原创 Geometric Mean Decomposition Based Hybrid precoding for mmWave mMIMO

Phrases Abstract 現有的混合預編碼方案採用SVD分解,需要對不同SNR下的不同子信道進行復雜的比特分配運算(???)本文采用 Geometric Mean Decomposition來避免。也是尋找一個模擬的和數字

原创 Math-tricks 關於rank-one矩陣可對角化的充要條件

關於rank-one矩陣可對角化的充要條件 首先,回顧一下可對角化的定義 另外,這裏的冪零矩陣指的就算Jordan塊肩上的部分(對角線元素爲0),矩陣分析中已證明這種矩陣的冪次方等於0,當冪指數大於某一個值的時候。 根據這裏的描

原创 Massive MIMO in sub-6GHz and mmWave physical, practical and use-case differences

Abstract 大規模MIMO,顧名思義,在基站和接入點會配備很大數量的天線,常常達到(數百甚至上千)的量級。 大規模MIMO技術是提升5G及以上網絡的關鍵技術。Massive MIMO同樣適用於 30-300GHz頻段,即毫米

原创 2020-Term1-Week1

Paper hybrid precoding WMMSE (木有整理,先欠着) Learning WMMSE基本思路 MIMO確定信道的容量 main work OFDM hybrid beamforming 的推導 改被拒的論文

原创 Matlab tricks--array response vector

%% mmWave channel generation % kd = 2*pi*d/lambda % array response vector % input switch mode % mode 1--> ULA % m

原创 EDAS上傳錯誤彙總

The gutter between columns is 0.155 inches wide (on page 4), but should be at least 0.2 inches 解決辦法: 在包下面加上 \setle

原创 隨筆-有趣

最近同學在給本科生當助教,有孩子問了個有意思的問題: (AB)k=AkBk=(BA)k=,k≥2(\boldsymbol{A} \boldsymbol{B} )^k=\boldsymbol{A}^k\boldsymbol{B}^k

原创 Massive MIMO channel model survey

主要介紹了兩種信道模型:1) correlation-based stochastic models(CBSMs) 主要用來分析massive MIMO的理論性能,但是實際的精確度不高,而且很難描繪非平穩現象以及球面波的影響,複

原创 Math-tricks---Sylvester's determinant identity

地址:https://math.stackexchange.com/questions/17831/sylvesters-determinant-identity?noredirect=1&lq=1 A simple proof

原创 latex 字體未嵌入的問題

https://www.cnblogs.com/xiaobof/p/5397007.html 看了這個,因爲自己本來就裝的adobe acrobat pro,文件–>打印–>適合–>頁面設置(A4改成letter),保存,成功

原创 Large Intelligent Surface/Antennas (LISA): Making Reflective Radios Smart

本文地址: https://arxiv.org/pdf/1906.06578.pdf Abstract 本篇文章可以當作一個LIS的 little review, 主要是介紹了跟 relay, backscatter的一些區別 我

原创 Math tricks-min max的順序問題

min /max的順序問題,常見的都是 諾伊曼的min max或者是 Simon 的minimax theroem 這裏只是標記一下,並不詳細推導, 主要解釋 https://blog.csdn.net/qq_30074301/a

原创 Intelligent Reflecting Surface Assisted Secrecy Communication via Joint Beamforming and Jamming

Abstract 本篇文章就是研究在一個新場景下的人工噪聲防干擾的問題,(主要方法還是交替迭代) 加入人工噪聲之後,joint beamforming的問題 (我覺得這種本質方法都是一樣的,我可以兼顧一些不同方法的文章)(之前有一

原创 Convex optimization筆記(一)

Convex Set (Boyd的書全篇假設在實數域裏,複數域是類似的,像上次的homogeneous) definition 關於定義需要注意的部分: 0≤θ≤10\leq \theta\leq 10≤θ≤1, 這個條件 就

原创 Week24

Paper No, (不敢相信,這週一篇文章都沒看)arXiv也沒刷 Learning 關於Homogeneous 的證明: https://blog.csdn.net/qq_30074301/article/details/97