目前,我正在编写一个程序,以给定的丢失率生成丢失位。
假设我输入的位数为N = 1000,其中位丢失的N
位数遵循二项式分布。假设每个比特丢失的概率为p = 20%,并且该比特丢失是独立的。因此,对于1000位和20%的丢失率,您将获得以下高斯分布:均值的参考为Np,方差为Np(1-p)。我们可以使用蒙特卡洛模拟来实现它。这是我的知识,我得到在这里。
我不知道如何在C / C ++中实现该方案。你能建议我如何用输入产生位错误是总位和概率错误。这是我在C / C ++中的尝试,但与理论不符:
int* bitloss(int* orbit,int size_orbit,int loss_percent) {
int* out_bitstream=(int*)malloc(sizeof(int)*size_orbit);
int randval ;
std::random_device rd;
std::mt19937 generator(rd());
generator.seed( rd() );
std::uniform_int_distribution<> distribution(0, 100);
for(int i=0;i<size_orbit,i++) {
rand_loss = distribution(generator);
if(randval<((int)lossbitprob*100))
out_bitstream[i]=-1;
else out_bitstream[i]=orbit[i];
}
return out_bitstream;
}
如果样本数量(size_orbit)足够大,则先前文章的代码:
for(int i=0;i<size_orbit,i++)
{
randval = (double)rand()/(double)RAND_MAX;
if(randval<loss_percent)
out_bitstream[i]=-1;
else out_bitstream[i]=orbit[i];
}
应该(无变化)收敛到所述理论结果。也就是说,如果要使用以下方法计算直方图:
int histogram[size_orbit+1] = {0};
for (int j=0; j<number_of_experiments; j++)
{
int count = 0;
for (int i=0; i<size_orbit; i++)
{
if (out_bitstream[i] == -1)
count++;
}
histogram[count]++;
}
然后,每个实验中比特丢失总数的相对出现应收敛于具有Np均值和Np(1-p)方差的高斯分布。或者换句话说,每个实验中的丢失位数可能会显示为“视情况”,例如:
double mean = size_orbit * loss_percent; // Np
double variance = size_orbit * loss_percent * (1.0 - loss_percent); // Np(1-p)
double sigmarandom = sqrt(std::max(0.0, variance));
std::normal_distribution<double> distribution(mean,sigmarandom);
int lossbitcount = round(distribution(generator));
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句