Nakagami-m分布、Gamma分布的无线信道及Python代码

这个分布其实挺难搞懂真正原理的，最基础的就是需要的时候要会用。

无线信道中产生分布为Nakagami的信道

在通信系统中，计算功率，速率都会用到$|h{|}^2$，当$|h|$满足-$Nakagami(m,\Omega )$分布时，模值的平方$|h{|}^2$恰巧服从gamma分布~$Gamma(k,\theta )$，因此可以利用python中关于gamma的函数对其进行操作，很简单。
转换关系，其中$k=m,\theta =\Omega /m$

m = 2
Omega=1
h = np.random.gamma(2, Omega/m) # 生成信道随机数

下面详细介绍Nakagami和Gamma分布。

Nakagami-m分布

这个分布最早是在1960年被提出，被用于模拟无线通信中的衰落信道。

特征

1、概率密度函数PDF（Probability Density Function）

$$\begin{gathered} f(x;m,\Omega )=\frac{2m^m}{\Gamma (m){\Omega }^m}{x}^{2m-1}\exp \left(-\frac{m}{\Omega }{x}^2\right),\forall x\ge 0. \\ where(m\ge \frac{1}{2}，\Omega >0) \end{gathered}$$
参数$m$ and $\Omega$
$$m=\frac{{\left(\mathrm{E}\left[X^2\right]\right)}^2}{\mathrm{Var}\left[X^2\right]}$$and,
$$\Omega =E[X^2]$$
下图是概率密度函数图，其中的$u$就是$m$，是shape parameter-形状参数，越大就越高；$w$就是$\Omega$，是controlling spread控制扩散参数，越大就越散。

2、累积密度函数CDF（Cumulation Density Function）

$$F(x;m,\Omega )=\frac{\gamma \left(m,\frac{m}{\Omega }{x}^2\right)}{\Gamma (m)}$$

CDF就是PDF的积分，PDF就是CDF的导数。
   

4、无线信道参数设计

在无线信道中，$m$可以根据自己的需求来设置，只要大于0.5即可。$m=0.5$时是单边高斯分布，$m=1$时是瑞利分布，$m=\infty$时是随机信道。
$\Omega$表示信道增益平方的期望，即$\Omega =E[|h{|}^2]$。

5、综合各函数表

下表是Nakagami分布的各种函数表

Gamma分布

Nakagami和Gamma分布可以相互转换。信道增益$|h|$-$Nakagami(m,\Omega )$时，那么它的模值的平方$|h{|}^2$~$Gamma(k,\theta )$,其中$k=m,\theta =\Omega /m$

代码

1、验证随机生成的数和PDF的关系

from scipy.stats import nakagami
import matplotlib.pyplot as plt

# 参数设计：
nu = 2

# 计算参数均值方差
mean, var, skew, kurt = nakagami.stats(nu, moments='mvsk')

# 显示概率密度函数(pdf)：
x = np.linspace(nakagami.ppf(0.01, nu，loc=0, scale=1), nakagami.ppf(0.99, nu，loc=0, scale=1), 100)  # 设定一个边界
plt.plot(x, nakagami.pdf(x, nu), 'r-', lw=1.2, alpha=0.6, label='nakagami pdf')

# 生成随机数
r = nakagami.rvs(nu, loc=0, scale=1, size=1000) # 这里的omega为1，可以修改scale，改变omega
# 并比较直方图：
plt.hist(r, density=True, histtype='stepfilled', alpha=0.2)
plt.legend(loc='best', frameon=False)
plt.show()

其中，nakagami.pdf(x, m) =$f(x;m,\Omega =1)=\frac{2m^m}{\Gamma (m)}{x}^{2m-1}\exp \left(-m{x}^2\right),$
也就是说这个里面的公式计算出来的PDF默认$\Omega =1$，所以，要是想要自己产生一个随机数，还要变形一下。