs），是深度学习中最基础且最重要的模型之一。它们被广泛应用于图像识别、自然语言处理、语音识别等领域。本文将基于《深度学习》（Deep Learning）一书中的相关内容，介绍深度前馈网络的基本概念、结构和工作原理。

原创 【学习笔记】理解深度学习的基础：机器学习

定义：线性回归是一种解决回归问题的算法，输出是输入的线性函数。输出：ˆy = wx，其中w是参数向量，x是输入向量。欠拟合：模型在训练集上的误差较大，无法很好地拟合数据。过拟合：模型在训练集上表现很好，但在未见过的数据上表现很差。最大似然估计（MLE）：一种通过最大化观测数据似然来估计参数的方法。对数似然：为了方便计算，通常使用对数似然函数。贝叶斯统计：一种使用概率来反映知识状态的统计方法。与频率派统计不同，贝叶斯统计将参数视为随机变量。先验分布：在观察数据之前对参数的信念分布。

原创 【学习笔记】理解深度学习和机器学习的数学基础：数值计算

softmax函数通常用于将一个实数向量转换为概率分布。具体来说，对于一个输入向量，softmax函数的输出是一个概率向量其中每个元素表示输入对应类别的概率。softmax函数的数学定义如下：这里，表示自然指数函数。条件数是衡量矩阵在求逆或解线性方程组时对输入误差的敏感程度的指标。具体来说，对于一个矩阵，其条件数定义为：其中，表示矩阵的范数，表示其逆矩阵的范数。条件数越大，矩阵越接近奇异（不可逆），求解线性方程组或求逆时的数值稳定性越差。

原创 【深度解析】从电视广播到互联网接入：通信卫星如何改变我们的世界？

卫星通信系统的容量和带宽逐渐增大，通过天线系统接收地面站的信号，经过转发器的放大和变频处理，再通过天线系统重新发射到太空中，卫星能够实现对信号的远距离传输和接收。此外，随着技术的不断进步和卫星数量的增加，Starlink系统的性能将持续提升，为全球用户提供更加优质的互联网服务。同时，随着新一代卫星技术的研发和应用，如高通量卫星和低轨道卫星等，通信卫星将提供更高的带宽和更低的延迟，满足不断增长的数据传输需求。随着技术的不断进步和应用领域的不断拓展，通信卫星将继续为人们的生活和工作带来更多便利和高效的服务。

原创 【IoT-NTN】系统消息SIB32信令分析

是用于提供预测非连续覆盖的卫星辅助信息的系统信息块。这个信息块仅在非地面网络（NTN）小区中被信令发送。它包含了关于卫星的信息列表，如卫星ID、服务信息、卫星覆盖范围足迹信息等。...,]],]]},SystemInformationBlockType32 字段详细描述内容：包含一组E-UTRA（演进型通用陆地无线接入）频率。参考：具体频率列表参见TS 36.304 [4]。描述：最左侧和最右侧（相对于卫星方向）的仰角。单位：度。步长：5度。实际值 = 字段值 * 5。特殊情况：如果。

原创 【一文读懂】通信卫星频段探秘：从L到Ka的全面介绍（增加Q/V和UHF频段）

卫星通信是一种利用人造地球卫星作为中继站，转发无线电波，以实现远距离通信的技术。具体来说，它通过在地球上（包括地面、水面和低层大气中）的无线电通信站之间利用人造地球卫星作中继站转发或反射无线电波，在两个或多个地球站之间进行的通信。卫星通信是航天技术和现代通信技术相结合的重要成果，在广播电视、移动通信、宽带互联网和军事通信等领域得到了广泛的应用，是当今不可或缺的通信方式之一。卫星通信使用的主要频段包括L、S、C、X、Ku、Ka等，每个频段都有其特定的频率范围和应用场景。频段频率范围（GHz）备注L波段。

原创 【手机直连卫星】除了华为Mate 60 Pro，支持卫星通信的手机还有哪些款

2023年底，华为推出的Mate 60 Pro手机，开创了智能手机卫星通信的新纪元。它支持卫星电话通话和短信功能，让用户即使在偏远山野或深海之上也能保持与外界的联系。这一技术的加入，无疑为户外探险者和遥远地区的工作者提供了难以估量的安全保障。近一年来，支持卫星通信的手机取得了显著的进展，多家主流手机厂商已经或即将推出相关功能。它不仅支持北斗卫星消息和天通卫星通信双卫星通信，还具备发送图片、文字和地理位置信息的能力。这一功能在紧急情况下尤为实用，能够迅速将关键信息传递给外界，为用户的安全提供了有力保障。

原创 【IoT-NTN】系统消息SIB31信令分析

包括网络时间对齐值（nta-Common-r17）、漂移率（nta-CommonDrift-r17）和漂移率变化（nta-CommonDriftVariation-r17），用于调整UE与网络之间的时间对齐。：分别表示卫星轨道参数的瞬时值和卫星状态向量的瞬时值，这些值在ul-SyncValidityDuration和epochTime定义的有效期内有效。这些位置和速度状态向量提供了卫星在特定时刻的精确位置和移动方向，使得UE能够准确预测卫星的未来位置，从而实现精确的同步和通信。

原创 【NTN 卫星通信】基于NR的NTN RAN架构

对于透传模式，卫星有效载荷在上行链路和下行链路方向上实现频率转换和射频放大器。它对应于一个模拟射频中继器。因此，卫星从馈线链路(在NTN网关和卫星之间)到业务链路(在卫星和终端之间)重复NR-Uu无线接口，反之亦然。馈线链路上的卫星无线链路接口(SRI，Satellite Radio Interface)是NR-Uu口。换句话说，卫星不会终止NR-Uu接口，只是作为一个中继存在。透传卫星模式的Networking-RAN架构TS 38.401中描述的NG-RAN逻辑架构被用作NTN场景的基线。

原创 新版电动自行车安全技术规范（征求意见稿）重要信息整理及评估（北斗与通信部分）

原创 【IoT-NTN 卫星通信】NTN Fixed Cell与Moving Cell方案

地球固定小区方案（Earth Fixed Cell）: 是指将小区永久或在一定时间内固定在地球上某一位置的NTN方案。这可以通过卫星小区波束指向固定地面区域来实现。地球移动小区方案(Earth Moving Cell): 是指卫星小区在地球上连续移动的NTN方案。卫星小区波束足迹在地面上扫过,小区的覆盖位置会随卫星的移动而移动。

原创 【学习笔记】UWB技术定位原理

精准的绝对时间相对较难测量，通过比较信号到达各个UWB定位基站的时间差，计算出信号到各个定位基站的距离差，就能作出以定位基站为焦点，距离差为长轴的双曲线，三组双曲线的交点就是定位标签的位置。ToF为飞行时间测距法，通过测量脉冲信号从出发到返回的时间，乘以传播速度（脉冲信号在空气中的传播速度为定值v=30万KM/秒），得到往返一次的距离，除以2即为UWB定位标签到定位基站间的距离。TOF定位是基于测距的方式，标签和每个需要定位的基站发起测距，测距完成后进行位置计算。

原创 【学习笔记】Transformer架构探讨

Transformer 是一种彻底改变人工智能方法的神经网络架构。它首次在 2017 年的里程碑式论文 "Attention is All You Need"[1] 中被提出，并迅速成为深度学习模型的首选架构，为 OpenAI 的 GPT、Meta 的 Llama 和 Google 的 Gemini 等文本生成模型提供动力。除了文本之外，Transformer 还应用于 音频生成[2]、图像识别[3]、蛋白质结构预测[4] 甚至 游戏[5] 等领域，展现了其跨多个领域的通用性。

原创 【文章推荐】SpaceX公司航天测控系统建设应用及启示

商业航天时代的到来要求我们不能墨守成规，需要注入新的发展思想、管理理念，遵循“科技创新、自立自强”要求，建立试错容错机制，加大研发投入，支持自主创新，鼓励各种风险资本投资于急需的技术和产品，加快航天测控系统能力建设，提高体系应用效能，为建设航天强国提供强大支撑。航天测控是航天产业不可分割的一部分，主要完成火箭和卫星的跟踪测量、遥测遥控等任务，掌握火箭飞行状态和实施安全控制，以及在轨卫星的轨道测量与确定、运行状态管理、工作状态控制、载荷数据接收与分发等，为卫星发射回收、在轨应用提供不可或缺的支撑。

原创 【观影聊数学】聊聊电影《孤注一掷》中的数学逻辑

境外诈骗集团往往以高薪招聘为诱饵，吸引有发财梦的人去境外淘金，一旦人们走出国门，跳入犯罪分子设下的陷阱里，等待他们的将是拘禁、威胁、殴打和洗脑，在无尽的恐惧和残忍的折磨下，他们的意志力消磨殆尽，渐渐沦为诈骗集团的工具和帮凶，设套引诱更多的人加入诈骗团伙、壮大自身力量或者在境外通过电信网络实施诈骗。策略：一局博弈中，每个局中人都有选择实际可行的完整的行动方案，即方案不是某阶段的行动方案，而是指导整个行动的一个方案。一个局中人的一个可行的自始至终全局筹划的一个行动方案，称为这个局中人的一个策略。

原创 低空经济 | 世界经济论坛：先进空中交通白皮书

世界经济论坛推出了AVIATE：先进空中出行（AAM）倡议，旨在推动先进空中出行和自主航空技术的安全、可持续和公平整合。用例分类：根据运输对象（人、货物或服务）、利益相关者类型和地理位置（城市、郊区、农村或区域）进行分类。技术创新：人工智能、云计算、5G、智能基础设施和电动马达等技术正在颠覆航空业。推动因素：社会接受度、运营可行性和财务可行性是AAM发展的三大关键因素。运营可行性：适航性、技术成熟度、认证、基础设施（地面、数字和空域集成）。社会接受度：信任、感知安全、隐私保护、利益相关者教育和无缝集成。

原创 【一文读懂】北斗卫星导航系统介绍

北斗卫星导航系统作为中国自主研发的全球卫星导航系统，在技术上实现了自主可控，并具备独特的服务功能。通过多年的发展建设，北斗系统已在全球范围内实现了广泛应用和深远影响，为全球用户提供了高质量的导航定位服务。未来，随着技术的不断进步和国际合作的深化，北斗系统将继续为全球经济和社会发展贡献力量。本文是关于北斗卫星导航系统的详细介绍，主要阐述了北斗系统的组成、功能、发展历程以及在全球范围内的应用和影响。

原创 【学习笔记】3GPP WG SA5 Rel-19标准化工作管理和编排

性能测量和KPI（PMKPI）指定新的5G性能测量和KPI，用于移动性增强、XR（扩展现实）和媒体服务、移动终止的小数据传输、NR多播和广播服务、接入流量引导、切换和分割（ATSSS）以及UE级别测量。基于服务的管理架构（SBMA）专注于模型驱动服务的使用指导，并旨在提供管理能力的集合，并公布管理能力机制。SA5以WG SA1通过紧密跟踪其他3GPP工作组的进展，这些工作组产生新的网络特性，SA5还及时提供阶段2和阶段3的管理能力，使运营商能够通过标准化管理解决方案管理新的网络功能。

原创 【一文读懂】NTN（非地面网络）技术介绍

NTN，即非地面网络，是指利用卫星、高空平台（如无人机、平流层气球等）等非地面通信基础设施来实现全球通信覆盖的网络。在5G时代，NTN主要基于5G标准，特别是5G NR（New Radio）技术，通过卫星通信扩展地面网络的覆盖范围和服务能力。NTN技术的出现和发展，为全球通信带来了新的可能性和挑战。通过不断的技术创新和标准化推进，NTN有望在未来发挥更加重要的作用，为全球用户提供无处不在的通信服务。随着6G时代的到来，我们有理由相信NTN技术将迎来更加广阔的发展前景。