菜鸟问,如何产生iid complex Gaussian process,服从CN(0,1)分
系数的实部和虚部分别是N(0,0.5)
而且相互间独立...
.33
那么是不是用randn产生实部和虚部,前面说的实部和虚部服从N(0,0.5)是什么意思啊
理解正确
N(0,0.5)表示均值为0,方差为0.5的高斯随机变量
.33
hehe ,土问502所在哪里?搞什么的?偷偷的问,pipibug斑竹得到什么好处了?
马虎了一下,被老大发现了 -_-!
看到一个产生高斯随机变量的方法,即具有锐利分布的随机变量R和一对高斯随机变量C和D 的关系如下:C=Rcos(theta),D=Rsin(theta),其中,theta是在(0,2×pi)内的均匀分布变量,C和D的方差为sgma的平发方,所以有一下的程序,大侠看看对不
sgma=0.5,m=0;
u=rand;
z=sgma*(sqrt(2*log(1/(1-u)));
u=rand;
re=m+z*cos(2*pi*u);
im=m+z*sin(2*pi*u);
proakis那本书里的?
恩。。。所谓逆函数法。。。
这个是平均分布转高斯分布的做法。
——不过中间 ln(1/(1-u)) 完全可以用 -ln(u) 来实现...
——另外,如果是用 ansi C 实现的话,别忘了随机种子...
.33
matlab不用种种子吗?
可以用 randn 函数设置种子,如果需要产生固定序列的话...
.55
那么就采用这种方法产生一对高斯随机变量,我需要的高斯随机过程就是x=Re+Im,就可以了,除了这种方法之外,还有其他的方法吗
另外,我觉得应该不需要设置种子吧,作为信道衰落系数,在每次仿真的时候都是随机生成的。
如果是做遍历性的仿真,自然不必设种子。
——如果为了产生的随机序列可以跟踪或者重现的话,应该设种子...
至于产生复高斯变量,也可以采用前面别人说起的方法,通过均匀分布映射成
瑞利分布,作为幅度;再加上另一个均匀分布的随机变量作为角度,也可以得
到复高斯随机变量。
.55
相关文章:
- 请问如何产生服从Nakagami-m分布的随机序列(05-08)
- 请问高斯随机数的乘积服从什么分布呢(05-08)
- 服从高斯分布的变量的模方 服从什么分布?(05-08)
- 为什么总是假设数据服从高斯分布?(05-08)
- joint gaussian的问题(05-08)
- Poisson/Markov ON-OFF/MMPP的Traffic是不是属于Gaussian分布的(05-08)