本文共 684 字，大约阅读时间需要 2 分钟。

该blog是对参考论文中性能分析的笔记，参考文献：

性能分析

参与比较对象

1、Genie Policy：在全CSI已知的情况下，每次选择最优模态，相当于性能的理论上限。 2、 Exhaustive Search with Periodic Training (ESPT)：每一帧对所有模态进行检测，相当于不采用MAB时RA最佳模态选取的方式。 3、 Random Selection：任意选取。 性能指标 1、regret：描述了MAB在reward方面所付出的代价，是MAB分析的重要指标。

2、平均PPSNR

3、Sum Throughput

regret

UCB的regret是此线性的，收敛之后基本趋于一个稳定值，缓慢增长。且平均regret关于模态数增长的变化也不甚明显。

平均PPSNR

这里可以看到，随着模态数增加，UCB的平均PPSNR性能随着模态数增加，而ESPT在减小，这是因为遍历搜索放弃了原有的分集增益。 这里平均PPSNR的CDF性能，首先以PPSNR为reward函数的性能整体好于以DCN为reward的性能，这是由于PPSNR不仅仅与信道的相关性有关，还与其他比如衰落或者噪声等等因素有关，这一规律也体现在下面吞吐量的性能中。所以reward函数的设计应尽可能与我们感兴趣的最终性能有直接关系，当然在MAB中到底以何种性能指标来描述一个模态的好坏还有待考虑。

Sum Throughput

此处采用AMC编码，性能图如下：

这里sum throughput性能基本与上面PPSNR的CDF性能相同。