wi(l)d-screen baroquePosition Zero| 2022-01-12

列车一定会去往下一站。那么舞台呢？我们呢？

Super Star SpectaclePosition Zero| 2022-01-12

列车一定会去往下一站，而舞台少女，将会前往下个舞台。

论文阅读笔记2024.4.12 2024-04-12|论文阅读|信道预测

A CSI Prediction Scheme for Satellite-Terrestrial Networks

本文分析了CSI随仰角改变的变化趋势。使用GRU进行时序预测，GRU性能与LSTM类似，且计算性能开销低于LSTM

问题：无附加信息的情况下预测CSI

物联网设备CSI预测问题:

在无附加信息(地面设备位置和低地轨道星历表等)的情况下预测CSI
对计算复杂度存在限制
低地轨道的上升方和下降方的仰角和相对位置具有不同的时间相关性。低地轨道上升侧和下降侧的CSI具有不同的时间相关性

Relatedworks:

基于参数的方法：
- 参数模型^[1]，至少1999年就有。15年有适用于MIMO^[2]。将预测问题简化为参数估计问题。然而在卫星场景参数失效快
- 统计方法，自回归模型
无参数方法：
- LSTM，工作^[3]将CSI差值作为输入进行预测
- ESN^[4]，开销相较于RNN更低。该工作考虑莱斯信道，不适用于NLoS

GRU信道预测

建模：考虑了自由空间衰落、阴影衰落、小尺度衰落

阴影衰落和小尺度衰落都与仰角相关
LoS概率基于3GPP，38.811

分析了CSI值随仰角和UE运动的一系列变化趋势

CSI实部虚部符号对有（+，+）、（+，-）、（-，+）和（-，-）四种状态

结论：对于移动 UE，CSI 符号对、CSI 绝对值的长期趋势及其移动方向有助于预测低地轨道仰角的时间相关性。

网络：输入过去一段时间的CSI序列，直接预测之后第P个slot的CSI

有四个GRU网络，对应不同的CSI符号对，根据输入CSI的均值符号对确定使用的GRU网络
使用DropOut，每个GRU都用所有的历史CSI序列作为输入
跟使用了轨道仰角作为额外输入的网络进行对比，性能相似
- 做了CSI测量误差对模型性能影响的分析
Baseline^[3:1]

3GPP New Radio Precoding in NGSO Satellites: Channel Prediction and Dynamic Resource Allocation

用卡尔曼滤波器做信道预测，然后分别研究了有无码本的联合带宽分配的预编码方法

问题：数字透明载荷下的CSI预测+预编码设计

flexible multi-beam satellites

可完全控制点波束覆盖、频率分配和发射功率
预编码设计联合带宽和功率分配
CSI预测必要

Relatedworks:

基于digital transparent payload灵活性能的一些研究。之前读过的深度学习的预测+混合波束成形^[5],
利用satellite-based terrestrial multiconnectivity(MC)的干扰管理^[6]和频谱共享方法^[7]
基于码本的预编码方法，用于减少信令开销^[8]^[9]

卡尔曼滤波器+ZF/启发式搜索

建模：

对当前波束服务的K个用户分为G=K/N组，组内空间复用，组间应用不同正交频段
N不大于4(3GPP基于码本预编码的建议)
给定带宽和功率约束最大化和速率

CSI预测：Kalman滤波器

对比：信道估计、移动平均

联合预编码：码本/无码本对应不同信令开销

无码本：TM8和TM9，zeroforcing改变问题为功率和带宽分配，问题为凸函数直接进行优化
有码本：TM5和TM8，启发式搜索对应码本组合

仿真部分有性能随信道相关性的变化

J. B. Andersen, J. Jensen, S. H. Jensen, and F. Frederiksen, “Prediction of future fading based on past measurements,” in Proc. Gateway 21st Century Commun. Village, vol. 1, 1999, pp. 151–155. ↩︎
R. O. Adeogun, P. D. Teal, and P. A. Dmochowski, “Extrapolation of MIMO mobile-to-mobile wireless channels using parametric-modelbased prediction,” IEEE Trans. Veh. Technol., vol. 64, no. 10, pp. 4487–4498, Oct. 2015. ↩︎
Y. Zhu, X. Dong, and T. Lu, “An adaptive and parameter-free recurrent neural structure for wireless channel prediction,” IEEE Trans. Commun., vol. 67, no. 11, pp. 8086–8096, Nov. 2019. ↩︎ ↩︎
Y. Zhao, H. Gao, N. C. Beaulieu, Z. Chen, and H. Ji, “Echo state network for fast channel prediction in Ricean fading scenarios,” IEEE Commun. Lett., vol. 21, no. 3, pp. 672–675, Mar. 2017. ↩︎
Y. Zhang, A. Liu, P. Li, and S. Jiang, “Deep Learning (DL)-Based Channel Prediction and Hybrid Beamforming for LEO Satellite Massive MIMO System,” in IEEE Internet of Things Journal, vol. 9, no. 23, pp. 23705-23715, Dec. 2022 ↩︎
N. Cassiau et al., “5G-ALLSTAR: Beyond 5G Satellite-Terrestrial MultiConnectivity,” in Proc. Joint European Conference on Networks andCommunications, 2022, pp. 148–153. ↩︎
N. Cassiau et al., “Satellite and Terrestrial Multi-Connectivity for 5G: Making Spectrum Sharing Possible,” in Proc. IEEE Wireless Commun.Netw. Conf., 2020, pp. 1-6 ↩︎
M. Meng et al., “BeamRaster: A Practical Fast Massive MU-MIMO System With Pre-Computed Precoders,” in IEEE Transactions on Mobile Computing, vol. 18, no. 5, pp. 1014-1027, May 2019 ↩︎
E. Sourour, “Codebook-based precoding for generalized spatial modulation with diversity,” in EURASIP J Wireless Com Network, 2019, 229(2019). ↩︎

近期总结-离散情况下的SAC 2023-11-14|DRL|RL

之前花了点时间研究离散动作空间下的SAC算法，把学到的一些东西总结一下。。

重参数化与Gumbel-Softmax 2023-10-29|DRL|RL

研究SAC的时候没搞太懂，花了好几天研究这个问题，记录一下

参考：

漫谈重参数：从正态分布到Gumbel Softmax - 科学空间|Scientific Spaces (kexue.fm)

VAE中的重参数化技巧-reparameterization trick - 知乎 (zhihu.com)

CQL-保守Q学习 2023-07-25|DRL|RL

记录一下读论文的情况喵

引入

[参数] $(\mathcal{S,A},T,r,\gamma)$

动作、状态空间， $T(\mathbf{s'|s,a})$ 转移， $r(\mathbf{s,a})$ 回报， $\pi_\beta(\mathbf{a|s})$ 数据集行为策略， $\mathcal{D}$ 数据集， $d^{\pi_\beta}(\mathbf{s})$ 折扣边缘状态分布

$\mathcal{D}$ 从 $d^{\pi_\beta}(\mathbf{s})\pi_\beta(\mathbf{a|s})$ 中抽样

一个基本的迭代方式如下

$\hat{Q}^{k+1} \leftarrow \arg \min _{Q} \mathbb{E}_{\mathbf{s}, \mathbf{a},\mathbf{s'} \sim \mathcal{D}}\left[\left(r(\mathbf{s}, \mathbf{a})+\gamma{\mathbb{E}}_{\mathbf{a}'\sim\hat\pi^k(\mathbf{a'|s'})} [\hat{Q}^{k}(\mathbf{s'}, \mathbf{a'})]-Q(\mathbf{s,a}))\right)^2 \right]\\$

$\hat \pi^{k+1}\leftarrow \arg \max _{\pi} \mathbb{E}_{\mathbf{s}\sim \mathcal{D},\mathbf{a}\sim\pi^k(\mathbf(a|s))}[\hat Q^{k+1}(\mathbf{s,a})]$

[问题] 对状态-动作对采样不充分导致sample error

价值学习 2023-03-22|DRL|RL

还是得把学的东西记下来，呃不然过段时间就忘了

价值学习

DQN

动作价值函数Qπ是按照策略π下，环境s做出a动作后的收益期望。

最优动作函数Q⋆是所有策略中取最优的收益期望。这个东西显然可以给动作打分。

折扣回报率γ是为了让策略更早获得更大的回报设置的参数，每次都让回报乘一个γ的t次方

对顶栈 2022-08-06|算法|数据结构

对顶栈

用于维护一种光标线性移动，而且插入和删除都是发生在光标左右的数据结构

顾名思义，对顶栈就是两个栈，一个维护光标左边的内容，一个维护光标右边的内容，光标的移动就是把一边的弹出来塞到另外一边就行，添加和删除操作也很简单了，就是对栈进行相应操作就行。

Problem - 4699 (hdu.edu.cn)

c++ primer 读书笔记(1) 2022-06-16|c++|语言

包含以下内容：

异常
IO流
泛型

速通形式语言与自动机 2022-05-29|课外|自动机

整蛊咯整蛊咯

基础知识

没啥p用

集合

集合的基数：有限集(不同元素个数)，无限集(等势，双射函数？)

可数集/不可数集：和自然数一一对应

逻辑

没什么好说的

图

图的定义：三元组 $(V,E,\psi)$ ,点集、边集、边到两个端点集合的函数

子图、真子图、生成子图：生成子图有全部点集

略

证明技术

整蛊