高斯随机信号matlab,高斯随机信号生成初探.ppt

高斯随机信号生成初探

BPSK误码率仿真(n=30) QPSK误码率仿真(n=10) QPSK误码率仿真(n=30) 分析~3 在低SNR部分，三种方法产生的噪声对系统性能影响不大，而在高SNR部分，中心极限定理方法产生的噪声由于方差偏小，导致系统的误码率低于实际情况 此问题的原因在于，在高SNR部分，高斯噪声分布的小概率部分逐渐上升为主要因素，而中心极限定理方法出现大噪声的可能性偏小。 Outline 基本原理及实施步骤 仿真系统结构及代码 性能比较及分析 其他常见算法 The Polar Method 由Marsaglia和Bray 提出，Box-Muller变换的极坐标形式。 计算步骤如下： 产生两个独立同分布的U(0,1)随机数 若S>1，则返回第一步，否则计算 X即为一对相互统计独立的标准正态分布 仿真结果 个人意见 从概率密度曲线上看，和Box-Muller变换差别不明显。此外，计算两种方法得到的pdf和正态分布pdf的方差，得到的结果同样十分接近。 Polar Method方法由于引入了一定的限制条件，生成正态分布随机变量数目是不固定的，只能采用for循环生成，不便于在Matlab中进行编程。 其他方法 Inverse transform method The Ziggurat method The rejection method …… 参考文献 [1] Marsaglia G, Wai Wan Tsang. The Ziggurat Method for Generating Random Variables. [2] Box G E P, Muller M E. A Note on the Generation of Random Normal Deviates. [3] Marsaglia G, Bray T A. A convenient Method for Generating Normal Variables. [4] Wikepedia. Thank You Any Question? 高斯随机信号生成初探 张鹏 2010年11月4日 Outline 基本原理及实施步骤 仿真系统结构及代码 性能比较及分析 其他常见算法 基本原理及实施步骤 高斯样本统计平均 直接生成满足高斯分布的随机变量 调用Matlab自带的randn函数 中心极限定理方法(12平均法) 均匀分布函数映射(Box-Muller变换 ) 中心极限定理方法 由中心极限定理可知，假设 Xi, i=1,2,…n 是统计独立且同分布的随机变量，有限均值mx，有限方差?x2。 定义归一化随机变量 (零均值和单位方差) 令 当n?? 时，Y 的极限分布为高斯分布。 中心极限定理方法 对于[0,1]均匀分布的随机变量，有 mx=1/2，?x2=1/12 调用Matlab自带的rand函数生成n个均匀分布随机变量，并按公式进行叠加，即可得到满足高斯分布的随机变量 在实际应用中通常取n=12，又称为12平均法。在本实验中一般取n=10。 均匀分布函数映射 复数高斯信号的幅度满足瑞利分布，相位满足均匀分布。因此如果我们能从均匀分布得到瑞利分布，就可以得到满足高斯分布的随机变量 瑞利分布的概率密度函数为 下面将会给出函数映射式 均匀分布函数映射 定义 其中x满足[0,1]均匀分布 则有 我们知道，一般情况，如果x1, x2, ..., xn 是方程g(x)=y 的实数解(即x用y表示的解)，x的概率密度函数为p(x)，则随机变量Y=g(X) 的概率密度函数为 均匀分布函数映射 对于本例，显然有n=1， 得 ，对应σ=1的瑞利分布 利用rand函数得到均匀分布随机变量，并根据上式进行线性变换得到瑞利分布的幅度r，同时生成均匀分布的相位φ，由下式即可得到高斯分布随机变量 Outline 基本原理及实施步骤 仿真系统结构及 代码 性能比较及分析 其他常见算法 仿真系统结构及代码 程序默认的随机变量分布区间为[-10,10]，其中间隔为0.1，两者均为可调值。 主要步骤是利用三种方法分别生成一定数量的高斯分布样本，调用hist函数进行直方图统计，然后绘制包络图。 为方便比较，同时直接绘制高斯分布概率密度函数，表达式为 HIST Histogram N = HIST(Y) bins the elements of Y into 10 equally spaced containers and returns the number of elements in each con