在前一篇章的基础上，该篇章的主要结论为定理4，它描述了算法（91）在迭代过程中的一些项（\boldsymbol p_k, \boldsymbol q_kpk​,qk​）的分布会始终保持零均值的高斯分布，这对之后理解VAMP的状态演进分析是重要的。

Kalman滤波

两个高维高斯高斯分布相乘的完整结果

极化码的入门与探索

文章目录向量序列的收敛状态演进分析大系统分析误差函数（Error Function）敏感函数（Sensitivity Function）线性约束下的正交阵Vector Approximate Message Passing, VAMP向量序列的收敛x(N)\boldsymbol x(N)x(N)是一个rNrNrN维的向量，其形式为x(N)=(x1(N),…,xN(N))∈RrN×1(28)\bol

无偏估计和最小方差无偏估计

Kalman滤波

中心极限定理和Berry-Esseen中心极限定理

贝叶斯滤波和贝叶斯平滑(Kalman滤波，RTS平滑)，卡尔曼滤波，平滑

DMRS的产生