时隙Aloha及伪贝叶斯算法性能仿真.docVIP

仿真值：由仿真模型及给出的 n(k，生成 n(k+1 观察两种方式得到曲线的走向 3、给出不同的 λ 值，观察 n(k+1随时间变化的情况 判断标准： 如果要保持系统的稳定，至少 n(k+1应该保持在一个恒定的状态，或者逐 渐趋于零。如果 n(k+1不断增加，则系统最终将趋于饱和，无法再接纳新 的数据包，此时系统不稳定。 仿真结果： 1、验证在 n 的估计误差较大的情况下的收敛特性： 1）n=170 ; 估计 n_t=20 ; m=1000 ; λ = 250 180 160 1 e -0.2 ; N=1000 ; 200 140 120 150 100 80 100 60 50 40 20 0 0 100 200 300 400 500 600 700 800 900 1000 0 0 100 200 300 400 500 600 700 800 2）n=50 ; 估计 n_t=180 ; m=1000 ; λ = 结果说明： 1 e -0.2 ; N=800 可以看出， 当估计值与系统本身的积压数据包数有很大差别的时候， 无论是 大还是小，最终都可以趋于实际值，从而收敛特性得到验证。 1）同时可以看到，改变 λ 的值：当 λ 增大的时候，收敛地更快； 2）当 n 不变的时候，改变 m 的值，如果 n/m 变大，那么发生碰撞的几率 就变大，也会导致估计的 n 值更快地趋向理论 n 值 这些都是于课堂分析的理论情况相吻合的。 6/8 2、验证系统的稳定性 下图分别为 λ = 时候的情况。 可以看到，当 λ 1 e +0.2； 1 e 1 e -0.2 ； λ= 1 e -0.1； λ= 1 e ； λ= 1 e +0.2； λ= 1 e +0.3 时，n 都逐渐变小，这时系统是稳定的；相反， λ = λ= 1 e +0.3 则使系统趋于饱和。 也即系统无法保证算法的稳定性。 400 350 300 250 200 150 100 50 0 0 100 200 300 400 500 600 700 800 900 1000 7/8 附录：题目 3 的程序： （题目 1、2 类似） lamida=1/exp(1-0.2; n=50; n_t=180; N=800; n1=n; n1_t=n_t; m=1000; qa=1-exp(-lamida/m; for j=1:N qr=min(1,1/n1_t; n=n1; n_t=n1_t; %simulation u(1:n=1; u(n+1:m=0; l(1:n=0; l(n+1:m=binornd(1,qa,m-n,1; y=u+l; d=length(find(y~=0; depart=binornd(1,qr,d,1; if sum(depart==1 n1=d-1; else sum(depart==0 n1=d; end N1(j=n1; %theory if sum(depart==1|sum(depart==0 n1_t=max(lamida,(lamida+n_t-1; else n1_t=n_t+lamida+(exp(1-2^(-1; end N1_t(j=n1_t; %--------end plot(1:N,N1,b; hold on; plot(1:N,N1_t,r; hold on; 8/8