SINR 的累积分布函数CDF是如何计算出来的

哪儿不明白？直观上说就是越靠右的曲线SINR整体水平越大 积累分布函数我印象里是概率论里面很重要一个基础知识

是，这么平滑的曲线是公式计算出来的吗？累计函数我懂，不懂的是，SINR 在小区中是随着位置变化而变化的， 是需要二维积分吗？找了相关书籍也没有找到呀 【 在 frankzfund 的大作中提到: 】 : 哪儿不明白？直观上说就是越靠右的曲线SINR整体水平越大 : 积累分布函数我印象里是概率论里面很重要一个基础知识

或者是由大量测量数据统计得到 或者由仿真计算的结果得到的吧 也可以是理论模型推导的公式对应的曲线 图从哪儿来？ 【 在 milkbusy 的大作中提到: 】 : 是，这么平滑的曲线是公式计算出来的吗？累计函数我懂，不懂的是，SINR 在小区中是随着位置变化而变化的， : 是需要二维积分吗？找了相关书籍也没有找到呀 :

有的SINR表达式可以计算出来一个解析表达式，在matlab里面直接把表达式画出来就可以了。有的时候，SINR没有解析表达式，用Monte Carlo的方法，进行多次实验，取平均，只要实验次数够多，出来的曲线就够平滑。

博士论文中 并没有对应的理论公式 只有最基本的公式 形如 SINR = (pi*hi)/(sum(pi*hi)-pi*hi+delta) 并无概率积分的公式 【 在 frankzfund 的大作中提到: 】 : 或者是由大量测量数据统计得到 或者由仿真计算的结果得到的吧 也可以是理论模型推导的公式对应的曲线 图从哪儿来？ :

就是在femto网络模型中， SINR的公式跟简单，那么求概率的话，是不是就在二维空间中一个一个点算，用Monte Carlon的方法了 【 在 dram 的大作中提到: 】 : 有的SINR表达式可以计算出来一个解析表达式，在matlab里面直接把表达式画出来就可以了。有的时候，SINR没有解析表达式，用Monte Carlo的方法，进行多次实验，取平均，只要实验次数够多，出来的曲线就够平滑。

是的，就是蒙特卡洛，撒点后在各个位置计算SINR，最后所有的SINR做CDF就可以

嗯楼上说的都对

才有时间，自己写了个matlab code，用Monte Carlo的方法，画一个简单的SINR的CDF。不知道是不是你想要的。如果我理解的不对，你可以回我。 下面的codeSINR=P_s*H/(P_i*G+sigma_n),P_s和P_i分别是signal power和interference power，sigma_n是background noise power。SINR是个random variable是因为signal和interference的channel都是random的。在下面的code里面，我假设这两个channel都是Rayleigh fading。Monte Carlo的方法就是generate足够多的channel realizations，算出来平均的Pr(SINR<x)，即SINR小于某个值x的概率。然后把x作为横坐标，不同的x对应不同的Pr(SINR<x)。这些点连起来就是这个SINR的CDF啦。 对于femtocell的情况，无非就是SINR的表达式复杂一些，分母上的interference项可能是好多别的基站和用户的interference总和，simulation的方法不变。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% clear; clc; tic P_s=2; % signal power P_i=1; % interference power sigma_n=1; % noise power x_axis=0:.5:7; itr=10^5;%number of Monte Carlo iterations: the larger the number, the smoother the CDF curve CDF=zeros(1,length(x_axis)); for it=1:length(x_axis) outnum=0; for count=1:itr H = 1/sqrt(2) * (randn(1,1) + 1i*randn(1,1)); %Rayleigh fading channel, channel coefficient is zero mean and unit variance G = 1/sqrt(2) * (randn(1,1) + 1i*randn(1,1)); %Rayleigh fading channel, channel coefficient is zero mean and unit variance SINR=P_s*H/(P_i*G+sigma_n); outnum=outnum+length(find(SINR<x_axis(it))); end CDF(it)=outnum/itr; disp('x_axis is:'); disp(x_axis(it)); end figure; hold on; plot(x_axis,CDF,'o'); xlabel('x'); ylabel('Pr(SINR<x)'); toc %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 【 在 milkbusy 的大作中提到: 】 : 就是在femto网络模型中， : SINR的公式跟简单，那么求概率的话，是不是就在二维空间中一个一个点算，用Monte Carlon的方法了