组会复盘(一)

(一)学习方法论

1.目的?

运用数学工具解决实际问题。

2.如何学习?

研究一个问题需要了解它的来龙去脉(如国内外背景之类)。一般,我们看问题保持中立的态度。

检验标准:能把这个问题当做故事讲给一个完全不懂这个领域的人听。这是一个由复杂到简单,再由简单到复杂的过程。

3.如何阅读文献?

首先泛读文献综述(博士论文),再挑选感兴趣的、觉得适合自己的精读。精读主要看研究的对象、研究的方法、研究的目标或者性能指标。

(二)目前需要研究的问题

对象:研究 x ˙ = A x \dot{x}=Ax x˙=Ax的问题(稳定性相关)。

1.内部稳定: x ˙ = f ( t , x ) \dot{x}=f(t,x) x˙=f(t,x) 求解 x ( t ) = ( t , t 0 , x 0 ) → 0 x(t)=(t,t_0,x_0)\rightarrow0 x(t)=(t,t0,x0)0
(i)是否趋近于零
(ii)如何趋近于零
(iii)以怎样的速度趋近于零
实际: x ˙ = f ( t , t − τ , x ) \dot{x}=f(t,t- \tau,x) x˙=f(t,tτ,x)

2.外部稳定: x ˙ = f ( t , x , v ) \dot{x}=f(t,x,v) x˙=f(t,x,v) ,其中v表示外部干扰。

系统指标: x ˙ = f ( t , x ) + u ( x ) = F ( t , x ) \dot{x}=f(t,x)+u(x)=F(t,x) x˙=f(t,x)+u(x)=F(t,x)
其中 f ( t , x ) ↛ 0 f(t,x)\nrightarrow0 f(t,x)0 u ( x ) u(x) u(x)表示加控制器,使得 F ( t , x ) → 0 F(t,x)\rightarrow0 F(t,x)0
状态反馈(控制器设计,简化):
1.判断输出。 u ( x ) = c y u(x)=cy u(x)=cy, y = k x y=kx y=kx,y为输出,x为未知状态。
2.对比模拟状态。 z ˙ = g ( t , z ) \dot{z}=g(t,z) z˙=g(t,z),输出动态反馈。

(三)待了解内容

1. x ˙ = A x \dot{x}=Ax x˙=Ax,稳定性
2.夹逼准则(不等式)
3.利普希茨条件
4.分段线性( p i e c e w i s e l i n e a r piecewise linear piecewiselinear
5.微分方程(王高雄)
6.BAM(解学军)
7.有限时间有界(FTB),系统 v v v镇定 v ˙ < 0 \dot{v}<0 v˙<0
8. f u z z y c o n t r o l fuzzy control fuzzycontrol, ∑ u i ( k i x ) \sum u_i(k_ix) ui(kix)非线性

如有错误或者问题请指出,欢迎各位朋友交流学习。

《RSMA与速率拆分在有限反馈通信系统中的MMSE基预编码实现》 本文将深入探讨RSMA(Rate Splitting Multiple Access)技术在有限反馈通信系统中的应用,特别是通过MMSE(Minimum Mean Square Error)基预编码进行的实现。速率拆分是现代多用户通信系统中种重要的信号处理策略,它能够提升系统的频谱效率和鲁棒性,特别是在资源受限和信道条件不理想的环境中。RSMA的核心思想是将用户的数据流分割成公共和私有信息两部分,公共信息可以被多个接收器解码,而私有信息仅由特定的接收器解码。这种方式允许系统在用户间共享信道资源,同时保证了每个用户的个性化服务。 在有限反馈通信系统中,由于信道状态信息(CSI)的获取通常是有限且不精确的,因此选择合适的预编码技术至关重要。MMSE预编码是种优化策略,其目标是在考虑信道噪声和干扰的情况下最小化期望平方误差。在RSMA中,MMSE预编码用于在发射端对数据流进行处理,以减少接收端的干扰,提高解码性能。 以下代码研究RSMA与MMSE预编码的结合以观察到如何在实际系统中应用RSMA的速率拆分策略,并结合有限的反馈信息设计有效的预编码矩阵。关键步骤包括: 1. **信道模型的建立**:模拟多用户MIMO环境,考虑不同用户之间的信道条件差异。 2. **信道反馈机制**:设计有限反馈方案,用户向基站发送关于信道状态的简化的反馈信息。 3. **MMSE预编码矩阵计算**:根据接收到的有限反馈信息,计算出能够最小化期望平方误差的预编码矩阵。 4. **速率拆分**:将每个用户的传输信息划分为公共和私有两部分。 5. **信号发射与接收**:使用预编码矩阵对信号进行处理,然后在接收端进行解码。 6. **性能评估**:分析系统吞吐量、误码率等性能指标,对比不同策略的效果。
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