滤波瑞利分布的 MATLAB pdf答案

【问题标题】：MATLAB pdf of filtered Rayleigh distribution滤波瑞利分布的 MATLAB pdf
【发布时间】：2017-08-26 21:16:12
【问题描述】：

晚上好，

我正在尝试在 MATLAB 中编写以下方程，它是由两个高斯数组组成的瑞利分布。无论我做什么，它看起来都不接近标准化直方图或瑞利渐变的通用 pdf 分布：

所以，这就是我所做的。

x1 = randn(100000, 1);
% Create a second array of Gaussian random numbers
y1 = randn(100000, 1);

% Pass both Gaussian arrays through low pass filter and save to variable
x1_LPF = filter(LPF, 1, x1);
y1_LPF = filter(LPF, 1, y1);

% New Histograms of Raleigh distribution for filtered data
ray1 = abs(x1_LPF + j*y1_LPF);

figure('Name', 'Normalized Histogram of Raleigh Distribution')
[a, b] = hist(ray1, 100)
delta_x = b(3) - b(2)
% SIGMA left out in equation because it is equal to 1 in the problem
g = b .* exp((-b.^2) / 2) .* delta_x;
plot(b , g, 'b')

这给了我这个：

当它看起来像这样时，黑线：

这是我在 fdatool 中的过滤器的设置，以防有人想通过导出为变量 LPF 来为自己运行它：

【问题讨论】：

标签： matlab pdf plot histogram normalization

【解决方案1】：

以下代码可以生成所需的分布：

N=1000000;

%Random uniform variables 
U=rand(N,1);

%Rayleight random variable using an inverse transform sampling
sigma=1;
x1=sigma*sqrt(-2*log(1-U));

histogram(x1,'Normalization','pdf');

% Theoretical equation
x=linspace(0,6,100);
pdf=x/sigma^2.*exp((-x.^2)/(2*sigma^2));
% Plot
hold on
plot(x,pdf,'r')
legend('Stochastic','Theoretical')

结果图如下

【讨论】：

这是未过滤瑞利分布的正确模拟和理论打印输出。所以，我需要过滤理论和过滤瑞利分布。所以我想我真正的问题是如何正确“过滤”理论曲线以适合我的模拟数据。
您可以发送您的数据样本吗？
这里是我的 github 的链接，其中包含示例代码和您必须导入的低通滤波器：github.com/TreverWagenhals/TreverWagenhals/tree/master/School/…

【解决方案2】：

要获得过滤瑞利分布的 pdf，您必须采用原始 pdf 方程并将 sigma^2 的任何实例替换为过滤瑞利分布的均方值。所以，方程变成了

2x/MSV * exp(-x^2 / MSV)

类似这样的：

            x1 = randn(N, 1);
            y1 = randn(N, 1);
            x1_LPF = filter(LPF, 1, x1);
            y1_LPF = filter(LPF, 1, y1);
            ray1_f = abs(x1_LPF + 1i*y1_LPF);
            range = [0:0.01:4];               
            subplot(1, 2, 2);
            histogram(ray1_f, 'Normalization', 'pdf');
            title('Normalized Histogram of Raleigh Distribution (filtered)')
            xlabel('Random Variable')
            ylabel('Probability')

            mean_square = mean(ray1_f .^ 2);
            filter_theory = (range) * 2 / mean_square .* exp( - (range.^2) ./ mean_square);
            hold on
            plot(range, filter_theory, 'Linewidth', 1.5)
            xlim([0 .6])
            legend('Simulation', 'Theoretical')

【讨论】：