原题：假定某双绞线的衰减是0.7dB/km（在1kHz时），若容许有20dB的衰减，使用这种双绞线的链路的工作距离最长为（ ）km。如果要使这种双绞线的工作距离增大到100公里，则应当使衰减降低到（ ）db/km。

衰减是指信号在传输过程中强度的减弱，通常以分贝每公里（dB/km）为单位。总衰减等于衰减系数乘以距离。即，距离=总衰减/衰减系数。衰减系数越小，传输距离越长

第一空，这里总衰减是20dB，衰减系数是0.7dB/km，所以距离应该是20 / 0.7 ≈28.57公里，四舍五入到一位小数的话就是28.6公里。

第二空，要求当距离增加到100公里时，衰减系数需要调整到多少。这时候，总衰减仍然是20dB，所以衰减系数=总衰减/距离=20/100=0.2dB/km。

衰减与频率的关系：题目中衰减系数为1kHz时的值，若频率升高（如1MHz或更高），衰减会显著增大，影响传输距离。

# 网络
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

（DDPG）深度学习神经网络算法DDPG优化解决二维栅格地图路径规划研究（Matlab代码实现）

二维栅格地图路径规划是机器人导航、游戏智能体控制等领域的核心问题。传统路径规划算法在处理复杂动态环境时存在局限性，而深度强化学习为解决该问题提供了新思路。本文提出基于深度确定性策略梯度（DDPG）算法的路径规划方法，通过构建Actor-Critic神经网络架构，结合经验回放和目标网络技术，在连续动作空间中实现高效路径搜索。实验结果表明，该方法在复杂栅格环境中展现出更强的环境适应性和路径优化能力，相

avatar DAMO开发者矩阵

（DDPG）深度学习神经网络算法DDPG优化解决二维栅格地图路径规划研究（Matlab代码实现）

二维栅格地图路径规划是机器人导航、游戏智能体控制等领域的核心问题。传统路径规划算法在处理复杂动态环境时存在局限性，而深度强化学习为解决该问题提供了新思路。本文提出基于深度确定性策略梯度（DDPG）算法的路径规划方法，通过构建Actor-Critic神经网络架构，结合经验回放和目标网络技术，在连续动作空间中实现高效路径搜索。实验结果表明，该方法在复杂栅格环境中展现出更强的环境适应性和路径优化能力，相

avatar DAMO开发者矩阵

（DQN）Deep Q Learning深度学习神经网络优化解决二维栅格地图路径规划研究（Matlab代码实现）

本文聚焦于二维栅格地图路径规划问题，深入探讨深度Q学习（DQN）算法在该领域的应用及神经网络优化策略。通过构建基于DQN的路径规划模型，结合经验回放、目标网络等关键技术，有效解决了传统路径规划算法在复杂环境中的局限性。实验结果表明，优化后的DQN模型在路径规划效率、准确性和适应性方面均表现出显著优势，为智能机器人在复杂环境中的自主导航提供了理论支持与实践参考。

avatar DAMO开发者矩阵