术语表#
收全站核心术语，按"所属部"分五节，每条一句白话解释。所属部指这个概念主要在哪一部讲透，和它第一次露面的位置不一定相同，比如"分层的代价"第一次出现在第二部，讲透在第三部。
几条读法说明：
- 首次出现：按阅读顺序（预备篇 → 第四部）找第一次在正文里出现的位置；首页、各部导读页、章首"你将学会"列表与参考文献不计。那一处如果只是提了一下名字，标"（点名）"。
- 所属部 · 主讲：真正定义或讲透这个概念的小节。节内各条按主讲位置排序，所以每一节也可以当作读这一部之前的术语预习单。
- 标【本站提法】的是本站提出的概念或组织框架，不是文献通用术语。
- 符号的含义与撞车提醒见符号表。
预备篇#
| 术语 | 白话解释 | 首次出现 | 所属部 · 主讲 |
|---|---|---|---|
| 近场与远场 near field / far field |
离天线足够远（超过 Fraunhofer 距离 \(2D^2/\lambda\)）时波前可以当平面波处理，叫远场；更近处波前明显弯曲，叫近场 | 预备篇第 1 章 · 章首（点名） | 预备篇 1.3 · 近场与远场 |
| 天线增益 gain |
天线把功率往最强方向集中的倍数（相对各向同性天线），等于方向性乘辐射效率；dBi 是它的 dB 值 | 预备篇 1.4 · 方向性与增益，以及 dBi 的准确含义 | 预备篇 1.4 · 方向性与增益，以及 dBi 的准确含义 |
| 有效孔径 effective aperture |
接收天线在来波功率密度里"张开"的等效面积，\(A_e=\lambda^2G/(4\pi)\)；频率越高，同样增益的天线孔径越小 | 预备篇 1.4 · 方向性与增益，以及 dBi 的准确含义 | 预备篇 1.4 · 有效孔径 \(A_e\) |
| 链路预算 link budget |
在 dB 域把发射功率、天线增益、路径损耗、噪声逐项加减，算出接收端信噪比的一笔账 | 预备篇第 1 章 · 章首（点名） | 预备篇 1.5 · Friis 公式 |
| Friis 公式 Friis equation |
自由空间收发功率的关系 \(P_r=P_tG_tG_r(\lambda/4\pi d)^2\)；其中的 \(\lambda^2\) 来自接收孔径随频率缩小，不是传播本身的损耗 | 预备篇 1.4 · 有效孔径 \(A_e\)（点名） | 预备篇 1.5 · Friis 公式 |
| 波束赋形 beamforming |
给各阵元加不同的相位和幅度权重，让信号在目标方向相干叠加、在其他方向相消 | 预备篇第 1 章 · 章首（点名） | 预备篇 1.6 · 天线阵列入门 |
| 阵因子与栅瓣 array factor / grating lobe |
阵因子是多个阵元按相位叠加形成的方向图因子；阵元间距过大时，别的方向会冒出同样高的主瓣，叫栅瓣（空间里的混叠） | 预备篇 1.6 · 天线阵列入门 | 预备篇 1.6 · 天线阵列入门 |
| 路径损耗 path loss |
信号功率随距离的平均衰减；自由空间按 \(d^2\) 衰减，实际环境用路径损耗指数刻画衰减得更快 | 预备篇 1.5 · 完整推导 | 预备篇 2.2 · 路径损耗 |
| 阴影衰落 shadow fading |
建筑、地形等大物体遮挡造成的中尺度起伏，dB 值近似服从正态分布（即对数正态），标准差常为 4–10 dB | 预备篇第 1 章 · 通往前沿（点名） | 预备篇 2.3 · 阴影衰落 |
| 瑞利衰落 Rayleigh fading |
大量强度相近、相位随机的多径叠加时，复包络近似零均值复高斯，幅度服从瑞利分布，深衰落出现得很频繁 | 预备篇第 1 章 · 通往前沿（点名） | 预备篇 2.4 · 小尺度衰落 |
| 莱斯衰落与 \(K\) 因子 Rician fading |
存在一条强的直射（或主导）路径时幅度服从莱斯分布；\(K\) 因子是直射功率与散射功率之比，\(K=0\) 退化为瑞利 | 预备篇第 2 章 · 章首（点名） | 预备篇 2.4 · 有视距时 |
| 相干时间与多普勒扩展 coherence time / Doppler spread |
终端运动使各径的多普勒频移不同，频谱被"抹宽"（多普勒扩展，约 \(2f_m\)）；对应地，信道只能在约为其倒数的时间内保持基本不变（相干时间），系数取决于按什么相关门限定义 | 预备篇 2.5 · 频移的推导 | 预备篇 2.5 · 多普勒 |
| 时延扩展与相干带宽 delay spread / coherence bandwidth |
多径到达时间的分散程度（均方根时延扩展 \(\sigma_\tau\)）；信道频响基本不变的频率范围（相干带宽）约为它的倒数 | 预备篇 2.6 · 时延扩展 | 预备篇 2.6 · 四个特征量与两对傅里叶对偶 |
| 频率选择性衰落 frequency-selective fading |
信号带宽超过相干带宽时，带内不同频率衰落不同；它与快/慢衰落一起构成信道的四象限分类 | 预备篇 2.6 · 多普勒扩展 ↔ 相干时间 | 预备篇 2.7 · 四象限分类 |
| 块衰落与准静态 block fading / quasi-static |
把信道理想化为在一个相干块（约 \(T_cB_c\) 个时频格子）内不变、块与块之间独立变化；一个码字只跨一个或很少几个块时叫准静态衰落；实际系统照这个节奏"估一次、信一块" | 预备篇 2.7 · 四象限分类 | 预备篇 2.7 · 四象限分类 |
| 误码率 bit error rate, BER |
接收比特出错的概率；AWGN 下 BPSK 为 \(Q(\sqrt{2E_b/N_0})\)，瑞利衰落下从随 SNR 指数下降塌成按 \(1/\mathrm{SNR}\) 下降 | 预备篇 2.4 · 极坐标变换得到包络分布（点名） | 预备篇 3.4 · BPSK 在 AWGN 下的误码率 |
| 分集 diversity |
让同一信息经过多个独立衰落的"机会"（天线、频率、时间）；误码率随 SNR 下降的斜率（分集阶数）随之变陡 | 预备篇 1.6 · 波束赋形（点名） | 预备篇 3.6 · 分集 |
| OFDM | 把宽带信道切成许多窄子载波并行传输，每个子载波近似平坦衰落；循环前缀吸收多径时延带来的符号间干扰 | 预备篇 2.6 · 相干带宽（点名） | 预备篇 3.7 · OFDM |
| 误差矢量幅度 error vector magnitude, EVM |
收发机自身失真让星座点偏离理想位置的程度，即偏差矢量均方根与理想信号均方根之比；折叠进信噪比后，有效 SNR 不会超过 \(1/\mathrm{EVM}^2\) | 预备篇 3.8 · 链路预算 | 预备篇 3.8 · 链路预算 |
| 信道色散 channel dispersion |
每次信道使用携带的信息量围绕容量起伏的方差 \(V\)；码长 \(n\) 有限、错误概率为 \(\epsilon\) 时，能达到的速率比容量约少 \(\sqrt{V/n}\,Q^{-1}(\epsilon)\) | 预备篇 3.9 · 短包的代价 | 预备篇 3.9 · 短包的代价 |
| 混合自动重传与增量冗余 HARQ / incremental redundancy |
没收对的包不扔，留着软信息与重传合并再译；Chase 合并重发相同的比特、累积信噪比，增量冗余发新的校验比特、累积互信息 | 预备篇 2.1 · 数学分解（点名） | 预备篇 3.9 · HARQ |
| 熵 entropy |
随机变量平均的"惊讶程度"，也就是描述它平均至少需要多少比特 | 预备篇 4.1 · 惊讶的度量 | 预备篇 4.1 · 惊讶的度量 |
| 互信息 mutual information |
看到 \(Y\) 之后关于 \(X\) 的不确定性减少了多少比特 | 预备篇第 4 章 · 章首（点名） | 预备篇 4.3 · 互信息 |
| 数据处理不等式 data processing inequality |
对观测再做任何处理都不会增加它携带的关于原信号的信息：\(X\to Y\to Z\) 时 \(I(X;Z)\le I(X;Y)\) | 预备篇 4.3 · 数据处理不等式 | 预备篇 4.3 · 数据处理不等式 |
| KL 散度 KL divergence |
用错误分布 \(q\) 去描述真实分布 \(p\) 时每个符号多付的比特数；非负，\(p=q\) 时为零 | 预备篇 4.1 · 平均惊讶度（点名） | 预备篇 4.4 · KL 散度 |
| 信道容量 channel capacity |
能以任意小错误概率可靠传输的最高速率，等于对输入分布取最大的互信息 | 预备篇 4.5 · 信道容量与香农编码定理 | 预备篇 4.5 · 信道容量与香农编码定理 |
| 遍历容量与中断容量 ergodic / outage capacity |
衰落信道的两种容量口径：码长跨越许多衰落状态时的平均可达速率；允许以概率 \(\epsilon\) 失败时能保证的速率 | 预备篇第 2 章 · 通往前沿（点名） | 预备篇 4.8 · 衰落信道容量三部曲 |
| 信源–信道分离定理 source–channel separation |
码长足够长时，先压缩（信源编码）再加保护（信道编码）分开做不损失最优性 | 预备篇 3.1 · 一次跨国快递 | 预备篇 4.9 · 率失真、分离定理与全站索引 |
| 率失真 rate–distortion |
允许平均失真不超过 \(D\) 时，描述信源每个符号至少需要的比特数 \(R(D)\) | 预备篇 4.9 · 率失真、分离定理与全站索引 | 预备篇 4.9 · 率失真、分离定理与全站索引 |
| MMSE 估计 minimum mean-square error |
使均方误差最小的估计就是条件期望 \(\mathbb E[X\mid Y]\)；高斯情形下它是观测的线性（仿射）函数，剩余方差与观测值无关 | 预备篇 4.10 · 条件期望与高斯估计 | 预备篇 4.10 · 条件期望与高斯估计 |
| 最大比合并 maximal ratio combining, MRC |
各路接收信号按信道增益的共轭加权后相加，合并后的信噪比等于各路信噪比之和，是最大可能值 | 预备篇 1.6 · 波束赋形（点名） | 预备篇 5.2 · 接收分集 |
| 空间复用与自由度 spatial multiplexing / DoF |
多发多收时在同一时频资源上并行传多路数据流；高 SNR 下容量按 \(\min(N_t,N_r)\log\mathrm{SNR}\) 增长，这个倍数叫自由度 | 预备篇 1.6 · 波束赋形（点名） | 预备篇 5.5 · MIMO 容量与自由度 |
| 级联信道 cascaded channel |
两段信道串成的链路：信息论里信息只会越传越少（数据处理不等式）；多天线里等效信道 \(\mathbf{H}_2\boldsymbol{\Theta}\mathbf{H}_1\) 的秩不超过任何一段的秩，经超表面或中继的链路都是这种结构 | 预备篇 4.3 · 数据处理不等式 | 预备篇 5.5 · 两个极限 |
| 分集–复用折中 diversity–multiplexing tradeoff |
同一个 MIMO 信道里，想要更多并行数据流就得牺牲可靠性（分集）；Zheng–Tse 曲线给出二者的最优折中 | 预备篇 5.1 · 严格定义（点名） | 预备篇 5.6 · 分集–复用折中 |
| 信道硬化与导频污染 channel hardening / pilot contamination |
基站天线很多时，各用户的信道增益趋于确定值（硬化）、不同用户的信道趋于正交；相邻小区复用同一组导频会互相污染信道估计，是大规模 MIMO 的主要残余干扰 | 预备篇 3.6 · 最大比合并（MRC）的推导（点名） | 预备篇 5.9 · 大规模 MIMO |
| SINR | 信号功率与干扰加噪声功率之比，网络级性能的基本度量 | 预备篇 2.7 · 四象限分类 | 预备篇 6.1 · SINR |
| 比例公平 proportional fairness |
每个时隙把资源给"当前可达速率 ÷ 历史平均速率"最大的用户，在总吞吐与公平之间取折中；等价于最大化各用户平均速率的对数和 | 预备篇 4.8 · 三个数放在一起看（点名） | 预备篇 6.4 · 调度 |
| 条件切换 conditional handover, CHO |
基站提前把目标小区的配置发给终端，触发条件一满足终端自己执行切换（Rel-16）；卫星场景加了按位置（D1）与按时间（T1）的条件 | 预备篇 6.6 · 乒乓效应 | 预备篇 6.6 · 一条 RSRP 的一生 |
| 测量间隙 measurement gap |
终端为测其他频点而暂停接收服务小区的时段，长 1.5–6 ms、每 20–160 ms 一次；测得越勤，留给数据的时间越少 | 预备篇 6.6 · 一条 RSRP 的一生 | 预备篇 6.6 · 一条 RSRP 的一生 |
| 任务卸载与边缘计算 task offloading / MEC |
把终端的计算任务经无线链路交给网络边缘的服务器去算；划不划算取决于数据量、计算量与链路速率 | 预备篇 6.7 · 协议栈（点名） | 预备篇 6.8 · 架构演进与边缘计算 |
| 凸优化 convex optimization |
目标函数凸、可行域凸的优化问题，任何局部最优都是全局最优，并有成熟高效的解法 | 预备篇第 3 章 · 通往前沿（点名） | 预备篇 7.2 · 凸集与凸函数 |
| 拉格朗日对偶与对偶间隙 Lagrange duality / duality gap |
用乘子把约束并进目标得到对偶问题，它的最优值给原问题一个界；两者之差叫对偶间隙，凸问题在 Slater 条件下为零 | 预备篇 7.3 · 拉格朗日对偶 | 预备篇 7.3 · 拉格朗日对偶 |
| 影子价格 shadow price |
拉格朗日乘子的经济学读法：约束放松一个单位，最优值能改善多少 | 预备篇 7.1 · 标准形与术语（点名） | 预备篇 7.3 · 给约束定个价 |
| KKT 条件 Karush–Kuhn–Tucker conditions |
带约束最优化的最优性条件：原始可行、对偶可行、互补松弛、梯度平稳；凸问题在强对偶下是充要条件 | 预备篇 4.8 · CSIT 与时间注水 | 预备篇 7.4 · KKT 条件 |
| 注水 water-filling |
总功率有限时在好坏不一的子信道（或时刻）之间分功率的最优法则：好信道多给、差信道少给甚至不给，像往高低不平的河床倒水，水面齐平 | 预备篇 3.8 · 链路预算（点名） | 预备篇 7.5 · 注水定理 |
| 对偶分解 dual decomposition |
用对偶把耦合约束变成价格，各节点按价格独立求解自己的子问题，中心只管调价——分布式优化的基本手法 | 预备篇 7.6 · 对偶分解与分布式实现 | 预备篇 7.6 · 对偶分解与分布式实现 |
| 探索与利用 exploration–exploitation |
回报未知时，既要试试没试过的选项，又要用好已知最好的选项；多臂老虎机是它的最简模型 | 预备篇 8.1 · 从一台老虎机说起 | 预备篇 8.1 · 从一台老虎机说起 |
| 遗憾 regret |
学习算法的累计收益比"一开始就知道最优选择"少了多少；好算法的遗憾随时间亚线性增长 | 预备篇 8.1 · regret | 预备篇 8.1 · regret |
| 马尔可夫决策过程 Markov decision process, MDP |
用状态、动作、转移概率、奖励和折扣因子描述的序贯决策问题；下一步只依赖当前状态和动作 | 预备篇第 8 章 · 章首（点名） | 预备篇 8.2 · 马尔可夫决策过程 |
| Bellman 方程 Bellman equation |
价值函数满足的递推关系：当前价值 = 即时奖励 + 折扣后下一状态价值的期望 | 预备篇第 7 章 · 通往前沿（点名） | 预备篇 8.3 · 价值函数与 Bellman 方程 |
| Q-learning | 不需要环境模型、直接从经验更新动作价值 \(Q(s,a)\) 的算法；学到的是最优策略的价值（离策略） | 预备篇 8.5 · Q-learning | 预备篇 8.5 · Q-learning |
| 策略梯度 policy gradient |
把策略参数化，沿期望回报对参数的梯度直接更新；PPO 是它的稳定化版本 | 预备篇 8.7 · 策略梯度 | 预备篇 8.7 · 策略梯度 |
| 智能超表面 RIS |
由大量可编程反射单元组成的表面，调节各单元的相位把入射波定向反射；级联信道带来 \(N^2\) 的无源波束赋形增益，也带来两段路损相乘 | 预备篇 1.3 · 逐步推导 \(d_F = 2D^2/\lambda\)（点名） | 预备篇 9.3 · RIS 智能超表面 |
| 通感一体化 ISAC |
用同一段波形和同一套硬件同时做通信与感知（测距、测角、成像），两者争夺同一份资源 | 预备篇 2.8 · 时变冲激响应（点名） | 预备篇 9.4 · ISAC 通感一体化 |
| 克拉美–罗界 Cramér–Rao bound, CRB |
任何无偏估计器方差的下界，等于 Fisher 信息的倒数；感知精度最常用的标尺 | 预备篇 9.4 · 感知这一侧怎么度量 | 预备篇 9.4 · 感知这一侧怎么度量 |
| 语义通信 semantic communication |
主张只传任务或"意思"需要的信息而不必逐比特还原；本站指出它缺的是编码定理 | 预备篇 4.9 · 信源信道分离定理（点名） | 预备篇 9.5 · 语义通信 |
| 信息瓶颈 information bottleneck |
在"尽量压缩 \(X\)"与"尽量保留关于任务变量 \(Y\) 的信息"之间取折中：\(\min I(X;Z)-\beta I(Z;Y)\) | 预备篇 9.5 · 严格一点 | 预备篇 9.5 · 严格一点 |
| 可移动天线与流体天线 movable / fluid antenna |
天线在一小块区域里移动（可移动天线），或在多个端口之间切换（流体天线），把天线位置变成设计变量；单天线的增益不超过多径的条数 | 预备篇 2.5 · 相干时间（点名） | 预备篇 10.1 · 可移动天线与流体天线 |
| 六维可移动天线 six-dimensional movable antenna, 6DMA |
把基站天线做成几块能调三维位置与三维转角的天线面；转动追的是用户分布，变化慢，机械结构跟得上 | 预备篇 10.1 · 多根天线与多个用户 | 预备篇 10.1 · 多根天线与多个用户 |
| 空间非平稳 spatial non-stationarity |
阵列大到一定程度，不同部分看到的散射体和遮挡不同，沿阵列的信道统计不再一样，用户的能量集中在阵列的一段（可视区域） | 预备篇 9.7 · 全景总表（点名） | 预备篇 10.2 · 空间非平稳 |
| 无蜂窝大规模 MIMO cell-free massive MIMO |
不再划分小区，大量分散的接入点共同服务每个用户，边缘用户的干扰被收编成信号；代价是前传、同步与可扩展性 | 预备篇第 9 章 · 通往前沿（点名） | 预备篇 10.3 · 无蜂窝与分布式 MIMO |
| 子带全双工 sub-band full duplex, SBFD |
基站在同一个 TDD 载波里互不重叠的子带上同时收发，终端仍是半双工；Rel-19 写进规范，换来的主要是上行机会 | 预备篇 10.4 · 全双工与子带全双工 | 预备篇 10.4 · 子带全双工 |
| 时延–多普勒域调制 OTFS / AFDM |
把数据放在时延–多普勒网格上（OTFS），或用线性调频信号当子载波（AFDM），对高速移动造成的子载波间干扰更稳；6G 仍以 CP-OFDM 为基础 | 预备篇 2.7 · 四象限分类（点名） | 预备篇 10.5 · OTFS |
| 上中频 upper mid-band |
约 7–24 GHz 的频段，带宽比中频大、覆盖比毫米波好；WRC-27 议题 1.7 研究其中几段，业界有时称 FR3，但不是 3GPP 的正式术语 | 预备篇 10.6 · 6G 频谱 | 预备篇 10.6 · 6G 频谱 |
| 非地面网络 non-terrestrial network, NTN |
用卫星、高空平台补地面网络覆盖不到的地方；轨道已知，时延与多普勒的大部分可以预先补偿；3GPP 从 Rel-17 开始标准化 | 预备篇 11.1 · 非地面网络与空天地一体 | 预备篇 11.1 · 非地面网络与空天地一体 |
| 在轨计算 orbital edge computing |
在卫星上先处理拍下的数据，只把有用的部分传回地面，用算力换下传带宽；要同时算下传、能量、散热三本账 | 预备篇 11.1 · 延伸 | 预备篇 11.1 · 延伸 |
| 容延网络 delay-tolerant networking, DTN |
面向间歇连通的网络：数据先存在节点上，等下一次连通再转发（存储–携带–转发） | 预备篇 11.1 · 延伸 | 预备篇 11.1 · 延伸 |
| 携能通信 simultaneous wireless information and power transfer, SWIPT |
用同一个电磁波同时送信息和能量；接收端在时间切换与功率分割之间取舍，形成速率–能量折中；能量接收机比信息接收机"聋"七八十 dB | 预备篇 11.3 · 携能通信与环境物联网 | 预备篇 11.3 · 速率与能量怎么分 |
| 反向散射与环境物联网 backscatter / ambient IoT |
设备不自己产生载波，只调制反射别人的信号，功耗可低到微瓦量级；Rel-19 的环境物联网（峰值约 1 μW、带储能的 device 1）把这类设备带进蜂窝标准 | 预备篇 11.3 · 携能通信与环境物联网（点名） | 预备篇 11.3 · 反向散射与环境物联网 |
| 保密容量 secrecy capacity |
窃听者信道更差时能安全传输的最高速率，高斯情形为 \([C_B-C_E]^+\)；它依赖窃听者的信道，而被动的窃听者不会上报 | 预备篇 11.4 · 保密容量 | 预备篇 11.4 · 保密容量 |
| 人工噪声 artificial noise |
多天线发端在合法接收者信道的零空间里发噪声：合法用户听不到，窃听者被淹没；发端只需知道合法用户的信道 | 预备篇 11.4 · 人工噪声 | 预备篇 11.4 · 人工噪声 |
| 隐蔽通信与平方根律 covert communication / square-root law |
要让检测者分不出有没有人在通信，发射功率须随 \(1/\sqrt n\) 下降，\(n\) 次信道使用只能隐蔽地送出约 \(\sqrt n\) 量级的比特 | 预备篇 11.4 · 物理层安全与隐蔽通信 | 预备篇 11.4 · 隐蔽通信的平方根律 |
| 最小化路测 minimization of drive tests, MDT |
网络借用终端做路测：连接态即时上报，空闲态先记录、后上报，有 GNSS 时附上经纬度；只对给了同意的用户启用，是信道知识地图现成的数据来源 | 预备篇 6.6 · 一条 RSRP 的一生 | 预备篇 11.5 · 现成的数据流 |
第一部#
| 术语 | 白话解释 | 首次出现 | 所属部 · 主讲 |
|---|---|---|---|
| 信道是环境的确定性泛函 deterministic functional |
第一部的论题：给定环境的几何、材质与收发位置，Maxwell 方程唯一决定信道；"随机衰落"反映的是我们对环境的无知，不是世界本身随机 | 第一部 1.2 · Maxwell 的裁决 | 第一部 1.2 · Maxwell 的裁决 |
| 并矢 Green 函数 dyadic Green's function |
在给定环境里放一个点源所产生的场；任意源的场都是它与源电流的叠加，环境的全部信息都压在这一个函数里 | 第一部 1.2 · Maxwell 的裁决 | 第一部 1.2 · Maxwell 的裁决 |
| 最大熵原理 maximum entropy |
只知道平均功率时，熵最大的复信道分布是零均值复高斯，所以瑞利衰落是"对环境不做任何假设"的模型 | 预备篇 4.6 · 模型与推导主线 | 第一部 1.4 · Rayleigh 衰落是最大无知模型 |
| 亥姆霍兹方程 Helmholtz equation |
时谐电磁场满足的波动方程 \((\nabla^2+k^2)\mathbf E=0\)；环境以边界条件和介质参数的身份进入它 | 预备篇第 5 章 · 通往前沿（点名） | 第一部 2.2 · 从 Maxwell 到亥姆霍兹 |
| 唯一性定理 uniqueness theorem |
给定源、介质和边界条件，Maxwell 方程的解唯一；环境→信道映射因此是一个良定义的函数 | 第一部 1.2 · Maxwell 的裁决（点名） | 第一部 2.3 · 唯一性定理 |
| Fresnel 反射系数 Fresnel coefficients |
平面波打到平面界面时反射场（透射场）与入射场之比，由介电常数、入射角和极化决定 | 预备篇 2.2 · 双径模型（点名） | 第一部 2.5 · 反射与透射 |
| 几何绕射理论 GTD / UTD |
在射线框架里补上"绕过边缘的射线"来计算阴影区的场；UTD 修掉了 GTD 在阴影边界上的发散 | 第一部 2.2 · 从 Maxwell 到亥姆霍兹（点名） | 第一部 2.6 · 绕射 |
| 刃峰绕射 knife-edge diffraction |
把障碍物简化成一片刀刃，用一个参数 \(\nu\)（障碍物高出收发连线多少）估算绕射损耗；刚好擦着视线时损耗 6 dB | 第一部 2.6 · 绕射（点名） | 第一部 2.6 · 绕射 |
| Clarke 模型 Clarke model |
假设散射体在终端周围方位均匀分布，推出时间相关 \(J_0(2\pi f_m\tau)\) 与 U 形多普勒谱（Jakes 谱）的经典模型 | 预备篇 2.5 · Jakes 谱（点名） | 第一部 3.3 · 过程时代 |
| WSSUS | 广义平稳非相关散射：信道二阶统计不随时间起点变化、不同时延的散射分量互不相关；统计信道建模的基本假设 | 预备篇 2.6 · 相干带宽（点名） | 第一部 3.3 · Bello 与 WSSUS |
| Saleh–Valenzuela 模型 S-V model |
室内多径按"簇"到达、簇内再有多条径的模型；簇与径的到达都用泊松过程描述，功率按指数衰减 | 第一部 3.4 · Saleh–Valenzuela | 第一部 3.4 · Saleh–Valenzuela |
| 波数带限与空间自由度 wavenumber band-limit / spatial DoF |
信道场满足亥姆霍兹方程，空间频率不超过 \(2\pi/\lambda\)，所以场在空间上是"带限"的：\(\lambda/2\) 采样就够，给定孔径内独立的场模式数有限 | 预备篇 1.4 · 极化（点名） | 第一部 4.2 · 亥姆霍兹方程 |
| 数字孪生 digital twin |
给真实物理环境建一个可计算的虚拟副本（几何、材质、设备），在里面仿真信道与网络行为 | 预备篇第 2 章 · 常见误解（点名） | 第一部第 5 章 |
| 射线追踪 ray tracing |
波长远小于环境尺度时，把电磁波当成沿直线传播、在界面反射和透射的射线来算信道；绕射与漫散射要靠附加模型修正 | 预备篇 1.2 · 频段全景表（点名） | 第一部 5.2 · 第一代 |
| 可微分引擎与神经代理 differentiable ray tracing / neural surrogate |
让射线追踪的输出对材质、几何、天线参数可求导，从而能用实测信道反过来校准环境（如 Sionna RT）；神经代理则用神经网络直接学"环境→信道"映射 | 第一部 1.5 · 钟摆回摆（点名） | 第一部 5.5 · 第二代 |
| 逆散射与不适定 inverse scattering / ill-posedness |
从信道观测反推环境结构的逆问题；它一般不适定：数据的微小误差可能带来重建的巨大误差，稳定性只有对数级 | 第一部第 2 章 · 开放问题（点名） | 第一部第 6 章 |
| radio SLAM 与虚拟锚点 radio SLAM / virtual anchors |
把反射径看成来自镜像"虚拟锚点"的直达径，同时估计终端位置与反射面几何；是逆问题里工程上良态的一块 | 第一部第 6 章 · 章首（点名） | 第一部 6.6 · 工程的良态切片 |
| 信道知识地图 Channel Knowledge Map, CKM |
按位置索引、针对具体站点的信道知识库：把"这栋楼前的信道长什么样"存下来反复用，不必每个相干块都从零估计 | 第一部 1.5 · 账单 | 第一部第 7 章 |
| Radio Map 与 Channel Charting | Radio Map 按位置记录接收功率、路损等大尺度统计；Channel Charting 不用位置标签，直接把 CSI 映射到低维坐标，使信道相近的点在图上也相近 | 第一部 4.7 · 从定理到地图（点名） | 第一部 7.5 · Channel Charting |
| 有效维度【本站提法】 effective dimension |
给定噪声水平下，信道真正"看得见"的环境自由度个数；形式化为环境→信道映射线性化后大于 \(\varepsilon\) 倍最大奇异值的奇异值个数 | 第一部 1.6 · Q1 环境的信道有效维度 | 第一部 8.3 · Q1 的形式化 |
| 预测半径【本站提法】 prediction radius |
从已测区域外推信道能保持有用精度的最远距离；超过它误差失控，像撞上一堵"硬墙" | 第一部 1.3 · 随机性从哪里进来（点名） | 第一部 8.7 · Q2 的形式化 |
| 耐用品与易逝品 durable / perishable knowledge |
环境知识（地图、几何）能长期存储复用，是耐用品；瞬时 CSI 过一个相干块就作废，是易逝品 | 第一部 9.2 · 汇率表的第一行 | 第一部 9.2 · 汇率表的第一行 |
| 知识汇率【本站提法】 exchange rate of knowledge |
每多花一比特描述环境，能多换来多少容量，即曲线 \(\Delta C(R_{\mathrm{env}})\)；第一部 Q3，两端已知、中段形状未知 | 预备篇 4.8 · CSIT 与时间注水（点名） | 第一部 9.4 · "CKM 的香农曲线" |
| 普适性相图【本站提法】 universality phase diagram |
以每个分辨单元里的有效路径数为序参量，划分"统计模型就够用"与"必须用几何知识"的区域 | 预备篇第 4 章 · 通往前沿（点名） | 第一部 9.7 · 收束 |
| 电磁信息论 electromagnetic information theory |
从 Maxwell 方程出发计算电磁场最多能承载多少信息（自由度、容量的物理上限）的理论 | 预备篇第 1 章 · 通往前沿（点名） | 第一部 10.3 · Q1 · 静力学的接口 |
第二部#
| 术语 | 白话解释 | 首次出现 | 所属部 · 主讲 |
|---|---|---|---|
| 误配半径【本站提法】 misspecification radius |
衡量决策者所用模型与真实模型差多远的量；猜想它与亏格一起控制链上的风险（猜想 1.3），正确定义还没有定下来 | 第二部第 1 章 · 开放问题 | 第二部第 1 章 · 开放问题 |
| 统计实验 statistical experiment |
把任何一种"知识来源"（CSI 反馈、传感器、地图）抽象成一张条件概率表：每个真实状态下读数的分布 | 第二部 1.2 · 把链写成算子复合 | 第二部 2.2 · 实验就是一张条件概率表 |
| garbling | 对读数再做一次与真实状态无关的（可以带随机性的）加工；它只会让信息变少 | 第二部 1.3 · 两种退化，两种知识 | 第二部 2.3 · garbling |
| Bayes 风险 Bayes risk |
用某种观测做某个任务、在所有决策规则里取最好时的期望损失（按先验平均） | 第二部 1.2 · 把链写成算子复合（点名） | 第二部 2.4 · Blackwell 定理 |
| Blackwell 序 Blackwell order |
比较两种观测方案的"全任务"标准：\(\mathcal E\) 在一切决策任务上都不输 \(\mathcal F\)，等价于 \(\mathcal F\) 的读数能由 \(\mathcal E\) 的读数经一次随机后处理（garbling）得到；它只是偏序，多数成对方案不可比 | 第二部 1.2 · 把链写成算子复合 | 第二部 2.4 · Blackwell 定理 |
| less noisy | 比 Blackwell 序弱的一种比较：只要求对由状态派生的任何变量，前者保留的互信息都不少；BEC 与 BSC 在 Blackwell 序下不可比，在它下面有时可比 | 第二部 1.2 · 把链写成算子复合（点名） | 第二部 2.5 · 偏序会卡住 |
| Le Cam 亏格 deficiency |
用一种观测去冒充另一种观测，在最坏参数下差多少；乘上损失的量程，就是换用这种退化知识后在任何任务上最多多输的风险 | 第二部第 1 章 · 章首（点名） | 第二部 2.6 · Le Cam 亏格 |
| 链定理骨架 chain theorem skeleton |
链上每一环的 Le Cam 亏格乘损失量程再相加，就是整条链在任何任务上的风险损失上界：给数据处理不等式配上"汇率" | 第二部 1.5 · 目标形态 | 第二部 2.7 · 链定理骨架 |
| 任务类充分统计量 sufficient statistic for a task class |
"够用"的数据压缩：只保留它，一类任务里每个任务的最优风险都不变 | 预备篇 8.2 · 五元组定义 | 第二部 3.2 · "够用"的精确含义 |
| \(k\)-亏格与任务限制亏格 \(k\)-deficiency |
只在动作数不超过 \(k\) 的任务（或指定的任务类）上取最坏的亏格，比一般亏格紧 | 第二部 1.5 · 目标形态 | 第二部 3.2 · 记号 |
| 任务格【本站提法】 task lattice |
把任务类映射到它们各自需要的最粗划分，这些划分按"谁更细"排成一个格，顶是"什么都分得清"，底是"什么都不用知道" | 第二部 1.3 · 两种退化，两种知识（点名） | 第二部 3.4 · 任务格 |
| 间接率失真 indirect rate–distortion |
只能压缩观测，却要按隐藏变量（任务关心的量）的失真计价时的率失真问题；给任务格的每个元素标一个比特价 | 预备篇 9.5 · 严格一点 | 第二部 3.6 · 给格元素定价 |
| 误配 misspecification |
读数的真实概率表没变，但决策者用错的模型去解读；可能比任何 garbling 都糟 | 第二部 1.3 · 两种退化，两种知识 | 第二部 4.2 · 误配的信息论原型 |
| GMI 与失配译码 generalized mutual information |
接收机用错的信道模型译码时仍能保证可靠传输的速率，总不超过真实互信息 | 第二部 1.3 · 两种退化，两种知识（点名） | 第二部 4.2 · 误配的信息论原型 |
| 域适应界 domain adaptation bound |
学习论给"源域训练、目标域测试"误差的上界（Ben-David 界）；本站指出它在物理层几乎总是空洞的，因为 CSI 指纹能轻易分辨两个环境 | 第二部第 1 章 · 开放问题（点名） | 第二部 4.3 · 学习论为什么空洞 |
| Wasserstein 距离 Wasserstein distance |
把一个分布"搬"成另一个所需的最小平均搬运距离；和总变差不同，它知道"挪 1 毫米"比"挪 1 公里"近得多 | 第二部第 4 章 · 章首 | 第二部 4.5 · Wasserstein-1 距离 |
| 泛化半径与相位–结构二分【本站提法】 generalization radius |
环境变化多大模型仍能迁移：靠相位看环境的模型只能容忍约 \(\lambda/4\) 的位移，靠结构（时延、角度、功率）看环境的模型能容忍到几何特征尺度 \(L\) | 第一部第 8 章 · 开放问题（点名） | 第二部 4.6 · 相位 / 结构二分 |
| 决策后悔 decision regret |
用感知得到的知识做决策，比"全知"时多付的风险 | 第二部第 5 章 · 章首（点名） | 第二部 5.2 · 第三轴为什么不独立 |
| 对偶控制 dual control |
控制动作同时有两种作用：调节系统和探测未知参数，两者需要联合权衡 | 第二部 1.7 · 本部地图、三张价目表，与怎么读这一部（点名） | 第二部 5.3 · 母体 |
| 认知回路与认知平衡点【本站提法】 cognitive loop / cognitive equilibrium |
系统要拿出一部分资源"认识环境"，才能把剩下的资源用好；最优的感知占比 \(\alpha^\star\) 叫认知平衡点，由第一部知识汇率曲线的形状决定 | 预备篇 4.10 · 条件期望与高斯估计（点名） | 第二部 5.4 · 认知回路的最小模型与认知平衡点 |
| 误差预算与链式灵敏度 error budget / chain sensitivity |
把链上每一环的误差经各环的灵敏度（导数）传到最终任务损失，据此决定每一环该分多少比特 | 预备篇 4.10 · 条件期望与高斯估计（点名） | 第二部 6.2 · 链式灵敏度 |
| 高斯 CEO 问题 Gaussian CEO problem |
多个观测者各自观测同一个源的带噪版本，分别压缩后交给中心估计；给出分布式感知在总比特约束下的误差下限 | 预备篇 4.10 · 这些工具在全站的位置（点名） | 第二部 6.6 · 多个测量点共测一个场 |
| 反注水 reverse water-filling |
失真（误差）分配的最优法则：把各项误差压到同一个"水位"，本来就低于水位的项不再花比特 | 第二部第 6 章 · 章首（点名） | 第二部 6.7 · 预算分配法则 |
第三部#
| 术语 | 白话解释 | 首次出现 | 所属部 · 主讲 |
|---|---|---|---|
| 三座大山 three mountains |
第三部对资源优化难点的归纳：非凸、分布式、不确定；本部认为真正缺理论的是后两座的"极限侧" | 预备篇 6.8 · MEC（点名） | 第三部第 1 章 |
| 动态遗憾 dynamic regret |
在线算法的累计代价与"每一时刻都选当时最优"的动态基准之差（两侧都计切换代价） | 第三部 1.1 · 一个调度器的一天（点名） | 第三部 1.2 · 山三 · 不确定 |
| Berry–Gallager 平方根律 | 单链路上平均功率离最小值只差 \(\varepsilon\) 时，平均时延至少按 \(1/\sqrt\varepsilon\) 增长：功率与时延不可兼得的精确汇率 | 第三部 1.3 · 证据三（点名） | 第三部 1.4 · Berry–Gallager 平方根律 |
| 滑雪租赁 ski rental |
在线算法的入门问题：不知道还要滑几天，每天租还是一次买断；先租后买的确定性策略竞争比不超过 2 | 第三部 1.4 · 滑雪租赁 | 第三部 1.4 · 滑雪租赁 |
| 网络效用最大化 NUM |
把网络资源分配写成"最大化各用户效用之和、满足链路容量约束"的凸问题，用价格分解成分布式算法 | 预备篇 7.5 · 为什么叫"注水"（点名） | 第三部 2.2 · Kelly 的观念转换 |
| \(\alpha\)-公平 \(\alpha\)-fairness |
一族效用函数：\(\alpha=0\) 最大化总吞吐，\(\alpha=1\) 比例公平，\(\alpha=2\) 最小潜在时延公平，\(\alpha\to\infty\) 最大最小公平 | 预备篇 6.4 · PF 准则从哪来 | 第三部 2.4 · 为什么必然是对数 |
| TCP 即优化 reverse engineering of TCP |
TCP 拥塞控制可以被解读成在分布式求解一个 NUM 问题，丢包率或排队时延扮演价格 | 第三部 2.5 · 逆向工程 | 第三部 2.5 · 逆向工程 |
| WMMSE | 把加权和速率最大化等价改写成加权均方误差最小化，交替更新三组变量的经典功率分配算法；只保证收敛到驻点 | 预备篇 7.8 · 常用套路速查（点名） | 第三部 3.3 · 第一代 · 变换 |
| 置换等变 permutation equivariance |
用户编号重排时输出跟着同样重排；GNN 天然满足，所以能迁移到不同规模的网络 | 第三部 1.6 · 上界侧的军备竞赛（点名） | 第三部 3.4 · 为什么置换等变是"对的"归纳偏置 |
| 重叠间隙性质 overlap gap property, OGP |
近优解两两之间的距离存在一段"禁区"；它是一大类局部算法找不到近优解的障碍 | 第三部 3.2 · 干扰图（点名） | 第三部 3.8 · 借来的武器 |
| 竞争比 competitive ratio |
在线算法（看不到未来）与离线最优（事后看到全部输入）代价之比的最坏值 | 第三部 1.1 · 一个调度器的一天（点名） | 第三部 4.2 · 写法 C · 知道对手最坏 → OCO … |
| drift-plus-penalty | Lyapunov 优化：每个时隙最小化"队列漂移 + \(V\) × 代价"，不需要统计规律就能以 \(O(1/V)\) 接近最优代价，代价是 \(O(V)\) 的队长 | 第三部 1.4 · Berry–Gallager 平方根律（点名） | 第三部 4.3 · 核心推导 |
| 虚拟队列 virtual queue |
把时间平均约束改写成一个虚拟队列的稳定性：约束违反得越多队列越长，决策时就自动加价 | 第三部 4.3 · 核心推导 | 第三部 4.3 · 核心推导 |
| 网络演算 network calculus |
只假设流量最多来得多猛（到达曲线）、节点至少服务多少（服务曲线），用最小加代数算出确定性的积压与时延上界 | 第三部 4.5 · 大表（点名） | 第三部 4.9 · 第五种「不知道」 |
| 有效容量 effective capacity |
把衰落链路的随机服务压成一个随 QoS 指数 \(\theta\) 变化的速率：\(\theta\to0\) 时是平均速率，\(\theta\) 越大越看重坏的时候；用来估时延超标的概率 | 第三部 4.9 · 到了无线就不灵了 | 第三部 4.9 · 到了无线就不灵了 |
| 信息年龄 age of information, AoI |
接收端手里最新一条信息生成至今过了多久；发得太稀或太密都会变旧，M/M/1 先来先服务时最优负载约 0.53 | 第三部 4.5 · 大表（点名） | 第三部 4.10 · 信息有多新 |
| 预测的价目表 \(V(I)\)【本站提法】 | 手握 \(I\) 比特关于未来的信息时，最优在线策略能做到多好；\(V(0)\) 是纯在线，\(V(\infty)\) 是先知，中间这段曲线几乎没人测绘过 | 预备篇 4.9 · 本章概念在全站的角色索引（点名） | 第三部第 5 章 |
| 先知不等式 prophet inequality |
在线停止问题里，看不到未来的决策者与"先知"期望收益之比能保证多少（经典常数 1/2）；预测价目表的两个端点 | 第三部第 5 章 · 章首（点名） | 第三部 5.1 · 第一级台阶 |
| 信息松弛 information relaxation |
允许策略偷看未来、同时扣一笔罚金的对偶技巧，用来给在线最优值算上界 | 预备篇 4.10 · 这些工具在全站的位置（点名） | 第三部 5.2 · 第二级台阶 |
| 带预测的算法 learning-augmented algorithms |
手里有一个可能不准的预测时，在"预测准时多好"（一致性）与"预测很差时多坏"（鲁棒性）之间权衡的在线算法 | 第三部 1.2 · 山三 · 不确定（点名） | 第三部 5.3 · 第三级台阶 |
| 通信复杂度 communication complexity |
两方各持一部分输入、合作计算一个函数时，最坏情况下至少要交换多少比特 | 第二部 2.8 · 不能全序的那些族（点名） | 第三部 6.1 · 第一课 |
| 协同的最小话费 \(C(\varepsilon)\)【本站提法】 | 分布式节点达到 \(\varepsilon\)-最优所需交换的最少比特数；第三部缺失的第二条定理 | 第三部 1.2 · 山二 · 分布式（点名） | 第三部 6.4 · 把钉子钉进两小区 |
| 分层的代价 PoL【本站提法】 Price of Layering |
分层设计比联合最优差几倍的比值，不小于 1，等于 1 即分层无损；大小由接口维度与耦合维度之比决定 | 第二部 6.8 · 猜想 6.6（点名） | 第三部第 7 章 |
| Shapley–Folkman 引理 | 许多集合之和"几乎是凸的"，非凸只来自少数几个分量；由此非凸可分问题的对偶间隙有上界，只依赖耦合约束个数与单个任务的非凸度，与任务数无关 | 第三部 7.2 · 第一击 | 第三部 7.2 · 第一击 |
| 网络函数计算 network function computation |
信源分布在网络各节点，汇点要得到它们的某个函数值；关心每次使用网络能算多少次函数（计算容量） | 预备篇第 4 章 · 通往前沿（点名） | 第三部第 8 章 · 章首 |
| 空中计算 AirComp |
让多个设备同时发送，利用信号在空中的叠加直接得到它们的和（或某种函数），一次信道使用完成聚合 | 预备篇第 4 章 · 通往前沿（点名） | 第三部 8.5 · 正面反转 |
| 编码计算 coded computing |
用编码冗余让分布式计算对掉队节点、通信瓶颈更鲁棒；编码缓存同理 | 预备篇第 4 章 · 通往前沿（点名） | 第三部 8.6 · 受限模型里做得出的紧定理 |
第四部#
| 术语 | 白话解释 | 首次出现 | 所属部 · 主讲 |
|---|---|---|---|
| Witsenhausen 反例 Witsenhausen counterexample |
只有两名决策者的线性–二次–高斯控制问题，最优策略却不是线性的：经典参数下最好的仿射策略代价恰为 0.96，一个非线性策略只要约 0.404；它说明"谁知道什么"能把简单问题变难 | 预备篇 4.10 · 条件期望与高斯估计（点名） | 第四部第 1 章 |
| 信息结构 information structure |
谁在什么时候观测到什么、谁的动作会影响谁的观测；多决策者问题难不难主要由它决定 | 第二部 7.7 · 方法 × 定理矩阵（点名） | 第四部 1.5 · 信息结构 |
| 经典与部分嵌套信息结构 classical / partially nested |
经典：后动者知道先动者知道的一切；部分嵌套：凡是动作影响你观测的人，你都知道他知道的一切。这两类下线性–二次–高斯团队的最优策略是线性的，非经典时可能不是 | 第三部 9.3 · 缺失定理三 · PoL（点名） | 第四部 1.5 · 信息结构 |
| 动作即信号 signaling |
一个决策者的动作会被另一个决策者观测到，于是动作兼有"控制"和"传信"两种作用 | 第二部 7.7 · 收尾（点名） | 第四部 1.6 · 无线的日常形态 |
| 团队决策论 team decision theory |
多个决策者目标一致但各看到不同信息，各自按自己的观测行动，求使共同期望代价最小的规则组 | 预备篇 4.10 · 条件期望与高斯估计（点名） | 第四部第 2 章 |
| 人各最优与 Radner 定理 person-by-person optimality |
人各最优：固定其他人的规则，每个人都已最优；Radner 定理：代价对动作凸（加上正则条件）时，人各最优就是团队最优 | 第二部 7.7 · 收尾（点名） | 第四部 2.3 · Radner 定理 |
| Youla 参数化 Youla parametrization |
把所有能镇定系统的控制器写成一个稳定参数 \(Q\) 的函数，闭环对 \(Q\) 是仿射的，便于优化 | 第四部第 3 章 · 章首（点名） | 第四部 3.2 · 一句话 Youla |
| 二次不变性 quadratic invariance |
Rotkowitz–Lall 的代数条件：满足时，带信息约束的最优分散控制可以化为凸问题 | 第四部 1.6 · 无线的日常形态 | 第四部 3.3 · 二次不变性 |
| 信息结构相图【本站提法】 information-structure phase diagram |
以信息结构与时延为坐标，标出哪些多决策者问题是凸的、哪些是难的 | 第四部 3.7 · 信息结构相图 | 第四部 3.7 · 信息结构相图 |
| 公共随机性 common randomness |
各方事先共享、与输入无关的随机比特；它能降低通信量或实现强协调，信道互易性可以免费提供它 | 第三部 6.1 · 随机性把 n 打成 O(1)（点名） | 第四部 4.2 · 把"协调"写成定义 |
| 经验协调与强协调 empirical / strong coordination |
让多个节点的动作具有给定联合分布的两种要求：经验协调只要求频率直方图对，强协调要求联合分布在统计上无法分辨；后者要额外的公共随机性 | 第四部 4.1 · 两个基站想错开 | 第四部 4.2 · 把"协调"写成定义 |
| Gács–Körner 与 Wyner 公共信息 common information |
衡量两个相关变量"共同知道多少"的两种量：Gács–Körner 是双方不通信就能各自提取的公共部分，Wyner 是能解释两者全部相关性的最省公共起因；前者 ≤ 互信息 ≤ 后者 | 第二部 3.3 · 划分的格（点名） | 第四部 4.6 · 开口之前已经共同知道多少 |
| 共享世界模型 shared world model |
双方共享同一个环境或任务模型时，通信只需传模型之外的部分；模型不一致时要多付代价 | 第四部 4.7 · 多方（点名） | 第四部第 5 章 |
| 信息复杂度 information complexity |
协议记录向双方泄露的关于对方输入的信息量；任务重复多次时，它等于每次摊到的通信量 | 第四部 4.7 · 多方 | 第四部 5.2 · 通信复杂度的三级共享 |
| 推测解码 speculative decoding |
小模型先起草若干 token、大模型并行核验，一次接受一段；单步接受率等于 1 减两个分布的总变差 | 第四部 1.6 · 无线的日常形态（点名） | 第四部 5.5 · 推测解码 |
| Nash 均衡 Nash equilibrium |
没有任何玩家能靠单方面改变策略让自己更好的策略组合 | 预备篇第 6 章 · 通往前沿（点名） | 第四部 6.2 · 均衡的阶梯 |
| 相关均衡与粗相关均衡 CE / CCE |
相关均衡：一个协调者按联合分布给每人私下推荐动作，照做对谁都不吃亏；粗相关均衡再放松一步，只要求事先不想整体偏离。Nash \(\subset\) CE \(\subset\) CCE | 第三部 7.3 · 借一把尺子（点名） | 第四部 6.2 · 均衡的阶梯 |
| 无后悔学习 no-regret learning |
每个玩家的累计代价不比"事后看最好的固定动作"差太多；人人都这样学，大家动作的经验联合分布就落进粗相关均衡 | 第三部 7.3 · 借一把尺子（点名） | 第四部 6.3 · 无后悔学习自动落进 CCE |
| 势博弈 potential game |
存在一个标量势函数，任一玩家单方面改动作时它同步变化的博弈；有限势博弈里各自改进一定收敛到纯 Nash 均衡 | 第四部 1.4 · 六十年的上界序列（点名） | 第四部 6.4 · 势博弈 |
| MWU 与 Hedge multiplicative weights |
每轮按代价把各动作的权重乘上一个衰减因子再归一化的学习规则；Hedge 是指数版本，学习率越过阈值时动力学会分岔乃至混沌 | 第四部 1.7 · 本部地图（点名） | 第四部 6.6 · 一步之差 |
| 平均场博弈与平均场控制 MFG / MFC |
人数很多时，把每个个体面对的"其他所有人"换成一个群体分布：MFG 里每人各自优化，MFC 由中央统一调度，两者一般给出不同的解 | 第四部 1.7 · 本部地图（点名） | 第四部 7.3 · 同一个模型，两个答案 |
| \(\varepsilon\)-Nash | 任何玩家单方面偏离最多只能改善 \(\varepsilon\) 的策略组合；平均场解在有限 \(N\) 人博弈里是 \(O(1/\sqrt N)\)-Nash | 第四部 1.7 · 本部地图（点名） | 第四部 7.5 · 涨落与 \(\varepsilon\)-Nash |
| 有效人数【本站提法】 effective number of players |
干扰耦合里真正起作用的邻居数（耦合权重的参与比）；路径损耗指数大于 2 时它被钉死为常数，不随网络规模增长 | 第四部 1.8 · 方法盘点（点名） | 第四部 7.7 · 平均场什么时候失效 |
| 无政府的代价与稳定的代价 PoA / PoS |
最坏（PoA）或最好（PoS）的均衡比社会最优差几倍；二者都不小于 1，越接近 1 越好 | 第三部 1.4 · Pigou 与 4/3 | 第四部 8.4 · 无政府的代价 |
| 重复博弈 repeated game |
同一博弈反复进行；未来足够重要（贴现因子接近 1）时，靠惩罚威胁能维持比一次性博弈更好的合作 | 第三部 2.7 · 方法盘点（点名） | 第四部 8.6 · 重复博弈 |
| 网络博弈 network (graphical) game |
每个玩家的收益只依赖自己和图上邻居动作的博弈，干扰网络是典型例子 | 第四部 2.5 · 团队里信息多不坏（点名） | 第四部 8.7 · 图结构 |
| 耦合度【本站提法】 coupling degree |
协作簇外干扰功率与簇内信号功率之比（由 Lozano 的参数改名推广而来），决定协作增益的天花板 | 第四部 1.7 · 本部地图（点名） | 第四部 8.9 · 协作增益的天花板 |
| Stackelberg 博弈 Stackelberg game |
一方（领导者）先行动，并预判其余各方的最优响应；数学上是双层优化，要求领导者知道跟随者的效用 | 第四部 8.11 · 有了中央之后 | 第四部 8.11 · 领导者先走一步 |
| 契约与信息租 contract (screening) / information rent |
委托人看不见代理人的私有类型，只能开一张菜单让各类型自己挑；能冒充别人的类型因此拿到信息租，低类型的量被故意压低 | 第四部 8.11 · 有了中央之后 | 第四部 8.11 · 看不见对方的类型 |
| 协作增益的 scaling law【本站提法】 | 协作增益如何随人数 \(N\)、通信预算 \(B\) 与耦合度 \(\kappa\) 变化的标度律；第四部缺失的第四条定理 | 第四部 1.7 · 怎么读本部（点名） | 第四部 9.6 · 定理四 · 协同增益的 scaling … |