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]即為滿足幅度概率密度 分布fc(r)的隨機(jī)樣本數(shù)據(jù)；
[0041]S1.5生成所需長(zhǎng)度K= 1〇5的輸出隨機(jī)序列RDC。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]=ramlna，M，K);其次W均勻隨機(jī)分布序列值 Vc怔]的排序，在隨機(jī)樣本數(shù)據(jù)序列中Sc[M]進(jìn)行取樣得到目標(biāo)隨機(jī)序列RDC，即R(j)= Sk(VkO))，j= 1，2. . . .K。此時(shí)輸出的目標(biāo)序列RDC是滿足服從Nakagami-m幅度概率密 度函數(shù)的隨機(jī)序列。
[0042] 在上述技術(shù)方案的基礎(chǔ)上，所述步驟S1包括，
[0043] S1. 11對(duì)給定的化kagami-m相位概率密度函數(shù)fg( 0 )在定義域[c，d]上均勻采 樣得到N= 1〇5點(diǎn)定義域采樣序列X0[閑，其中Xg(i) =c+(d-c/N)*i,i= 1，;
[0044]
[0045] SI. 12將定義域采樣序列Xe[閑代入相位概率密度函數(shù)f( 0 )中，得到大小為N值 域序列Ye[閑，Ye(i]=fe狂e(i));
[0046] SI. 13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= 1〇6,并向下取整數(shù)；印 - >
[0047] S1. 14按照定義域采樣值Xea)大小順序，根據(jù)隨機(jī)樣本權(quán)重系數(shù)Ze山，依次將 個(gè)Ze山個(gè)X0a)加入到相位隨機(jī)樣本數(shù)據(jù)序列Se[M]中，序列Se[M]即為滿足概率密度 分布fe( 0 )的隨機(jī)樣本數(shù)據(jù)；
[0048] S1. 15生成所需長(zhǎng)度K= 105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);其次W均勻隨機(jī)分布 序列值Ve怔]的排序，在隨機(jī)樣本數(shù)據(jù)序列中Se[M]進(jìn)行取樣得到目標(biāo)隨機(jī)序列0怔]，即 0 (j) =Se(Ve0))，j= 1，2. . . .K。此時(shí)輸出的目標(biāo)序列0怔]是滿足服從化kagami-m 相位概率密度函數(shù)的隨機(jī)序列。
[0049] 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 2怔]=R〇(]*eew，K= 1〇5。完成對(duì)復(fù)衰落隨機(jī)序列的生成。
[0050] 下面結(jié)合仿真圖對(duì)本發(fā)明相對(duì)現(xiàn)有技術(shù)的優(yōu)點(diǎn)進(jìn)行進(jìn)一步說明。圖4和圖5分別 給出了不同m參數(shù)下（Q= 1)的幅度分布仿真精度和算法復(fù)雜度對(duì)比情況。權(quán)重法仿真 精度與逆變換法、舍棄法基本相同，明顯優(yōu)于組合法；權(quán)重法算法速度最快，其仿真時(shí)長(zhǎng)相 比最慢的舍棄法提高了 400倍到1400倍，較組合法提高1倍；較逆變換法提高7倍左右。 圖6和圖7分別給出了不同m參數(shù)下（Q= 1)的相位分布仿真精度和算法復(fù)雜度對(duì)比情 況。權(quán)重法和舍棄法的均方誤差基本相同，但權(quán)重法仿真速度比舍棄法快100-600倍。
[0051] 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；并且該方法的仿真精度可根據(jù)實(shí)際仿真需要， 通過調(diào)整樣值采樣點(diǎn)數(shù)和目標(biāo)序列點(diǎn)數(shù)來實(shí)現(xiàn)，可避免其他方法高精度需求時(shí)插值操作帶 來的誤差。同時(shí)，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。
【主權(quán)項(xiàng)】
1. 一種基于權(quán)重法的Nakagami-m復(fù)衰落隨機(jī)序列生成方法，其特征在于： 根據(jù)Nakagami-m衰落衰落分布函數(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。2. 如權(quán)利要求1所述的一種基于權(quán)重法的Nakagami-m復(fù)衰落隨機(jī)序列生成方法，其特 征在于：其包括以下步驟： Sl根據(jù)Nakagami-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Θ[Κ]，其中K為目標(biāo)隨機(jī)序列長(zhǎng)度； S2由上述生成的Nakagami-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Ζ[Κ]= R[K] *e0 [K]，e為指數(shù)函數(shù)的底數(shù)，K為目標(biāo)隨機(jī)序列長(zhǎng)度。3. 如權(quán)利要求2所述的一種基于權(quán)重法的Nakagami-m衰落復(fù)衰落分布仿真方法，其特 征在于：所述步驟Sl中生成幅度隨機(jī)序列R[K]包括， SI. 1對(duì)給定的Nakagami-m幅度概率密度函數(shù)fK(.)在定義域[a, b]上均勾采樣得到 N點(diǎn)定義域采樣序列XK[N],其中第i個(gè)定義域采樣點(diǎn)XK(i) = a+(b-a/N)*i, i = 1，2…N， a為定義域下限，b為定義域上限； S1.2將定義域采樣序列XK[N]代入幅度概率密度函數(shù)&(.)中，得到大小為N值域序 列YK[N]，其中第i個(gè)值域采樣點(diǎn)YK(i] = fK(XK(i)); SI. 3計(jì)算幅度權(quán)重系數(shù)ZK[i]:權(quán)重系數(shù)定義為歸一化的值域序列值乘以隨機(jī)樣本數(shù) 據(jù)序列大小M，并向下取整數(shù)實(shí)中M>10*K; SI. 4按照定義域采樣值Xk (i)大小順序，根據(jù)隨機(jī)樣本權(quán)重系數(shù)Zk [i]，依次將個(gè)Zk[i] 個(gè)Xk⑴加入到幅度隨機(jī)樣本數(shù)據(jù)序列SK[M]中，序列S K[M]即為滿足幅度概率密度分布 fK(.)但無隨機(jī)性的樣本數(shù)據(jù)； SI. 5生成所需長(zhǎng)度K的輸出隨機(jī)序列R[K]，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= l+rand(l，K)*(M-l)，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)；其次以均勻隨機(jī)分布序列值V K[K] 的排序，在樣本數(shù)據(jù)序列Sk [Μ]中進(jìn)行取樣得到目標(biāo)隨機(jī)序列R[Κ]，其中所取的第j個(gè)元素 R(j) = SK(VK(j))，j = 1，2. ... K，此時(shí)輸出的目標(biāo)序列R[K]是滿足服從Nakagami-m幅度 概率密度函數(shù)的幅度目標(biāo)隨機(jī)序列。4. 如權(quán)利要求2所述的一種基于權(quán)重法的Nakagami-m衰落復(fù)衰落分布仿真方法，其特 征在于：所述步驟Sl中生成相位隨機(jī)序列Θ [K]包括， SI. 6對(duì)給定的Nakagami-m相位概率密度函數(shù)f 0 (.)在定義域[c，d]上均勾采樣得到 N點(diǎn)定義域采樣序列X0 [N],其中第i個(gè)定義域采樣點(diǎn)X0⑴=c+(d-c/N)*i, i = 1，2···Ν， c為定義域下限，d為定義域上限； SI. 7將定義域采樣序列X0 [N]代入相位概率密度函數(shù)f0 (.)中，得到大小為N值域序 列Y0 [N]，其中第i個(gè)值域采樣點(diǎn)Ye⑴=f e (Xe⑴）； SI. 9計(jì)算相位權(quán)重系數(shù)Z0 [i]:權(quán)重系數(shù)定義為歸一化的值域序列值乘以隨機(jī)樣本數(shù) 據(jù)序列大小M，并向下取整數(shù)；@SI. 9按照定義域采樣值X0 (i)大小順序，根據(jù)隨機(jī)樣本權(quán)重系數(shù)Z0 [i]，依次將個(gè) Z0 [i]個(gè)X0 (i)加入到相位隨機(jī)樣本數(shù)據(jù)序列S0 [M]中，序列S0 [M]即為滿足相位概率密 度分布(.)的但無隨機(jī)性的樣本數(shù)據(jù)； SI. 10生成所需長(zhǎng)度K的輸出隨機(jī)序列θ [K]，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V0 〇(]，即V0 [K] = l+rand(l，K)*(M-l)，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)；其次以均勻隨機(jī)分布序列值V 0[K]的 排序，在樣本數(shù)據(jù)序列S0[M]中進(jìn)行取樣得到目標(biāo)隨機(jī)序列θ [K]，其中所取的第j個(gè)元素 9 (j) = Se (V0 (j)), j = 1, 2--K，此時(shí)輸出的目標(biāo)序列θ [κ]是滿足服從Nakagamii^ 位概率密度函數(shù)的相位目標(biāo)隨機(jī)序列。
【專利摘要】一種基于權(quán)重法的Nakagami-m復(fù)衰落隨機(jī)序列生成方法,根據(jù)Nakagami-m衰落幅度和相位衰落分布函數(shù)，并采用權(quán)重法分別生成幅度隨機(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。本發(fā)明以少量的空間復(fù)雜度換取時(shí)間效率和仿真精度；可根據(jù)實(shí)際仿真需要，通過調(diào)整樣值采樣點(diǎn)數(shù)和目標(biāo)序列點(diǎn)數(shù)來實(shí)現(xiàn)，可避免其他方法高精度需求時(shí)插值操作帶來的誤差。并且本發(fā)明實(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。
【IPC分類】G06F7/58
【公開號(hào)】CN104881267
【申請(qǐng)?zhí)枴緾N201510096288
【發(fā)明人】石磊, 趙蕾, 郭振, 劉彥明, 李小平
【申請(qǐng)人】西安電子科技大學(xué)
【公開日】2015年9月2日
【申請(qǐng)日】2015年3月4日