Nakagami-m 分布——基础知识

1、定义

 It has two parameters: a shape parameter   and a second parameter controlling spread \Omega >0.

2、参数估计

3、 Nakagami-m 分布 与 gamma distribution 的关系

(1)论文中记录的

 is a Nakagami-m distribution with fading parameter . 有  

于是,得到:

                    

也就是说,一个随机变量是服从Nakagami-m分布的,那么它的模值的平方服从伽马分布。

\begin{array}{l} {h_{AE}} \sim Nakagami\left( {​{m_E},1} \right),m = {m_E},\Omega = 1\\ {\left| {​{h_{AE}}} \right|^2} \sim Gamma\left( {k = {m_E},\theta = \frac{1}{​{​{m_E}}}} \right)\;or\;Gamma\left( {\alpha = {m_E},\beta = {m_E}} \right)\\ {​{\bar \gamma }_E}{\left| {​{h_{AE}}} \right|^2} \sim Gamma\left( {k = {m_E},\theta = \frac{​{​{​{\bar \gamma }_E}}}{​{​{m_E}}}} \right)\;or\;Gamma\left( {\alpha = {m_E},\beta = \frac{​{​{m_E}}}{​{​{​{\bar \gamma }_E}}}} \right) \end{array}

其中,

例如:

All  channels are characterized by Nakagami-m fading.

 

 《When NOMA Multiplexing Meets Symbiotic Ambient Backscatter Communication- Outage Analysis》

 

(2) 维基百科说法

  • 11
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
nakagami-m分布是一种常用于描述无线信道衰落的数学模型。在5径时变信道的仿真设计中,我们可以使用nakagami-m分布来模拟信道的衰落过程。 首先,我们需要确定nakagami-m分布的参数m的值,这取决于信道的特性。m的值越大,信道的衰落越快,反之衰落越缓慢。一般来说,我们可以根据实际的衰落情况选择合适的m的值。 接下来,我们可以使用随机数生成器来生成服从nakagami-m分布的随机变量。这些随机变量代表了信道的衰落系数。在仿真过程中,我们可以根据需要生成大量的随机变量,以获得足够的样本数据进行衰落分析。 在仿真设计中,我们还需要考虑信号的传输距离和发射功率等参数。这些参数将影响到信道的衰落过程。我们可以通过改变这些参数的值,观察信道衰落的变化情况,并进行性能分析。 除了生成随机变量,我们还可以使用数学方法对nakagami-m分布进行计算和分析。例如,可以计算信道的均值、方差和功率谱密度等参数,以评估信道的性能。 最后,在仿真设计中,我们可以使用各种信号处理技术来处理和分析仿真数据。例如,可以使用平均值滤波、自相关分析和频谱分析等方法,来研究信道衰落对信号传输的影响。 总而言之,通过使用nakagami-m分布来模拟5径时变信道的衰落过程,我们可以进行系统性能评估和优化设计。这种仿真设计可以帮助我们更好地理解和应对无线信道的衰落问题。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值