qq_43243022的博客

原创 NR的SSB子载波间隔讨论——为何无60kHz

SSB有如下几种的子载波间隔选择和时域上的候选位置分布形式 Case/SCS OFDM Symbol (s) f <= 3 Ghz 3 Ghz < f <=6 Ghz f > 6 Ghz Case A: 15 KHz {2,8} + 14 n n = 0,1 n = 0,1,2,3 ..

原创 5G-RNTI

5G-RNTI- RNTI，Radio Network Temporary Identifier，是一种标识，两类用途：用于加扰DCI的CRC，UE只有使用正确的RNTI才能对接收到的消息解码；基站用于识别UE，UE发送的RRC message会携带自己专用的RNTI值。- 5G中有多种类型的RNTI，可分为公共的和专用的两类：公共的RNTI取值是固定的，所有UE都一样（SI-RNTI,P-RNTI），专用的RNTI取值不是固定的，UE需要根据基站指示或者通过相关状态计算得到（如RA-RNTI是通过

原创 【NR接入流程】

1 RRC_IDLE/INACTIVE态下UE的接入流程2 交互消息内容及作用1. RRCSetupRequest：UE发送建立请求ue-Identity/ establishmentCauseCCCH，SRB02. INITIAL UL RRC MESSAGE TRANSFER:gNB-DU将RRC建立请求消息发送给gNB-CUgNB-DUUEF1APIDSUL Access IndicationC-RNTIRAN UE IDDU ...

原创 PLMN与RAT/Cell/运营商间的关系

1 PLMN用于区分不同运营商、不同的RAT、以及相同运营商相同RAT的不同网络服务2 相同运营商的相同RAT的PLMN之间实现共享RPLMN：UE小区选择并建立RRC连接并在核心网注册之后，所选的PLMN成为注册的 PLMN，即RPLMN；EPLMN：与RPLMN同属于一个运营商相同RAT的PLMN为等效PLMN（EPLMN），是共享的。...

原创 【1】手机接收及处理信号

原创 【数字信号处理教程】

1 卷积运算相当于，将 h（m）信号翻转，然后沿着x信号平移求和（想到了神经网络里的卷积操作，二维平面内加权求和）注意：相乘过程中，x（m）信号固定不变，而 h（m）信号要更新为新的区间（n-m）；实际求解过程中，要分区间处理，两个信号要在相同区间有对应值！运算过程：翻转：移位：相乘：将 x(m) 和 h(n-m) 相同m值的对应部分相乘累加：课后题1：...

原创 【通信知识积累】

1 电磁波电流的磁效应：电生磁，电场使得电荷同性相斥异性相吸进而产生电流，根据相对论效应电荷周围的电场运动导致时空扭曲，即磁场；电磁感应：磁生电，闭合电路在磁场中做切割磁感线运动又会产生电流；电磁波：电磁场就这样在电生磁，磁生电的过程中以光速在空间上不断传播开来，像潮水一样一波一波地向前涌动，形成了电磁波。具有能量和动量，是传递电磁力的媒介，它弥漫于整个空间。麦克斯韦预言存在，赫兹证明...

原创 【Python 知识点】

1 什么是可变对象，什么是不可变对象：可变对象是指，一个对象在不改变其所指向的地址的前提下，可以修改其所指向的地址中的值；不可变对象是指，一个对象所指向的地址上值是不能修改的，如果你修改了这个对象的值，那么它指向的地址就改变了，相当于你把这个对象指向的值复制出来一份，然后做了修改后存到另一个地址上了，但是可变对象就不会做这样的动作，而是直接在对象所指的地址上把值给改变了，而这个对象依然指...

原创 【Code Practice 1】

Hot 100 leetcode笔试整理8.24 贝壳（四道加起来过了...74%...）1 动态规划#吃糖题：n=5dp=[0]*(n+1) #记录吃第i颗的最少次数#dp[i]=min(dp[i],dp[j]+1) if j 到i之间可以一次吃掉num=[1,1,2,3,4]if n==1: print(1)else: dp=[0]*(n...

原创 二叉树的遍历（递归&非递归）

#二叉树的遍历（递归&非递归）#定义二叉树结构：class BinNode(): def __init__(self,val): self.left=None self.right=None self.val=val #先序遍历 ## 递归方法 def preOrder(self,root): ...

原创 【基于LFM的电影推荐】

目录1 LFM（Latent Factor Model）原理2 LFM 特点3 基于LFM的电影推荐1 LFM（Latent Factor Model）原理隐语义模型思想：将user与item分别用一个F维的隐向量来表示，其乘积就表示用户对物品的评分或感兴趣程度。可以理解为：user并不是直接喜欢物品，而是喜欢F个类别，而item属于这F个类别，学习每个user对类别的感...

原创 【基于协同过滤算法的电影推荐】

目录1 协同过滤算法1.1 CF与 User/Item 推荐算法区别1.2 UserCF1.3 ItemCF2 评价指标3 基于userCF与itemCF电影推荐3.1 MovieLens数据集3.2 userCF代码实现3.3 K值影响实验（userCF）3.4itemCF代码实现3.5 K值影响实验（itemCF）4 userCF与ite...

原创 【Interesting Blogs】

目录1 不一样的SVD（blog）2 推荐算法工程师 还有事可做吗？1 将业务转化为数学问题2 根据数据特性定义模型y = wx + sq + sp + pq3根据业务定义合理损失函数4 参数调优5计算量太大的离线算法优化和线上算法优化3 Accuracy vs Diversity4 推荐模型混合方法5. 推荐系统的动态模型1 不一样...

原创 【推荐系统】技术积累

目录1CSDDN特约专稿：个性化推荐技术漫谈a 推荐系统的特点：b 完整的推荐系统构成：c 协同过滤（Collaborative Filtering）1 user-based基于用户2 item-based基于内容项3 对item-based扩展性的改进（大数据量时）——聚类分析2 协同过滤a 近实时协同过滤算法工程实践b 协同过滤特点：...

转载 CTR算法总结

1 Logitic Regression是ctr预估模型的最基本的模型.优势：优势在于处理离散化特征，而且模型十分简单，很容易实现分布式计算。关于LR的变种也有许多，比如Google的FTRL，其实这些变种都可以看成：LR+正则化+特定优化方法缺点：特征与特征之间在模型中是独立的，需要进行大量的人工特征工程进行交叉特征组合；而且LR需要将特征进行离散化，归一化，在离散化过程中...

原创 【Lane Detection】车道线检测的简单实现 (OpenCV)

目录1 导入工具库，查看图片2 图片灰度处理3 Canny边缘检测4 划定ROI5 霍夫变换，直线检测6 直线拟合，根据端点画出左右lane7 Pipeline搭建 &Video车道检测8 方法改进8.1 分别提取yellow pixels(HSV) & white pixels8.2 高斯模糊（减小噪声）8.3 ROI 由三角形，改...

原创 【Code Practice】

目录0 笔试题目整理0.1 字节 7.7 （AC一道，90%一道，30%一道）​1 链表类1.0 创建链表1.1 反转链表1.2 从尾到头打印链表1.3 查找链表中倒数第k个节点1.4 合并两个递增的有序链表1.5 复杂链表的复制（带一个random）1.6 两个链表的第一个公共节点1.7 链表环的入口节点1.8 删除链表中的重复节点...

原创 NMS原理及代码实现

NMS原理Non-Maximum-Suppression（非极大值抑制）：当两个box空间位置非常接近，就以score更高的那个作为基准，看IOU即重合度如何，如果与其重合度超过阈值，就抑制score更小的box，因为没有必要输出两个接近的box，只保留score大的就可以了。应用：在目标检测过程中，（Faster-RCNN / YOLOv2）采用NMS来消除冗余的boxes，最终只留...

原创 【Fine Tune】神经网络调优总结

参考：A Comprehensive guide to Fine-tuning Deep Learning Models in Kerascode:github目录1 为什么要调优：2 什么时候调优：3 调优技巧4 调优方法(VGG16 )5 调优VGG16分类Cats.vs Dogs5.1 准备数据5.2 网络结构5.3 构建网络5.3 测试...

原创 面试题整理

"""思路：sum1计算小妞妞的得分，sum2计算牛牛的得分；每次选择时，如果对方最大值比自己的最大值还大，就删除对方的；如果没有自己的最大值大，或者对方空了，就加上自己的最大，然后删除自己的最大。每次结束后，交替两个数组"""arr1=[2,7,7]arr2=[2,8,7]length=len(arr1)i=0sum1,sum2=0,0for i in range(...

原创 动态规划（剪绳子、把数字翻译成字符串、礼物最大值、最长不重复字符串）

动态规划问题特点：1 求最优解（乘积最大值，最多组合）2 可分解成若干子问题的最优解（递归）3 从上到下分析问题，从下到上求解问题先求基础的子问题最优解——>保存这些最优解到一个数组——>依赖已求的子问题，求解整体最优解#f(n)=max(f(i)*f(n-i)),0<i<lengthfdef cut_rope(length): if...

原创 【经典神经网络】-AlexNet/VGG/GoogLeNet/ResNet

1 AlexNet(2012,ImageNet冠军，CNN用于图像分类的开山之作）结构：5 卷积层+3个全连接层（卷积核size:11,5,3）特点：ReLU 激活函数 （避免了sigmoid的梯度消失-反向传播的时候会连乘sigmoid的导数，初始值很大的话导数接近于0，导致前层网络梯度越来越小；计算量减小，加快了训练速度） LRN（Local Response Norma...

原创 CV技术积累

更新ing...1了解无人驾驶倚赖的计算机视觉技术，你需要读这篇 （2016，依图）传统无人驾驶感知技术（超声波雷达，毫米波雷达，激光雷达LiDAR--昂贵）计算机视觉技术在无人驾驶中的应用：物体识别与跟踪：optical Flow （估计一个二维偏移矢量----基于单个摄像机在连续时刻的图片）与 立体视觉技术（基于多个摄像机同一时刻的图片）自身定位：基于拓步与地标的算法（...

转载 目标检测算法-解读博客

Two Stage:RCNN,Fast RCNN,Faster RCNN 总结1 [RCNN] 2014R-CNN论文详解：https://blog.csdn.net/WoPawn/article/details/52133338RCNN- 将CNN引入目标检测的开山之作：https://zhuanlan.zhihu.com/xiaoleimlnote2 [Fast RCN...

原创 Windows7 利用anaconda 安装Pytorch error及解决

从上午安装到下午，以下为安装pytorch cpu 全过程，期间出现过的error及解决：Windows7anaconda 4.2.0python 3.51 官网查找对应版本2 Anaconda Prompt 里执行上图中的命令 ，进行安装3 安装完成后，import torch失败error:  DLL load failed: 找不到指定的模块，并且导入其他工具 如...

原创 Digit Recognizer- 参数探索分析

目录1 Background2 CNN Net Architecture3 Parameters Explore3.1 Batch_size 3.2 Activiation3.3 Epoch 3.4 Optimizer3.5 Data Augmentation4 Conclusion1 Background手写数字识别器：kaggle竞赛地址，参考ker...

原创 各种排序算法

更新中 ...稳定性：排完序后，所有等值元素的相对位置保持不变适应性：排序算法对顺序不同的待排序序列，表现出差异性（越有序，越高效）1 插入排序（稳定性，适应性）平均时间复杂度O（n^2），最好O（1）原地排序，空间复杂度为O（1）原理：从序列最左侧开始遍历，用该元素首先比较其相邻的左侧元素（左侧已排好），若该元素比其小，则左侧元素右移，继续比较该元素和左侧第二个的大...

原创 Batch Normolization(批归一化）

Why:Internal  Covariate Shift:网络中间层在训练过程中，输入数据分布的改变。训练过程中参数会不断的更新，前面层训练参数的更新将导致后面层输入数据分布的变化。因此，模型参数要不断去适应这种随迭代变化的输入分布，这回导致模型参数学习很慢。如果能使每层的输入分布固定（如均值为0，方差为1的高斯分布），那么模型参数的学习将会更加容易。What: 将每层输入的...

转载 傅里叶变换，小波变换【转】

小波变换也是数据降维的一种，找到了一篇简单易懂的好文。http://www.360doc.com/content/15/0613/14/21899328_477836495.shtml

原创 栈与队列的几个题(固定大小的栈和队列，getmin功能的栈，栈实现队列，队列实现栈）

1用数组建立一个固定大小的栈append 实现push(); pop 实现pop()class arraystack: def __init__(self,size): # 开始怎么调都不成功，init 竟然写成了int self.stackData=[] self.len=size def push(self,obj): ...

原创 手写数字识别-SVM方法

from sklearn import svmfrom matplotlib import pyplot as pltfrom sklearn.model_selection import train_test_splitimport pandas as pdtrain=pd.read_csv('Digit/train.csv')test=pd.read_csv('Digit/test...

原创 【Start of DataScience】Titanic 预测分析

学了机器学习一个月了，跃跃欲试想实践一把。参考了kaggle上一篇非常详细的帖子，断断续续用了一个星期，自己一步一步地完成了Titanic的预测分析，也算是入了门。看会和写出来再到生成文件提交上去，整个流程做下来遇到了各种各样的问题。作图不会注释怎么办？中文显示乱码怎么办？panda是切片loc和iloc用哪个？ 训练的时候显示 y 标签为（n_samples,1）和（n_samples,）不...

原创 Matplotlib 图的标注--annotate

图形标注有时候我们画好了一幅图，比如柱状图，但是如何在每个柱子上面显示其具体的数据呢？简单的plot.bar()是无法解决这个问题的。今天就遇到了这个问题，发现annotate是一个提供标注的工具，可以解决此类问题。annotate的功能很强大，在图中加文本框，加箭头都可以。实例最近在做Titanic 数据分析，分类型变量的单变量分析一般需要画柱状图，在图上加上具体的数值再好不过了。...

转载 转-【特征工程汇总】--"使用sklearn做单机特征工程"

看到关于特征工程的，最为详细的介绍。https://www.cnblogs.com/jasonfreak/p/5448385.html

原创 【sklearn实例】5--数据标准化/归一化

1 标准化&归一化Standardization:z-score标准化将数据均值转化为0，标准差转化为1。处理后的数据符合标准正态分布。Normalization: min-max归一化（0 ~ 1）利用最大最小值，将数据进行线性转化，范围落在（0 ~ 1）。归一化到任意区间（a ~ b）（1）首先找到原样本数据集的最小值Min及最大值Max...

原创 Python练习转移LeetCode

最近发现自己在网上找的题目太杂乱，难度不一、类型不一。其实应该按照一定的顺序，从简单到难，从数组到链表等。见识了一下早有耳闻的LeetCode，中文网站非常棒，题库类型多样，难度可选，分类详细，所以今后做python练习就在那了，不来这刷积分了￣□￣｜｜。所以，最后一道题，贴上来刚刚做的LeetCode小题。可以在线编辑、执行、提交，非常舒服便捷。还有排名和提交记录，相当于在线小pk，做起来也很有...

原创 【sklearn实例】4--特征工程之离散值编码

离散特征离散特征变量类型可以分为有序类和无序类。无序类，价值相等且可区分，没有等级、顺序、排序、好坏等逻辑关系，各变量相互独立：性别（男/女）、颜色（赤橙黄绿青蓝紫）、登机口（A/B/C）；有序类：各变量有级别大小等逻辑关系：尺码（L/XL/XXL）、学历（高/中/低）为何要编码对无序类：为何不能直接对特征进行赋值，比如male1,female0。这是不科学的，因为这样一来就存...

原创 重温Titanic

 周五晚上例行组会，今天没有做python练习。下午又重温了一遍Titanic，可能是第三遍了吧，体会还是不一样。这两个镜头最感人。目睹着自己所爱的人沉入深海，怀着永不放弃的誓言奔向新生活。看到骑马的这张照片才想到Jack曾要教她像男人一样骑马，更感受到Rose不仅活出了自己想要的自由，也在为Jack而活。再看一遍的原因，是因为对数据挖掘感兴趣，就是从一篇Titanic的博客开...

原创 Python 练习（22）-易

问题描述我国古代数学家张丘建在《张丘建算经》一书中提出了“百鸡问题”：鸡翁一，值钱五，鸡母一，值钱三，鸡雏三，值钱一。百钱买百鸡，问鸡翁、鸡母、鸡雏各几何？这个问题的大致意思是这样的：公鸡5文钱一只，母鸡3文钱一只，小鸡3只一文钱。如果用100文钱买100只鸡，那么公鸡、母鸡和小鸡各应该买多少只呢？分析：三个未知数，两个方程。找到其中两个未知数的等量关系，遍历一个未知数，找到符合条件的组...

原创 《机器学习》笔记--5 特征选择