1.上行和下行
上行是信号从手机到基站,下行是信号从基站到手机
依终端用户为视角,发出去的数据叫上行,收回来的数据叫下行。
上行的数据多是数据请求数据,就是请求数据的数据,一般来说请求的数据量小,对带宽的需求小,获取的数据量比较大,对带宽的需要量比较多,可以把部分上行的信道分配给下行,这叫做非平衡传输,比如非平衡数据用户线ADSL。
2.压缩感知
形象易懂讲解算法II——压缩感知 - 知乎 (zhihu.com)
为什么毫米波是稀疏的?
由于毫米波的波长很短,与传统的微波传输相比存在一些差异,特殊的传输特性使其遇到障碍物、雨水等将会遭受严重的损耗,因此对毫米波而言,其散射是有限的,视距传输为其主要的传播方式,毫米波在传输过程中可认为是稀疏的。关于稀疏性的概念可以参考压缩感知理论中的稀疏信号分解和重构原理。主要的思想大概就是信号在某些方向上的分量较大,而在其他一些方向上的分量很小,几乎可以忽略不计,那么信号在空间的一组基中主要分布在了个别方向,这就体现了它的稀疏性。
3.GSM
是Global System for Mobile Communications,中文为全球移动通讯系统
4.似然函数
(59 封私信 / 16 条消息) 如何理解似然函数? - 知乎 (zhihu.com)
对似然函数的理解 - zhsuiy - 博客园 (cnblogs.com)
有一个硬币,它有θ的概率会正面向上,有1-θ的概率反面向上。θ是存在的,但是你不知道它是多少。为了获得θ的值,你做了一个实验:将硬币抛10次,得到了一个正反序列:x=HHTTHTHHHH。
无论θ的值是多少,这个序列的概率值为 θ⋅θ⋅(1-θ)⋅(1-θ)⋅θ⋅(1-θ)⋅θ⋅θ⋅θ⋅θ = θ⁷ (1-θ)³
比如,如果θ值为0,则得到这个序列的概率值为0。如果θ值为1/2,概率值为1/1024。
但是,我们应该得到一个更大的概率值,所以我们尝试了所有θ可取的值,画出了下图:
这个曲线就是θ的似然函数,通过了解在某一假设下,已知数据发生的可能性,来评价哪一个假设更接近θ的真实值。
如图所示,最有可能的假设是在θ=0.7的时候取到。但是,你无须得出最终的结论θ=0.7。事实上,根据贝叶斯法则,0.7是一个不太可能的取值(如果你知道几乎所有的硬币都是均质的,那么这个实验并没有提供足够的证据来说服你,它是均质的)。但是,0.7却是最大似然估计的取值。
5.Fish information
在数理统计中,Fisher information是一种衡量“随机观测样本携带的关于未知参数
的信息量”的方法,其中
为
所遵循的概率密度函数的参数。形式上,它是得分(score)的方差。设
为概率密度函数
θ的似然函数为下式,L为输出,表示随机样本中的所有数据(一个数据可以理解为一个事件)在自变量θ取值下都发生(即事件X发生时)时的可能性大小,输出L越大,表示θ的取值越正确。
费雪信息矩阵是可以用来计算最大似然估计量的协方差矩阵
(59 封私信 / 16 条消息) 费雪信息 (Fisher information) 的直观意义是什么? - 知乎 (zhihu.com)
6.通信经典书籍介绍
7.克拉美罗界
【学习笔记】Cramer-Rao Lower Bound 克拉美-罗界_cramer rao_假如我年华正好的博客-CSDN博客