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…...

idea大量爆红问题解决

问题描述 在学习和工作中&#xff0c;idea是程序员不可缺少的一个工具&#xff0c;但是突然在有些时候就会出现大量爆红的问题&#xff0c;发现无法跳转&#xff0c;无论是关机重启或者是替换root都无法解决 就是如上所展示的问题&#xff0c;但是程序依然可以启动。 问题解决…...

解决Ubuntu22.04 VMware失败的问题 ubuntu入门之二十八

现象1 打开VMware失败 Ubuntu升级之后打开VMware上报需要安装vmmon和vmnet&#xff0c;点击确认后如下提示 最终上报fail 解决方法 内核升级导致&#xff0c;需要在新内核下重新下载编译安装 查看版本 $ vmware -v VMware Workstation 17.5.1 build-23298084$ lsb_release…...

学习STC51单片机32(芯片为STC89C52RCRC)OLED显示屏2

每日一言 今天的每一份坚持&#xff0c;都是在为未来积攒底气。 案例&#xff1a;OLED显示一个A 这边观察到一个点&#xff0c;怎么雪花了就是都是乱七八糟的占满了屏幕。。 解释 &#xff1a; 如果代码里信号切换太快&#xff08;比如 SDA 刚变&#xff0c;SCL 立刻变&#…...

Java线上CPU飙高问题排查全指南

一、引言 在Java应用的线上运行环境中&#xff0c;CPU飙高是一个常见且棘手的性能问题。当系统出现CPU飙高时&#xff0c;通常会导致应用响应缓慢&#xff0c;甚至服务不可用&#xff0c;严重影响用户体验和业务运行。因此&#xff0c;掌握一套科学有效的CPU飙高问题排查方法&…...

重启Eureka集群中的节点,对已经注册的服务有什么影响

先看答案&#xff0c;如果正确地操作&#xff0c;重启Eureka集群中的节点&#xff0c;对已经注册的服务影响非常小&#xff0c;甚至可以做到无感知。 但如果操作不当&#xff0c;可能会引发短暂的服务发现问题。 下面我们从Eureka的核心工作原理来详细分析这个问题。 Eureka的…...

人机融合智能 | “人智交互”跨学科新领域

本文系统地提出基于“以人为中心AI(HCAI)”理念的人-人工智能交互(人智交互)这一跨学科新领域及框架,定义人智交互领域的理念、基本理论和关键问题、方法、开发流程和参与团队等,阐述提出人智交互新领域的意义。然后,提出人智交互研究的三种新范式取向以及它们的意义。最后,总结…...

Linux 中如何提取压缩文件 ?

Linux 是一种流行的开源操作系统&#xff0c;它提供了许多工具来管理、压缩和解压缩文件。压缩文件有助于节省存储空间&#xff0c;使数据传输更快。本指南将向您展示如何在 Linux 中提取不同类型的压缩文件。 1. Unpacking ZIP Files ZIP 文件是非常常见的&#xff0c;要在 …...

DBLP数据库是什么?

DBLP&#xff08;Digital Bibliography & Library Project&#xff09;Computer Science Bibliography是全球著名的计算机科学出版物的开放书目数据库。DBLP所收录的期刊和会议论文质量较高&#xff0c;数据库文献更新速度很快&#xff0c;很好地反映了国际计算机科学学术研…...

LLaMA-Factory 微调 Qwen2-VL 进行人脸情感识别(二)

在上一篇文章中,我们详细介绍了如何使用LLaMA-Factory框架对Qwen2-VL大模型进行微调,以实现人脸情感识别的功能。本篇文章将聚焦于微调完成后,如何调用这个模型进行人脸情感识别的具体代码实现,包括详细的步骤和注释。 模型调用步骤 环境准备:确保安装了必要的Python库。…...

基于鸿蒙(HarmonyOS5)的打车小程序

1. 开发环境准备 安装DevEco Studio (鸿蒙官方IDE)配置HarmonyOS SDK申请开发者账号和必要的API密钥 2. 项目结构设计 ├── entry │ ├── src │ │ ├── main │ │ │ ├── ets │ │ │ │ ├── pages │ │ │ │ │ ├── H…...