10 2019 档案
摘要：一、功能 用$N$点复序列快速傅立叶变换来计算$2N$点实序列的离散傅立叶变换。 二、方法简介 假设$x(n)$是长度为$2N$的实序列，其离散傅立叶变换为 $$ X(k)=\sum_{n=0}^{2N 1}x(n)W_{2N}^{nk} \ , \ k=0,1,...,2N 1 $$ 为有效地计算
阅读全文
摘要：一、功能 计算实序列的快速傅里叶变换。 二、方法简介 实序列$x(n)$的离散傅立叶变换为 $$ X(k)=\sum_{n=0}^{N 1}x(n)W_{N}^{nk} \ , \ k=0,1,...,N 1 $$ 上式可用复序列FFT算法进行计算。但考虑到$x(n)$是实数，为进一步提高计算效率，
阅读全文
摘要：一、功能 计算复序列的分裂基快速傅里叶变换。 二、方法简介 序列$x(n)(n=0,1,...,N 1)$的离散傅里叶变换定义为 $$ X(k)=\sum_{n=0}^{N 1}x(n)W_{N}^{nk}, \qquad k=0,1,...,N 1 $$ 其中$W_{N}^{nk}=e^{ j\f
阅读全文
摘要：一、功能 计算复序列的基4快速傅里叶变换。 二、方法简介 序列$x(n)(n=0,1,...,N 1)$的离散傅里叶变换定义为 $$ X(k)=\sum_{n=0}^{N 1}x(n)W_{N}^{nk}, \qquad k=0,1,...,N 1 $$ 其中$W_{N}^{nk}=e^{ j\fr
阅读全文
摘要：一、功能 计算复序列的快速傅里叶变换。 二、方法简介 序列$x(n)(n=0,1,...,N 1)$的离散傅里叶变换定义为 $$ X(k)=\sum_{n=0}^{N 1}x(n)W_{N}^{nk}, \qquad k=0,1,...,N 1 $$ 其中$W_{N}^{nk}=e^{ j\frac
阅读全文
摘要：一、功能 计算复序列的离散傅里叶变换（DFT）和离散傅里叶反变换（IDFT）。 二、方法简介 序列$x(n)(n=0,1,...,N 1)$的离散傅里叶变换定义为 $$ X(k)=\sum_{n=0}^{N 1}x(n)e^{ j\frac{2\pi nk}{N}} $$ 设$x(n)=a(n)+j
阅读全文
摘要：一、功能 产生含有高斯白噪声的正弦组合信号。 二、方法简介 含有高斯白噪声的$M$个正弦信号的组合为 $$ x(n)=\sum_{i=1}^{M}A_{i}sin(2\pi f_{i}\Delta Tn + \theta_{i} ) + N(0,\sigma ^{2}) $$ 其中$A_i$、$f_
阅读全文
摘要：一、功能 产生自回归滑动平均模型$ARMA(p,q)$的数据。 二、方法简介 自回归滑动平均模型$ARMA(p,q)$为 $$ x(n)+\sum_{i=1}^{p}a_{i}x(n i)=\sum_{i=0}^{q}b_{i}w(n i) $$ 其中$a_i(i=1,2,...,p)$是自回归系数
阅读全文
摘要：一、功能 产生泊松分布的随机数。 二、方法简介 泊松分布的概率密度函数为 $$ f(x)=\frac{\lambda ^{x}e^{ \lambda }}{x!} \qquad x\in \left \{ 0,1,...,\lambda \right \} $$ 用$P(\lambda)$表示。泊松
阅读全文
摘要：一、功能 产生二项式分布的随机数。 二、方法简介 二项式分布的概率密度函数为 $$ f(x)=C_{n}^{x}p^{x}(1 p)^{n x} \qquad x \in \left \{ 0,1,...,n \right \} $$ 用$Bin(n,p)$表示。二项式分布的均值为$np$，方差为$
阅读全文
摘要：一、功能 产生韦伯分布的随机数。 二、方法简介 韦伯分布的概率密度函数为 $$ f(x)=\left\{\begin{matrix} \frac{\alpha }{\beta^{\alpha } }x^{\alpha 1}e^{ (\frac{x}{\beta })^{\alpha }} & x\g
阅读全文
摘要：一、功能 产生埃尔朗分布的随机数。 二、方法简介 埃尔朗分布的概率密度函数为 $$ f(x)=\left\{\begin{matrix} \frac{\beta ^{ m}x^{m 1}}{(m 1)!}e^{ \frac{x}{\beta }} & x\geqslant 0,\beta 0\\ 0
阅读全文
摘要：一、功能 产生贝努利分布的随机数。 二、方法简介 贝努利分布的概率密度函数为 $$ f(x)=\left\{\begin{matrix} p, &x = 1 \\ 1 p, & x = 0 \end{matrix}\right. $$ 通常用$BN(p)$表示。贝努利分布的均值为$p$，方差为$p(
阅读全文
摘要：一、功能 产生贝努利 高斯分布的随机数。 二、方法简介 贝努利 高斯分布的随机变量$x$是贝努利分布的随机变量$y$与高斯分布的随机变量$z$的乘积，即$x=y x$。因此，贝努利 高斯分布的随机数可视为：每当贝努利序列中有1出现时，打开高斯随机数发生器，并用其输出代替1。贝努利 高斯分布的均值为$
阅读全文
摘要：一、功能 产生柯西分布的随机数。 二、方法简介 柯西分布的概率密度函数为 $$ f(x)=\frac{\beta }{\pi [\beta ^{2}+ (x \alpha)^{2}]} \qquad \beta 0 $$ 通常用$C(\alpha ,\beta )$表示，其分布函数为 $$ F(x)
阅读全文
摘要：一、功能 产生对数正态分布的随机数。 二、方法简介 对数正态分布的概率密度函数为 $$ f(x)=\left\{\begin{matrix} \frac{1}{x\sqrt{2\pi }\sigma }exp\left ( \frac{(lnx \mu )^{2}}{2\sigma ^{2}} \r
阅读全文
摘要：一、功能 产生瑞利分布的随机数。 二、方法简介 瑞利分布的概率密度函数为 $$ f(x) = \frac{x}{\sigma ^{2} }e^{ x^{2}/2\sigma ^{2}} \ x 0 $$ 瑞利分布的均值为$\sigma \sqrt{\frac{\pi }{2}}$，方差为$\left
阅读全文
摘要：一、功能 产生拉普拉斯分布的随机数。 二、方法简介 1、产生随机变量的组合法 将分布函数$F(x)$分解为若干个较为简单的子分布函数的线性组合 $$ F(x)=\sum_{i=1}^{K}p_{i}F_{i}(x) $$ 其中 $ p_{i} 0 \ (\forall i) $ ，且 $ \sum_
阅读全文
摘要：一、功能 产生指数分布的随机数。 二、方法简介 1、产生随机变量的逆变换法 定理 设 $F(x)$ 是任一连续的分布函数，如果 $ u \sim U(0, \ 1) $ 且 $ \eta \sim F(x) $。 证明 由于$ u \sim U(0, \ 1) $，则有 $$ P(\eta \leq
阅读全文
摘要：一、功能 产生正态分布$N(\mu, \ \sigma^2)$。 二、方法简介 正态分布的概率密度函数为 $$ f(x)=\frac{1}{\sqrt{2\pi}\sigma}e^{ (x \mu)^{2}/2\sigma^{2}} $$ 通常用$N(\mu, \ \sigma^2)$表示。式中$\
阅读全文
摘要：## 一、功能 产生（a, b）区间上均匀分布的随机数。 ## 二、方法简介 均匀分布的概率密度函数为 $$ f(x)=\left\{\begin{matrix} \frac{1}{b-a} & ,a\leq x\leq b\\ 0 & ,others \end{matrix}\right. $$
阅读全文
摘要：征服复杂性 降低复杂度是软件开发的核心。 在架构层将系统划分为多个子系统，以便让思绪在某段时间内能专注于系统的一小部分； 仔细定义类接口，从而可以忽略类内部的工作机理； 保持类接口的抽象性，从而不必记住不必要的细节； 避免全局变量，因为他会大大增加总是需要兼顾的代码比例； 避免深层次的继承，因为这样
阅读全文
摘要：个人性格是否和本书话题无关 你无法提升自己的聪明程度，但性格在一定程序上能够改进。事实证明，个人性格对于造就出程序员高手更具有决定性意义。 聪明和谦虚 精通编程的人是那些了解自己头脑有多大局限性的人，都很谦虚。承认自己的智力有限并通过学习来弥补，你会成为更好的程序员。你越谦虚，进步就越快。 将系统分
阅读全文
摘要：外部文档 单元开发文件夹； 是一种非正式文档，其中包含了供开发者在变成期间使用的记录； 详细设计文档； 是低层次设计文档，描述在类层或子程序层的设计决定，曾考虑过其他方案，以及采用所选方案的理由。 编程风格文档 核对表：自说明代码 类 [ ] 你的类接口体现出某种一致的抽象吗？ [ ] 你的类名有意
阅读全文
浙公网安备 33010602011771号