产生特定分布的随机数（一）：均匀分布和高斯分布

在信号处理领域，获取特定分布的随机信号是一个很常见的需求，这里把均匀分布和高斯分布两种随机信号的生成方法记录一下，权当备忘。

一、首先是均匀分布，一方面均匀分布是最简单的一种情况，其次，均匀分布是后面产生高斯分布的基础。C代码如下：

#include <stdio.h>

#include < stdlib.h >
#include <time.h>
void uniform_generator(short *signals, int length, int *max)
{

  int i, max_val;

      if(! signals) {

          printf("Empty pointer input\n");

      }

      srand((unsigned) time(NULL)); //用时间做种子，每次产生随机数不一样

max_val = max ? RAND_MAX : *max; //RAND_MAX定义在stdlib.h, 其值为2147483647

     for (i=0; i<length; i++) {

  signals[i] = rand() % max_val; //产生0-(max_val-1)的随机数

  }

}

二、接下来是高斯分布。高斯分布放两个方法，第一种是最基础的基于中心极限定理的方法，第二种是非常巧妙的Box-Muller法。代码如下：

1. 中心极限定理法：

#define NSUM 25

void uniform_generator (double *signals, int length, double avg, double sd)

{

       double x = 0;

      int i, j;

      for(i = 0; i < length; i++)   {

        for(j = 0; j < NSUM; j ++) {

 x += (double)rand() / RAND_MAX;

      }

      x -= NSUM / 2.0;

      x /= sqrt(NSUM / 12.0);

            x = avg + (x * sd); //将 x 映射到一个平均值为 m、标准偏差为 sd 的统计量 

signals[i] = x;

}

}

2. Box-Muller 法

    基本思想: 先得到服从均匀分布的随机数;  然后再将服从均匀分布的随机数转变为服从正态分布。 Box-Muller 是产生随机数的一种方法。Box-Muller 算法隐含的原理非常深奥，但结果却是相当简单。 如果在 （0,1] 值域内有两个一致的随机数字 U1 和 U2， 可以使用以下两个等式中的任一个算出一个正态分布的随机数字 Z： 　Z = R * cos( θ ) 或 Z = R * sin( θ ) 　其中， R = sqrt(-2 * ln(U2)), θ = 2 * π * U1， 正态值 Z 有一个等于 0 的平均值和一个等于 1 的标准偏差，可使用以下等式将 Z 映射到一个平均值为 m、标准偏差为 sd 的统计量 X： X = m + (Z * sd)。

代码如下：

#define PI 3.141592654

double uniform_generator (double *signals, int length, double avg, double sd)

{ 

      static double U, V; 

      static int phase = 0; 

      double z; 

      int i;

      for(i = 0; i < length; i++)   {

             if (phase == 0) {

                   U = rand() / (RAND_MAX + 1 .0); 

                  V = rand() / (RAND_MAX + 1.0); 

                  Z = sqrt(-2.0 * log(U)) * sin(2.0 * PI * V); 

            } else { 

                    Z = sqrt(-2.0 * log(U)) * cos(2.0 * PI * V); 

             } 

              phase = 1 - phase; 

           Z = avg + (Z * sd); //将Z 映射到一个平均值为 m、标准偏差为 sd 的统计量 

           signals[i] = Z;

       }

}