Bernstein-type inequality (BTI)

參見論文: Dual-Functional Artificial Noise (DFAN) Aided
Robust Covert Communications in Integrated
Sensing and Communications

理論

\boxed{} ?用于加框

Lemma 2. (BTI): For any A ∈ C N × N \mathbf{A} \in\mathbb{C}^{N\times N} ACN×N, b ∈ C N × 1 \mathbf{b}\in\mathbb{C}^{N\times1} bCN×1, c ∈ R c\in \mathbb{R} cR, x ~ C N ( 0 , I ) \mathbf{x}\sim\mathcal{CN}(0,\mathbf{I}) xCN(0,I)and ρ ∈ [ 0 , 1 ] \rho\in[0,1] ρ[0,1],if there exist x x x and y y y, such that

Tr ? ( A ) ? 2 ln ? ( 1 ρ ) x + ln ? ( ρ ) y + c ≥ 0 , ∥ A ∥ F 2 + 2 ∥ b ∥ 2 ≤ x , y I + A ? 0 , y ≥ 0 , \begin{aligned} \operatorname{Tr}(\mathbf{A})-\sqrt{2\ln(\frac{1}{\rho})}x+\ln(\rho)y+c & \geq0, \\ \sqrt{\left\|\mathbf{A}\right\|_F^2+2\left\|\mathbf{b}\right\|^2} & \leq x, \\ y\mathbf{I}+\mathbf{A}\succeq\mathbf{0},y & \geq0, \end{aligned} Tr(A)?2ln(ρ1?) ?x+ln(ρ)y+cAF2?+2b2 ?yI+A?0,y?0,x,0,?
the following inequality holds true

Pr ? ( x H A x + 2 R e { x H b } + c ≥ 0 ) ≥ 1 ? ρ . \Pr(\mathbf{x}^H\mathbf{A}\mathbf{x}+2\mathrm{Re}\{\mathbf{x}^H\mathbf{b}\}+c\geq0)\geq1-\rho. Pr(xHAx+2Re{xHb}+c0)1?ρ.

應用例子2:

已知
h w = h ^ w + γ w 1 2 e w \mathbf{h}_{\mathrm{w}}=\hat{\mathbf{h}}_{\mathrm{w}} + \boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}}\mathbf{e}_{\mathrm{w}} hw?=h^w?+γw21??ew?
問題
Pr ? ( h w H W h w ≤ p t h ) ≥ 1 ? ρ c , \begin{aligned} \Pr(\mathbf{h}_{w}^H\mathbf{W}\mathbf{h}_{w} \leq p_{\mathrm{th}}) \geq 1-\rho_c, \end{aligned} Pr(hwH?Whw?pth?)1?ρc?,?

Pr ? ( h w H ( ? W ) h w + p t h ≥ 0 ) ≥ 1 ? ρ c , \begin{aligned} \Pr(\mathbf{h}_{w}^H (-\mathbf{W}) \mathbf{h}_{w} + p_{\mathrm{th}} \geq 0 ) \geq 1-\rho_c, \end{aligned} Pr(hwH?(?W)hw?+pth?0)1?ρc?,?

Pr ? ( ( h ^ w + γ w 1 2 e w ) H ( ? W ) ( h ^ w + γ w 1 2 e w ) + p t h ≥ 0 ) ≥ 1 ? ρ c , \begin{aligned} \Pr( ( \hat{\mathbf{h}}_{\mathrm{w}} + \boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}}\mathbf{e}_{\mathrm{w}} )^H ( - \mathbf{W} ) ( \hat{\mathbf{h}}_{\mathrm{w}} + \boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}}\mathbf{e}_{\mathrm{w}} ) + p_{\mathrm{th}} \geq 0 ) \geq 1-\rho_c, \end{aligned} Pr((h^w?+γw21??ew?)H(?W)(h^w?+γw21??ew?)+pth?0)1?ρc?,?

Pr ? ( e w H ( γ w 1 2 ( ? W ) γ w 1 2 ) e w + 2 R e { e w H γ w 1 2 ( ? W ) h ^ w } + h ^ w H ( ? W ) h ^ w + p t h ≥ 0 ) ≥ 1 ? ρ c , \begin{aligned} \Pr( \mathbf{e}_{\mathrm{w}} ^H ( \boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}} ( - \mathbf{W} ) \boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}} ) \mathbf{e}_{\mathrm{w}} + 2\mathrm{Re}\{\mathbf{e}_{\mathrm{w}}^H \boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}} ( - \mathbf{W} ) \hat{\mathbf{h}}_{\mathrm{w}} \} +\hat{\mathbf{h}}_{\mathrm{w}}^H ( - \mathbf{W} ) \hat{\mathbf{h}}_{\mathrm{w}} + p_{\mathrm{th}} \geq 0 ) \geq 1-\rho_c, \end{aligned} Pr(ewH?(γw21??(?W)γw21??)ew?+2Re{ewH?γw21??(?W)h^w?}+h^wH?(?W)h^w?+pth?0)1?ρc?,?

可以等價于下列問題:
Tr ? ( A ) ? 2 ln ? ( 1 ρ ) x + ln ? ( ρ ) y + c ≥ 0 , ∥ A ∥ F 2 + 2 ∥ b ∥ 2 ≤ x , y I + A ? 0 , y ≥ 0 , \begin{aligned} \operatorname{Tr}(\mathbf{A})-\sqrt{2\ln(\frac{1}{\rho})}x+\ln(\rho)y+c & \geq0, \\ \sqrt{\left\|\mathbf{A}\right\|_F^2+2\left\|\mathbf{b}\right\|^2} & \leq x, \\ y\mathbf{I}+\mathbf{A}\succeq\mathbf{0},y & \geq0, \end{aligned} Tr(A)?2ln(ρ1?) ?x+ln(ρ)y+cAF2?+2b2 ?yI+A?0,y?0,x,0,?

應用例子:

已知:
Pr ? ( h w H S 1 h w ≤ 0 ) ≥ 1 ? ρ c , \Pr(\mathbf{h}_{\mathrm{w}}^{H}\mathbf{S}_{1}\mathbf{h}_{\mathrm{w}}\leq0)\geq1-\rho_{c}, Pr(hwH?S1?hw?0)1?ρc?,

Recall?that? h w = h ^ w + γ w 1 2 e w . As?per?Lemma?2,?(28)?can be?equivalently?transformed?to?the?following?inequalities \begin{array} {c}\text{Recall that }\mathbf{h}_{\mathrm{w}}=\hat{\mathbf{h}}_{\mathrm{w}}+\boldsymbol{\gamma}_{\mathrm{w}}^{\frac{1}{2}}\mathbf{e}_{\mathrm{w}}.\text{ As per Lemma 2, (28) can} \\ \text{be equivalently transformed to the following inequalities} \end{array} Recall?that?hw?=h^w?+γw21??ew?.?As?per?Lemma?2,?(28)?canbe?equivalently?transformed?to?the?following?inequalities?

T r ( A w ) ? 2 ln ? ( 1 ρ c ) x + ln ? ( ρ c ) y + c w ≥ 0 , ∥ A w ∥ F 2 + 2 ∥ b w ∥ 2 ≤ x , y I + A w ? 0 , y ≥ 0 , \begin{aligned} \mathrm{Tr}(\mathbf{A}_\mathrm{w})-\sqrt{2\ln(\frac{1}{\rho_c})}x+\ln(\rho_c)y+c_\mathrm{w} & \geq0, \\ \sqrt{\left\|\mathbf{A}_\mathrm{w}\right\|_F^2+2\left\|\mathbf{b}_\mathrm{w}\right\|^2} & \leq x, \\ y\mathbf{I}+\mathbf{A}_\mathrm{w} & \succeq\mathbf{0},y\geq0, \end{aligned} Tr(Aw?)?2ln(ρc?1?) ?x+ln(ρc?)y+cw?Aw?F2?+2bw?2 ?yI+Aw??0,x,?0,y0,?

w h e r e A w = γ w 1 2 ( ? S 1 ) γ w 1 2 , c w = h ^ w H ( ? S 1 ) h ^ w a n d b w = γ w 1 2 ( ? S 1 ) h ^ w . \begin{aligned} & \mathrm{where~}\mathbf{A}_\mathrm{w~}=\gamma_\mathrm{w}^{\frac{1}{2}}(-\mathbf{S}_1)\gamma_\mathrm{w}^{\frac{1}{2}},c_\mathrm{w~}=\hat{\mathbf{h}}_\mathrm{w}^H(-\mathbf{S}_1)\hat{\mathbf{h}}_\mathrm{w~}\mathrm{~and~}\mathbf{b}_\mathrm{w~}= \\ & \gamma_\mathrm{w}^{\frac{1}{2}}(-\mathbf{S}_1)\hat{\mathbf{h}}_\mathrm{w}. \end{aligned} ?where?Aw??=γw21??(?S1?)γw21??,cw??=h^wH?(?S1?)h^w???and?bw??=γw21??(?S1?)h^w?.?

注意其中只有 x x x y y y是輔助變量。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/web/63245.shtml
繁體地址,請注明出處:http://hk.pswp.cn/web/63245.shtml
英文地址,請注明出處:http://en.pswp.cn/web/63245.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

一條線上的點

給你一個數組 points &#xff0c;其中 points[i] [xi, yi] 表示 X-Y 平面上的一個點。求最多有多少個點在同一條直線上。 提示&#xff1a; 1 < points.length < 300points[i].length 2-104 < xi, yi < 104points 中的所有點 互不相同 解析&#xff1a;使用斜…

XX服務器上的npm不知道咋突然壞了

收到同事的V&#xff0c;說是&#xff1a;182上的npm不知道咋突然壞了&#xff0c;查到這里了&#xff0c;不敢動了。 咱一定要抓重點&#xff1a;突然壞了。這里的突然肯定不是瞬間&#xff08;大概率是上次可用&#xff0c;這次不可用&#xff0c;中間間隔了多長時間&#x…

GNSS定位局限性與綜合PNT及5G定位技術研究

摘要 本文主要介紹了GNSS定位技術的系統組成與原理、發展歷程、應用領域及現狀&#xff0c;并分析了其存在的局限性&#xff0c;如信號遮擋、多路徑效應、大氣層干擾等。文章還探討了綜合PNT技術的體系架構、多源信息融合方法以及智能化算法在PNT中的應用&#xff0c;強調了綜…

/hbase/oldWALs 文件

/hbase/oldWALs 是 HBase 中的一個目錄&#xff0c;用于存儲那些不再需要用于恢復目的的 WAL&#xff08;Write-Ahead Log&#xff09;文件。這些文件在 HBase 確認所有的數據都已經從 MemStore 持久化到 HFile 之后&#xff0c;會被移動到這個目錄。 /hbase/oldWALs 目錄中的…

HALCON 算子 之 形態學操作算子

文章目錄 什么是形態學操作&#xff1f;為什么要形態學操作&#xff1f;怎么形態學操作&#xff1f;腐蝕 —— Erosionerosion1erosion_circle&#xff1a;erosion_rectangle1&#xff1a; 膨脹 —— Dilationdilation1dilation_circledilation_rectangle1 打開 —— Openingop…

[金盾杯 2024] PWN 復現

好長時間不作題了&#xff0c;在復現平臺上看到這個比賽&#xff0c;作了一下&#xff0c;題過于簡單了。不過密碼一言難盡。 Orange 要說libc-2.23有多老&#xff0c;我一開始學PWN的時候還有不少&#xff0c;這兩年幾乎不見了。一些比賽估計是拿的舊題。 遠看像個堆題&…

pytest入門九:feature

fixture是pytest特有的功能&#xff0c;用以在測試執行前和執行后進行必要的準備和清理工作。使用pytest.fixture標識&#xff0c;定義在函數前面。在你編寫測試函數的時候&#xff0c;你可以將此函數名稱做為傳入參數&#xff0c;pytest將會以依賴注入方式&#xff0c;將該函數…

uniapp Vue3 語法實現瀏覽器中音頻錄制、停止、保存、播放、轉碼、實時音頻輸出

一、引言 在現代 Web 應用開發中,音頻處理功能變得越來越重要。本文將詳細介紹如何使用 uniapp 結合 Vue3 語法在瀏覽器環境中實現音頻錄制、停止、保存、播放、轉碼以及實時音頻輸出等一系列功能。通過深入剖析代碼結構和功能實現細節,幫助讀者全面理解和掌握相關技術,以便…

【jpa】會什么jpa會自動新建一個hibernate_sequence表

目錄 1. 說明2. 主鍵生成策略3. hibernate_sequence表的創建4. 如何避免自動創建hibernate_sequence表 1. 說明 1.JPA&#xff08;Java Persistence API&#xff09;在默認情況下&#xff0c;如果使用Hibernate作為持久化框架&#xff0c;并且沒有顯式指定主鍵生成策略&#x…

秒優科技-供應鏈管理系統 login/doAction SQL注入漏洞復現

0x01 產品簡介 秒優科技提供的供應鏈管理系統,即秒優SCM服裝供應鏈管理系統,是一款專為服裝電商企業設計的全方位解決方案。是集款式研發、訂單管理、物料管理、生產管理、工藝管理、收發貨管理、賬單管理、報表管理于一體的服裝電商供應鏈管理解決方案。它涵蓋了從企劃到開…

【TF-IDF】Hugging Face Model Recommendation System

利用了機器學習技術的模型檢索 TF-IDF (Term Frequency-Inverse Document Frequency) 文本特征提取例子This project is a Hugging Face Model Recommendation System designed to assist users in discovering the most suitable models based on their task descriptions. Th…

136.WEB滲透測試-信息收集-小程序、app(7)

免責聲明&#xff1a;內容僅供學習參考&#xff0c;請合法利用知識&#xff0c;禁止進行違法犯罪活動&#xff01; 內容參考于&#xff1a; 易錦網校會員專享課 上一個內容&#xff1a;135.WEB滲透測試-信息收集-小程序、app&#xff08;6&#xff09; 進入之后我們通過輸入…

samout llm解碼 幻覺更低更穩定

這段代碼定義了一個簡單的對話生成系統&#xff0c;包括模型加載、詞匯表加載、以及基于給定提示生成文本的功能。下面是對代碼的解析&#xff1a; load_model_and_voc(device"cpu"): 該函數用于加載預訓練的模型和詞匯表&#xff08;vocabulary&#xff09;。它首先…

K近鄰原理和距離

K近鄰 基本思想歐氏距離算法流程代碼基于近鄰用戶的協同過濾基于近鄰物品的協同過濾杰卡德相似度 基本思想 我們根據涂色樣本點和未涂色樣本點 X 的距離給涂色樣本點編號1-6&#xff0c;即&#xff1a;1號樣本點距離X最近&#xff0c;其余次之。 那么問題來了&#xff1a;樣本…

Transformer 中 Self-Attention 的二次方復雜度(Quadratic Complexity )問題及改進方法:中英雙語

Transformer 中 Self-Attention 的二次方復雜度問題及改進方法 隨著大型語言模型&#xff08;LLM&#xff09;輸入序列長度的增加&#xff0c;Transformer 結構中的核心模塊——自注意力機制&#xff08;Self-Attention&#xff09; 的計算復雜度和內存消耗都呈現二次方增長。…

模型 A/B測試(科學驗證)

系列文章 分享 模型&#xff0c;了解更多&#x1f449; 模型_思維模型目錄。控制變量法。 1 A/B測試的應用 1.1 Electronic Arts&#xff08;EA&#xff09;《模擬城市》5游戲網站A/B測試 定義目標&#xff1a; Electronic Arts&#xff08;EA&#xff09;在發布新版《模擬城…

Java修飾符詳解:從基礎到高級用法

在Java編程語言中&#xff0c;有許多修飾符可以使用&#xff0c;它們大致可以分為兩大類&#xff1a;訪問控制修飾符、其他類型的修飾符。 這些修飾符主要用于指定類、方法或變量的特性&#xff0c;并且通常位于聲明語句的開頭部分。下面通過一些示例來進一步說明這一點&#…

onnx文件轉pytorch pt模型文件

onnx文件轉pytorch pt模型文件 1.onnx2torch轉換及測試2.存在問題參考文獻 從pytorch格式轉onnx格式&#xff0c;官方有成熟的API&#xff1b;那么假如只有onnx格式的模型文件&#xff0c;該怎樣轉回pytorch格式&#xff1f; https://github.com/ENOT-AutoDL/onnx2torch提供了…

Git merge 和 rebase的區別(附圖)

在 Git 中&#xff0c;merge 和 rebase 是兩種用于整合分支變化的方法。雖然它們都可以將一個分支的更改引入到另一個分支中&#xff0c;但它們的工作方式和結果是不同的。以下是對這兩者的詳細解釋&#xff1a; Git Merge 功能&#xff1a;合并分支&#xff0c;將兩個分支的…

【Web】0基礎學Web—js運算符、選擇結構、循環結構

0基礎學Web—js運算符、選擇結構、循環結構 js運算符選擇結構循環結構 js運算符 算術運算符: - * / %取余 賦值運算符: - * / % 單目運算符: i i --i i– 單獨使用是自增1 或 自減1 如果被使用&#xff0c;先看到啥先操作啥 比較運算符&#xff1a; > 、 >、 < 、…