In Fig. 3, the convergence behavior

In Fig. 3, the convergence behavior of a random channel
realization is demonstrated. The left subfigure shows the
deviation of our distributed solution from the optimal centralized
solution. Similar to [12], the oscillation in primal
variables is dampened and diminishes as iteration goes due
to regularization. Therefore convergence can be reached when
the difference of total transmit power in successive iterations is
sufficiently small. The convergence is also visualized by the
right subfigure showing the diminishing Lyapunov function
(23) as iteration goes, while (23) has been modified properly
to include MUI-related terms. Note that (22) and (32)
are sufficient conditions for convergence. While in certain
channel realizations convergence can be observed with larger
stepsizes, (22) and (32) ensure convergence uniformly for all
cases. Hence the effectiveness and stability of our proposal is
demonstrated.

ผลลัพธ์ (ไทย) 1:

ในรูป 3 พฤติกรรมบรรจบกันของช่องสัญญาณสุ่มสำนึกจะแสดงให้เห็น ด้านซ้าย subfigure แสดงการความเบี่ยงเบนของโซลูชันของเรากระจายจากที่เหมาะสมจากส่วนกลางการแก้ปัญหา การสั่นในปฐม คล้ายกับ [12]ตัวแปรคือชุบ และค่อย ๆ หายไปเมื่อเกิดซ้ำที่จะครบกำหนดเพื่อ regularization ดังนั้น บรรจบกันสามารถทำได้เมื่อความแตกต่างของผลรวมส่งพลังงานในการเกิดซ้ำครั้งต่อ ๆ มาเป็นพอขนาดเล็ก นอกจากนี้ยังมีการแสดงเป็นภาพการบรรจบกันโดยsubfigure ขวาแสดงการทำงานลดลงของเลียปูนอฟ(23) เป็นคำซ้ำไป ในขณะที่ (23) ได้รับการแก้ไขอย่างถูกต้องการรวมข้อกำหนดที่เกี่ยวข้องกับ MUI หมายเหตุที่ (22) และ (32)เป็นเงื่อนไขที่เพียงพอสำหรับการบรรจบกัน ในบางขณะช่องทางแบบร่วมกันว่าการรับรู้จะสังเกตได้ด้วยมีขนาดใหญ่stepsizes, (22) และ (32) ให้บรรจบกันอย่างสม่ำเสมอสำหรับทั้งหมดกรณี ดังนั้น ประสิทธิภาพและความเสถียรของข้อเสนอของเราคือแสดงให้เห็น

ผลลัพธ์ (ไทย) 2:

ในรูป 3 พฤติกรรมการบรรจบกันของช่องสุ่ม
สำนึกจะแสดงให้เห็น subfigure ซ้ายแสดงให้เห็นถึง
ความเบี่ยงเบนของการแก้ปัญหาการกระจายของเราจากส่วนกลางที่ดีที่สุด
วิธีการแก้ปัญหา คล้ายกับ [12] ผันผวนในปฐม
ตัวแปรชุบและจีบเป็นซ้ำไปเนื่องจาก
การ regularization ดังนั้นการบรรจบสามารถเข้าถึงได้เมื่อ
ความแตกต่างของการใช้พลังงานทั้งหมดในการส่งซ้ำต่อเนื่องเป็น
ขนาดเล็กพอ การบรรจบกันยังมองเห็นโดย
subfigure ขวาแสดงฟังก์ชั่นที่ลดลง Lyapunov
(23) ขณะที่ย้ำไปในขณะที่ (23) ได้รับการแก้ไขอย่างถูกต้อง
ที่จะรวมถึงข้อตกลงที่เกี่ยวข้องกับ MUI โปรดทราบว่า (22) และ (32)
เป็นเงื่อนไขที่เพียงพอสำหรับการคอนเวอร์เจนซ์ ในขณะที่ในบาง
ความเข้าใจช่องทางคอนเวอร์เจนซ์สามารถสังเกตได้ด้วยขนาดใหญ่
stepsizes, (22) และ (32) ให้แน่ใจว่าการบรรจบกันอย่างสม่ำเสมอสำหรับทุก
กรณี ดังนั้นประสิทธิผลและความมั่นคงของข้อเสนอของเราจะ
แสดงให้เห็นถึง

ผลลัพธ์ (ไทย) 3:

ในรูปที่ 3 ภาพพฤติกรรมของร่องแบบสุ่มการจะแสดงให้เห็นถึง การ subfigure ซ้ายแสดงส่วนของโซลูชั่นที่ดีที่สุดของเรากระจายจากส่วนกลางโซลูชั่น คล้ายกับ [ 12 ] , ความผันผวนในเริ่มแรกตัวแปร คือ การชุบและจีบเป็นซ้ำไปเนื่องจากจะผิดกฎหมาย . ดังนั้น โนเกียสามารถเข้าถึงได้เมื่อความแตกต่างของรวมส่งพลังต่อเนื่องซ้ำ คือเล็กพอสมควร บรรจบเป็นยังมองเห็นโดยใช่ subfigure แสดงให้ฟังก์ชันเลียปูนอฟ( 23 ) ที่ซ้ำไป ในขณะที่ ( 23 ) ได้รับการแก้ไขอย่างถูกต้องรวมรูปมิว ที่เกี่ยวข้อง หมายเหตุ ( 22 ) ( 32 ) และเป็นเงื่อนไขที่เพียงพอสำหรับการบรรจบกัน . ในขณะที่ในบางช่องทางการรับรู้กัน สามารถสังเกตได้ด้วยขนาดใหญ่stepsizes ( 22 ) และ ( 32 ) ให้บรรจบกันโดยทั้งหมดกรณี ดังนั้นประสิทธิภาพและเสถียรภาพของข้อเสนอของเรา คือแสดงให้เห็นถึง