当前位置: 首页 > news >正文

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} limMMΦ(wkΘr)ΩrwHg22=limMMTr(gTΩrw(wkΘr)HΦHΦ(wkΘr)ΩrwHg)(a)MTr(ΩrwHΩrw(wkΘr)HΦHΦ(wkΘr))=(b)MTr(l=1L(wkHΨBRlwk)(ΩrwHΩrwΘrHΨ BRlΘr))=(c)Ml=1L(wkHΨBRlwk)Tr(ΩrwHΩrwΘrHΨ BRlΘr)=Ml=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:在这里插入图片描述

在这里插入图片描述

http://www.lryc.cn/news/258508.html

相关文章:

  • 网络安全等级保护V2.0测评指标
  • java中list的addAll用法详细实例?
  • 关于学习计算机的心得与体会
  • 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
  • Android studio:打开应用程序闪退的问题2.0
  • Spring IoC如何存取Bean对象
  • 【开源】基于Vue.js的实验室耗材管理系统
  • Datawhale聪明办法学Python(task2Getting Started)
  • 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)
  • 什么是 AWS IAM?如何使用 IAM 数据库身份验证连接到 Amazon RDS(上)
  • Python从入门到精通七:Python函数进阶
  • uniapp踩坑之项目:使用过滤器将时间格式化为特定格式
  • webpack学习-2.管理资源
  • 658. 找到 K 个最接近的元素
  • 十二、MapReduce概述
  • shell条件测试
  • python在线读取传奇列表,并解析为需要的JSON格式
  • 【docker 】 安装docker(centOS7)
  • 智能网联汽车场景数据图像标注要求及方法
  • 四. 基于环视Camera的BEV感知算法-BEVFormer
  • gin投票系统3
  • windows如何解决端口冲突(实用篇)
  • 「PPT 下载」Google DevFest Keynote | 复杂的海外网络环境下,如何提升连接质量
  • Logstash输入Kafka输出Es配置
  • Bash脚本处理ogg、flac格式到mp3格式的批量转换
  • Android 依据Build相关信息判断机型
  • 2024年甘肃省职业院校技能大赛信息安全管理与评估赛项一阶段样题一
  • ARM:作业3
  • 基于OpenCV+CNN+IOT+微信小程序智能果实采摘指导系统——深度学习算法应用(含python、JS工程源码)+数据集+模型(二)
  • *上位机的定义