当IRS应用于Nakagami-m信道

  • 单变量 X X X服从Nakagami-m分布, X 2 ∼ G a m m a ( m X , Ω X ) X^2\sim Gamma(m_X,\Omega_X) X2Gamma(mX,ΩX),且有 E ( X 2 ) = Ω X \mathbb{E}(X^2)=\Omega_X E(X2)=ΩX

均值: E ( X ) = Ω X m X Γ ( m X + 0.5 ) Γ ( m X ) \mathbb{E}(X)=\sqrt{\frac{\Omega_X}{m_X}}\frac{\Gamma(m_X+0.5)}{\Gamma(m_X)} E(X)=mXΩX Γ(mX)Γ(mX+0.5)

方差: D ( X ) = E ( X 2 ) − E 2 ( X ) = Ω X − Ω X m X [ Γ ( m X + 0.5 ) Γ ( m X ) ] 2 \mathbb{D}(X) =\mathbb{E}(X^2)-\mathbb{E}^{2}(X)=\Omega_X-\frac{\Omega_X}{m_X}[\frac{\Gamma(m_X+0.5)}{\Gamma(m_X)}]^2 D(X)=E(X2)E2(X)=ΩXmXΩX[Γ(mX)Γ(mX+0.5)]2

  • 双变量 X , Y X,Y XY相互独立且都服从Nakagami-m分布, X Y XY XY均值和方差为:

均值: E ( X Y ) = E ( X ) E ( Y ) = Ω X Ω Y m X m Y Γ ( m X + 0.5 ) Γ ( m Y + 0.5 ) Γ ( m X ) Γ ( m Y ) = A \mathbb{E}(XY)=\mathbb{E}(X)\mathbb{E}(Y)=\sqrt{\frac{\Omega_X\Omega_Y}{m_Xm_Y}}\frac{\Gamma(m_X+0.5)\Gamma(m_Y+0.5)}{\Gamma(m_X)\Gamma(m_Y)}=A E(XY)=E(X)E(Y)=mXmYΩXΩY Γ(mX)Γ(mY)Γ(mX+0.5)Γ(mY+0.5)=A

方差: D ( X Y ) = E [ ( X Y ) 2 ] − E 2 [ X Y ] = E [ X 2 ] E [ Y 2 ] − E 2 [ X ] E 2 [ Y ] = Ω X Ω Y − Ω X Ω Y m X m Y [ Γ ( m X + 0.5 ) Γ ( m Y + 0.5 ) Γ ( m X ) Γ ( m Y ) ] 2 \begin{aligned} \mathbb{D}(XY) &=\mathbb{E}[(XY)^2]-\mathbb{E}^{2}[XY]\\ &=\mathbb{E}[X^2]\mathbb{E}[Y^2]-\mathbb{E}^{2}[X]\mathbb{E}^{2}[Y]\\ &=\Omega_X\Omega_Y-\frac{\Omega_X\Omega_Y}{m_Xm_Y}[\frac{\Gamma(m_X+0.5)\Gamma(m_Y+0.5)}{\Gamma(m_X)\Gamma(m_Y)}]^2\end{aligned} D(XY)=E[(XY)2]E2[XY]=E[X2]E[Y2]E2[X]E2[Y]=ΩXΩYmXmYΩXΩY[Γ(mX)Γ(mY)Γ(mX+0.5)Γ(mY+0.5)]2

  • 变量 ζ \zeta ζ 服从高斯分布, ζ ∼ N ( μ , σ 2 ) \zeta \sim N(\mu,\sigma^2) ζN(μ,σ2)
    PDF:
    在这里插入图片描述
    CDF:在这里插入图片描述
    那么 Z = ζ 2 Z=\zeta^2 Z=ζ2分布函数为:
    在这里插入图片描述

  • IRS各信道相互独立,信道增益 Z = ∑ n = 1 N X n Y n Z=\sum_{n=1}^{N}X_{n}Y_{n} Z=n=1NXnYn

均值: E ( Z ) = ∑ n = 1 N E ( X n ) E ( Y n ) = N A \mathbb{E}(Z)=\sum_{n=1}^{N}\mathbb{E}(X_n)\mathbb{E}(Y_n)=NA E(Z)=n=1NE(Xn)E(Yn)=NA

方差: D ( Z ) = E ( Z 2 ) − E 2 ( Z ) = ∑ n = 1 N E ( X n 2 ) E ( Y n 2 ) − ∑ n = 1 N E 2 ( X n Y n ) = N Ω X Ω Y − N [ Ω X Ω Y m X m Y Γ ( m X + 0.5 ) Γ ( m Y + 0.5 ) Γ ( m X ) Γ ( m Y ) ] 2 = N ( Ω X Ω Y − A 2 ) \begin{aligned}\mathbb{D}(Z) &=\mathbb{E}(Z^2)-\mathbb{E}^{2}(Z)\\ &=\sum_{n=1}^{N}\mathbb{E}(X_n^2)\mathbb{E}(Y_n^2)-\sum_{n=1}^{N}\mathbb{E}^2(X_nY_n)\\ &=N\Omega_X\Omega_Y-N[\sqrt{\frac{\Omega_X\Omega_Y}{m_Xm_Y}}\frac{\Gamma(m_X+0.5)\Gamma(m_Y+0.5)}{\Gamma(m_X)\Gamma(m_Y)}]^2\\ &=N(\Omega_X\Omega_Y-A^2)\end{aligned} D(Z)=E(Z2)E2(Z)=n=1NE(Xn2)E(Yn2)n=1NE2(XnYn)=NΩXΩYN[mXmYΩXΩY Γ(mX)Γ(mY)Γ(mX+0.5)Γ(mY+0.5)]2=N(ΩXΩYA2)

  • 18
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 2
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值