通信系统计算机模拟第十二讲.pptVIP

通信系统的计算机模拟 第十二讲 关于期末报告 下下次课为 Project 报告时间 今天请提交纸质报告一份（首页注明姓名、学号信息） 电子版和Matlab程序 email到:btian01@ 请将email标题 设为 Simulation2008＋姓名＋学号 请准备好报告PPT,每人报告时间为（10±2）分钟 如有特殊时间需求请提前声明 第十一讲 回顾 将仿真产生的数据处理成有用的形式 波形、眼图和散点图，书上的例子要学会，典型的标准模块 估计 直方图 功率密度估计 周期图 带数据窗的周期图 分段周期图 增益，延迟和信噪比 蒙特卡罗方法导论 一个简单易懂的场院景中考察一些基本方法 对置信区间和收敛性等重要问题也作了简单的讨论 假定设估计器所采有的观测值是相到独立的 9.1 蒙特卡罗方法的基本概念 蒙特卡罗仿真建立在几率游戏的基础上 “蒙特卡罗”——赌博著称的地中海城市。 蒙特卡罗仿真是那些利用蒙特卡罗方法估计系统参数如误比特率（BER）的仿真 而蒙特卡罗估计同是指通过内在的随机试验来估计参数值的过程。 9.1.1相对频率 蒙特卡罗估计是基于概率的相对频率解释的 为定义相对频率，第一步是确定随机试验和一个感兴趣的事件A。 随机试验中试验结结果无法准确预测，用统计的方法加以描述。 一个最基本的随机试验就是掷硬币，正面、反面 随着机试验中的事件可以是一个结果或几个结果的集合 以数学字通信系统为例，随机试验可定度为发送一个二进制数1，接收机输出端结果为对所发送二进制符号的估计，它是二进制数0或者二进制数1 我们所感兴趣的事件可能在发送1的过程中所产生的差错 要确定系统的BER，得估计在发送1的条件下接收到0这一事件的概率。大量的随机试验，试次数为N，以表示事件A发生的次数。将事件A发生的概率近似为相对频率，其定义为。 在相对频率的意义下，事件A的概率可以通过重复无限多次随机实验获得 讨论 由于试验的随机性，在试验次数N有限的情况下，NA是随机变量，Pr(A)也是随机变量。 估计器 （仿真）随机变量的统计性质决定了估计器精度，因而也决定了仿真的质量。 9.1.2无偏和一致估计器 蒙特卡罗估计器必须满足几个重要性质在实际中才有意义 首先，我们希望蒙特卡罗估计器是无偏的。如果A的估计值 ? ，我们希望 换句话说，在平均意义下可以得到正确的结果。 估值有比较小的方差 如果估计值是无偏的并具有小的方差，则估计器所产生的估计值会聚集在待估计参数真值的周围，且有较小的散布范围。 除非所研究的事件是统计独立的，用解析的方法确定蒙特卡罗估计器的方差通常是困难的，但是几乎可以肯定，随着估计值数量的增加而减少，称为一致的。 对于一致估计器，当 时， 而对于无偏和和一致估计器，误差 具有零均值，而其方差 在 收敛为0。收敛过程通常非常缓慢 9.1.3蒙特卡罗估计 考虑确定一个形状不规则的区域的面积作为一个蒙特卡罗估计器的简单例子。 侍估计面积的区域完全包含在一个面积已知的方框中，随机试验定义在包围方框中随机抽取采样，事件A定义为采样点落在面积待确定区域内。 要得到一个未知面积的无偏估计器，随机采用样点必须均匀分布在面积已知范围区域中，利用具有两个均匀随机数发生器的计算机程序就可以很容易地实现这一点。 Step 1 下一步是定义感兴趣的事件A。我们要估计如图9-2所示的爆炸形（sunburst）区域的面积，分别定义 和 落在包围中和爆炸形区域的采样点数 因为采样点在包围方框中是均匀分布的， 近似为采样点落在钻石形区域内的数目与落在包围方框中的数目之比 ，即也就是 9.1.4 π的估计 估计数值π的方法之一是用一个具有单位面积的正方形包围一个馅饼状（pie-shaped）的区域，即单位圆的第一象限。如图9-3所示为这种情况，以及总的采样点数Nbox。如果正方形在x轴上所点的区间是（0，1），在y轴上所占的区间也是（0，1），显然馅饼状区域（四分之一圆）的面积为 假设采样点是均匀分布的，则 和 Nbox 的比构成 的无偏估计，所以 例9-1 m=input(Enter M, the number of experiments ); n=input(Enter N, the number of trials per expe