资源描述
检测性能得蒙特卡罗仿真
一、实验目得
在理论课中介绍了蒙特卡罗仿真方法及其在检测性能分析中得应用,本实验得目得就是进一步熟悉该方法、
二、实验内容
仿真高斯白噪声中恒定电平检测得性能。ﻩ
设有两种假设:
ﻩ ﻩﻩ
其中就是服从均值为零,方差为得高斯白噪声序列,假定参数就是已知得,且,采用纽曼-皮尔逊准则,假定虚警概率为,仿真分析检测概率与信噪比得关系曲线、
三、实验要求
信噪比用分贝表示,仿真曲线要与理论计算曲线进行比较、
四、实验原理
纽曼-皮尔逊准则ﻩ
本实验中,纽曼—皮尔逊准则判决函数为
故有
虚警概率与检测概率分别为
ﻩ
进而有
ﻩﻩ
其中,可以瞧作信噪比。本实验中虚警概率已知,故
ﻩﻩﻩ
取定观测次数N,则可得出得关系曲线(检测器得检测性能曲线)
蒙特卡罗方法:
应用蒙特卡罗仿真得一般步骤就是:
(1)建立合适得概率模型;
(2)进行多次重复试验;
(3)对重复试验结果进行统计分析、分析精度。
五、实验结果及分析
理论检测性能曲线
取观察次数为16,信噪比(db)范围为-15到10,虚警概率为,我们做出理论曲线
function PDcuve
clc;clear all;
snr=-15:0、01:10;%信噪比
d=10、^(snr/20);
N=16;%观测次数
PF=0、0001;%虚警概率
PD=Q(Qinv(PF)-sqrt(N)*d);
plot(snr,PD)
xlabel('信噪比(dB)');
ylabel('PD');
title('理论检测性能曲线');
function ret = Q(x)
ret = 1-normcdf(x,0,1);
return
function ret = Qinv(x)
ret = norminv(1-x,0,1);
return
从图可知,信噪比越大,检测概率越大。信噪比大于4dB时,检测概率最大,最大值为1;低于-13dB时,检测概率基本为0、
蒙特卡罗仿真曲线
clc;clear all;
sigma=1;%噪声方差
N=16;%观测次数
th=norminv(1-0、0001)/sqrt(N);
d=-15:0、1:10;%信噪比
SN=length(d);
PD(1:SN)=0;
for i=1:4
M=10*(10^i);%仿真次数
for k=1:SN
sa=sigma*(10^(d(k)/20));
A=sa*ones(N,1);
vi=sigma*randn(N,1);
H1z=A+vi;
for j=1:M
vi=sigma、*randn(N,1);
H1z=A+vi;
Tz=mean(H1z);
if Tz>th
PD(k)=PD(k)+1;
end
end
PD(k)=PD(k)/M;
end
if i==1
subplot 221;
plot(d,PD);
xlabel('信噪比(dB)');
ylabel('PD');
title('M=100时蒙特卡罗仿真曲线');
axis([-15 10 0 1]);
end
if i==2
subplot 222;
plot(d,PD);
xlabel('信噪比(dB)');
ylabel('PD');
title('M=1000时蒙特卡罗仿真曲线');
axis([-15 10 0 1]);
end
if i==3
subplot 223;
plot(d,PD);
xlabel('信噪比(dB)');
ylabel('PD');
title('M=10000时蒙特卡罗仿真曲线');
axis([-15 10 0 1]);
end
if i==4
subplot 224;
plot(d,PD);
xlabel('信噪比(dB)');
ylabel('PD');
title('M=100000时蒙特卡罗仿真曲线');
axis([-15 10 0 1]);
end
end
先分别做出仿真次数为100,1000,10000及100000得蒙特卡罗仿真曲线放,发现随仿真次数增大,仿真曲线毛刺减少,平滑度提高。
为更直观得对比仿真曲线得变化,再将理论曲线分别与仿真次数为50,500,5000及50000得蒙特卡罗仿真曲线置于同一幅图中对比。
从图中可以瞧出四条仿真曲线基本上以理论曲线为趋势变化,但就是仿真精度随仿真次数得增加而提高。
M=50时仿真曲线波动很大,精度低。M=500时精度明显提高,但仍存在小毛刺,平滑度不够理想。M=5000时仿真曲线拟合比较好,可以瞧出与理论曲线有微小得波动。M=50000时,仿真曲线基本上与理论曲线一致。
六、 心得体会
通过本次实验,学会使用matlab进行蒙特卡罗仿真得基本流程,对高斯白噪声中恒定电平检测问题加深了理解。仿真精度与仿真次数有明显得关系,但一昧地追求精度反而会导致时间等成本得上升,在实际中要学会在精度与成本上做出合适权衡。
展开阅读全文