前言、                 TensorFlow 2.0 学习过程中，对一些细节掌握不牢固，写一下博文来挖掘自己的不足                 因为是纯手打，方便记忆，可能存在一些字节错误，敬请谅解 一、 wide and deep            1. 引入资源库 import matplotlib as mpl # python 绘图库 import matplotlib.pyplot as plt # python 2D 绘图库 import numpy as np # 数学库，矩阵数组等 import sklearn import pandas as pd

:针对单基地多输入多输出雷达波达方向估计精度问题, 推导了单目标情况下波达方向估计的克 拉美罗界.结果表明波达方向估计精度取决于收发阵列的导向矢量以及发射信号的相关矩阵, 当发射阵 元间距为半波长时, 多输入多输出雷达波达方向估计的克拉美罗界在大部分角度范围内优于相控阵雷 达.多输入多输出雷达还能够通过增大发射阵元间距来得到更小的克拉美罗界, 从而获得远优于相控阵 雷达的波达方向估计性能.

自用，稳定可用

有数据，稳定运行

带数据，稳定运行

6.单输入单输出系统与多输入多输出系统 (1)单输入单输出系统(单变量系统) 系统的输入量和输出量各为一个,称为单输入单输出系统。 (2)多输入多输出系统(多变量系统) 若系统的输入量和输出量多于一个,称为多输入多输出系统。对于线性多输入多输出系统,系统的任何一个输出等于数个输入单独作用下输出的叠加。

似百度的首页手写输入法，可支持多输入框。 内含源代码，有html和js文件

在MIMO-OFDM无线通信系统中，常规的QRM-MLD检测算法的复杂度是固定的。为了降低算法的复杂度，基于传统的QRMMLD的树搜索思想，提出了一种改进的算法，该算法能根据星座点之间的相对距离以及在不同信道条件下接收符号在星座图中的位置差别，在保留的M个候选值中进一步减少候选点数。仿真结果表明，该算法能保证在误码率性能损失很小的情况下大大减少检测过程的访问节点数，降低了算法的平均复杂度。

超宽带（UWB）技术与多输入多输出（MIMO）相结合，为在无线通信中实现超过1 Gb / s的高数据传输速率提供了可行的解决方案。 UWB通常应用于短距离室内环境，因此具有密集的多径传播的特点。 在这种类型的环境中，MIMO系统通过利用UWB系统的固有阵列增益和空间复用增益，可以大幅提高频谱效率。 本文研究了UWB-MIMO无线技术的信道容量，并表明UWB和MIMO设计分别以对数和线性方式提高了频谱效率。

本文把多输入直流变换器分为非隔离分时供电型、非隔离同时供电型、隔离分时供电型、隔离同时供电型四类，介绍了各种电路拓扑的原理与特点，并论述多输入直流变换器的研究现状与发展。给出了全桥Boost 型双输入直流变换器的原理试验波形，试验结果表明在多种能源联合供电场合具有重要的应用价值。