weixin_61810521的博客

matlab绘图

最小化目标函数：||y - k_r*x_r - k_t*x_t||^2 + lambda * (||x_r||_1 + ||x_t||_1)y=k_r*x_r+k_t*x_t+n 其中k_r和k_t是感知矩阵，x_r和x_t是稀疏向量，写出优化问题，并用压缩感知求解该问题，a. 根据当前估计的稀疏向量x_r和x_t，计算残差向量r = y - k_r * x_r - k_t * x_t。d. 更新稀疏向量估计值：x_r = x_r'，x_t = x_t'。% 更新稀疏向量x_r。% 更新稀疏向量x_t。

在上述代码中，solve_ADMM函数接受输入参数y、k_r、k_t、rho和epsilon，并输出最优解x_r和x_t。以上即是利用ADMM求解 min||x_r||_1+||x_t||_1 s.t. y=k_r*x_r+k_t*x_t 的详细步骤。如果满足停止准则，例如：||y - k_r*x_r^t - k_t*x_t^t||_2^2 < ε，其中ε为预设的容差，则停止迭代；输出最终迭代得到的解x_r^t和x_t^t作为问题的最优解。利用ADMM求解 min||x_r||_1+||x_t||_1。

在,这个问题是一个NP-hard问题,通。：是待恢复稀疏信号；

我们的目的是从观测值y恢复出原始信号x。因此可用一个与测量矩阵不相关的变换矩阵对原始信号做稀疏表示，得到稀疏矩阵。为测量矩阵下原始信号的观测值。

.....endend。

在每次交替迭代中，逐步收缩阈值算法会先计算当前反射相位和信道矩阵的低秩近似，然后再通过交替更新反射相位和信道矩阵来进一步优化估计结果。在智能反射面信道估计中，常常使用的是基于交替最小二乘（Alternating Least Squares，ALS）的信道估计算法，该算法通过交替更新反射相位和信道矩阵来估计信道状态信息（CSI）。b. 固定F，更新H，最小化 ||X - FH||^2 + lambda||H||^2。a. 固定H，更新F，最小化 ||X - FH||^2 + lambda||F||^2。

明确信号的性质，信号可以用向量表示，正是因为信号有大小和方向，大小即为信号的强度大小，方向即为信号的相位，也就是延迟。，也就是说信号经过反射之后可能100%反射出去，也可能有损耗，最差的情况是一点都没反射出去。所以一般考虑最美好的状况就是，如此智能反射单元的系数就是。明确IRS是可控制反射信号的相位，所以以单个智能反射单元为例，该单元可调信号的参数可表示为。是无法控制的，在控制信号大小方面，智能反射单元是鸡肋，它顶多充当一面反射墙，，由于智能反射单元是被动反射的，所以准确来说。如此智能反射单元的系数就是。

将tensor_toolbox安装包保存到matlab安装路径下的toolbox 文件夹中打开matlab 找到toolbox文件夹中tensor_toolbox命令行输入添加路径 addpath F:\matalb\MATLAB\toolbox\tensor_toolbox验证 ：然后在tensor_toolbox文件中中任意找一个m文件。命令行输入which cp_als.m或者输入help tensor

新建一个word空白文档依次点开“设计-页面颜色”，选择自己想要的背景色。一般豆沙绿的参数是：红：202，绿：234，蓝：202。也可以设置成其它自己喜欢的颜色。 另存为word模板文件Normal.dotm，备用。 永久改变背景颜色 打开“C:\Users\用户名\AppData\Roaming\Microsoft\Templates”，此为office的默认模板存放位置。找到原默认模板Normal.dotm，可以重命名之，或直接改个后缀使之暂时不可用。然后把刚刚新建的模板文件复制到本文件夹中，注意新

信道估计是使用接收信号表现出来的各种状态来对信道的特性进行估计的过程。信道估计是信道对输入信号影响的一种数学表示。信道估计可以定义为描述物理信道对输入信号的影响而进行定性研究的过程，是信道对输入信号影响的一种数学表示。如果信道是线性的，那么信道估计就是对系统冲激响应进行估计。信道估计的目标就是使某种估计误差最小化，同时还要尽量降低算法的复杂度，并具有可实现性。为了在接收端能够准确地恢复发射信号，需要对信道的冲激响应进行估计，这就是信道估计。

这也是为什么although和but、because和so不能同时使用的原因！-to do（将要）（除了谓语不能做，其他成分都可以做）并列句中，后面的句子可以省略与前文相同的成分。有很多恋人最后都变成了陌生人。. （谓语重复，出现了双谓语）有很多恋人最后都变成了陌生人。

对角化算法：将F矩阵的第1行元素提取出来，构成一个对角矩阵（即将第1行的元素放到矩阵的主对角线的位置，其他位置都为0）按照 Kiers 水平展开方式进行 1 阶、2 阶、3 阶矩阵化可得到模式-1、模式-2、模式-3 的水平展开分别为。沿着水平方向，将同一方向的矩阵切片依次排列，便得到三阶张量的水平展开形式。表示张量的内积，即两者对应位置元素的相乘之后再求和。张量的F范数与其矩阵化后的 F范数相等。(第一个矩阵的行L，和最后一个矩阵的列T)。的转置模糊矩阵，又称为列模糊矩阵、列交换矩阵。

此外，我们假设每个IRS被放置为使得没有从一个单元中的IRS到任何其他IRS和其他单元BTS的反射。这是由这样的场景驱动的，即每个IRS都有指向其基站的视线，并且定向为指向其小区内。我们考虑IRS辅助的蜂窝网络，如图所示，其中几个多天线基站（BS）在几个IRS的帮助下 (例如，在墙上) 服务于几个单天线移动用户（MUs）。用户移动性可以被视为一个时隙过程，其中位于每个基站的子区域中的用户集合可以被认为是在每个时隙内固定的。假设将L个IRS部署在基站可以利用的服务区域中，以提高基站的下行数据通信性能。

001-深度学习Pytorch环境搭建(Anaconda , PyCharm导入) - 小小猿笔记 - 博客园 (cnblogs.com)

即可变换为角度域信道，因为这时只有和信道路径角度匹配/接近的DFT向量上才会有较大的能量，好在，每一条路径的信道（空间上看，空域）都有一个特殊的结构，也就是信号到达各个基站天线上存在。，比如一个64*1的信道，这个信道向量中包含了64根天线上、某一个。，一个N*N维的DFT矩阵，可以看做是把空间划分成了N个均等分的。并看不出多径的空间角度、也看不出每条路径的时延。空域与角度域、频域与时域之间的域变换是通过。这样就从空域变换到了稀疏的角度域。通过这64*1的信道。到多普勒域的变换同理（

表示矩阵表示向量表示张量表示伪逆diag(a) 从其向量参数中形成对角矩阵；表示Khatri Rao表示Kronecker乘积表示N × N单位矩阵执行相反的操作终端分别配备。IRS由N个反射单元组成。假定BS和UT之间的视线 (LOS) 路径不可用。接收信号模型如下：或者，：在时间t处包含传输导频信号的向量是对IRS的相移和激活模式进行建模的向量，在时间t控制相应元素的开-关状态。表示BS-IRS和IRS-UT的MIMO信道。是加性高斯白噪声 (AWGN) 向量。