Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше
Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике
3.3.2. Моделирование случайных последовательностей с распределением Накагами
Распределение Накагами часто используется для описания
амплитудных замираний радиосигнала, прошедшего через турбулентную среду. ПРВ
Накагами записывается следующим образом:
,
,
,
,
где
- гамма-функция.
Нелинейное стохастическое ДУ, описывающее СП с ПРВ
Накагами имеет вид
.
В работе [44] получен рекуррентный для моделирования
случайных последовательностей с ПРВ Накагами (при
)
. (3.15)
Для проверки степени совпадения ПРВ последовательности
(3.15) с распределением Накагами было проведено статистическое
моделирование синтезированного алгоритма [16, 44]. При моделировании
случайной последовательности с помощью алгоритма (3.15) удовлетворительные
результаты были получены только для следующих значений коэффициентов:
,
,
. Попытка моделирования при
>0.5 оказалась
неудачной, динамическая система при любом выборе коэффициентов
,
оказывалась неустойчивой.
Полученные распределения значительно отличались от теоретической ПРВ. При
получении случайных последовательностей с ПРВ Накагами с помощью алгоритма
(3.15) можно изменить способ определения коэффициентов
и
.
Рис. 3.4. График
теоретической ПРВ (сплошная линия) и ПРВ, полученной с помощью алгоритма (3.15)
при
=0.001
Рис. 3.5. График
теоретической ПРВ (сплошная линия) и ПРВ, полученной с помощью алгоритма (3.15)
при
=0.003
На
рис. 3.4 и 3.5 представлены теоретическое
распределение и распределения, полученные в результате моделирования. Весь
диапазон изменения 
был разбит на 100 одинаковых
интервалов. Экспериментальные распределения получены на основе независимой
выборки объемом 100000. Проведена проверка гипотез о принадлежности экспериментальных
распределений семейству распределений Накагами с помощью критерия
. Для заданного числа
интервалов (100) и выбранного уровня значимости (
) критическое значение
=140. При значениях
<0.003 все
статистики
оказались
меньше критического значения. Значит гипотеза о том, что алгоритм (3.15) дает случайные
последовательности с распределением Накагами при
принимаются. При
>0.003 некоторые
реализации (3.15) приводили к неустойчивости. Для устранения этого явления, по
всей видимости, необходимо использовать приближения более высокого порядка.