用的pytorch:先生成一組隨機(jī)數(shù)：

但是我還想要批量生產(chǎn)：

學(xué)會(huì)了樸素的循環(huán):

但是誰不想用美麗的呢？

這樣才是存儲(chǔ)下來:

python中有現(xiàn)成的nakagami:

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.nakagami.html??

中午吃焗飯，米有要餐具。是一只傻但了。

但是我卻找到了nakagami，我一定是把所有能量都用來學(xué)習(xí)啦！這是我和nakagami之間的默契！

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.nakagami.html

nakagami-m中的m是形狀因子，描述不同散射環(huán)境多徑傳播造成的衰落程度：

m=1時(shí)為瑞利衰落：

m=0.5為單邊高斯分布：

我們分別取m=4.97和10(m越大衰落程度越高）：

m=4.97

m=10

當(dāng)信道增益滿足nakagami分布時(shí)，其平方滿足gama分布，證明如下：

https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.random.gamma.html

寫呀寫呀寫代碼

? ? ? deque容器為一個(gè)給定類型的元素進(jìn)行線性處理，像向量一樣，它能夠快速地隨機(jī)訪問任一個(gè)元素，并且能夠高效地插入和刪除容器的尾部元素。但它又與vector不同，deque支持高效插入和刪除容器的頭部元素，因此也叫做雙端隊(duì)列。deque類常用的函數(shù)如下。

構(gòu)造函數(shù):deque():創(chuàng)建一個(gè)空deque