Professional Documents
Culture Documents
188
Rausley A. A. de Souza
Instituto Nacional de Telecomunicaes - Inatel
rausley@inatel.br
I. INTRODUO
A importncia da gerao dos chamados nmeros aleatrios
vem da multiplicidade das suas aplicaes, pois, utilizando a
aleatoriedade foi possvel desenvolver tcnicas mais simples
para resolver problemas numricos complexos.
Dentre as principais aplicaes onde se encontram a
utilidade dos nmeros aleatrios (ou sinais aleatrios)
destacam-se: simulao, amostragem, anlise numrica,
programao, criptografia, tomada de deciso entre outras.
Os nmeros aleatrios, na prtica, so muito difceis de
obter. Como tcnica alternativa utiliza-se os chamados
nmeros pseudo-aleatrios (gerados por algoritmos) para
simular os eventos aleatrios utilizados, por exemplo, na
segurana das redes de comunicaes sem fio. Um exemplo de
aplicao desta tcnica utilizado nos sistemas CDMA (Code
Division Multiple Access).
Na fase de simulao, sabe-se que confiabilidade, preciso e
aleatoriedade so caractersticas primordiais para os eventos
aleatrios. Assim, um ambiente de simulao adequado de
essencial importncia.
Dentro do contexto apresentado, sero objetos de estudo
deste trabalho os mtodos de gerao de nmeros aleatrios
considerando-se os chamados ambientes no homogneos.
Nos modelos matemticos aplicveis nestes ambientes,
destacam-se as distribuies -, - e -, bem como uma
anlise prtica destas distribuies atravs dos resultados
numricos obtidos.
II. MTODOS COMPUTACIONAIS DE GERAO DE SINAIS
ALEATRIOS
A palavra aleatoriedade utilizada para exprimir quebra de
ordem ou imprevisibilidade, ou ainda um conjunto de eventos
que no descreve um padro determinstico, mas segue uma
distribuio de probabilidade.
As muitas aplicaes da aleatoriedade levaram ao
desenvolvimento de diferentes mtodos para a gerao
aleatria de dados. A escolha de qualquer mtodo depende de
Gere
Faa
Se
Caso
independentemente conforme
.
ento, volte ao passo 1.
contrrio, faa
.
(4)
(2)
B. Mtodo da Convoluo
Para vrias distribuies estatsticas importantes [6], uma
varivel aleatria
desejada pode ser expressa como uma
soma de outras variveis aleatrias que so IID (independente
e identicamente distribudas) e podem ser geradas mais
rapidamente do que a gerao direta de , ou seja,
(3)
importante ficar atento para no confundir o mtodo da
convoluo com o mtodo da composio [6]. Aqui
assumimos que a varivel aleatria
pode ser representada
como um somatrio de outras variveis aleatrias, o que difere
bastante da situao abordada pelo mtodo da composio. O
algoritmo geral para o mtodo da convoluo pode ser descrito
pelos seguintes passos:
Gerar
distribuio .
(1)
1.
2. Retornar
.
O mtodo da convoluo, quando ele pode ser utilizado,
muito simples, pois, podemos gerar a sequncia de
facilmente.
189
(9)
Atravs da anlise encontrada em [6] obtemos que
190
(10)
.
Em particular, estimando
obtemos que
(11)
onde
so variveis aleatrias IID
.
Alm disso, de acordo com [6] podemos mostrar que
um estimador de I.
, ou seja, que
A validade do mtodo, bem como exemplos de aplicao,
pode ser encontrada em [5].
F. Mtodo da Aceitao-Rejeio
O mtodo da Aceitao-Rejeio [6] necessita que
especifiquemos uma funo
, comumente chamada de hat
function, que seja majoritria em relao funo densidade
de probabilidade (FDP)
que se deseja gerar, ou seja,
para todo . A funo
no ser uma FDP j
que
(12)
Mas a funo
(14)
(13)
claramente uma FDP. Este mtodo capaz de gerar uma
varivel aleatria com FDP
. O algoritmo geral o
seguinte:
1.
2.
3.
B. Distribuio -
A distribuio - [14] uma distribuio de
desvanecimento geral que pode ser usada para representar as
variaes em pequena escala do sinal em desvanecimento em
uma condio de linha de visada direta (LOS, do ingls Line
of Sight).
A distribuio considera um sinal composto de vrios
clusters com ondas provenientes dos mltiplos percursos.
Dentro de cada cluster, as fases das ondas so aleatrias e tem
atrasos temporais semelhantes e, entre os vrios clusters, os
atrasos das ondas so relativamente grandes. Por hiptese,
considera-se que as ondas dos mltiplos percursos dos vrios
clusters possuem potncias idnticas, mas dentro de cada
cluster existe uma componente dominante de potncia
arbitrria [9]. A distribuio dada por
191
(17)
(22)
C. Distribuio -
A distribuio - [14] uma distribuio de
desvanecimento geral que pode ser usada para representar as
variaes em pequena escala do sinal em desvanecimento em
uma condio NLOS (Non Line-of-Sight).
Assim como nos ambientes - e k-, a modelagem a partir
da distribuio - considerada em um ambiente no
homogneo, sendo o sinal tambm composto de vrios
clusters com ondas provenientes dos mltiplos percursos.
onde
(23)
192
varincia .
A distribuio Rayleigh pode ser descrita como
(28)
.
A distribuio Hoyt pode ser descrita como
(29)
considerando mdia nula e varincias
e
distintas para as
variveis Y1 e Y2.
A distribuio Gaussiana unilateral pode ser descrita como
(30)
considerando mdia nula e varincia
aleatria Y1.
para a varivel
(24)
considerando mdia nula e varincia
para cada varivel
aleatria.
A distribuio - pode ser descrita como
(25)
onde
e
so processos gaussianos independentes com
mdia nula e varincia
;
e
representam
respectivamente os valores mdios das componentes em fase e
em quadratura do sinal composto de clusters com ondas
provenientes dos mltiplos percursos; e
o nmero de
clusters de mltiplo percurso.
A distribuio - pode ser descrita como
(26)
onde
e
so processos gaussianos independentes com
mdia nula e varincias distintas.
A distribuio Nakagami-m pode ser descrita como
(27)
onde
B. Ambiente Hoyt
A Figura 7 ilustra o comportamento do ambiente de
193
dos valores de e de .
C. Ambiente -
O comportamento do ambiente de propagao -
ilustrado na Figura. 8. Quando considera-se o nmero real de
clusters igual a 2 e, tornam-se variveis os valores do
parmetro de no linearidade e do valor eficaz de R ( ).
D. Ambiente -
O comportamento do ambiente de propagao -
ilustrado na Figura 10, onde possvel perceber as variaes
sofridas pela envoltria da distribuio atravs da alterao
0
1
2,41
2
1,5
1
2
2
2
Amostras
geradas
100000
100000
100000
Amostras
aceitas
9553
10018
10067
Aproveitamento
%
9,55
10,02
10,07
V. TESTES DE ADERNCIA
A fim de se verificar se os nmeros aleatrios gerados esto
distribudos conforme a distribuio de interesse, pode-se
fazer uso de algum teste estatstico de aderncia, cuja
finalidade averiguar se uma amostra pode ser considerada
como proveniente de uma populao com uma determinada
distribuio.
Os testes de aderncia mais utilizados so o teste de
Kolmogorov-Smirnov e o teste do Qui-Quadrado. Ambos
medem o grau de aderncia entre a distribuio de uma
amostra de nmeros aleatrios gerados e a correspondente
distribuio terica, e ambos tambm so baseados na hiptese
nula de que nenhuma diferena significante existe entre a
amostra e a distribuio terica. No presente artigo, dar-se-
maior ateno ao teste de Kolmogorov-Smirnov. Para maiores
informaes sobre este e outros testes para diferentes
propsitos, consultar [4].
O teste de Kolmogorov-Smirnov compara a FDC da
distribuio de interesse com a FDC da amostra, e pode ser
aplicado a qualquer distribuio contnua. Sendo SN(x) a FDC
194
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
TABELA II
TESTE DE ADERNCIA.
Ambiente
(Distribuio)
Parmetros
Nakagami-m
Hoyt
=1 , m=2
=2 , m=2
=3 , m=2
=1, m=0,5
=1, m=1
=1, m=2,5
=1, m=3
=2, =1
=3, =2
=4,5, =3,5
=1, =2, =4
=2, =2, =2
=3, =2, =
=1, =2, =1
=2, =2, =1
=3, =2, =1
=0, =2
=1, =1,5
=2,4, =1
[11]
pValor
0,5094
0,2023
0,0696
0,6927
0,4707
0,9183
0,3284
0,4806
0,6132
0,4222
0,7657
0,6462
0,7641
0,1830
0,3615
0,0741
0,4207
0,8929
0,9621
VI. CONCLUSES
Este trabalho foi elaborado a partir do estudo e
compreenso da gerao de sinais aleatrios dada a sua
importncia para a anlise e simulao de sistemas reais de
transmisso digital.
[12]
[13]
[14]