1、“.....,,,,,,,,,,,,,,表明当这显然满足的假设，当取样数量足够高时，的最大特征值几乎肯定收敛于这在是优于情况下得到的。因此，不论何时当矩阵特征值的分布不符合背离定理图时，探测器知道信号是否存在。因此，可以使用这个有趣的特征感知频谱。令为特征值且协作感知算法的工作原理如下噪声分布未知，方差已知。在这种情况下......”。

2、“.....这种算法的改进在非渐近情况下考虑出错概率可以在文献中找到。这是在和的情况下，渐近最大的特征值分布的计算结果。两个噪声分布和方差未知。请注意，在假设的情况下最大和最小特征值的比值不依赖于噪声方差。因此，为了避免需要噪声的信息，用于以下准则应该指出，在这种情况下，我们仍然需要较高的取样数量，使得条件式得到满足。换句话说......”。

3、“.....此外，请注意测试还提供个很好的估计信噪比。事实上，的最大的特征值和最小特征值的比仅与和有关据我们所知，这估计从未在文献中提出。四性能分析前面的理论结果显示，我们可以只用取样的协方差矩阵的最大和最小特征值的比值就可以从噪声中区分出信号。对于有限维数，这样的算法的操作区域仍然是个问题......”。

4、“.....这节通过分析各种大小不同的矩阵的之间的和的比值，说明了在这种情况下的些特性。图和图显示了在和下，各种矩阵在纯噪声的情况下的值。从这些数字中，我们看到，即使矩阵较小，这两种情况下也可以提供个很好的近似渐近比例。如果有需要，例如可以看出，在和的情况下，模拟结果分别等于和的渐近。正如预期的那样，对于个较大的矩阵......”。

5、“.....图和图显示了和且信号加噪声的情况下，的取值。在这两种情况下，分贝且量检测算法。该算法还具有定普遍性，也可以应用到其它信号检测或相关领域。值得注意的是，这项新技术是相当健壮，并不需要的信号或噪声统计信息。此外，即使在维数非常低的情况下，渐近结果也是有效的。考虑到通过取样值最大和最小特征值比的极限值推导出出错概率......”。

6、“.....答谢这项工作是由阿尔卡特朗讯主持的无线项目。作者想感谢教授，因为在这个话题上他有着富有建设性的讨论。参考文献fi,,,,,,,,,运行在表达式的准则下。在纯信号的情况下，。有趣的是，当可以看出，在和的情况下，模拟结果分别等于和的渐近。正如预期的那样，矩阵越大，图中的比值越接近渐近值......”。

7、“.....五结果基于文献，我们将随机矩阵探测器的方案和能量协作方案进行了模拟仿真，并对性能进行了对比。能量探测器的框架在本文的第二部分提到过，用瑞利多径衰落方差进行建模。造成的差异被归化，因为考虑到由于路径损耗的缘故，随着基站数量的增加，能量不会没有边界的无限增大。共对十个二级基站进行了模拟。基于投票方案......”。

8、“.....阈值为在噪声方差已知的情况下。对于随机矩阵理论为基础的方案，个固定的总基站被采纳。请注意，该算法可通过判定边距优化投票和随机矩阵理论。图描述了在随机矩阵理论中，取样，已知的噪声方差在信噪比等于的情况下的能量探测器方案的性能。需要强调的是，由于是固定的，是与上部分相比不再是常数......”。

9、“.....由于取样固有的鲁棒性，在所有样品数量的情况下，随机矩阵理论的方案优于能量检测的情况。图中显示了在噪声方差未知的情况下的随机矩阵理论的性能投票方法无法比较，因为它需要有噪声方差的信息。事实上，人们可以看到，即使没有噪声方差的信息，在取样大小大于的情况下，仍然是有非常不错的性能。六结论在本文中......”。