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$W_{N}^{nk}=e^{ j\fr 阅读全文
posted @ 2019-10-23 19:58 Liam-Ji 阅读(4726) 评论(0) 推荐(0) 编辑
摘要: 一、功能 计算复序列的快速傅里叶变换。 二、方法简介 序列$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$W_{N}^{nk}=e^{ j\frac 阅读全文
posted @ 2019-10-22 21:13 Liam-Ji 阅读(2523) 评论(0) 推荐(0) 编辑
摘要: 一、功能 计算复序列的离散傅里叶变换(DFT)和离散傅里叶反变换(IDFT)。 二、方法简介 序列$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$x(n)=a(n)+j 阅读全文
posted @ 2019-10-18 19:10 Liam-Ji 阅读(4446) 评论(1) 推荐(0) 编辑
摘要: 一、功能 产生含有高斯白噪声的正弦组合信号。 二、方法简介 含有高斯白噪声的$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
posted @ 2019-10-16 20:06 Liam-Ji 阅读(1633) 评论(0) 推荐(0) 编辑
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
posted @ 2019-10-15 21:17 Liam-Ji 阅读(5151) 评论(0) 推荐(0) 编辑
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
posted @ 2019-10-15 21:17 Liam-Ji 阅读(6011) 评论(0) 推荐(0) 编辑
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
posted @ 2019-10-15 21:17 Liam-Ji 阅读(1279) 评论(0) 推荐(0) 编辑
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 $$ f(x)=\left\{\begin{matrix} \frac{\alpha }{\beta^{\alpha } }x^{\alpha 1}e^{ (\frac{x}{\beta })^{\alpha }} & x\g 阅读全文
posted @ 2019-10-15 21:16 Liam-Ji 阅读(2534) 评论(0) 推荐(0) 编辑
摘要: 一、功能 产生埃尔朗分布的随机数。 二、方法简介 埃尔朗分布的概率密度函数为 $$ 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
posted @ 2019-10-15 21:16 Liam-Ji 阅读(1428) 评论(0) 推荐(0) 编辑
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
posted @ 2019-10-15 21:16 Liam-Ji 阅读(1842) 评论(0) 推荐(1) 编辑