当前位置: 首页 > news >正文

S-Procedure的基本形式及使用

理论

在这里插入图片描述



Lemma 1. ( S- Procedure[ 34] ) : Define the quadratic func- \textbf{Lemma 1. ( S- Procedure[ 34] ) : Define the quadratic func- } Lemma 1. ( S- Procedure[ 34] ) : Define the quadratic func- 
tions w.r.t. x ∈ C M × 1 \mathbf{x}\in\mathbb{C}^M\times1 xCM×1 as
f m ( x ) = x H A m x + 2 R e { b m H x } + c m , m = 1 , 2 , f_m\left(\mathbf{x}\right)=\mathbf{x}^H\mathbf{A}_m\mathbf{x}+2Re\left\{\mathbf{b}_m^H\mathbf{x}\right\}+c_m,m=1,2, fm(x)=xHAmx+2Re{bmHx}+cm,m=1,2,
where A m ∈ C M × M , b m ∈ C M × 1 , a n d \mathbf{A}_m\in\mathbb{C}^{M\times M},\mathbf{b}_m\in\mathbb{C}^{M\times1},and AmCM×M,bmCM×1,and c m ∈ R . The c_m\in \mathbb{R} . \textit{The} cmR.The

c o n d i t i o n f 1 ≤ 0 ⇒ f 2 ≤ 0 h o l d s i f a n d o n l y i f t h e r e e x i s t s condition~f_1\leq0\Rightarrow f_2\leq0~holds~if~and~only~if~there~exists condition f10f20 holds if and only if there exists

a variable ω ≥ 0 such that a\textit{ variable }\omega \geq 0\textit{ such that} a variable ω0 such that

(19)
ω [ A 1 b 1 b 1 H c 1 ] − [ A 2 b 2 b 2 H c 2 ] ⪰ 0 M + 1 . \omega\begin{bmatrix}\mathbf{A}_1&\mathbf{b}_1\\\mathbf{b}_1^H&c_1\end{bmatrix}-\begin{bmatrix}\mathbf{A}_2&\mathbf{b}_2\\\mathbf{b}_2^H&c_2\end{bmatrix}\succeq\mathbf{0}_{M+1}. ω[A1b1Hb1c1][A2b2Hb2c2]0M+1.

理论重述

Let f ( x ) f(x) f(x) and g ( x ) g(x) g(x) be two quadratic forms defined as:
f ( x ) = x H A x + 2 ℜ ( b H x ) + c f(x) = x^H A x + 2 \Re(b^H x) + c f(x)=xHAx+2ℜ(bHx)+c
and
g ( x ) = x H D x + 2 ℜ ( e H x ) + f g(x) = x^H D x + 2 \Re(e^H x) + f g(x)=xHDx+2ℜ(eHx)+f
where A , D ∈ C n × n A, D \in \mathbb{C}^{n \times n} A,DCn×n are Hermitian matrices, b , e ∈ C n b, e \in \mathbb{C}^n b,eCn are complex vectors, and c , f ∈ R c, f \in \mathbb{R} c,fR are real constants. The superscript H H H denotes the Hermitian (conjugate transpose) of the matrix or vector.

The implication
f ( x ) ≤ 0 ⟹ g ( x ) ≤ 0 f(x) \leq 0 \implies g(x) \leq 0 f(x)0g(x)0
holds if and only if there exists a scalar λ ≥ 0 \lambda \geq 0 λ0 such that:
f ( x ) + λ g ( x ) ≤ 0 f(x) + \lambda g(x) \leq 0 f(x)+λg(x)0
or equivalently:
x H ( A + λ D ) x + 2 ℜ ( ( b + λ e ) H x ) + ( c + λ f ) ≤ 0 for all  x . x^H (A + \lambda D) x + 2 \Re \left( (b + \lambda e)^H x \right) + (c + \lambda f) \leq 0 \quad \text{for all } x. xH(A+λD)x+2ℜ((b+λe)Hx)+(c+λf)0for all x.

This condition can be rewritten as the following matrix inequality:
( A + λ D b + λ e ( b + λ e ) H c + λ f ) ⪰ 0 \begin{pmatrix} A + \lambda D & b + \lambda e \\ (b + \lambda e)^H & c + \lambda f \end{pmatrix} \succeq 0 (A+λD(b+λe)Hb+λec+λf)0
where ⪰ 0 \succeq 0 0 denotes that the matrix is positive semidefinite (PSD).

Thus, the S-Procedure states that if such a non-negative λ \lambda λ exists, then the implication f ( x ) ≤ 0 ⟹ g ( x ) ≤ 0 f(x) \leq 0 \implies g(x) \leq 0 f(x)0g(x)0 holds.

实际案例

已知
Δ h H Δ h ≤ a \Delta\mathbf{h}^H \Delta\mathbf{h} \leq a ΔhHΔha

如何根据S-Procedure 理论把下列形式转化成线性矩阵不等式呢
g ( Δ h ) = Δ h H D Δ h + 2 ℜ ( h H D Δ h ) + h H D h − z ≥ 0 g(\Delta\mathbf{h}) = \Delta\mathbf{h}^H \mathbf{D} \Delta\mathbf{h} + 2 \Re(\mathbf{h}^H \mathbf{D} \Delta\mathbf{h}) + \mathbf{h}^H \mathbf{D} \mathbf{h} - z \geq 0 g(Δh)=ΔhHDΔh+2ℜ(hHDΔh)+hHDhz0

实际案例详细说明

\section*{S-Procedure 推导}

\textbf{已知条件}

  1. 不等式 f 1 ( Δ h ) f_1(\Delta \mathbf{h}) f1(Δh)
    f 1 ( Δ h ) = Δ h H Δ h − a ≤ 0 f_1(\Delta \mathbf{h}) = \Delta \mathbf{h}^H \Delta \mathbf{h} - a \leq 0 f1(Δh)=ΔhHΔha0
    这表示:
    Δ h H Δ h ≤ a \Delta \mathbf{h}^H \Delta \mathbf{h} \leq a ΔhHΔha

  2. 需要证明的不等式 f 2 ( Δ h ) f_2(\Delta \mathbf{h}) f2(Δh)
    f 2 ( Δ h ) = − ( Δ h H D Δ h + 2 ℜ ( h H D Δ h ) + h H D h − z ) ≤ 0 f_2(\Delta \mathbf{h}) = - \left( \Delta \mathbf{h}^H \mathbf{D} \Delta \mathbf{h} + 2 \Re (\mathbf{h}^H \mathbf{D} \Delta \mathbf{h}) + \mathbf{h}^H \mathbf{D} \mathbf{h} - z \right) \leq 0 f2(Δh)=(ΔhHDΔh+2ℜ(hHDΔh)+hHDhz)0
    等价于:
    Δ h H D Δ h + 2 ℜ ( h H D Δ h ) + h H D h − z ≥ 0 \Delta \mathbf{h}^H \mathbf{D} \Delta \mathbf{h} + 2 \Re (\mathbf{h}^H \mathbf{D} \Delta \mathbf{h}) + \mathbf{h}^H \mathbf{D} \mathbf{h} - z \geq 0 ΔhHDΔh+2ℜ(hHDΔh)+hHDhz0

\textbf{应用 S-Procedure}

为了应用 S-Procedure,我们需要构造两个二次型 f 1 f_1 f1 f 2 f_2 f2 的矩阵形式,并构造相应的线性矩阵不等式 (LMI)。

  1. 构造 f 1 ( Δ h ) f_1(\Delta \mathbf{h}) f1(Δh) 的矩阵形式:
    f 1 ( Δ h ) = Δ h H Δ h − a f_1(\Delta \mathbf{h}) = \Delta \mathbf{h}^H \Delta \mathbf{h} - a f1(Δh)=ΔhHΔha
    其矩阵形式为:
    [ I 0 0 − a ] \begin{bmatrix} \mathbf{I} & \mathbf{0} \\ \mathbf{0} & -a \end{bmatrix} [I00a]

  2. 构造 f 2 ( Δ h ) f_2(\Delta \mathbf{h}) f2(Δh) 的矩阵形式:
    f 2 ( Δ h ) = − ( Δ h H D Δ h + 2 ℜ ( h H D Δ h ) + h H D h − z ) f_2(\Delta \mathbf{h}) = - \left( \Delta \mathbf{h}^H \mathbf{D} \Delta \mathbf{h} + 2 \Re (\mathbf{h}^H \mathbf{D} \Delta \mathbf{h}) + \mathbf{h}^H \mathbf{D} \mathbf{h} - z \right) f2(Δh)=(ΔhHDΔh+2ℜ(hHDΔh)+hHDhz)
    可以简化为:
    f 2 ( Δ h ) = − Δ h H D Δ h − 2 ℜ ( h H D Δ h ) − ( h H D h − z ) f_2(\Delta \mathbf{h}) = - \Delta \mathbf{h}^H \mathbf{D} \Delta \mathbf{h} - 2 \Re (\mathbf{h}^H \mathbf{D} \Delta \mathbf{h}) - (\mathbf{h}^H \mathbf{D} \mathbf{h} - z) f2(Δh)=ΔhHDΔh2ℜ(hHDΔh)(hHDhz)
    其矩阵形式为:
    [ − D − D h − h H D − ( h H D h − z ) ] \begin{bmatrix} -\mathbf{D} & -\mathbf{D} \mathbf{h} \\ -\mathbf{h}^H \mathbf{D} & -(\mathbf{h}^H \mathbf{D} \mathbf{h} - z) \end{bmatrix} [DhHDDh(hHDhz)]

  3. 构造 S-Procedure 矩阵:

根据 S-Procedure,存在 μ ≥ 0 \mu \geq 0 μ0 使得:
μ [ I 0 0 − a ] − [ − D − D h − h H D − ( h H D h − z ) ] ⪰ 0 \mu \begin{bmatrix} \mathbf{I} & \mathbf{0} \\ \mathbf{0} & -a \end{bmatrix} - \begin{bmatrix} -\mathbf{D} & -\mathbf{D} \mathbf{h} \\ -\mathbf{h}^H \mathbf{D} & -(\mathbf{h}^H \mathbf{D} \mathbf{h} - z) \end{bmatrix} \succeq \mathbf{0} μ[I00a][DhHDDh(hHDhz)]0
进一步简化为:
[ μ I + D D h h H D − μ a + ( h H D h − z ) ] ⪰ 0 \begin{bmatrix} \mu \mathbf{I} + \mathbf{D} & \mathbf{D} \mathbf{h} \\ \mathbf{h}^H \mathbf{D} & -\mu a + (\mathbf{h}^H \mathbf{D} \mathbf{h} - z) \end{bmatrix} \succeq \mathbf{0} [μI+DhHDDhμa+(hHDhz)]0

相关文章:

S-Procedure的基本形式及使用

理论 Lemma 1. ( S- Procedure[ 34] ) : Define the quadratic func- \textbf{Lemma 1. ( S- Procedure[ 34] ) : Define the quadratic func- } Lemma 1. ( S- Procedure[ 34] ) : Define the quadratic func- tions w.r.t. x ∈ C M 1 \mathbf{x}\in\mathbb{C}^M\times1 x…...

free -h 查看内存free空间不足

free空间不足 大部分被buff/cache占用 解决办法一: 手动释放缓存 释放页缓存 sudo sync; sudo sysctl -w vm.drop_caches1 释放目录项和inode缓存 sudo sync; sudo sysctl -w vm.drop_caches2 释放所有缓存(页缓存、目录项和inode缓存) sudo sync…...

rust学习笔记

参考资料:https://doc.rust-lang.org/book/ch01-02-hello-world.html 一、 编译与运行 在 Rust 中,编译和运行代码的常用命令是使用 cargo,这是 Rust 的包管理和构建工具。以下是使用 cargo 和 rustc(Rust 编译器)的具…...

【有啥问啥】复习变分下界即证据下界(Evidence Lower Bound, ELBO):原理与应用

复习变分下界即证据下界(Evidence Lower Bound, ELBO):原理与应用 变分下界(Variational Lower Bound),也称为“证据下界”(Evidence Lower Bound, ELBO),是概率模型中的…...

Linux shell编程学习笔记78:cpio命令——文件和目录归档工具(上)

0 前言 在Linux系统中,除了tar命令,我们还可以使用cpio命令来进行文件和目录的归档。 1 cpio命令的功能,帮助信息,格式,选项和参数说明 1.1 cpio命令的功能 cpio 名字来自 "copy in, copy out"&#xf…...

为什么在 JSON 序列化中不使用 transient

有些小伙伴发现了,明明在返回的实体类中指定了属性为transient。为什么前端得到的返回json中还是有这个属性的值? 类: private String name; private transient String password;返回结果: { name:"刘大大", password:…...

K8S - Volume - NFS 卷的简介和使用

在之前的文章里已经介绍了 K8S 中两个简单卷类型 hostpath 和 emptydir k8s - Volume 简介和HostPath的使用 K8S - Emptydir - 取代ELK 使用fluentd 构建logging saidcar 但是这两种卷都有同1个限制, 就是依赖于 k8s nodes的空间 如果某个service pod中需要的vol…...

IO模型---BIO、NIO、IO多路复用、AIO详解

本篇将想给详细解释一下什么是BIO、NIO、IO多路复用以及AIO~ 同步的阻塞(BIO)和非阻塞(NIO)的区别 BIO:线程发来IO请求后,一直阻塞着IO线程,需要缓冲区这边数据准备好之后,才会进行下一步的操作。 举个🌰&#xff1…...

蓝桥杯真题——约翰的牛奶

输入样例&#xff1a; 8 9 10 输出样例&#xff1a; 1 2 8 9 10 本题是宽搜的模版题&#xff0c;不论怎么倒牛奶&#xff0c;A,B,C 桶里的牛奶可以看做一个三元点集 我们只要找到A桶是空的&#xff0c;B,C桶中的状态即可 #include <iostream> #include <cstring…...

单机docker-compose部署minio

单机多副本docker-compose部署minio 简单介绍 如果服务器有限可以单机挂载多硬盘实现多副本容错&#xff08;生产不推荐&#xff09; 部署好的文件状态 有两个重要文件 docker-compose.yaml和nginx.conf docker-compose.yaml是docker部署容器的配置信息包括4个minio和1个ng…...

Winform实现弹出定时框功能

1、程序 private void TimeDialogInitialize(){for(int i1; i<30;i){cbbTimeDialog.Items.Add(i);}}private void cbbTimeDialog_SelectedIndexChanged(object sender, EventArgs e){foreach(int i in cbbTimeDialog.Items){if(cbbTimeDialog.SelectedItem!null &&…...

【机器学习(四)】分类和回归任务-梯度提升决策树(GBDT)-Sentosa_DSML社区版

文章目录 一、算法概念一、算法原理&#xff08;一&#xff09; GBDT 及负梯度拟合原理&#xff08;二&#xff09; GBDT 回归和分类1、GBDT回归1、GBDT分类二元分类多元分类 &#xff08;三&#xff09;损失函数1、回归问题的损失函数2. 分类问题的损失函数&#xff1a; 三、G…...

Mini-Omni 语言模型在流式传输中边思考边听说应用

引入简介 Mini-Omni 是一个开源的多模态大语言模型,能够在思考的同时进行听觉和语言交流。它具有实时端到端语音输入和流媒体音频输出的对话能力。 语言模型的最新进展取得了显著突破。GPT-4o 作为一个新的里程碑,实现了与人类的实时对话,展示了接近人类的自然流畅度。为了…...

vue devtools的使用

vue devtools的使用 Vue Devtools 是一个强大的浏览器扩展,旨在帮助你调试和开发 Vue.js 应用。它支持 Chrome 和 Firefox 浏览器,并提供了一些工具和功能,可以让你更轻松地查看和调试 Vue 应用的状态和行为。以下是如何安装和使用 Vue Devtools 的详细指南。 安装 Vue De…...

无人机培训:无人机维护保养技术详解

随着无人机技术的飞速发展&#xff0c;其在航拍、农业、救援、环境监测等领域的应用日益广泛。然而&#xff0c;要确保无人机安全、高效地执行任务&#xff0c;定期的维护保养至关重要。本文将深入解析无人机维护保养的核心技术&#xff0c;涵盖基础构造理解、清洁与防尘、电机…...

Mac 创建 Python 虚拟环境

在 macOS 上&#xff0c;您可以使用以下步骤使用 virtualenv 创建虚拟环境&#xff1a; 首先&#xff0c;确保您已经安装了 Python 和 virtualenv。您可以在终端中运行以下命令来检查它们是否已安装&#xff1a; python --version virtualenv --version如果这些命令没有找到&am…...

安卓玩机工具-----无需root权限 卸载 禁用 删除当前机型app应用 ADB玩机工具

ADB玩机工具 ADB AppControl是很实用的安卓手机应用管理工具&#xff0c;无需root权限&#xff0c;通过usb连接电脑后&#xff0c;可以很方便的进行应用程序安装与卸载&#xff0c;还支持提取手机应用apk文件到电脑上&#xff0c;此外还有手机系统垃圾清理、上传文件等…...

中国科技统计年鉴1991-2020年

&#xff08;数据收集&#xff09;中国科技统计年鉴1991-2020年.Excel格式资源-CSDN文库https://download.csdn.net/download/2401_84585615/89475658 《中国科技统计年鉴》是由国家统计局社会科技和文化产业统计司与科学技术部战略规划司共同编辑的官方统计资料书&#xff0c…...

OpenAI / GPT-4o:Python 返回结构化 / JSON 输出

在调用 OpenAI&#xff08;比如&#xff1a;GPT-4o&#xff09;接口时&#xff0c;希望返回的结果是能够在后续任务中自动化处理的结构化 / JSON 输出。GPT 版本&#xff1a;gpt-4o-2024-08-06&#xff0c;提供了这样的功能。 目标&#xff1a;从非结构化输入到结构化数据&…...

通信工程学习:什么是EDFA掺铒光纤放大器

EDFA&#xff1a;掺铒光纤放大器 EDFA&#xff0c;即掺铒光纤放大器&#xff08;Erbium-Doped Fiber Amplifier&#xff09;&#xff0c;是一种在光纤通信中广泛使用的光放大器件。以下是对EDFA的详细解释&#xff1a; 一、定义与基本原理 EDFA是在石英光纤中掺入少量的稀土元…...

机器学习与深度学习的区别

随着人工智能技术的迅猛发展&#xff0c;机器学习&#xff08;Machine Learning, ML&#xff09;和深度学习&#xff08;Deep Learning, DL&#xff09;这两个术语越来越频繁地出现在人们的视野中。尽管它们之间有着紧密的联系&#xff0c;但实际上二者存在显著的区别。本文旨在…...

标准库标头 <barrier>(C++20)学习

此头文件是线程支持库的一部分。 类模板 std::barrier 提供一种线程协调机制&#xff0c;阻塞已知大小的线程组直至该组中的所有线程到达该屏障。不同于 std::latch&#xff0c;屏障是可重用的&#xff1a;一旦到达的线程组被解除阻塞&#xff0c;即可重用同一屏障。与 std::l…...

如何测量一个(传输网络)系统的容量

Little 定律就能反算系统容量&#xff0c;但我这篇文章要正着算。 假想一个理发店场景。李大爷拥有一家占地 50 平米的理发店&#xff0c;经理到店里理发如果已经有经理在理发&#xff0c;就要拿个券等待&#xff0c;请问李大爷需要印多少等待券&#xff1f; 这是个系统容量问…...

【MySQL】MySQL和Workbench版本兼容问题

1、安装MySQL WorkBench 最新版本下载&#xff1a;https://dev.mysql.com/downloads/workbench/ 历史版本下载&#xff1a;https://downloads.mysql.com/archives/workbench/ 2、问题描述 本人在Windows下安装了一个旧版本的MySQL&#xff08;5.1&#xff09;&#xff0c;同…...

项目实战 ---- 商用落地视频搜索系统(10)---后台搜索Cache优化

目录 背景 技术实现策略 视频预处理阶段的cache技术 视频搜索阶段的cache技术 技术实现 预处理阶段cache策略实现 逻辑 代码 运行结果 问题及注意点 搜索阶段cache策略实现 系统配置层面 逻辑 低版本 GPU CPU 本项目的配置 高版本 描述 go ahead 策略 cac…...

客户端(服务器下载文件)

一、客户端代码 客户端代码 //实现TCP客户端通信 #include<stdio.h> #include<unistd.h> #include<sys/stat.h> #include<sys/types.h> #include<sys/socket.h> #include<string.h> #include<netinet/ip.h> #include<netinet/in…...

P1544 三倍经验 (记忆化搜索)

三倍经验 题目描述 数字金字塔由 n n n 行整数组成&#xff0c;第 i ( 1 ≤ i ≤ n ) i(1\le i\le n) i(1≤i≤n) 行有 i i i 个数字&#xff0c;一个示例如下。 73 98 1 02 7 4 4 4 5 2 6 5现在你在金字塔的顶部&#xff08;第一行&#xff09;&…...

【在Python中创建简单界面计算器】

在Python中创建带有简单界面的计算器&#xff0c;我们可以继续使用Tkinter库&#xff0c;这是一个非常流行且易于使用的GUI库。下面是一个简单的计算器实现&#xff0c;它支持加、减、乘、除四种基本运算。 首先&#xff0c;确保你的Python环境中已经安装了Tkinter。Tkinter通…...

【四范式】浅谈NLP发展的四个范式

自然语言处理&#xff08;Natural Language Processing&#xff0c;NLP&#xff09;是计算机科学&#xff0c;人工智能&#xff0c;语言学关于计算机和人类自然语言之间的相互作用的领域&#xff0c;是计算机科学领域与人工智能领域中的一个重要方向。NLP发展到今天已经进入到了…...

--- 数据结构 优先级队列 --- java

之前提高到队列是一种先进先出的结构&#xff0c;但是在某些情况下操作的数据具有优先级&#xff0c;那么对他先进行操作&#xff0c;这时队列就不能满足需求了&#xff0c;因为队列只能操作对头的元素&#xff0c;而具有优先级的数据不一定是在对头&#xff0c;这样就需要优先…...