一、引入方式 from itertools import cycle 二、使用方法 我们先来看看它的源码 cycle它接收一个可迭代对象，可以将一个可迭代对象转换为一个可以无限迭代的迭代器 源码里我们可以看到它实现了__iter__和__next__的魔术方法，说明它既是可迭代对象也是一个迭代器，我们可以使用for循环和next()方法去操作它 我们先来看看以普通的方式去遍历一个列表 li = ['python', 'java', 'c', 'ruby', 'php', 'javascript'] for i in li: print(i) 打印结果： 可以看到，遍历直到最后一个元

在移动通信系统中，由于信道的时变特性，从训练序列得到的信道估计直接应用于数据解扩上，会带来较大的误差。为了降低这种误差，提出了循环迭代的算法，通过对数据域信道估计进行补偿，提高了单个时隙信道估计精度。仿真结果表明：该算法性能良好，特别是在单时隙业务下，由于每个时隙的信道估计独立计算和修正，可以提供准确的信道估计，对数据解扩性能有较大的提高；当用户在高速运动情况下，由于不受用户运动速度和信道衰落的限制，该算法性能明显优于其他方法。

采用频域多帧循环迭代解卷积算法(CIBD)，针对提高复原图像的准确性和快速性两个方面进行研究。以退化序列中任意帧作为起始帧，逐次增加迭代帧，确保更多的观测帧参与循环迭代解卷积以增加复原的准确性；通过图像间的相关矩阵估计初始点扩展函数(PSF)，采用尺度梯度投影法，自适应迭代步长，增加迭代终止条件等措施提高算法的收敛速度。实验结果表明，采用提议的算法能够有效地重建不同大气湍流条件下的远距离观测图像，性能优于传统多帧盲反卷积(MBD)迭代算法。