Channel论文阅读笔记7-4之multipath interference by Jakes

信号频率分布
衰落信号(信道)在同相和正交相分量上的时变意味着信号的频率是随机变量,即信号经历随机频率调制,这种随机调频可以用概率密度函数和功率谱来描述。

由联合概率密度函数 p ( r , r ˙ , θ , θ ˙ ) = r 2 4 π 2 b 0 b 2 exp ⁡ [ − 1 2 ( r 2 b 0 + r ˙ 2 b 2 + r 2 θ ˙ 2 b 2 ) ] p(r,\dot r,\theta, \dot\theta)={r^2\over 4\pi^2b_0b_2}\exp \left[-{1\over 2}\left({r^2\over b_0}+{\dot r^2\over b_2}+{r^2\dot\theta^2\over b_2}\right)\right] p(r,r˙,θ,θ˙)=4π2b0b2r2exp[21(b0r2+b2r˙2+b2r2θ˙2)] 得到 θ ˙ \dot\theta θ˙ 的概率密度函数
p ( θ ˙ ) = ∫ 0 ∞ d r ∫ − ∞ ∞ ∫ 0 2 π d θ p ( r , r ˙ , θ , θ ˙ ) d θ ˙ = 1 2 b 0 b 2 ( 1 + b 0 θ ˙ 2 b 2 ) − 3 / 2 (1.4-1) p(\dot\theta)=\int_0^\infty dr\int_{-\infty}^\infty\int_0^{2\pi} d\theta p(r,\dot r,\theta, \dot\theta)d\dot\theta ={1\over 2}\sqrt{b_0\over b_2}\left(1+{b_0\dot\theta^2\over b_2}\right)^{-3/2}\tag {1.4-1} p(θ˙)=0dr02πdθp(r,r˙,θ,θ˙)dθ˙=21b2b0 (1+b2b0θ˙2)3/2(1.4-1)
随机调频的均方值为无穷大
∫ − ∞ ∞ θ ˙ 2 p ( θ ˙ ) = 1 2 b 0 b 2 ∫ − ∞ ∞ − b 2 b 0 θ ˙ ⋅ θ ˙ 2 d ( 1 + b 0 θ ˙ 2 b 2 ) − 1 / 2 = 1 2 b 2 b 0 { − θ ˙ ( 1 + b 0 θ ˙ 2 b 2 ) − 1 / 2 ∣ − ∞ ∞ + ∫ − ∞ ∞ ( 1 + b 0 θ ˙ 2 b 2 ) − 1 / 2 d θ ˙ } = b 2 b 0 [ − 1 + lim ⁡ θ ˙ → ∞ ln ⁡ ( 2 b 0 b 2 θ ˙ ) ] = b 2 b 0 [ − 1 + ∞ ] (1.4-2) \begin{aligned}&\int_{-\infty}^\infty\dot\theta^2p(\dot\theta)={1\over 2}\sqrt{b_0\over b_2}\int_{-\infty}^\infty-{b_2 \over b_0\dot\theta}\cdot \dot\theta^2d\left(1+{b_0\dot\theta^2\over b_2}\right)^{-1/2} \\&={1\over 2}\sqrt{b_2\over b_0}\left\{-\left.\dot\theta\left(1+{b_0\dot\theta^2\over b_2}\right)^{-1/2}\right|_{-\infty}^\infty+\int_{-\infty}^\infty\left(1+{b_0\dot\theta^2\over b_2}\right)^{-1/2}d \dot\theta\right\}\\ &={b_2\over b_0}\left[-1+\lim_{\dot\theta\to\infty} \ln\left(2\sqrt{{b_0\over b_2}}\dot\theta\right) \right]={b_2\over b_0}[-1+\infty]\end{aligned}\tag {1.4-2} θ˙2p(θ˙)=21b2b0 b0θ˙b2θ˙2d(1+b2b0θ˙2)1/2=21b0b2 θ˙(1+b2b0θ˙2)1/2+(1+b2b0θ˙2)1/2dθ˙=b0b2[1+θ˙limln(2b2b0 θ˙)]=b0b2[1+](1.4-2)
(系数与原文中不同,有待核查)
最后等式的第一项是因为
lim ⁡ θ ˙ → ∞ θ ˙ ( 1 + b 0 θ ˙ 2 b 2 ) − 1 / 2 = lim ⁡ θ ˙ → ∞ θ ˙ ( b 0 θ ˙ 2 b 2 ) − 1 / 2 = b 2 b 0 \lim_{\dot\theta\to\infty}\dot\theta\left(1+{b_0\dot\theta^2\over b_2}\right)^{-1/2}=\lim_{\dot\theta\to\infty}\dot\theta\left({b_0\dot\theta^2\over b_2}\right)^{-1/2}=\sqrt{b_2\over b_0} θ˙limθ˙(1+b2b0θ˙2)1/2=θ˙limθ˙(b2b0θ˙2)1/2=b0b2
最后等式的第二项是因为
∫ 1 a 2 + x 2 = ln ⁡ ( x + a 2 + x 2 ) + C \int {1\over\sqrt{a^2+x^2}}=\ln(x+\sqrt{a^2+x^2})+C a2+x2 1=ln(x+a2+x2 )+C lim ⁡ θ ˙ → ∞ ln ⁡ ( b 0 b 2 θ ˙ + 1 + b 0 θ ˙ 2 b 2 ) = lim ⁡ θ ˙ → ∞ ln ⁡ ( 2 b 0 b 2 θ ˙ ) = ∞ \lim_{\dot\theta\to\infty}\ln\left(\sqrt{{b_0\over b_2}}\dot\theta+\sqrt{1+{b_0\dot\theta^2\over b_2}}\right)=\lim_{\dot\theta\to\infty}\ln\left(2\sqrt{{b_0\over b_2}}\dot\theta\right)=\infty θ˙limlnb2b0 θ˙+1+b2b0θ˙2 =θ˙limln(2b2b0 θ˙)=

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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