---

در این مقاله اینورتر منبع جریان چند سطحی جدیدی معرفی می­شود که با توجه به مزایایی که دارد می­تواند به عنوان یک جایگزین مناسب برای اینورترهای مرسوم در سطوح جریان متوسط استفاده شود. ساختار پیشنهادی از ماژول های اساسی تشکیل شده است که با موازی شدن این ماژول ها تعداد سطوح جریان خروجی افزایش پیدا می­­کند و شکل موج جریان تحویلی به بار و یا شبکه بهبود پیدا می­کند.  برای نشان دادن مزیت های اینورتر پیشنهادی، مقایسه ای از نظر تعداد کلید، تعداد منبع، سطح جریان قابل تحمل و تلفات مبدل بین ساختار پیشنهادی و چند ساختار ارائه شده در مراجع مختلف انجام گرفته است. نتایج شبیه سازی در دو بخش متصل به بار و متصل به شبکه، عملکرد مطلوب اینورتر پیشنهادی در تغذیه بار و تحویل توان اکتیو به شبکه با کیفیت مطلوب را تایید می­کند. همچنین یک نمونه آزمایشگاهی از اینورتر پیشنهادی در حالت متصل به بار تکفاز آماده و ارائه شده است که کیفیت عملی اینورتر پیشنهادی در تغذیه بار را نشان می­دهد.

---

در تسهیم طیف بین کاربران مختلف، مقابله با تداخلگر موجود در شبکه بسیار حیاتی است. اهمیت این کار به ویژه زمانی دوچندان می‌شود که تداخلگر، هوشمند بوده و قادر به یادگیری الگوهای ارتباطی بین کاربران باشد. در این مقاله، روشی برای تسهیم طیف با هدف مقابله با تداخلگر شبکه پیشنهاد می گردد. شیوه پیشنهادی بر پایه یادگیری تقویتی چندعاملی است. در مرحله اول، طیف‌های مورد حمله تداخلگر توسط ایستگاه پایه به دست می آیند. در مرحله بعد، یک چارچوب یادگیری تقویتی عمیق طراحی می‌شود که به هرکدام از کاربران طیف امن و مناسب را پیشنهاد می‌دهد. برای این منظور از همبستگی بین سیگنال راهنمای ارسالی و سیگنال دریافتی در هر بازه فرکانسی، میزان تاثیر تداخلگر در آن زیرباند حاصل می شود. سپس ضریب تخفیف الگوریتم یادگیری تقویتی بر پایه مقدار همبستگی به صورت وفقی تنظیم می گردد. به این ترتیب، زیرباندهایی که کمتر تحت تاثیر تداخلگر واقع شده اند، به کاربران اختصاص می یابند. روش پیشنهادی در سناریوهای مختلف مورد شبیه سازی و ارزیابی قرار گرفته و نتایج حاکی از آن است که نرخ مجموع شبکه با سرعت بالایی به نرخ مطلوب همگرا می شود و شیوه پیشنهادی مقاومت خوبی در برابر تداخلگر از خود نشان می دهد.