这就是你想知道的学习方法

这两天断断续续看了一位T4专家的分享会的视频,主题是“化知识为智慧”。听下来有几点感触:(1)他对自己所接触到的信息有强烈整理欲望、同时热衷于反思和更新自己学习方法。(2)坚持他这套方法需要消耗常人难以想象的时间,侧面说明他做事的效率和自律性高的吓人。

好了,下面简要介绍一下他的演讲主题,同时也参杂一点自己的体会。

如果你在阅读过程中感到枯燥也很正常,因为这些方法论既高度概括,又像老生常谈。这里插播一个小段子:有人担心现在大家都在学编程了,各种培训机构在办学习班,网上也有各种开源的库可供学习,是不是程序员马上就要烂大街、不值钱了?某高手指出:大可不必担心。因为编程所需要的逻辑能力和学习能力对绝大部分人来说是难以忍受的枯燥,这就从生物学上保证了合格程序员的相对稀缺性。(开个玩笑哈,这就更说明学习方法的重要性了对不

Read More

Share

Tensorflow安装

虽说俺是个刚入门的游戏前端,但好歹还是对机器学习动过心,自认为也有足够的数学基础。借着一个机缘,开始捣鼓Tensorflow(google开源的深度学习框架),这里稍微记录一下安装中的重要点,一般一晚上可以弄好。

Read More

MVC-MVP-MVVM超精简学习总结

有人说,框架模式高于设计模式,是对多人协作、多个代码模块进行组织的方法,框架模式更像大智慧,而设计模式更像小技巧。
有人说,基础框架要追求抽象、灵活;但具体的功能模块、函数不必追求过于精妙的模式。
私以为上述两个说法在工程实践中是有道理的。颇有种识得大巧不工的味道。

本篇就来谈谈目前我对几种客户端架构模式的粗浅理解。首先一图以蔽之。

架构模式变种很多,毕竟从MVC到MVVM的提出也间隔了20年了。有些知识需要精确的理解,有些则因为需要自行变通而在学习的时候观其大略。架构模式无疑是后者。

Read More

KDD CHINA 2016 的见闻

ACM SIGKDD 国际会议(简称KDD)是由ACM的知识发现及数据挖掘专委会(SIGKDD)主办的数据挖掘研究领域的顶级年会。KDD CHINA 是其分会(http://kddchina.org/#/Home), 成立没多久。今年是由腾讯大数据承办的,有幸拿到一张入场券,便抱着一名好奇的游戏开发者的心态去凑凑热闹,看看机器学习对游戏界可能会有何影响。本文就是一个简要的记录分享。虽然大致知道LR,LDA,SVM,GBDT,CNN,RNN这些概念原理,但要在这里将众多技术工作复述出来,实在是难度太大,故只记录一些有意思的小东西。

与会嘉宾主要来自微软亚洲研究院、滴滴研究院、华为诺亚方舟实验室、南大、港科大、中科大、百度和腾讯。很多都是连我这个外行都耳熟能详的名字。国内的大数据研究水平处于国际领先,一方面来自于学者们的不懈努力,另一个在会上反复被提及的因素就是国内的数据相对充足。

Read More

预(wa)告(keng)

这几个月以来,刨去吃饭睡觉的时间,基本上都在工作,来不及沉淀,有点愧疚。
当然也有不少学习体会想整理出来分享(有些涉及项目组知识产权的就不公布了),
这些内容要么网上总结的太分散,要么不太对,
有时候即使想着自己会重复总结前人已经探明的道路,但终究还是想通过自己的笔进行梳理。
这里先写个大纲,未来可能用若干篇文章的形式加以补充。
可能对初学者更有用,有待老司机们指正。

Read More

Share

王哲谈Cocos未来

前几天凑热闹听了个关于cocos的讲座,演讲者是开源游戏引擎cocos2d-x的作者、触控科技的副总裁王哲和他的小伙伴们。

首先,不管Unity现在如何制霸3D游戏开发,在2D领域,Cocos家族是不容小觑的一股势力。虽然经常被人吐槽,但引擎本身还是支撑了不少千万级的明星产品。考虑到Cocos是国人领导开发的,对Cocos也包容了许多。而见到王哲和他的引擎开发团队成员后,我更是为他们的年轻而感到震惊——看上去20来岁不到30的模样。

王哲讲到,cocos未来的发展将重点考虑对H5和VR的支持。原因有两点:1、H5VR分别预期于今年和后年爆发,改善对其支持将有利于中、小型游戏公司采用cocos;2、原生市场基本被瓜分完毕,cocos在这个战场上不具有优势。为什么说H5还没爆发呢?因为从流水上看,超过一千万的H5游戏寥寥无几。

cocos产品线正在进行大刀阔斧地整合。其推出了对策划和美术友好的cocos creator,语言方面以js为主,lua为辅。至于cocos3D方面,目前的进展比较慢。王哲也坦言现实情况是:中型3D游戏用unity比较稳妥,重型最好用自研引擎。

还有些细节就不公开了。总之听了他们的讲座,我觉得这也许是游戏开发者的理想状态。

Share

HTML5 缓存机制

借看JS的这个机会,通过查阅资料,了解了一下H5的几种主要的缓存机制:浏览器缓存、DOM storage、WebSQL、App Cache、Indexed Database、File API。也顺便讲了一点Chrome浏览器的开发者工具的使用。

Read More

Share

Javascript:原型(prototype)

最近又开始同时学Actionsript3,其和Javascript有点像。究其原因,其都遵守 ECMAScript 语言标准。目前较新的是ECMA6,有个博主阮一峰出了一本电子书《ECMAScript6入门》可以看看。
根据Wiki上的解释,ECMAScript 有四个特性:

The ECMAScript language includes structured, dynamic, functional, and prototype-based features.

从这四个特性入手,应该能多少了解一些 javascript 不同于我所接触的编程语言的地方吧。
本篇就来学习一下prototype

Read More

开启新旅程:Javascript

一个人的时候会想:我在南京待的好好的,怎么千里迢迢跑到深圳去当码农了呢?当时hr同志同我讲话:公司已经决定了,由你来应聘这个职位。我说还是另请高明吧,我实在也不是谦虚,我一个搞通信算法的,从来没做过游戏,代码也写得不多……但是hr说:组里已经研究决定了。后来我思考了一宿,念了两句诗:苟利国家生死以,岂因祸福避趋之。所以我就到了深圳。

img

来深圳转眼已一周时间。租了房、报了到、进了组。不出意外,啥都不懂,所以是时候学习新的东西了。

现在U3D是很火,谁都想搞这个,但不是所有人都具备这个客观条件。我曾简单地接触过U3D开发环境,确实很友好,不过暂时没工夫研究那个。废话不多说了,借工作的机会,本篇将开启一个系列,专门记录本人学习Javascript (JS)的一点体会。本人代码能力比较弱,很惭愧。

Read More

谈谈游戏

一、咀嚼

最近借阅了《游戏开发工程师修炼之道》(Game Development Essentials: An Introduction)这本书,粗略的看了一遍,算是对游戏领域有了一个非常初步的认识。总结一下,大致有:游戏的历史、类型、定位、内容、玩法、表现,玩家的动机、特征,游戏产业的上下游,游戏开发的团队角色等。本节用我的语言,将书中阐述的一部分内容加以咀嚼,并没有绝对的对错。

Read More

Share

网站第二次迁移

承蒙您的关注,本博客已经走过短短3、4个年头。

经历了早期在人人小站的历史、到自己买美国的主机做独立博客,我从写作和思考中收获良多。有些文章我时不时还会重读,所谓温故知新。

这段时间忙于琐事,没有足够的经历去阅读、思考和总结,似乎停止了汲取新知识。希望自己能赶快重新进入到学习新知识的状态中。

然而,主机快要续费了,没有想到第一次购买贪了便宜、续费的时候却一点不打折。我不忍心放下 wireless whale这个名字,所以暂且花500来块钱续费了域名。主机空间将采用免费的方案。

网站搬迁逐步进行,终于于今天再次上线。

感谢您的关注。

Share

听校友于敦德先生演讲有感

于敦德,毕业于东南大学数学系,创业成立途牛旅游网,任CEO。这些年途牛一直以300%的速度发展着,从2006年末白手起家到2014年5月在美国纳斯达克板块上市,成为国内第二大在线旅游网站,于敦德和他的小伙伴们用了8年。国内外资本仍看好途牛会高速发展。4月下旬的时候,他回东大做演讲,讲自己的互联网心得。笔者就去听了听、看了看。前几天看到新闻说途牛获得了京东领投的5亿美元融资。记得当时他还特意提到几次京东和途牛有模式上相似之处,应该当时正在和京东谈融资吧~(本篇转载请附上原始链接 :http://www.wirelesswhale.com/2015/05/10/mryu-2/

Read More

Share

通信人的机器学习笔记(一)

最近有些懒,看的东西也比较肤浅,真是不好意思起标题。这篇就聊一聊通信系统和机器学习之间的联系吧,一家之言,仅供参考~另外推荐有基础的同学看《The elements of statistical learning》这本书(后文皆以ESL代替),讲的挺好。

(a)

机器学习和通信接收机的步骤类似。

myml1_1

1
2
1. 前者先训练,后判断;
2. 后者先估计信道,后译码。

(b)

机器学习的训练过程和通信接收的信道估计都是按照以下步骤进行:

1
2
3
4
1. 问题建模
2. 通过一些假设对系统内在结构进行一些限定
3. 确定估计系统的准则
4. 在此准则下,确定搜索最优解的方法

Read More

GP-GPU编程:CUDA入门

本文简要介绍了利用GPU进行通用计算的历史和方法,以NVDIA家的CUDA架构为例,介绍GPGPU编程的重要概念和简单实践。希望能够在浩如烟海的网络资料之外,给像我这样的初学者提供一些清晰的参考。CUDA C的学习资料在文末给出,NVDIA的官方文档干净友好,听说社区生态也堪称典范,好感度+1。

1
2
3
4
5
6
7
8
9
1 简介
1.1 历史
1.2 现状
2 概念
2.1 硬件特点
2.2 并行层次
2.3 通信机制
2.4 性能优化
3 实践

Read More

Share

我是查理(Je suis Charlie)

更新了下Notepad++后,自动打开了一个文档,一个个单词自动蹦出来……差点吓尿——这是什么鬼?

屏幕上的光标终于不动了……是一段话。我这里把原文贴出来:

1
Freedom of expression is like the air we breathe, we don't feel it, until people take it away from us. For this reason, Je suis Charlie, not because I endorse everything they published, but because I cherish the right to speak out freely without risk even when it offends others. And no, you cannot just take someone's life for whatever he/she expressed. Hence this "Je suis Charlie" edition. JeSuisCharlie

Read More

Share

学点经济学(POE-6):公共物品和公共资源

本章延续了“外部性”的话题,并将深入讨论市场在面对两类商品时的失灵问题。

没有了price,市场就失灵了。为什么有些商品可以没有价格,先从商品分类说起。

下面提供两个维度,将商品分为4类:
excludability(E):商品只能被一人占用,即有办法使别人的不到。
rivalry in consumption(R):一个人的使用会减少商品对其他人的价值。

注:以上分类之间的界限有时并不明确;某种商品在不同的情境下可能属于不同的类。本章主要研究不排他的商品:People cannot be prevented from using these goods. 研究这类商品,和之前说的外部性有紧密联系。

Public Goods

Public Goods翻译为公共物品。

Free Rider Problem

Free rider就是那些不付钱搭顺风车的人,相对于ticket buyer。public goods不能阻止不花钱就能享受到好处的人,所以对于public goods来说,市场调控的失灵源自“Free Rider Problem”。

Read More

学点经济学(POE-5):外部性

从本章开始进入公共经济学(Economics of Public Sector)的范畴。

传统的SD曲线有一个明显的局限:反映不了外部性造成的cost。

例如,在废气排放导致环境污染这个问题上,cost不仅仅是生产者的生产成本,还要加上bystander的cost。即cost应当以整个社会来衡量。

poe5_img

例如,高新科技的技术外溢。技术外溢(Technology Spillover)指原技术以直接或间接的方式为技术获取方无偿占有与使用,并成 为其后续技术创新与技术进步乃至综合竞争力提升的重要无形资产。

上例可以看出,外部性有两种:积极的和消极的。前者需要政府鼓励(减税、补贴、专利保护),后者需要政府打压(硬性规定、收税)。

Read More

Andrew NG 公开课笔记

如题,本文是网络开放课程机器学习(主讲 Andrew NG)纪要的第一篇。先是回忆杀。
我第一次听到“数据挖掘”这门研究,大概是2007、08年学校组织参观中科大的时候,某个教授给我们做的科普报告。据介绍,那时的美国已经将这种工具应用到生活中,如NBA火箭队围绕姚明打造的战术体系就借助了数据挖掘。时过境迁,“数据挖掘”这个词在业界被提及的越来越少,取而代之的是“机器学习”、以及近几年的“深度学习”。笔者当时并没有意识到其潜力。不幸的是,由于一些原因,后来违背自己的生物学理想选择了就业方便的通信工程,如今只能用“一如通信深似海”来形容。不幸中的万幸是,我发现,这个专业也给人以足够的数学和物理基础,来适应这个瞬息万变的世界。

本系列是笔者用2天时间听完目前的30小节后的一些粗陋笔记,仅供了解机器学习的一些”行话”和工具,消除其“神秘感”。系统的学习,可以参见此文给的建议,并阅读一些论文和专著。希望大家都能学习顺利,互相交流。

一、问题分类

首先介绍了“Learning”的概念,这里略。Learning大体分为两类:有监督学习(supervised learning)和无监督学习(unsupervised learning)。之所以这样区分是因为前者针对的是:Give the right answer of given data.

有监督学习中又可以分为两大类问题:回归(regression)和分类(classification)

回归regression:predict the value,找出训练集输入输出的明确关系,然后预测某次输入的输出;例如根据房屋面积估计价格。

分类classification:通常输入和输出是离散的,整个过程可以类比通信中的译码。例如判断是否是垃圾邮件。

注意,这两类问题的输入可以是高维的、有具体含义的变量,通常称作“特征”。特征的选取在这里并不是自动完成的。特征取的过少,会导致拟合不准确或分类不彻底;特征取的过多带来的稀疏性,不仅使得模型过拟合,而且训练集的相对不足会导致某些算法失效(由于需要矩阵求逆而此时矩阵是稀疏的、奇异的),这些都是后话。

二、线性回归(Linear Regression)

首先要确定代价函数,然后通常的做法是:利用训练集,通过找寻最小化这个代价的条件,从而确定线性回归模型。再用此模型进行预测。

对于给定的训练集,通常选取的代价是平方误差。原因是可以微分,方便推导出闭式解。

剩下在于如何“找”。

Read More

Share

学点经济学(POE-4):国际贸易

本篇扯一些国际贸易的内容,同样利用SD曲线和盈余这两个工具来分析。比较简单粗暴哈。

概念和假设

  1. World Price

    就是世界价格。

  2. Tariff

    关税。进出口都要收,但对于某商品的出口国,对出口征收关税(国内平衡价格低于world price)没有什么影响。tariff是一种政府控制贸易的手段。还有一种强硬手段是限制进口量(效果和tariff差不多,只不过政府所得将变为外国生产者所得)
    本篇假设国内市场相对于国际市场的影响(例如world price的波动)很小。

    Read More

学点经济学(POE-3):税收

上一篇中介绍了盈余(surplus)的概念,用最大化盈余来谋求福利。税收学点经济学(POE-1):供需曲线中提到过,主要关注税收最终由谁来承担的问题,结论是有趣的:不论政府名义上向谁征税,税收都由交易的双方共同承担,谁的消费/生产曲线更刚,谁承担的税收越多。本篇利用SD曲线和盈余,来进一步分析税收的影响。

引言

Taxes are what we pay for civilized society.

Dead Weight Loss

DWL我认为是本章最重要的概念,SD曲线的分析表明,征税必然会造成总效用的浪费。这里:

总效用 = 消费者盈余 + 生产者盈余 + 政府税收收入.

分析如下图(对生产者征税后。灰色为DWL,黄色为政府收入。红色和蓝色分别是消费者和生产者盈余。)。进一步可以发现,SD曲线越是弹,DWL越大。

poe3-1

Read More

学点经济学(POE-2):福利

本篇的主题是福利,涉及曼昆《经济学原理》第7章的内容。福利经济学(Welfare Economics),主要研究资源分配如何使双方的收益(成为总盈余)最大化。
本篇得到的结论是:在一定前提下,自由市场用可以最大化经济活动的效率,而通过人工调控的方法由于不可能得到足够的先验信息,实际上难以达到好的效果。equilibrium price正是达到最大收益的那个解。

(在正式开始本篇之前,插几句闲话:1、本系列写作目的是尽快抓住经济学中的分析方法而不是系统学习或普及知识,写作风格是笔记式的而不是谈天说地,笔记尽量追求“效率”,杂谈追求阅读体验。况且,自以为要做到名家大师那般诙谐易懂,实在难上加难。2、这本著作,细嚼起来韵味无穷,语言浅显生动,希望此类书早日替代《货币战争》之类的搞鬼 :P )。好,开启学术模式。

要不先贴一张福利图撒?

Read More

学点经济学(POE-1):供需曲线

好,我们开始曼昆《经济学原理》之旅。本篇的主要内容有:

  1. SD曲线
  2. 弹性
  3. 政策(价格控制和税收)

主要涉及曼昆《经济学原理》(第五版)第4~6章内容。(话说作者真的是力争浅显易懂,苦口婆心,本书是很有营养的休闲读物)

Supply & Demand Curve

作者反复强调,供需曲线不仅可以解释市场参与双方的行为规律,也是分析众多问题的有力工具。
这里简洁的给出供需曲线的内容:
在其他条件保持不变时,在充分竞争的市场(交易双方众多,个人影响很小),价格和需求数量的大致关系如下:
sd-curve

Read More

学点经济学:POE-0

what is ECONOMICS

以上帝视角来看,经济学是研究系统内的成员(member)的资源(resource)分配的一门学科。资源有很多种,并且是相对稀缺的;成员有很多种,有不同的能力和需求,以及不同的策略(decision making)。分配的原则是兼顾效率与公平。在一个可控的或可知的系统中,资源分配实际上是优化问题,理工科出身的同志们再熟悉不过。我想,经济学之所以难,难倒了这么多经济学家,不是因为变量太多,问题太庞大(这些问题不具有根本性),而是因为其中混入了“人”这一不可控的、难以建模的因素。我不是经济学专业出身,自然不甚了解我这种观点该归属于何门何派,是左是右。不过,理工科的背景,更使得我坚信模型可以指导我们发现很多经济运行的规律,经济学所研究的系统在一定程度上是可以通过数学分析的,经济学,不仅是一门学科,也是一门科学。很高兴曼昆(Mankiw)也是这么想的。曼昆有本著作叫《经济学原理(Principles of economics)》(download 5th editon),接下来我会从一个门外汉的角度,一边学习,一边写一写读后感。大家见笑了。

Read More

5G时代:OFDM没有遗言

本篇的话题是——5G:OFDM没有遗言。OFDM作为4G多载波技术最大的功臣,在10多年来得到了疯狂的应用和追捧,在很多领域展现了其优越的性能和简约之美,可谓风光无限。研究者们痴迷它、学生们膜拜它、工程师们只要它。如今,我的主要工作却是质疑OFDM在5G场景中是否合适,并尝试寻找继承者,探索更适合5G场景的多载波传输解决方案。

本篇的思路是:
1、吐糟一下介绍OFDM的教材,尤其是国内教材。抛出几个小问题。
2、关于5G的研究内容
3、OFDM在5G场景中难以胜任的原因
4、未来

Read More

Scientific Thinking? No, 杂谈です

新学期,和诸位打个照面~既然没有什么干货,不妨先散扯一通,聊聊学习,聊聊 Scientific Thinking,聊聊经济学和通信,等等。

一个学习能力强、效率高的人,相比常人更经常有意识地思考自己的核心技能是什么。从专业上来看,物理出身的人、经济出身的人、通信出身的人、法律出身的人等等——其专业提供其的认识论和方法论都不同。可能经济出身的人习惯于把一个现象通过供需平衡、边际成本、效率和公平等角度理解;搞通信的习惯于通过信息量、统计量、系统输入输出、相关性等角度来分析;搞物理的可能先@%^&$!#……“不论以后干什么,珍惜你的专业背景”这句话的含义就是不要舍弃专业带给你的这话总工具和视角。

从多个领域分析问题——这种能力我做梦都想得到。我就琢磨,琢磨一个人从小学以来的学习经历中能提炼出什么“万金油”式的指导方针,使你按照这个方针成为一个博学而智慧、乐观而包容的学习者和教育者。下面两个词是我的结论:

Read More

二范数下几个问题的统一解释

范数、内积空间的概念这里不做赘述,只点几个要点。

粗糙的说,对于V(F)空间,定义内积为一种将两个属于此集合V的元素与一个来自数域F的元素对应起来,并且满足一些抽象但自然的性质(不举)。为了方便将两个元素的内积记为:$ < {\bf{a,b}} > $ ${\bf{a,b}}$属于V。

而范数也是一种将V中元素映射成F中的一个数的方法。映射后需要满足的性质如:非负性、齐次性、三角不等式。满足这种性质都可以叫求范数,常见的范数有:1-范数,2-范数,无穷范数。记为:${\rm{||}}{\bf{a}}{\rm{||}}$

二范数和内积的关系可以写为:${\rm{||}}{\bf{a}}{\rm{||}} = \sqrt { < {\bf{a,a}} > } $

可以证明一下几个运算在对应的空间中都满足内积的定义。

all

Read More

Ray Tracing 信道模型

大背景是时分和频分在小区之间的复用已经被几乎充分的挖掘,空分成为提高系统吞吐量的新大陆。

一种思路是:通过控制基站的发射功率、降低基站天线高度,从而减小其覆盖范围。而将同一片区域分的越小,复用带来的提升越大(暂不考虑多小区干扰和其他开销)。这就是small cell的设想。由于基站发射功率小了,还可以和绿色通信沾边。

现在缺少的是好的信道仿真工具。华为直接出了一道题目放在今年的全国研究生数学建模里,指明用Ray-Tracing建立无线信道模型。这是不是说明华为也在做small cell呢?

为什么选中Ray-Tracing这个看起来最麻烦最不现实的Model?
参见2013.3.31发布《衰落信道建模小议》中对Ray-Tracing的特点概括。

本篇接来下介绍我处理Ray-tracing信道建模的方法。

Read More

信道仿真模型:WINNER II (for MIMO)

姊妹篇《信道仿真模型:3GPP SCM(for MIMO)》中提到了WINNER模型是诺西牵头搞的原3GPP SCM的增强版,确实很强。这里只片面的做一个比较:

win1

关于WINNER模型的官方介绍参见:http://www.ist-winner.org/

考虑到篇幅,官方将winner模型的文档分成上下两册。上册为主,着重介绍信道模型结构和参数,下册为辅,详细记录了信道测量和分析。另有一份关于matlab实现的说明文档。

winner模型是一种geometry-based、stochastic模型,自scm发展而来。其物理参数采集自欧美的城市、乡镇或农村。

Read More

信道仿真模型 3GPP-SCM(for MIMO)

在《衰落信道小议》中提到了MIMO信道的建模。好的信道模型,往往是以下三个标准的折中:

  1. 准确性。
  2. 计算可行。
  3. 一般性(或者说灵活性)。

3GPP提出的SCM(Spatial Channel Model)是符合以上标准的、基于地理的概率模型(Geometry Based Stochastic Model),即使用若干传播路径进行叠加,每条路径的强度和延迟符合一定的随机分布。SCM被WP5小组采用研究室外的MIMO信道,后经其手拓展成SCM-E(E for Extension)模型,再后来WP5还是不满意,便另起炉灶开始了WINNER系列信道模型的制定及其实现,这是后话,放在下一篇里说。

推荐从SCM开始学习信道仿真。说到底信道仿真就是通过一系列配置,生成某场景下的信道H。接下来的文字认为大家已经看过或正在看以下两个文档:

  1. 3GPP TR 25.996 V10.0.0, “Spatial channel model for MIMO simulations”, Mar. 2011
  2. 3GPP TR 25.996, “MATLAB implementation of the 3GPP spatial channel model”, July 2006.
    SCM整个模型分为两块分别用于系统级仿真、链路校正。常用的是系统级仿真,即 [1] 第5章的内容。第4章那么长很容易让人找不到要领。

SCM提供的场景:Suburban Macro;Urban Macro;Urban Micro。

SCM传播路径相关的的一些参数及图示:

scm1

Read More

衰落信道建模小议

无线通信中对信道建模一直是一件比较头疼的事。就现在无线通信物理层最活跃的Massive MIMO方向来说,有效的统计信道模型尚未有组织提出,可见对信道建模,不存在一劳永逸的方法。这里只谈像我这样的初学者入门时,学习衰落信道过程中的困惑和思考。虽然叫“小议”,就是想写尽量通俗,但估计条理还是会有点乱~

1
2
refined version: 增添了第三部分——MIMO信道建模方法利弊谈
refined version II (2013.11): 充实了Ray-tracing model,并给出专门的文章链接

一、常见的信道建模方法及其利弊

  • Ray-tracing Model
    就是研究若干条反射路径在空间中某一点的叠加。优点:与物理世界结合紧密,比较贴合初学者的直观感受。由此导出的重要参量如多普勒频移、时延扩展具有很强的现实意义。相信看David Tse(Tse是一位文风飘逸的男子,是香农学生的学生)入门的一定有同感。 该模型缺点也很明显:太依赖物理参数导致工程上不可用。

上面的斜体字,现在看来太武断了。时代在发展,为了充分空分复用,功耗低、天线架设低的微基站为显著特征的 small cell 概念正在冉冉升起。但是,当小区半径很小时,其他模型的统计特性很难满足,这时ray-tracing model的普适性就体现出来了。

Read More

Cybernetics二三事

今天老师上课提到“Cybernetics”这个词,中文翻译为:控制论。控制论的开山鼻祖是Wiener(上篇提到过他)。
应该好奇为什么Cybernetics怎么能就翻译成“控制论”了呢?我从第一批引进此书的老一辈科技工作者的文字中,了解到了其中的曲折。

Read More

Share

想想滤波

摸清背景,理清思路,探讨意义~

我关于滤波的理解:

  1. 在频域内对信号中某些频率分量进行衰减。关键词:低通、高通。典型的场景是将一段音乐中不同频段的声音分别抽取出来。
  2. 空间域内对不同尺度的细节进行处理。关键词:图像处理,滤镜。典型的场景是将一张被关在笼子里的老虎的照片“还原”出被笼子挡住的部分,有点透视的意味。
  3. 已经超出了两个字的字面意思,甚至也超出了频域、空域的范畴,进入了统计的领域。

扑面而来的是维纳滤波。先说说维纳其人。

Read More

本站总访问量次,本站访客数人次,本文总阅读量