无线信道中ph和ph^2的场景

使用 p h ph ph的情况:

Rayleigh 分布的随机变量可以通过两个独立且相同分布的零均值、高斯分布的随机变量表示。设两个高斯随机变量为 X ∼ N ( 0 , σ 2 ) X \sim \mathcal{N}(0, \sigma^2) X∼N(0,σ2)和 Y ∼ N ( 0 , σ 2 ) Y \sim \mathcal{N}(0, \sigma^2) Y∼N(0,σ2),Rayleigh 分布的随机变量可以用以下高斯函数的形式表示:

γ = X 2 + Y 2 \gamma = \sqrt{X^2 + Y^2} γ=X2+Y2

其中 ( X ) 和 ( Y ) 是独立的正态分布随机变量,均值为 0,方差为 σ 2 \sigma^2 σ2。

对于代码 np.random.rayleigh(scale=1, size=10),尺度参数 σ \sigma σ 取 1,因此数学上可以表示为:

γ i = X i 2 + Y i 2 , i = 1 , 2 , ... , 10 \gamma_i = \sqrt{X_i^2 + Y_i^2}, \quad i=1, 2, \dots, 10 γi=Xi2+Yi2 ,i=1,2,...,10

其中 X i ∼ N ( 0 , 1 ) X_i \sim \mathcal{N}(0, 1) Xi∼N(0,1) 且 Y i ∼ N ( 0 , 1 ) Y_i \sim \mathcal{N}(0, 1) Yi∼N(0,1)。

一般来说,此时的生成的信道h是一个正数,无须平方,且直接使用ph,例如:

使用 p h 2 ph^2 ph2的情况:

一般来说,此时的生成的信道h是一个复数,所以要用 p h 2 ph^2 ph2

(注:Resource Optimization for Semantic-Aware Networks with Task Offloading)

关于瑞利分布

Rayleigh 分布的概率密度函数(PDF)为:

f ( x ; σ ) = x σ 2 exp ⁡ ( − x 2 2 σ 2 ) , x ≥ 0 f(x; \sigma) = \frac{x}{\sigma^2} \exp\left(-\frac{x^2}{2\sigma^2}\right), \quad x \geq 0 f(x;σ)=σ2xexp(−2σ2x2),x≥0

其中:

  • x x x 是随机变量的值。
  • σ \sigma σ 是尺度参数(scale parameter)。
  • f ( x ) f(x) f(x) 是 x x x 处的概率密度。

Rayleigh 分布常用于描述从二维独立高斯分布中获得的向量长度,例如信道衰落模型中的振幅。

Rayleigh 分布的累积分布函数(CDF)为:

F ( x ; σ ) = 1 − exp ⁡ ( − x 2 2 σ 2 ) , x ≥ 0 F(x; \sigma) = 1 - \exp\left(-\frac{x^2}{2\sigma^2}\right), \quad x \geq 0 F(x;σ)=1−exp(−2σ2x2),x≥0

其中:

  • x x x是随机变量的值,
  • σ \sigma σ 是尺度参数(scale parameter)。

这个公式表示从 0 到 x x x的概率累积,也就是小于或等于 x x x的随机变量值的概率。

相关推荐
TomcatLikeYou9 小时前
概率论的事件类型分类
概率论
佚名ano2 天前
阻尼Newton方法-数值最优化方法-课程学习笔记-5
笔记·学习·概率论
A Runner for leave4 天前
概率论和数理统计知识点汇总——第二章随机变量的分布与数字特征
概率论
jun7788954 天前
正态分布密度函数的基本概念
概率论
孤单网愈云5 天前
11.13机器学习_贝叶斯和决策树
决策树·机器学习·概率论
颹蕭蕭5 天前
均值方差增量计算
算法·均值算法·概率论
阑梦清川5 天前
概率论之常见分布与matlab绘图
开发语言·matlab·概率论
行码棋6 天前
概率论公式整理
概率论
MarkHD8 天前
第十三天 概率论与统计学
概率论
无水先生13 天前
ML 系列赛: 第 22 节 — 离散概率分布 (Multinoulli Distribution)
概率论