content(symbol): 噪声方差全文统一记为 \sigma（去 n 与 ^2）

B:10 早已声明"\sigma 表示方差"，sec1/D 遵守，多星侧却用 \sigma_{n,\ell}^2
偏离。统一回归该约定：\sigma_{n,\ell}^2->\sigma_\ell、\sigma_n^2->\sigma
（去 n 与 ^2）；推导中的方差平方 \sigma_{n,\ell}^4->\sigma_\ell^2；白化
标准差 1/\sigma_{n,\ell}->1/\sqrt{\sigma_\ell}（E:765）；E 共同方差情形裸
\sigma^2->\sigma。D 里 \sigma=方差的幂次 \sigma^2/\sigma^4 本就正确、保留。
清理替换产生的循环定义（sec1/D）。如此推导上标即方差的真实幂次，不与
"方差自带 ^2"冲突。

parts/sec3_multiSatSingleUser.tex

@@ -145,7 +145,7 @@
   +
   \mathbf n_\ell(t),
   \qquad
-  \mathbf n_\ell(t)\sim\mathcal{CN}(\mathbf 0,\sigma_{n,\ell}^2\mathbf I_{M_\ell}),
+  \mathbf n_\ell(t)\sim\mathcal{CN}(\mathbf 0,\sigma_\ell\mathbf I_{M_\ell}),
 \end{equation}
 %
 其中 $\nu_\ell(\boldsymbol\xi,\nu_{\mathrm{ref}})\triangleq \nu_{\mathrm{ref}}+\Delta\nu_\ell(\boldsymbol\xi)$。
@@ -184,7 +184,7 @@
   +
   \tilde{\mathbf n}_\ell,
   \qquad
-  \tilde{\mathbf n}_\ell\sim\mathcal{CN}(\mathbf 0,\sigma_{n,\ell}^2\mathbf I_{M_\ell T}).
+  \tilde{\mathbf n}_\ell\sim\mathcal{CN}(\mathbf 0,\sigma_\ell\mathbf I_{M_\ell T}).
 \end{equation}
 %
 本节的干扰参数为
@@ -194,7 +194,7 @@
   =
   \Big[
     \{\zeta_\ell\}_{\ell=0}^{L-1},
-    \{\sigma_{n,\ell}^2\}_{\ell=0}^{L-1}
+    \{\sigma_\ell\}_{\ell=0}^{L-1}
   \Big]^\Tran.
 \end{equation}
 
@@ -207,9 +207,9 @@
   =
   \sum_{\ell=0}^{L-1}
   \left[
-    M_\ell T\log\sigma_{n,\ell}^2
+    M_\ell T\log\sigma_\ell
     +
-    \frac{1}{\sigma_{n,\ell}^2}
+    \frac{1}{\sigma_\ell}
     \left\|
       \tilde{\mathbf y}_\ell
       -
@@ -218,7 +218,7 @@
   \right].
 \end{equation}
 
-对干扰参数 $\boldsymbol\psi_{\mathrm{stat}}$ 的逐项闭式消元——先消 $\zeta_\ell$、再消 $\sigma_{n,\ell}^2$——与第~\ref{sec:det_doa_est} 节单阵列情形完全平行；详细矩阵代入见\ref{sec:A6_multiArrayStatDetDoaDopplerCrb}。集中后的轮廓似然估计准则为
+对干扰参数 $\boldsymbol\psi_{\mathrm{stat}}$ 的逐项闭式消元——先消 $\zeta_\ell$、再消 $\sigma_\ell$——与第~\ref{sec:det_doa_est} 节单阵列情形完全平行；详细矩阵代入见\ref{sec:A6_multiArrayStatDetDoaDopplerCrb}。集中后的轮廓似然估计准则为
 %
 \begin{equation}
   \widehat{\boldsymbol\eta}_{\mathrm{stat}}
@@ -236,14 +236,14 @@
        {\|\mathbf g_\ell\|_2^2}.
 \end{equation}
 %
-若实际中 $\sigma_{n,\ell}^2$ 已知或由预处理获得，可退化为加权集中似然形式
+若实际中 $\sigma_\ell$ 已知或由预处理获得，可退化为加权集中似然形式
 %
 \begin{equation}
   \widehat{\boldsymbol\eta}_{\mathrm{stat}}
   =
   \arg\max_{\boldsymbol\xi,\nu_{\mathrm{ref}}}
   \sum_{\ell=0}^{L-1}
-  \frac{1}{\sigma_{n,\ell}^2}
+  \frac{1}{\sigma_\ell}
   \frac{\left|\mathbf g_\ell^\Herm\tilde{\mathbf y}_\ell\right|^2}
        {\|\mathbf g_\ell\|_2^2}.
 \end{equation}