蒙特卡洛仿真

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

实验12 检测性能的蒙特卡洛仿真

1、实验目的

了解蒙特卡洛仿真的基本概念,掌握蒙特卡洛仿真方法在分析检测性能方面的应用,通过蒙特卡洛仿真,对检测性能作出评估,通过和理论比较。

2、实验原理

正如(8.1.16)式所指出的那样,最佳检验总可以化简为

10()

H T H >γ

0(|)F T P f t H dt ∞γ=

∫ (2) 1(|)D T P f t H dt ∞γ

=∫ (3) 要确定检测器的性能,需要确定检验统计量T(z )的概率密度。如果检验统计比较简单,这是比较容易的;但如果检验统计量T(z )比较复杂,要确定它的概率密度是很难的,在这种情况下可以采用蒙特卡洛仿真方法来分析判决的性能。

蒙特卡洛方法也称为统计试验方法,它是采用统计的抽样理论来近似求解数学问题或物理问题,它即可以求解概率问题,也可以求解非概率问题,蒙特卡洛方法是系统模拟的重要方法。下面举例说明蒙特卡洛方法的基本思想。

假定要计算下面的积分:

1

0()I f x dx =∫ 其中2

()0.5(0.5)f x x =−−,直接积分得到的结果为I=0.417。

下面采用蒙特卡洛方法来求积分I ,设有两个相互独立的随机变量(X,Y),X 和Y 都在(0,1)区间上服从均匀分布。将(X,Y)的样本点(x,y)投放到x-y 平面上,如下页图所示,那么(X,Y)落在区域G 的概率为区域G 的面积与正方形的面积之比(正方形面积为1),即 1

0{(,)}()P X Y G f x dx ∈=∫

可见积分的数值计算问题就转化成了一个概率的计算问题,而概率可以用相对频数来近似,相对频数可通过统计试验的方法求得。具体方法是将M 个随机点(X,Y)均匀地投放到x-y 平面上的正方形区域内,如果有N 个点落在区域G 内,那么相对频数为N/M ,因此,

ˆN I M

= (4) (8.3.8)式是对积分I 的一个估计,很显然,估计的精度取决于试验次数M ,M 也称为蒙特卡洛仿真次数。下面给出了用蒙特卡洛方法计算积分I 的MATLAB 程序。

syms x;

y1=int(0.5-(0.5-x).^2,0,1);

zhenshizhi=eval(y1)

N=0;

x1=unifrnd(0,1,1,M);

y1=unifrnd(0,1,1,M);

for i=1:M

if y1(i)<=(0.5-(0.5-x1(i)).^2)

N=N+1;

end

end

fangzhenzhi=N/M

从以上的例子可以看出应用蒙特卡洛仿真的一般步骤:

1 建立合适的概率模型;

2 进行多次重复试验;

3 对重复试验结果进行统计分析(估计相对频数、均值等)、分析精度。

利用蒙特卡洛仿真方法,可以仿真检测器的性能。假定判决表达式如(1)式所示,(3)式给出了检测概率的表达式,如果用蒙特卡洛仿真方法估计检测概率,则

11ˆ(()M i i P U T M ==−γ∑z

(5)

其中z i 表示第i 次仿真试验所用到的观测矢量。由于

{}[]1111ˆ[][()]()M M i i D i i E P E U T P T P M M ===−γ=>γ=∑∑z z

可见,ˆP

是无偏的,估计的方差为 {}[]{}[]{}{}

21

2221

21ˆ()[()]1()()1)1()M i i M

i i i D D D D VAR P VAR U T M E U T E U T M P P P P M M ===−γ=−γ−−γ−=−=∑∑z z z ( 如果定义估计的相对误差δ为估计的标准差与检测概率之比,那么,相对误差为

δ==例如,假定P D =0.8,要求相对误差小于5%,那么M ≥100。但需要注意的是,如果是仿真数值较低的虚警概率,那么仿真次数可能会非常大,例如,P F =10-4,δ<5%,那么要求仿真次数M>4×106。这个仿真次数是惊人的,不仅仿真时间很长,而且需要的随机数也相当多,仿真中使用如此多的随机数,要保证这些随机数都有很好的品质也是很困难的。如果虚警概率更低,问题将更加严重,在这种情况下可以采用重要抽样技术,利用重要抽样技术可以用较少的仿真次数仿真很低的虚警概率,有关重要抽样技术在本书不作深入的阐述,读者可以参考相关的文献。

3、实验内容

4、 用Matlab 的imwrite 函数产生如图一所示的四个灰度等级的图像;

5、 在步骤1中产生的图像中加入高斯白噪声;

6、 利用最大似然准则判断被污染象素点原来的灰度值,恢复整幅图像的面貌。

4、实验要求

4、

实验内容由Matlab 语言实现,要求加入噪声,计算灰度距离等功能要由可移植,

交互性好的子函数实现;

5、 窗口大小,噪声强度可以更改,并比较二者对图像恢复效果的影响;

建议编写该实验的Matlab GUI 程序。

相关文档
最新文档