{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2974830"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2974830","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Fluctuations of Vector Channels: An Asymptotic Analysis","abstract":"Σε αυτή την εργασία, η υπό μελέτη ποσότητα είναι η αμοιβαία πληροφορία ενός γραμμικού καναλιού MIMO. Όταν ο NxM πίνακας του καναλιού H είναι τυχαίος, η κανονικοποιημένη αμοιβαία πληροφορία I(X,Y|H)/N συγκλίνει σε μια γνωστή σταθερά I(X,Y). Ο κύριος στόχος αυτής της εργασίας είναι να παρέχει την οριακή διακύμανση της I(X,Y|H) και την οριακή τιμή της I(X,Y|H)-NI(X,Y), μετατρέποντας το γνωστό νόμο μεγάλων αριθμών σε ένα κεντρικό οριακό θεώρημα. Χρησιμοποιώντας τη replica method, οι επιθυμητές ποσότητες μπορούν να υπολογιστούν ως διορθώσεις δεύτερης τάξης μιας προσέγγισης σαγματικού σημείου. Αυτοί οι υπολογισμοί δείχνουν πώς μπορεί κανείς να λάβει τις διακυμάνσεις και τις προκαταλήψεις οποιασδήποτε ποσότητας σχετικά με την Bayesian εκτίμηση ενός μηνύματος που αποστέλλεται μέσω του καναλιού. Ως εφαρμογή παρέχεται ο υπολογισμός της διακύμανσης της MMSE. Τα αποτελέσματα συγκρίνονται με οριακές περιπτώσεις που είτε είναι ήδη γνωστές είτε μπορούν να υπολογιστούν με διαφορετικές (διαταρακτικές) μεθόδους.","abstract_html":"Σε αυτή την εργασία, η υπό μελέτη ποσότητα είναι η αμοιβαία πληροφορία ενός γραμμικού καναλιού MIMO. Όταν ο NxM πίνακας του καναλιού H είναι τυχαίος, η κανονικοποιημένη αμοιβαία πληροφορία I(X,Y|H)/N συγκλίνει σε μια γνωστή σταθερά I(X,Y). Ο κύριος στόχος αυτής της εργασίας είναι να παρέχει την οριακή διακύμανση της I(X,Y|H) και την οριακή τιμή της I(X,Y|H)-NI(X,Y), μετατρέποντας το γνωστό νόμο μεγάλων αριθμών σε ένα κεντρικό οριακό θεώρημα. Χρησιμοποιώντας τη replica method, οι επιθυμητές ποσότητες μπορούν να υπολογιστούν ως διορθώσεις δεύτερης τάξης μιας προσέγγισης σαγματικού σημείου. Αυτοί οι υπολογισμοί δείχνουν πώς μπορεί κανείς να λάβει τις διακυμάνσεις και τις προκαταλήψεις οποιασδήποτε ποσότητας σχετικά με την Bayesian εκτίμηση ενός μηνύματος που αποστέλλεται μέσω του καναλιού. Ως εφαρμογή παρέχεται ο υπολογισμός της διακύμανσης της MMSE. Τα αποτελέσματα συγκρίνονται με οριακές περιπτώσεις που είτε είναι ήδη γνωστές είτε μπορούν να υπολογιστούν με διαφορετικές (διαταρακτικές) μεθόδους.","abstract_has_math":false,"creators":["Τσιρώνης Θεόδωρος","Tsironis Theodoros"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-11-19T05:45:10Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2974830"],"render_values":[{"text":"uoadl:2974830","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2974830","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2974830","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A2974830","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Τσιρώνης Θεόδωρος","Tsironis Theodoros"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2022"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Θετικές Επιστήμες","Science"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2974830","https://pergamos.lib.uoa.gr/uoa/dl/object/2974830"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Σε αυτή την εργασία, η υπό μελέτη ποσότητα είναι η αμοιβαία πληροφορία ενός γραμμικού καναλιού MIMO. Όταν ο NxM πίνακας του καναλιού H είναι τυχαίος, η κανονικοποιημένη αμοιβαία πληροφορία I(X,Y|H)/N συγκλίνει σε μια γνωστή σταθερά I(X,Y). Ο κύριος στόχος αυτής της εργασίας είναι να παρέχει την οριακή διακύμανση της I(X,Y|H) και την οριακή τιμή της I(X,Y|H)-NI(X,Y), μετατρέποντας το γνωστό νόμο μεγάλων αριθμών σε ένα κεντρικό οριακό θεώρημα. Χρησιμοποιώντας τη replica method, οι επιθυμητές ποσότητες μπορούν να υπολογιστούν ως διορθώσεις δεύτερης τάξης μιας προσέγγισης σαγματικού σημείου. Αυτοί οι υπολογισμοί δείχνουν πώς μπορεί κανείς να λάβει τις διακυμάνσεις και τις προκαταλήψεις οποιασδήποτε ποσότητας σχετικά με την Bayesian εκτίμηση ενός μηνύματος που αποστέλλεται μέσω του καναλιού. Ως εφαρμογή παρέχεται ο υπολογισμός της διακύμανσης της MMSE. Τα αποτελέσματα συγκρίνονται με οριακές περιπτώσεις που είτε είναι ήδη γνωστές είτε μπορούν να υπολογιστούν με διαφορετικές (διαταρακτικές) μεθόδους.","In this thesis, the quantity under study is the mutual information of a linear MIMO channel. When the NxM channel matrix H is random, the normalized mutual information I(X,Y|H)/N converges to a known constant I(X,Y). The main goal of this thesis is to provide the limiting variance of I(X,Y|H) and the limiting value of I(X,Y|H)-NI(X,Y), boosting the known Law of Large Numbers to a Central Limit Theorem. Using the replica method, the desired quantities can be calculated as the second order corrections of a saddle point approximation. These calculations show how one can obtain the variances and biases of any quantity regarding the Bayesian inference of a message sent through the channel. As an application the calculation of the MMSE variance is provided. The results are compared with limiting cases which are either already known or can be approached by different (perturbational) methods."]},{"key":"dc:title","label":"Title","values":["Fluctuations of Vector Channels: An Asymptotic Analysis"]}]}],"canonical_facts":{"dc:creator":["Τσιρώνης Θεόδωρος","Tsironis Theodoros"],"dc:date":["2022"],"dc:description":["Σε αυτή την εργασία, η υπό μελέτη ποσότητα είναι η αμοιβαία πληροφορία ενός γραμμικού καναλιού MIMO. Όταν ο NxM πίνακας του καναλιού H είναι τυχαίος, η κανονικοποιημένη αμοιβαία πληροφορία I(X,Y|H)/N συγκλίνει σε μια γνωστή σταθερά I(X,Y). Ο κύριος στόχος αυτής της εργασίας είναι να παρέχει την οριακή διακύμανση της I(X,Y|H) και την οριακή τιμή της I(X,Y|H)-NI(X,Y), μετατρέποντας το γνωστό νόμο μεγάλων αριθμών σε ένα κεντρικό οριακό θεώρημα. Χρησιμοποιώντας τη replica method, οι επιθυμητές ποσότητες μπορούν να υπολογιστούν ως διορθώσεις δεύτερης τάξης μιας προσέγγισης σαγματικού σημείου. Αυτοί οι υπολογισμοί δείχνουν πώς μπορεί κανείς να λάβει τις διακυμάνσεις και τις προκαταλήψεις οποιασδήποτε ποσότητας σχετικά με την Bayesian εκτίμηση ενός μηνύματος που αποστέλλεται μέσω του καναλιού. Ως εφαρμογή παρέχεται ο υπολογισμός της διακύμανσης της MMSE. Τα αποτελέσματα συγκρίνονται με οριακές περιπτώσεις που είτε είναι ήδη γνωστές είτε μπορούν να υπολογιστούν με διαφορετικές (διαταρακτικές) μεθόδους.","In this thesis, the quantity under study is the mutual information of a linear MIMO channel. When the NxM channel matrix H is random, the normalized mutual information I(X,Y|H)/N converges to a known constant I(X,Y). The main goal of this thesis is to provide the limiting variance of I(X,Y|H) and the limiting value of I(X,Y|H)-NI(X,Y), boosting the known Law of Large Numbers to a Central Limit Theorem. Using the replica method, the desired quantities can be calculated as the second order corrections of a saddle point approximation. These calculations show how one can obtain the variances and biases of any quantity regarding the Bayesian inference of a message sent through the channel. As an application the calculation of the MMSE variance is provided. The results are compared with limiting cases which are either already known or can be approached by different (perturbational) methods."],"dc:identifier":["uoadl:2974830","https://pergamos.lib.uoa.gr/uoa/dl/object/2974830"],"dc:language":["English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Fluctuations of Vector Channels: An Asymptotic Analysis"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:45:10Z"}