matlab仿真瑞利分布与高斯分布

这篇具有很好参考价值的文章主要介绍了matlab仿真瑞利分布与高斯分布。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

高斯分布

1、定义

        高斯分布也称正态分布,又名常态分布。若随机变量X服从一个均值为、均方差为的概率分布,且其概率密度函数为

matlab仿真瑞利分布与高斯分布

         则这个随机变量就称为正态随机变量,正态随机变量服从的分布就称为正态分布,记作

matlab仿真瑞利分布与高斯分布

2、matlab仿真高斯分布 

        matlab中可以用randn生成满足标准正态分布的序列,对这一个标准正态分布的序列改变其方差和均值后就可以得到不同参数下的正态分布。

matlab仿真瑞利分布与高斯分布

matlab仿真瑞利分布与高斯分布

matlab代码:

clc
clear 
close all

num_plot = 2 ;
data_mean =  [15, 2 ];
variance  =  [5, 25];

N= 2000000     ;

for i=1:num_plot
    y(i,:)=  sqrt(variance(i)) * randn(1,N) + data_mean(i);
end

figure
subplot(211);plot(y(1,:));
title('服从高斯分布的随机序列信号');
subplot(212);histogram(y(1,:));
title('服从高斯分布的随机序列信号直方图');


for i=1:num_plot
    [a(i,:),b(i,:)]=hist(y(i,:),50);
end

x1_lim = min(min(b));
x2_lim = max(max(b));

 figure 
 for i=1:num_plot
    subplot(num_plot,1,i)
    plot(b(i,:),a(i,:)) ,xlim([x1_lim,x2_lim]) 
    title({['均值=',num2str(data_mean(i)),'方差=',num2str(variance(i))];'服从高斯分布的随机序列信号概率密度函数'});
 end

高斯分布还可由均匀序列通过Box_muller变换得到,可参考该文章

m序列经过Box_Muller变换变成高斯噪声https://blog.csdn.net/QUACK_G/article/details/123727964?spm=1001.2014.3001.5502

瑞利分布

1、定义

若随机变量x 满足

matlab仿真瑞利分布与高斯分布

则称x服从瑞利分布,其期望和方差为:

matlab仿真瑞利分布与高斯分布

 分布函数为:

matlab仿真瑞利分布与高斯分布

 2、均匀分布仿真瑞利分布

matlab仿真瑞利分布与高斯分布 

瑞利分布概率密度函数图

matlab仿真瑞利分布与高斯分布

 matlab代码 :

% 均匀分得到瑞利分布

x2= rand(1,N) ;
y2= sqrt(-2*log(x2)) ;
[Occurance_2,x_2]=hist(y2,50);

figure
plot(x_2,Occurance_2,'b--o');
ylabel('Occurance');
xlabel('x');
legend('Rayleigh distribution');

3、高斯分布仿真瑞利分布 

matlab仿真瑞利分布与高斯分布

瑞利分布概率密度函数图

matlab仿真瑞利分布与高斯分布

  matlab代码 :文章来源地址https://www.toymoban.com/news/detail-456715.html

% 高斯分布仿真瑞利分布
N=500000;
x1_1 = randn(1,N) ;
x1_2 = randn(1,N) ;
y1   = sqrt(x1_1.^2+x1_2.^2) ;
[Occurance,x]=hist(y1,50);

figure
plot(x,Occurance,'b--o');
ylabel('Occurance');
xlabel('x');
legend('Rayleigh distribution');

到了这里,关于matlab仿真瑞利分布与高斯分布的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 采用相干瑞利散射和光时域散射原理的分布式光纤声波振动传感系统

    工作原理:国产分布式光纤声波振动传感系统主要采用相干瑞利散射和光时域散射原理开发的一套实时、在线监测设备,在配合恰当的信号解调和信号识别算法的条件下,不需要供电的情况下能够提供长达50公里的安全预警监控,适合于资源勘探;长距离输油、输气、输水管

    2024年02月15日
    浏览(39)
  • 【光波电子学】基于MATLAB的多模光纤模场分布的仿真分析

    (1)多模光纤的概念 多模光纤(MMF)是一种具有较大纤芯直径的光纤结构,其核心直径通常在10-50微米范围内。与单模光纤(SMF)相比,多模光纤可以容纳多个光信号模式传播,因此在许多应用中具有广泛的用途。 多模光纤的工作原理基于多个光模式在纤芯中的传播。每个

    2024年01月16日
    浏览(29)
  • 概率,概率分布,高斯分布,高维高斯分布

    高斯分布的理解, 它在低维和高维的形式。 两个基本的概念: 概率:在某事件出现某一结果的可能性大小。 分布:考虑事件的所有可能性 那么它就是分布。 分布函数,是概率统计中重要的函数,正是通过它,可用数学分析的方法来研究随机变量。分布函数是随机变量最重要的概

    2024年02月16日
    浏览(28)
  • 用MATLAB/Simulink对实验/仿真示波器保存的数据进行THD分析、MATLAB自定义横纵坐标轴绘图

    最近年底和师兄交流了数据分析、波形处理问题。一个是将示波器导出的csv数据放到MATLAB中进行THD分析,另一个是自定义横纵坐标轴进行绘图,就这两个问题记录一下。 不需要背代码,简单、易于理解,使用过程中截个图就行了。 1、导入数据至MATLAB,修改变量名和数据类型

    2024年01月22日
    浏览(36)
  • 高斯分布、高斯混合模型、EM算法详细介绍及其原理详解

    K近邻算法和KD树详细介绍及其原理详解 朴素贝叶斯算法和拉普拉斯平滑详细介绍及其原理详解 决策树算法和CART决策树算法详细介绍及其原理详解 线性回归算法和逻辑斯谛回归算法详细介绍及其原理详解 硬间隔支持向量机算法、软间隔支持向量机算法、非线性支持向量机算

    2024年02月06日
    浏览(34)
  • 高斯分布的乘积与卷积

    高斯分布作为一种重要的连续分布形式,频繁出现在各种应用场景里,典型如卡尔曼滤波器的设计与计算中涉及两个高斯分布的乘积,计算符合高斯分布的两个独立随机变量和的概率密度函数涉及高斯分布的卷积。 令,均是关于变量的高斯分布,现计算高斯分布的乘积的分布

    2024年02月01日
    浏览(50)
  • 对数高斯分布

    对数高斯分布是指服从正态分布的随机变量经过取对数变换后得到的分布。具体地,设 X ∼ N ( μ , σ 2 ) Xsim N(mu,sigma^2) X ∼ N ( μ , σ 2 ) 为一个正态分布随机变量, Y = ln ⁡ ( X ) Y=ln(X) Y = ln ( X ) 则 Y Y Y 服从对数高斯分布,即 Y ∼ L N ( μ , σ 2 ) Ysimmathcal{LN}(mu,sigma^2) Y ∼

    2024年01月18日
    浏览(27)
  • 重参数化技巧:高斯分布采样

    我们现在得到了有样本 X 得到的分布 X ~ N( μ mu μ , σ sigma σ ^2),通过采样我们得到确定的隐变量向量,从而作为解码器的输入。采样这个操作本身是不可导的,但是我们可以通过重参数化技巧,将简单分布的采样结果变换到特定分布中,如此一来则可以对变换过程进行求导

    2024年02月13日
    浏览(24)
  • 概率论之——高斯分布的乘积

    本来我并不想开机器学习这个专栏,因为机器学习与高数线代矩阵论概率论密切相关,我的数学能力没达到这种高度。然而控制理论也会涉及各种数理统计知识,那就不得不开一个数理栏了。 这个栏没有具体的知识路线,写到哪算哪,数学和机器学习相关且不好分类的东西都

    2024年02月11日
    浏览(29)
  • LabVIEW仿真单频脉冲信号+线性调频信号+高斯白噪声信号

    本文基于 LabVIEW 仿真了单频脉冲信号(先导脉冲)和线性调频信号,全程伴有高斯白噪声。 单频脉冲信号由 正弦信号 * 脉冲信号 组合而成。 正弦信号 采样数 = 仿真信号时间总长度(s) * 采样率(Hz) 幅值 = 仿真信号幅度峰峰值(Vpp) / 2 相位 = 0 周期数 = 单频脉冲-频率(Hz) * 仿真信

    2024年02月12日
    浏览(28)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包