渐进推导中常用的一些结论
标题很帅
STAR-RIS Enhanced Joint Physical Layer Security and Covert Communications for Multi-antenna mmWave Systems文章末尾的一个推导。
lim M → ∞ ∥ Φ ( w k ⊗ Θ r ) Ω r w H g ∗ ∥ 2 2 M = lim M → ∞ Tr ( g T Ω r w ( w k ⊗ Θ r ) H Φ H Φ ( w k ⊗ Θ r ) Ω r w H g ∗ ) M → ( a ) Tr ( Ω r w H Ω r w ( w k ⊗ Θ r ) H Φ H Φ ( w k ⊗ Θ r ) ) M = ( b ) Tr ( ∑ l = 1 L ( w k H Ψ B R l w k ) ⊗ ( Ω r w H Ω r w Θ r H Ψ ^ B R l Θ r ) ) M = ( c ) ∑ l = 1 L ( w k H Ψ B R l w k ) Tr ( Ω r w H Ω r w Θ r H Ψ ^ B R l Θ r ) M = ∑ l = 1 L ( w k H Ψ B R l w k ) ( ϑ r T Ξ T ( ( Ψ ^ B R l ) T ⊗ ( Ω r w H Ω r w ) ) Ξ ϑ r ∗ ) M , \begin{array}{l} \lim _{M \rightarrow \infty} \frac{\left\|\boldsymbol{\Phi}\left(\mathbf{w}_{k} \otimes \boldsymbol{\Theta}_{\mathrm{r}}\right) \boldsymbol{\Omega}_{\mathrm{rw}}^{H} \mathbf{g}^{*}\right\|_{2}^{2}}{M} \\ =\lim _{M \rightarrow \infty} \frac{\operatorname{Tr}\left(\mathbf{g}^{T} \boldsymbol{\Omega}_{\mathrm{rw}}\left(\mathbf{w}_{k} \otimes \boldsymbol{\Theta}_{\mathrm{r}}\right)^{H} \mathbf{\Phi}^{H} \boldsymbol{\Phi}\left(\mathbf{w}_{k} \otimes \boldsymbol{\Theta}_{\mathrm{r}}\right) \boldsymbol{\Omega}_{\mathrm{rw}}^{H} \mathbf{g}^{*}\right)}{M} \\ \stackrel{(a)}{\rightarrow} \frac{\operatorname{Tr}\left(\boldsymbol{\Omega}_{\mathrm{rw}}^{H} \boldsymbol{\Omega}_{\mathrm{rw}}\left(\mathbf{w}_{k} \otimes \boldsymbol{\Theta}_{\mathrm{r}}\right)^{H} \boldsymbol{\Phi}^{H} \boldsymbol{\Phi}\left(\mathbf{w}_{k} \otimes \boldsymbol{\Theta}_{\mathrm{r}}\right)\right)}{M} \\ \stackrel{(b)}{=} \frac{\operatorname{Tr}\left(\sum_{l=1}^{L}\left(\mathbf{w}_{k}^{H} \mathbf{\Psi}_{\mathrm{BR}}^{l} \mathbf{w}_{k}\right) \otimes\left(\boldsymbol{\Omega}_{\mathrm{rw}}^{H} \boldsymbol{\Omega}_{\mathrm{rw}} \boldsymbol{\Theta}_{\mathrm{r}}^{H} \widehat{\mathbf{\Psi}}_{\mathrm{BR}}^{l} \boldsymbol{\Theta}_{\mathrm{r}}\right)\right)}{M} \\ \stackrel{(c)}{=} \frac{\sum_{l=1}^{L}\left(\mathbf{w}_{k}^{H} \mathbf{\Psi}_{\mathrm{BR}}^{l} \mathbf{w}_{k}\right) \operatorname{Tr}\left(\boldsymbol{\Omega}_{\mathrm{rw}}^{H} \boldsymbol{\Omega}_{\mathrm{rw}} \boldsymbol{\Theta}_{\mathrm{r}}^{H} \widehat{\boldsymbol{\Psi}}_{\mathrm{BR}}^{l} \boldsymbol{\Theta}_{\mathrm{r}}\right)}{M} \\ =\frac{\sum_{l=1}^{L}\left(\mathbf{w}_{k}^{H} \boldsymbol{\Psi}_{\mathrm{BR}}^{l} \mathbf{w}_{k}\right)\left(\boldsymbol{\vartheta}_{\mathrm{r}}^{T} \mathbf{\Xi}^{T}\left(\left(\widehat{\Psi}_{\mathrm{BR}}^{l}\right)^{T} \otimes\left(\boldsymbol{\Omega}_{\mathrm{rw}}^{H} \boldsymbol{\Omega}_{\mathrm{rw}}\right)\right) \boldsymbol{\Xi} \boldsymbol{\vartheta}_{\mathrm{r}}^{*}\right)}{M}, \end{array} limM→∞M∥Φ(wk⊗Θr)ΩrwHg∗∥22=limM→∞MTr(gTΩrw(wk⊗Θr)HΦHΦ(wk⊗Θr)ΩrwHg∗)→(a)MTr(ΩrwHΩrw(wk⊗Θr)HΦHΦ(wk⊗Θr))=(b)MTr(∑l=1L(wkHΨBRlwk)⊗(ΩrwHΩrwΘrHΨ BRlΘr))=(c)M∑l=1L(wkHΨBRlwk)Tr(ΩrwHΩrwΘrHΨ BRlΘr)=M∑l=1L(wkHΨBRlwk)(ϑrTΞT((Ψ BRl)T⊗(ΩrwHΩrw))Ξϑr∗),
具体推导过程在论文Large System Performance of Linear Multiuser Receivers in Multipath Fading Channels中
其中步骤(a)的推导来自于:
相关文章:

渐进推导中常用的一些结论
标题很帅 STAR-RIS Enhanced Joint Physical Layer Security and Covert Communications for Multi-antenna mmWave Systems文章末尾的一个推导。 lim M → ∞ ∥ Φ ( w k ⊗ Θ r ) Ω r w H g ∗ ∥ 2 2 M lim M → ∞ Tr ( g T Ω r w ( w k ⊗ Θ r ) H Φ H Φ…...

网络安全等级保护V2.0测评指标
网络安全等级保护(等保V2.0)测评指标: 1、物理和环境安全 2、网络和通信安全 3、设备和计算安全 4、应用和数据安全 5、安全策略和管理制度 6、安全管理机构和人员 7、安全建设管理 8、安全运维管理 软件全文档获取:点我获取 1、物…...
java中list的addAll用法详细实例?
List 的 addAll() 方法用于将一个集合中的所有元素添加到另一个 List 中。下面是一个详细的实例,展示了 addAll() 方法的使用: java Copy code import java.util.ArrayList; import java.util.List; public class AddAllExample { public static v…...

关于学习计算机的心得与体会
也是隔了一周没有发文了,最近一直在准备期末考试,后来想了很久,学了这么久的计算机,这当中有些收获和失去想和各位正在和我一样在学习计算机的路上的老铁分享一下,希望可以作为你们碰到困难时的良药。先叠个甲…...

LLM之RAG理论(一)| CoN:腾讯提出笔记链(CHAIN-OF-NOTE)来提高检索增强模型(RAG)的透明度
论文地址:https://arxiv.org/pdf/2311.09210.pdf 检索增强语言模型(RALM)已成为自然语言处理中一种强大的新范式。通过将大型预训练语言模型与外部知识检索相结合,RALM可以减少事实错误和幻觉,同时注入最新知识。然而&…...

Android studio:打开应用程序闪退的问题2.0
目录 找到问题分析问题解决办法 找到问题 老生常谈,可能这东西真的很常见吧,在之前那篇文章中 linkhttp://t.csdnimg.cn/UJQNb 已经谈到了关于打开Androidstuidio开发的软件后明明没有报错却无法运行(具体表现为应用程序闪退的问题ÿ…...
Spring IoC如何存取Bean对象
小王学习录 IoC(Inversion of Control)1. 什么是IoC2. 什么是Spring IoC3. 什么是DI4. Spring IoC的作用 存储Bean对象1. 创建Bean2. 将Bean注册到Spring中. 取Bean对象.1. 获取Spring上下文信息使用ApplicationContext和BeanFactory的区别 2. 获取指定Bean对象 IoC(Inversion …...

【开源】基于Vue.js的实验室耗材管理系统
文末获取源码,项目编号: S 081 。 \color{red}{文末获取源码,项目编号:S081。} 文末获取源码,项目编号:S081。 目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 耗材档案模块2.2 耗材入库模块2.3 耗…...

Datawhale聪明办法学Python(task2Getting Started)
一、课程基本结构 课程开源地址:课程简介 - 聪明办法学 Python 第二版 章节结构: Chapter 0 安装 InstallationChapter 1 启航 Getting StartedChapter 2 数据类型和操作 Data Types and OperatorsChapter 3 变量与函数 Variables and FunctionsChapte…...

量化交易怎么操作?量化软件怎么选择比较好?(散户福利,建议收藏)
一:量化的具体操作步骤是什么呢?1. 数据获取:索取和收集金融市场数据。 2. 策略制定:制定数量交易策略,这包括制定投资目标、建立交易规则和风险控制机制等,这个过程需要不断优化和更新。 3. 编写算法&am…...

什么是 AWS IAM?如何使用 IAM 数据库身份验证连接到 Amazon RDS(上)
驾驭云服务的安全环境可能很复杂,但 AWS IAM 为安全访问管理提供了强大的框架。在本文中,我们将探讨什么是 AWS Identity and Access Management (IAM) 以及它如何增强安全性。我们还将提供有关使用 IAM 连接到 Amazon Relational Database Service (RDS…...

Python从入门到精通七:Python函数进阶
函数多返回值 学习目标: 知道函数如何返回多个返回值 问: 如果一个函数如些两个return (如下所示),程序如何执行? 答:只执行了第一个return,原因是因为return可以退出当前函数,导致return下方的代码不执…...
uniapp踩坑之项目:使用过滤器将时间格式化为特定格式
利用filters过滤器对数据直接进行格式化,注意:与method、onLoad、data同层级 <template><div><!-- orderInfo.time的数据为:2023-12-12 12:10:23 --><p>{{ orderInfo.time | formatDate }}</p> <!-- 2023-1…...

webpack学习-2.管理资源
webpack学习-2.管理资源 1.这章要干嘛2.加载css注意顺序! 3.总结 1.这章要干嘛 管理资源,什么意思呢?管理什么资源?项目中经常会 导入各种各样的css文件,图片文件,字体文件,数据文件等等&#…...

658. 找到 K 个最接近的元素
658. 找到 K 个最接近的元素 Java代码:滑窗 class Solution {public List<Integer> findClosestElements(int[] arr, int k, int x) {List<Integer> list new ArrayList<>();for (int i 0; i < arr.length; i) {arr[i] arr[i] - x;}for(i…...

十二、MapReduce概述
1、MapReduce (1)采用框架 MapReduce是“分散——>汇总”模式的分布式计算框架,可供开发人员进行相应计算 (2)编程接口: ~Map ~Reduce 其中,Map功能接口提供了“分散”的功能ÿ…...

shell条件测试
目录 1.1.用途 1.2.基本语法 1.2.1.格式: 1.2.2.例 1.3 文件测试 1.4.整数测试 1.4.1.作用 1.4.2.操作符 1.4.3.示例: 1.5.逻辑操作符 1.5.1.符号 1.5.2.例: 1.6.命令分隔符 1.1.用途 为了能够正确处理Shell程序运行过程中遇到的各种情况&am…...
python在线读取传奇列表,并解析为需要的JSON格式
python在线读取传奇列表,并解析为需要的JSON格式,以下为传奇中使用的TXT列表格式, [Server] ; 使用“/”字符分开颜色,也可以不使用颜色,支持以前的旧格式,只有标题和服务器标题支持颜色 ; 标题/颜色代码(0-255)|服务器标题/颜色代码(0-255)|服务器名称|服务器IP|服务器端…...

【docker 】 安装docker(centOS7)
官网 docker官网 github源码 官网 在CentOS上安装Docker引擎 官网 在Debian上安装Docker引擎 官网 在 Fedora上安装Docker引擎 官网 在ubuntu上安装Docker引擎 官网 在RHEL (s390x)上安装Docker引擎 官网 在SLES上安装Docker引擎 最完善的资料都在官网。 卸载旧版本 …...
智能网联汽车场景数据图像标注要求及方法
智能网联汽车场景数据图像标注要求及方法 1 范围 本标准规定了智能网联汽车场景数据图像中交通参与者、交通信号灯、交通标志、交通标线、可行驶区域、光照条件、遮挡截断情况7类元素的标注要求及方法。 本标准适用于智能网联汽车图像数据标注。 2 规范性引…...

Redis相关知识总结(缓存雪崩,缓存穿透,缓存击穿,Redis实现分布式锁,如何保持数据库和缓存一致)
文章目录 1.什么是Redis?2.为什么要使用redis作为mysql的缓存?3.什么是缓存雪崩、缓存穿透、缓存击穿?3.1缓存雪崩3.1.1 大量缓存同时过期3.1.2 Redis宕机 3.2 缓存击穿3.3 缓存穿透3.4 总结 4. 数据库和缓存如何保持一致性5. Redis实现分布式…...

聊聊 Pulsar:Producer 源码解析
一、前言 Apache Pulsar 是一个企业级的开源分布式消息传递平台,以其高性能、可扩展性和存储计算分离架构在消息队列和流处理领域独树一帜。在 Pulsar 的核心架构中,Producer(生产者) 是连接客户端应用与消息队列的第一步。生产者…...
鸿蒙中用HarmonyOS SDK应用服务 HarmonyOS5开发一个医院挂号小程序
一、开发准备 环境搭建: 安装DevEco Studio 3.0或更高版本配置HarmonyOS SDK申请开发者账号 项目创建: File > New > Create Project > Application (选择"Empty Ability") 二、核心功能实现 1. 医院科室展示 /…...
Spring Boot+Neo4j知识图谱实战:3步搭建智能关系网络!
一、引言 在数据驱动的背景下,知识图谱凭借其高效的信息组织能力,正逐步成为各行业应用的关键技术。本文聚焦 Spring Boot与Neo4j图数据库的技术结合,探讨知识图谱开发的实现细节,帮助读者掌握该技术栈在实际项目中的落地方法。 …...
【JavaSE】绘图与事件入门学习笔记
-Java绘图坐标体系 坐标体系-介绍 坐标原点位于左上角,以像素为单位。 在Java坐标系中,第一个是x坐标,表示当前位置为水平方向,距离坐标原点x个像素;第二个是y坐标,表示当前位置为垂直方向,距离坐标原点y个像素。 坐标体系-像素 …...

自然语言处理——循环神经网络
自然语言处理——循环神经网络 循环神经网络应用到基于机器学习的自然语言处理任务序列到类别同步的序列到序列模式异步的序列到序列模式 参数学习和长程依赖问题基于门控的循环神经网络门控循环单元(GRU)长短期记忆神经网络(LSTM)…...

HashMap中的put方法执行流程(流程图)
1 put操作整体流程 HashMap 的 put 操作是其最核心的功能之一。在 JDK 1.8 及以后版本中,其主要逻辑封装在 putVal 这个内部方法中。整个过程大致如下: 初始判断与哈希计算: 首先,putVal 方法会检查当前的 table(也就…...
音视频——I2S 协议详解
I2S 协议详解 I2S (Inter-IC Sound) 协议是一种串行总线协议,专门用于在数字音频设备之间传输数字音频数据。它由飞利浦(Philips)公司开发,以其简单、高效和广泛的兼容性而闻名。 1. 信号线 I2S 协议通常使用三根或四根信号线&a…...

GruntJS-前端自动化任务运行器从入门到实战
Grunt 完全指南:从入门到实战 一、Grunt 是什么? Grunt是一个基于 Node.js 的前端自动化任务运行器,主要用于自动化执行项目开发中重复性高的任务,例如文件压缩、代码编译、语法检查、单元测试、文件合并等。通过配置简洁的任务…...
深入浅出Diffusion模型:从原理到实践的全方位教程
I. 引言:生成式AI的黎明 – Diffusion模型是什么? 近年来,生成式人工智能(Generative AI)领域取得了爆炸性的进展,模型能够根据简单的文本提示创作出逼真的图像、连贯的文本,乃至更多令人惊叹的…...