一種基于權(quán)重法的Nakagami-m復(fù)衰落隨機(jī)序列生成方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于無(wú)線(xiàn)通信信道建模及模擬領(lǐng)域，具體來(lái)說(shuō)本發(fā)明設(shè)及一種針對(duì) 化kagami-m復(fù)衰落隨機(jī)序列生成方法。
【背景技術(shù)】
[0002] 無(wú)線(xiàn)移動(dòng)通信環(huán)境中，化kagami-m衰落相較于傳統(tǒng)的瑞利分布或萊斯分布可W更 好更廣泛地表征小尺度衰落特征?；痥agami-m衰落是通過(guò)變參數(shù)伽馬分布的密度函數(shù)擬合 實(shí)驗(yàn)數(shù)據(jù)所得到的。它可W模擬從嚴(yán)重、適中、輕微到無(wú)衰落的信道環(huán)境，包含了瑞利分布 和萊斯分布。
[0003] 目前化kagami-m衰落的仿真主要是針對(duì)其包絡(luò)分布的仿真，主要有逆變換法、舍 棄法和組合法；針對(duì)化kagami-m衰落相位分布的仿真方法較少，一般采用舍棄法。組合 法是一種簡(jiǎn)單的擬合模型，仿真速度快，但是誤差較大，特別是m值不在其適用范圍之內(nèi) 時(shí)，仿真結(jié)果與理論值幾乎完全不符。逆變換模型實(shí)用性較差精度也不高，原因在于求解 化kagami-m累積分布函數(shù)的反函數(shù)十分復(fù)雜且需要系數(shù)的擬合捜索。舍棄法精度高，但舍 棄帽子函數(shù)選擇復(fù)雜，仿真速度慢，效率較低。因此，有必要研究新的高效的復(fù)衰落信道建 模方法。

【發(fā)明內(nèi)容】

[0004] 為了達(dá)到上述目的，本發(fā)明提出一種基于權(quán)重法的化kagami-m復(fù)衰落分布仿真 方法，所提權(quán)重法根據(jù)概率密度函數(shù)的解析式生成服從化kagami-m衰落分布的大量隨機(jī) 樣本數(shù)據(jù)，然后對(duì)樣本數(shù)據(jù)進(jìn)行均勻隨機(jī)采樣，得到仿真精度所需要的目標(biāo)隨機(jī)序列。一種 基于權(quán)重法的化kagami-m復(fù)衰落隨機(jī)序列生成方法，根據(jù)化kagami-m衰落分布函數(shù)，并采 用權(quán)重法生成幅度隨機(jī)序列和相位隨機(jī)序列，并使用所述幅度隨機(jī)序列和相位隨機(jī)序列產(chǎn) 生復(fù)隨機(jī)序列。
[0005] 在上述技術(shù)方案的基礎(chǔ)上，其包括W下步驟：
[0006] S1根據(jù)化kagami-m衰落幅度和相位衰落分布函數(shù)，采用權(quán)重法生成幅度隨機(jī)序 列RDC和相位隨機(jī)序列0怔]，其中K為目標(biāo)隨機(jī)序列長(zhǎng)度；
[0007]S2由上述生成的化kagami-m幅度隨機(jī)序列和相位隨機(jī)序列，產(chǎn)生復(fù)隨機(jī)序列 ZDC=R〇(]*e9w，K為目標(biāo)隨機(jī)序列長(zhǎng)度。
[000引在上述技術(shù)方案的基礎(chǔ)上，所述步驟S1中生成幅度隨機(jī)序列RDC包括，
[0009] S1. 1對(duì)給定的化kagami-m幅度概率密度函數(shù)fijC)在定義域[a,b]上均勻采樣得 至IJN點(diǎn)定義域采樣序列而[閑，其中第i個(gè)定義域采樣點(diǎn)而(1) =a+化-a/N)*i，i= 1，2，" N，a為定義域下限，b為定義域上限；
[0010] S1. 2將定義域采樣序列而[閑代入幅度概率密度函數(shù)fE(.)中，得到大小為N值 域序列Ye[閑，其中第i個(gè)值域采樣點(diǎn)YeQ] =fE狂kQ));
[0011] SI. 3計(jì)算幅度權(quán)重系數(shù)Z,[i]:權(quán)重系數(shù)定義為歸一化的值域序列值乘w隨機(jī)樣 本數(shù)據(jù)序列大小M，并向下取整數(shù)；即 其中M〉10*K;
，
[0012]S1. 4按照定義域采樣值XeQ)大小順序，根據(jù)隨機(jī)樣本權(quán)重系數(shù)與[1]，依次將個(gè) 與山個(gè)X^a)加入到幅度隨機(jī)樣本數(shù)據(jù)序列Se[M]中，序列Se[M]即為滿(mǎn)足幅度概率密度 分布fK(.)但無(wú)隨機(jī)性的本數(shù)據(jù)；
[0013]S1.5生成所需長(zhǎng)度K的輸出隨機(jī)序列RDC，其包括，首先生成[1，M]上的整數(shù)隨 機(jī)變量的均勻隨機(jī)分布序列Vk怔]，即Vk怔]=l+rand(l，K)*(M-l)，rancKl，K)生成1行 K列的均勻隨機(jī)序列，rand函數(shù)為標(biāo)準(zhǔn)的均勻分布生成函數(shù)；其次W均勻隨機(jī)分布序列值 Vc[時(shí)的排序，在樣本數(shù)據(jù)序列Sc[M]中進(jìn)行取樣得到目標(biāo)隨機(jī)序列R[K]，其中所取的第j 個(gè)元素R(j) =Sk(VkU))，j= 1，2--K，此時(shí)輸出的目標(biāo)序列R[K]是滿(mǎn)足服從r^Jakagami-m 幅度概率密度函數(shù)的幅度目標(biāo)隨機(jī)序列。
[0014] 在上述技術(shù)方案的基礎(chǔ)上，所述步驟S1中生成相位隨機(jī)序列0怔]包括，
[0015]S1. 6對(duì)給定的化kagami-m相位概率密度函數(shù)f0(.)在定義域[C，d]上均勻采 樣得到N點(diǎn)定義域采樣序列Xe[閑，其中第i個(gè)定義域采樣點(diǎn)Xe(i) =c+(d-c/N)*i，i= 1，2…N，c為定義域下限，d為定義域上限；
[0016]S1. 7將定義域采樣序列Xe[閑代入相位概率密度函數(shù)fe(.)中，得到大小為N值 域序列Ye[閑，其中第i個(gè)值域采樣點(diǎn)Ye(i] =fe狂e(i));
[0017] SI. 8計(jì)算相位權(quán)重系數(shù)Ze[i]:權(quán)重系數(shù)定義為歸一化的值域序列值乘w隨機(jī) 樣本數(shù)據(jù)序列大小M，并向下取整數(shù)；良F
[0018]S1.9按照定義域采樣值Xe(i)大小順序，根據(jù)隨機(jī)樣本權(quán)重系數(shù)Ze[i]，依次將個(gè) Zg[i]個(gè)Xe(i)加入到相位隨機(jī)樣本數(shù)據(jù)序列Se[M]中，序列Se[M]即為滿(mǎn)足相位概率密 度分布fe(.)的但無(wú)隨機(jī)性的樣本數(shù)據(jù)；
[0019]S1. 10生成所需長(zhǎng)度K的輸出隨機(jī)序列0怔]。首先生成[1，M]上的整數(shù)隨機(jī)變量 的均勻隨機(jī)分布序列Ve怔]，即Ve怔]=l+rand(l，K)*(M-1)，rand(l，K)生成1行K列的 均勻隨機(jī)序列，rand函數(shù)為標(biāo)準(zhǔn)的均勻分布生成函數(shù)；其次W均勻隨機(jī)分布序列值Ve怔] 的排序，在樣本數(shù)據(jù)序列Se[M]中進(jìn)行取樣得到目標(biāo)隨機(jī)序列0 [時(shí)，其中所取的第j個(gè)元 素0 (j) =Sg(Vg(j))，j= 1，2--K，此時(shí)輸出的目標(biāo)序列0 [K]是滿(mǎn)足服從r^Jakagami-m 相位概率密度函數(shù)的相位目標(biāo)隨機(jī)序列。
[0020] 與現(xiàn)有技術(shù)相比較，本發(fā)明的有益效果在于：
[0021] (1)本發(fā)明提出了一種高效基于權(quán)重法的復(fù)衰落分布隨機(jī)序列生成方法，該方法 W少量的空間復(fù)雜度換取時(shí)間效率和仿真精度；
[0022] (2)該方法的仿真精度可根據(jù)實(shí)際仿真需要，通過(guò)調(diào)整樣值采樣點(diǎn)數(shù)和目標(biāo)序列 點(diǎn)數(shù)來(lái)實(shí)現(xiàn)，可避免其他方法高精度需求時(shí)插值操作帶來(lái)的誤差。
[0023](3)本發(fā)明中提出的權(quán)重法實(shí)際上可模擬任意具有解析表達(dá)式的分布函數(shù)的隨機(jī) 序列生成，具有很大的通用性。
【附圖說(shuō)明】
[0024] 圖1為本發(fā)明一種基于權(quán)重法的化kagami-m復(fù)衰落隨機(jī)序列生成方法流程圖；
[0025] 圖2為本發(fā)明權(quán)重法生成任意具有解析式表達(dá)的概率密度函數(shù)分布隨機(jī)序列流 程圖；
[0026] 圖3為本發(fā)明m=4, Q=1的化kagami-m幅度包絡(luò)序列仿真結(jié)果與其他方法對(duì) 比圖；
[0027] 圖4為本發(fā)明Q=1的化kagami-m幅度包絡(luò)序列仿真精度與其他方法對(duì)比圖； [002引圖5為本發(fā)明Q=1的化kagami-m幅度包絡(luò)序列仿真歸一化時(shí)間復(fù)雜度與其他 方法對(duì)比圖；
[0029] 圖6為本發(fā)明m=4, Q=1的化kagami-m相位包絡(luò)序列仿真結(jié)果與其他方法對(duì) 比圖；
[0030] 圖7為本發(fā)明Q=1的化kagami-m相位包絡(luò)序列仿真精度與其他方法對(duì)比圖；
[003U 圖8為本發(fā)明Q=1的化kagami-m相位包絡(luò)序列仿真歸一化時(shí)間復(fù)雜度與其他 方法對(duì)比圖。 具體實(shí)施例
[0032] 下面結(jié)合具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明?，F(xiàn)針對(duì)給定m=4, Q=1時(shí)的 化kagami-m衰落復(fù)衰落分布仿真，本發(fā)明過(guò)程具體實(shí)施方案如下；
[0033] 請(qǐng)參考圖1與圖2。
[0034]S1根據(jù)化kagami-m衰落幅度衰落分布函數(shù)，采用權(quán)重法生成幅度隨機(jī)序列R[K] 和相位隨機(jī)序列0 [K]，K= 1〇5;其中生成幅度隨機(jī)序列R[K]和相位隨機(jī)序列0怔]為兩 并列的步驟，首先生成幅度隨機(jī)序列或先生成相位隨機(jī)序列均可。
[003引所述步驟S1包括，
[0036]S1. 1對(duì)給定的化kagami-m幅度概率密度函數(shù)f,(r)在定義域[a,b]上均勻采樣 得到N= 1〇5點(diǎn)定義域采樣序列Xe[閑，其中而(1) =a+化-a/N)*i，i= 1，2"，N ;
[0037]
[00測(cè) SI. 2將定義域采樣序列而[閑代入幅度概率密度函數(shù)fK(r)中，得到N=105點(diǎn)值 域序列Yk[閑，YeU] =fK狂K(i));
[0039] SI. 3計(jì)算幅度權(quán)重系數(shù)Z,[i]:權(quán)重系數(shù)定義為歸一化的值域序列值乘W隨機(jī)樣 本數(shù)據(jù)序列大小M= 1〇6,并向下取整數(shù)；即 - >
[0040]S1. 4按照定義域采樣值XeQ)大小