[发明专利]一种利用差分概率的分布随机函数估值方法

说明书

技术领域

本发明涉及一种利用差分概率的分布随机函数估值方法，属于计算机仿真领域。

背景技术

信息本身是为了让人了解、或者知道某些问题，为了得到这些信息，我们将信息抽样量化成数学上的随机变量，用随机函数来表示。信息在物理空间和电子信息空间中存在随机不确定性，甚至多重至无穷不确定，随机性误差叠加将会提高系统不稳定性和复杂度，对于分布随机函数估计，目前尚无一个有效的方法可以降低估计过程的复杂度和运算量。

发明内容

为了实现上述目的，本发明提供一种利用差分概率的分布随机函数估值方法。具体步骤如下：

对分布随机函数发生器已发生的函数值抽样、差分计算得到差分值k_i；对差分值k_i分区间进行统计、计算概率；获取差分值概率集合并对分布随机函数的差分值进行估值计算得到估计的差分值利用高次差分估值方法对差分值再次进行估计；得到改善后的估差分值通过差分运算得到估计函数值

步骤1：对已发生的函数值进行抽样、查分计算，即对分布随机函数发生器已发生的函数值抽样、差分计算得到差分值k_i；

步骤2：划分差分值区间，即以相等差分值统计步长Δ_k划分差分值区间，得到的差分值子区间；

步骤3：对差分值进行估计，即找到落在某一子区间内差分值k_i的下一时刻的所有差分值k_i+1，对这些差分值求平均值，所得结果作为该子区间下一时刻的估计差分值

步骤4：对差分值进行高次差分并找到曲线的谷值点，满足既是谷值点且高次差分值大于某一数值x时的差分值为k_i1；

步骤5：判断k_i1上一时刻的差分值k_i1-1所属子区间，求出落入此子区间并满足高次差分值大于数值x时的差分值的下一时刻所有差分值k_p1。对这些差分值求平均值，所得结果作为该子区间当前时刻估计差分值的修正值；

步骤6：找到曲线的峰值，满足峰值条件的差分值为k_i2；

步骤7：判断k_i2上一时刻的差分值k_i2-1所属子区间，求出落入此子区间的所有差分值的位置q_nr2，找到下一时刻对应的高次差分值ek_i；

步骤8：以相等的差分值统计区间对高次差分值进行区间划分，找到ek_i属于的区间范围，找到属于此区间的所有高次差分值所在的位置qq_nr3；

步骤9：找到位置qq_nr3对应的差分值k_p2，对这些差分值求平均值，所得结果作为当前估计差分值的修正值；

步骤10：改善已估计的差分值，即将改善过的估计差分值记为

步骤11：利用差分运算获得估计函数值，即通过差分运算得到估计函数值

与现有技术相比，本发明的有益效果：利用差分概率的分布随机函数估值方法是通过对已发生的函数值进行抽样、差分计算得到差分值；并对差分值分区间统计、计算概率；获得差分值概率集合并利用高次差分计算对未发生的函数值进行估计。整个估值过程主要利用了差分、差分概率等简单的数学运算，计算量小，复杂度低，大大降低了估值方法的运行成本。

附图说明

图1为分布随机函数估值流程图。

图2为多普勒效应。

图3为移动无线信道空间衰落。

图4为空间衰落曲线平面采样示意图。

图5为真实值和估计值的采样对比图。

具体实施方式

现以瑞利分布随机函数为例，具体说明本发明的实施方式，但本发明并不仅限于此。由于移动无线信道符合瑞利分布，因此本发明以信道估计为例。图1中，分布随机函数就是信道的复增益，函数值为增益，函数值的差分值为增益的差分值，估计函数值为估计增益。

为方便更清晰的验证本发明的内容，首先介绍瑞利分布随机函数产生方法以及估计过程中使用的变量。

瑞利分布随机函数产生方法如下：