11 2022 档案
摘要：022.for循环语句 语法： for(语句1；表达式；语句2) { 语句块 } 注意： 1.循环开始的时候 先执行语句一 在整个循环过程中语句一只会被执行一次 2.判断表达式的值 如果为真 就执行一次循环体中的语句块 3.执行完语句块后 执行一次语句2. #include <iostream> u
阅读全文
摘要：势博弈是静态博弈 策略博弈的一个子集 每个势博弈都服从一个势函数 势博弈的分类： 势函数根据单方面的偏差 可以量化回报上的差距 1.一般普通博弈 2.普通势博弈 如果量化的偏差是符号上的 称为普通势博弈 如果偏差是跟最佳回报相比的 成为最佳回报势博弈 3.完全势博弈 如果这个量化是精确的 称之为完全
阅读全文
摘要：干扰温度，FCC于2003年底推荐的一种量化和管理干扰源的模型。 干扰中的一个重要概念 在CR频率共享系统中，当授权用户与非授权用户共享同一段频谱工作时，必须首先确保授权用户的正常工作。系统需要预先估计授权系统可以接受的干扰值，预测引入非授权用户后在授权用户接收机处带来的干扰，依此来判断是否允许非授
阅读全文
摘要：python的异常处理机制： 这些异常可能会存储在文件里 pycharm开发环境的调试：
阅读全文
摘要：1.信道噪声 1）信道噪声的分类： a.按噪声来源分类：人为噪声、自然噪声、内部噪声（如热噪声）等。 b.按噪声性质分类：脉冲噪声、窄带/单频、内部噪声（如热噪声）等。 其中起伏噪声对信号干扰最为严重，包括热噪声、散弹噪声、宇宙噪声 什么是热噪声: 典型的一种信道噪声就是信道加性噪声（热噪声等），是
阅读全文
摘要：1.理想恒参信道的特性 2.实际恒参信道的特性
阅读全文
摘要：1.信道的定义与分类： 定义：以传输媒介为基础的信号通道 狭义信道：根据传输媒介分为有线信道和无线信道。 有限信道：同轴电缆，光纤 无线信道：微波视距传播，卫星中继，移动通信信道等（比如：两个人之间的手机通信） 广义信道：根据研究问题分为调制信道，编码信道 调制信道：研究调制、解调问题 调制器输出-
阅读全文
摘要：码元：时间间隔相同的符号表示一个二进制数，这样的时间间隔内的信号成为（二进制）码元 比如：10101001010101100110 不同的颜色表示码元 一般可以把码元看作是一个存放一定信息量（包括什么类型的信息量），如果只存放比特（也就是一个字节），那么就有20个码元，这时候码元率就是比特率； 那如
阅读全文
摘要：绝对路径：绝对路径是从根目录出发的路径，路径中的每个文件之间用斜杠进行分隔 相对路径：从一个参考位置出发，表示从这个位置看，其他文件处于什么路径，用相对路径时，用·表示文件当前所在的目录，用..表示更上一层的父目录，如果继续沿着父目录的方向进行攀爬，则表示为：../.. 表示当前节点所属目录的父目录
阅读全文
摘要：channel gain 一个通俗的解释： 信道增益可随/不随时间变化。假设答主处于静止状态下，一直在家里躺着用流量刷抖音，那么此时信道增益可以近似认为不变，因为周边环境没有发生任何变化，电磁波传播路径较为稳定。如果题主处于移动状态，那么信道增益会随收多普勒频移、天线相位、路损、波束成形矢量等因素有
阅读全文
摘要：势博弈是策略博弈的一个子集，每个势博弈都服从一个势函数。 在利用博弈论研究分布式优化的时候，最重要的问题：博弈是否具有有限递增属性（FIP）。 FIP：一个势博弈的递增路径是有限长度的或博弈主体经过有限次的迭代之后可以达到纳什均衡，那么该博弈具有有限递增属性。FIP保证了很多自我利益驱动的博弈的收敛
阅读全文
摘要：一、信道容量和吞吐量 信道容量是指互信息量的最大值。具体地说，在一定带宽和信噪比（信干比）下，借助某种编码方式实现无差错传输时可以达到的最大速率，是一个上界，在实际应用中，传输速率小于等于信道容量。考察的对象主要是实际物理信道传输信息的能力，不针对特定的传输技术及编码方案。 吞吐量是指某个系统在单位
阅读全文
摘要：码率：某时刻信道传输的速率信道容量：信道能无失真传输的最大码率（速率），信息论里面是信道能无失真传输的最大信息量，互信息的最大值；单位符号的信道容量：C= 1/2log（1+P/N）比特/符号单位时间的信道容量：C= wlog（1+P/N）比特/秒通信原理里最大比特率带宽：信道可以不失真地传输信号的
阅读全文
摘要：参数数量及其作用 np.clip是一个截取函数，用于截取数组中小于或者大于某值的部分，并使得被截取部分等于固定值。 函数如下： np.clip( a, a_min, a_max, out=None): 该函数的作用是将数组a中的所有数限定到范围a_min和a_max中。部分参数解释：a：输入矩阵；a
阅读全文
摘要：tf.train.Saver() 作用：保存和加载模型saver = tf.train.Saver()saver.save(sess, ‘路径 + 模型文件名’）在创建这个 Saver 对象的时候， max_to_keep 参数表示要保留的最近检查点文件的最大数量，创建新文件时，将删除旧文件，默认为
阅读全文
摘要：一，tensorflow中有一类在tensor的某一维度上求值的函数。如： 求最大值tf.reduce_max(input_tensor, reduction_indices=None, keep_dims=False, name=None) 求平均值tf.reduce_mean(input_ten
阅读全文
摘要：tf.train.AdamOptimizer()函数是Adam优化算法：是一个寻找全局最优点的优化算法，引入了二次方梯度校正。 tf.train.AdamOptimizer.__init__( learning_rate=0.001, beta1=0.9, beta2=0.999, epsilon=
阅读全文
摘要：tf.concat是连接两个矩阵的操作 tf.concat(concat_dim, values, name='concat') 除去name参数用以指定该操作的name，与方法有关的一共两个参数： 第一个参数concat_dim：必须是一个数，表明在哪一维上连接 如果concat_dim是0，那么
阅读全文
摘要：tf.variable_scope(): 可以让变量有相同的命名，包括tf.get_variable得到的变量，还有tf.Variable变量 它返回的是一个用于定义创建variable(层)的op的上下文管理器。 可变范围允许创建新的variable并分享已创建的variable，同时提供检查，不
阅读全文
摘要：线性整流函数（Rectified Linear Unit, ReLU），又称修正线性单元。其定义如下图，在横坐标的右侧，ReLU函数为线性函数。在横坐标的右侧，ReLU函数为值为0。 因此，tf.nn.relu()函数的目的是，将输入小于0的值幅值为0，输入大于0的值不变。 import tenso
阅读全文
摘要：tf.layers.dense用于添加一个全连接层。 函数如下： tf.layers.dense( inputs, #层的输入 units, #该层的输出维度 activation=None, #激活函数 use_bias=True, kernel_initializer=None, # 卷积核的初
阅读全文
摘要：函数原型：tf.placeholder(dtype, shape=None, name=None） 使用说明：该函数用于得到传递进来的真实的训练样本。同时也可以理解为形参， 用于定义过程，在执行的时候再赋具体的值。（相当于首先定义一个容器，包含容量、size等信息，真正调用的时候再往容器里面注入东西
阅读全文
摘要：用例:numpy.divide(x1, x2, /, out=None, *, where=True, casting=‘same_kind’, order=‘K’, dtype=None, subok=True[, signature, extobj]) = <ufunc ‘true_divide
阅读全文
摘要：np.argwhere( a ) Find the indices of array elements that are non-zero, grouped by element. 返回非0的数组元组的索引，其中a是要索引数组的条件。
阅读全文
摘要：1.np.logical_and (逻辑与) 2.np.logical_or (逻辑或) 3.np.logical_not (逻辑非)
阅读全文
摘要：np.newaxisnp.newaxis 的功能是增加新的维度，但是要注意 np.newaxis 放的位置不同，产生的矩阵形状也不同。通常按照如下规则：np.newaxis 放在哪个位置，就会给哪个位置增加维度x[:, np.newaxis] ，放在后面，会给列上增加维度x[np.newaxis,
阅读全文
摘要：np.repeat用于将numpy数组重复 一维数组重复三次 import numpy as np # 随机生成[0,5)之间的数，形状为(1,4),将此数组重复3次 pop = np.random.randint(0, 5, size=(1, 4)).repeat(3, axis=0) print
阅读全文
摘要：这个函数和之前的区别在于，这个只能创建方阵，也就是N=M 函数的原型：np.identity(n,dtype=None) 参数：n，int型表示的是输出的矩阵的行数和列数都是n dtype：表示的是输出的类型，默认是float 返回的是nxn的主对角线为1，其余地方为0的数组 #有点像单位矩阵 案例
阅读全文
摘要：函数原型： numpy.random.uniform(low,high,size) 功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high. 参数介绍: low: 采样下界，float类型，默认值为0； high: 采样上界，float类型，默认值为1
阅读全文
摘要：numpy.asarray(a, dtype=None, order=None)一、作用： 将输入转换为数组参数： a：输入数据，可以转换为数组的任何形式。这包括列表，元组列表，元组，元组，列表元组和ndarray。 dtype:默认情况下，从输入数据中推断出数据类型 order:是使用行优先（C风
阅读全文
摘要：又碰到不会的函数了 好吧，这个函数比较重要（难且常用） np.random.normal()是一个随机产生正态分布数值的函数，该函数要满足函数内参数的约束，normal这里是正态的意思。我在看孪生网络的时候看到这样的一个例子：numpy.random.normal(loc=0,scale=1e-2,
阅读全文
摘要：函数的作用是，返回一个随机整型数，其范围为[low, high)。如果没有写参数high的值，则返回[0,low)的值。 从random可以看出是产生随机数，randint可以看出是产生随机整数（int） 参数如下： low: int 表示生成的数值大于等于low。 （hign = None时，生成
阅读全文
摘要：搜了一下RB是LTE中包含的物理块，LTE中包含的物理块比较多，做一个快速的学习 RB(Resource Block)： 频率上连续12个子载波，时域上一个slot，称为1个RB。如下图所示，根据一个子载波带宽是15k可以得出一个RB的带宽为180khz。 一个资源块在频域上由12个子载波构成共18
阅读全文
摘要：一、路径损耗（Path loss）是在发射器和接收器之间由传播环境引入的损耗的量。功率损耗当 RF 波传输在空气中时发生。这个损耗发生是因为空气提供对信号的过滤作用。特定的电磁频率（非常高且非商业化）被完全地阻塞或被空气过滤。 大尺度路径损耗：大尺度平均路径损耗用于测量发射机和接收机之间信号的平均衰
阅读全文
摘要：在信号传输的过程中，并不是 将信号直接进行传输，而是将信号负载到一个固定频率的波上，这个过程成为加载，这样信号就会有固定的频率。 就是把一个较低的信号频率调制到一个相对较高的频率上去，这被低频调制的较高频率就叫载波频率，也叫基频。 “好家伙，搜了一圈发现大家都用的这句话，说实话我不是很能理解。于是去
阅读全文
摘要：import matplotlib as plt #matlab语法 plt.figure(figsize=(9,3)) #表示图表的长度为9，高度为3 #在2行1列位置，画第一个图 plt.subplot(211) plt.bar(seasons.stock1) #2行1列，画第二个图 plt.s
阅读全文
摘要：一、numpy是什么： 将所有的数据通过numpy表示成数组的形式，也就是将他们进行向量化 因为numpy对数据所有的运算都是基于数组的，因此在运算之前需要将 数据表示成数组的形式 导入：import numpy as np 创建数组：np.array([1,2,3,4,5]) 创建全0的数组：np
阅读全文
