<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[UncleWa的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/UncleWa</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; UncleWa]]></copyright><item><title><![CDATA[Zotero-无法打开zotero数据库]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/125892778</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/125892778</guid><author>UncleWa</author><pubDate>Wed, 20 Jul 2022 15:20:59 +0800</pubDate><description><![CDATA[无法打开Zotero数据库解决方案]]></description><category></category></item><item><title><![CDATA[USRP系列（四）：USRP RIO 和 Stand-alone USRP]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/124577486</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/124577486</guid><author>UncleWa</author><pubDate>Wed, 04 May 2022 21:31:09 +0800</pubDate><description><![CDATA[本文是USRP系列的第四篇，主要介绍什么是USRP RIO以及这些USRP包含什么型号的FPGA，并给出了Stand-alone设备的解释。]]></description><category></category></item><item><title><![CDATA[USRP系列（三）：NI 与Ettus Research的USRP区别]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/124577243</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/124577243</guid><author>UncleWa</author><pubDate>Wed, 04 May 2022 21:28:49 +0800</pubDate><description><![CDATA[NI与Ettus的USRP就像他们的关系一样，它们以两个不同的品牌进行营销和销售：NI和Ettus Research。本文介绍他们的关系及对应的USRP产品线。]]></description><category></category></item><item><title><![CDATA[USRP系列（二）：USRP作用、组件及产品系列介绍]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/124576744</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/124576744</guid><author>UncleWa</author><pubDate>Wed, 04 May 2022 21:25:34 +0800</pubDate><description><![CDATA[USRP系列（二）：USRP作用、组件及产品系列介绍
本文是该系列文章中的第二篇，主要对USRP的作用、组件以及系列产品进行介绍。
]]></description><category></category></item><item><title><![CDATA[USRP系列（一）：软件定义无线电（SDR）]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/124576371</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/124576371</guid><author>UncleWa</author><pubDate>Wed, 04 May 2022 21:21:52 +0800</pubDate><description><![CDATA[本专栏介绍通用软件定义无线电USRP，让大家对USRP以及该系列产品有个基本的认识。
打算分几篇Blog从以下几个方面介绍：

SDR的概念及介绍
USRP的作用、组件、产品系列（包括NI和Ettus Research）
NI与Ettus Research的关系及产品区别
什么是USRP RIO及什么是stand-alone 的USRP
首先第一篇文章介绍下SDR的基本知识：]]></description><category></category></item><item><title><![CDATA[阵列导向矢量（Steering vector）推导]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/123780502</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/123780502</guid><author>UncleWa</author><pubDate>Sun, 27 Mar 2022 21:01:40 +0800</pubDate><description><![CDATA[毫米波信道中S-V模型常涉及天线阵列的导向矢量，本文具体推导ULA及UPA天线阵列的导向矢量，便于记忆。]]></description><category></category></item><item><title><![CDATA[Conic Programming 锥规划问题]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/123558906</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/123558906</guid><author>UncleWa</author><pubDate>Thu, 17 Mar 2022 20:05:57 +0800</pubDate><description><![CDATA[Conic Programming
(1) 先给出锥和凸锥的定义：


(2) 锥的分类

凸锥的图形化表示：


Remark: 锥与球的区别

（3） 锥规划问题及其对偶问题的形式：



对偶锥（dual cone）


(4) Conic programming 与LP、QP和SDP之间的关系

资料整理来自：
（1）https://zhuanlan.zhihu.com/p/36124850
（2）https://zhuanlan.zhihu.com/p/36292050
（3）https://zh]]></description><category></category></item><item><title><![CDATA[VScode反向搜索突然失效解决方案]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/121483231</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/121483231</guid><author>UncleWa</author><pubDate>Mon, 22 Nov 2021 23:27:43 +0800</pubDate><description><![CDATA[记录VSCode Latex SumatraPDF 反向搜索突然失效的原因
一、 最近VScode自动更新至1.62.3版本，然后反向搜索就突然失效了。这种版本更新带来的bug的确太难找了。在知乎上找到了解决方法，贴上知乎大佬（杂然赋流形丶）的回答链接：VScode+latex+SumatraPDF反向搜索失败解决办法（Version 1.62）
二、总结一下就是：
突然失效原因：VS code 的版本更新造成
解决方案：
1. 在VS code 外打开sumatraPDF软件,再反向搜索。（前提：需要更改]]></description><category></category></item><item><title><![CDATA[强对偶性与KKT条件]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/119617800</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/119617800</guid><author>UncleWa</author><pubDate>Wed, 11 Aug 2021 21:52:20 +0800</pubDate><description><![CDATA[强对偶性与KKT条件
1. 强对偶性：
强对偶性意味着原问题与对偶问题的最优值达到相等，没有对偶间隙。

强对偶性不总是成立（即使是对于凸问题）。凸问题usually (but not always)有强对偶性。
有很多条件使强对偶性成立，这些条件称为constraint qualifications.
其中之一就是Slater’s condition:(Slater condition 是凸问题强对偶性成立的充分条件)

2. 非凸问题也可能有强对偶性
非凸问题也可能有强对偶性(即原问题的解与对偶问题的解]]></description><category></category></item><item><title><![CDATA[VS code +Latex+SumatrPDF正反向搜索设置]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/119548880</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/119548880</guid><author>UncleWa</author><pubDate>Mon, 09 Aug 2021 23:16:56 +0800</pubDate><description><![CDATA[VS code +Latex+SumatrPDF 正反向搜索设置
复制最下面的代码到settings.json即可，注意更改路径和易错点，如下：
1. 不能删除.gz文件，所以清除生成的多余文件的代码为：
       "latex-workshop.latex.clean.fileTypes": [
           "*.aux",
           "*.bbl",
           "*.blg",
           "*.idx",
           "*.ind",
    ]]></description><category></category></item><item><title><![CDATA[2021-08-08]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/119513781</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/119513781</guid><author>UncleWa</author><pubDate>Sun, 08 Aug 2021 13:39:28 +0800</pubDate><description><![CDATA[win10系统安装
转载：https://zhuanlan.zhihu.com/p/49181786
作者：金源
欢迎使用Markdown编辑器
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。
新的改变
我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：

全新的界面设计 ，将会带来全新的写作]]></description><category></category></item><item><title><![CDATA[BLUE（2矢量参数）]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/108744391</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/108744391</guid><author>UncleWa</author><pubDate>Wed, 23 Sep 2020 00:23:05 +0800</pubDate><description><![CDATA[矢量参数的BLUE求解
待估计的参数是px1维矢量参数，为了使估计量与数据成线性关系，要求：

为了确定BLUE，我们约束  是线性且无偏的，那么求 以便使方差最小。
因此：



发现：
这个BLUE与一般线性模型的MVU形式是一样的！
下面的(高斯-马尔可夫定理)说明了一般性：

附：

标量和矢量参数的约束条件下求解过程还没写！
至今不知道怎样在博客上打公式，只能先在word打出来，再截图贴图片了。

参考：fundamentals of statistical signal processing

]]></description><category></category></item><item><title><![CDATA[协方差矩阵、大数定律、牛顿迭代法]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/108705981</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/108705981</guid><author>UncleWa</author><pubDate>Mon, 21 Sep 2020 12:34:40 +0800</pubDate><description><![CDATA[方差与协方差
方差是用来度量单个随机变量的离散程度，而协方差是用来刻画两个随即变量的相似程度。

从协方差/方差到协方差矩阵：

假设一个向量X服从均值向量为μ，协方差向量为，的多元正态分布，则概率密度函数表示为：

大数定律
辛钦大数定律：样本均值依概率收敛于期望值。

另一种切比雪夫定理的情况：


...]]></description><category></category></item><item><title><![CDATA[MVU估计量之BLUE（1标量）]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/108688389</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/108688389</guid><author>UncleWa</author><pubDate>Sun, 20 Sep 2020 01:05:41 +0800</pubDate><description><![CDATA[最佳线性无偏估计量(读书笔记)
有时候MVU估计量即使存在也无法求出，比如在不知道数据的PDF的情况下------
之前在CRLB和利用充分统计量求MVU的方法中，CRLB的思路大概是在满足PDF的正则条件下，利用等式成立的条件lnp(x;theta)与Fisher函数的关系（公式怎么打上去？）可以找到满足条件的MVU估计量，这个估计量也是有效的，（也有可能找不到MVU）；利用充分统计量求MVU大概是先利用Neyman-Fisher因子分解定理找到充分统计量，再判断充分估计量的完备性（利用g(T(x))函数]]></description><category></category></item><item><title><![CDATA[卷积神经网络]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/103548412</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/103548412</guid><author>UncleWa</author><pubDate>Sun, 15 Dec 2019 14:33:30 +0800</pubDate><description><![CDATA[卷积神经网络（CNN）是深度学习（DL）模型的一种
1、在整个神经网络结构中，通常分为:卷积层、池化层、归一化层、非线性层和全连接层。
有关各层的详细作用及工作原理见博客
https://blog.youkuaiyun.com/yjl9122/article/details/70198357
2、其中有许多不易理解的名词，有关解释见博客
https://blog.youkuaiyun.com/weixin_4001346...]]></description><category></category></item><item><title><![CDATA[深度学习与卷积神经网络]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/103548322</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/103548322</guid><author>UncleWa</author><pubDate>Sun, 15 Dec 2019 14:23:53 +0800</pubDate><description><![CDATA[**
自己学习笔记
深度学习
概述
深度学习(Deep Learning, DL)由Hinton等人于2006年提出，是机器学习(MachineLearning, ML)的一个新领域，近年来在语音识别、计算机视觉等多类应用中取得突破性的进展。其动机在于建立模型模拟人类大脑的神经连接结构，在处理图像、声音和文本这些信号时，通过多个变换阶段分层对数据特征进行描述，进而给出数据的解释。
深度学习本质上是...]]></description><category></category></item><item><title><![CDATA[求助MUSIC算法]]></title><link>https://blog.youkuaiyun.com/UncleWa/article/details/103532326</link><guid>https://blog.youkuaiyun.com/UncleWa/article/details/103532326</guid><author>UncleWa</author><pubDate>Fri, 13 Dec 2019 19:27:52 +0800</pubDate><description><![CDATA[波达方向估计中MUSIC算法
关于此算法的仿真性能分析，甚是疑惑，请巨佬们推荐一下好的文章和matlab程序以供参考！

]]></description><category></category></item></channel></rss>