用的pytorch:先生成一组随机数：

但是我还想要批量生产：

学会了朴素的循环:

但是谁不想用美丽的呢？

这样才是存储下来:

python中有现成的nakagami:

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.nakagami.html  

中午吃焗饭，米有要餐具。是一只傻但了。

但是我却找到了nakagami，我一定是把所有能量都用来学习啦！这是我和nakagami之间的默契！

https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.nakagami.html

nakagami-m中的m是形状因子，描述不同散射环境多径传播造成的衰落程度：

m=1时为瑞利衰落：

m=0.5为单边高斯分布：

我们分别取m=4.97和10(m越大衰落程度越高）：

m=4.97

m=10

当信道增益满足nakagami分布时，其平方满足gama分布，证明如下：

https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.random.gamma.html

写呀写呀写代码

      deque容器为一个给定类型的元素进行线性处理，像向量一样，它能够快速地随机访问任一个元素，并且能够高效地插入和删除容器的尾部元素。但它又与vector不同，deque支持高效插入和删除容器的头部元素，因此也叫做双端队列。deque类常用的函数如下。

构造函数:deque():创建一个空deque