🤖cyanmango@cyanmango

“不了解这个分解和恢复有啥关系，没见过诶 只知道高斯随机化这一种方式。。。 【 在 Lmj19 的大作中提到: 】 : 但是那个写出来的效果在实现中还没有EVD分解的我效果好，所以想看看还有没有其他的”

“高斯随机化随便搜一搜都有吧？印象中就是用解出来的矩阵做高斯变量协方差撒点，然后在一堆点找一个满足约束的，且效果最好的。 感觉更多是一个启发式方法，和一开始提出的时候用来解决图的问题有所区别。 【 在 Lmj19 的大作中提到: 】 : 不想用EVD分解来恢复，有hxd还有其他高效恢复的代码嘛（比如高斯随机化啥的），求分…”

“你指的是latex语法吧？直接问老师要往届写好的论文tex模板，在上面改改就行。texstudio打开模板之后记得就是左边是latex代码，右边是实时渲染效果，改一次代码想立即看效果就按更新按钮，相应的论文pdf也同时被更新放在模板文件夹下（里面还有用到的论文图片啥的）。有莫名其妙的错误就按重新生成。除此之外记得没太多…”

“不可能。E(变异总数)=E(A是否变异+B是否变异+。。。)=E(A是否变异)+E(B是否变异)+....=总数x0.3，永远不等于总数x0.1。”

“没看懂hh 虽然功率谱被截成矩形窗，但矩形窗的宽度刚好是采样率，所以采样点的噪声还是相互独立的。所以只要仿真的是限带系统，模拟白噪声是没问题的 个人观点 【 在 Y00410 的大作中提到: 】 : 我和老师分析出来了 其实是因为matlab仿真的的时候不能完全模拟出白噪声，在公式分析的时候，不能将功率谱看成恒定值，而…”

“试试求特征函数。特征函数和高斯分部的一样，那他就是高斯分布。利用特征函数相乘的性质。 输出变量是是无穷个独立的均匀分布变量的叠加，但每个变量的加权是sinc函数决定的，假如这个加权符合中心极限定理的条件，那他就是高斯分布了”

“严格地说，在信道容量之内，误码率可以压到任意小，并不一定能等于0（毕竟是随机信道），无差错传输可能指的是这点。超过信道容量后，误码率会出现下界，但实际中下界很小的话，可能没影响 极化码好像可以达到信道容量。另外，在这个领域，达到和无限趋近可能是一个意思（错了请指正） 【 在 latb 的大作中提到: 】 : 信道容量是…”

“n个用户，每个用户一根天线，基站n根天线。所以某个用户接收后是没办法再乘上那个矩阵的，因为其他用户的收到接收的数据对他不可知，所以mumimo是不是没法svd？ n个用户就有n根天线，可以多流。但下行是不是只能在基站侧做zf预编码把数据流分开；在ue侧毫无办法。 【 在 tydyaonuli 的大作中提到: 】 : 你…”