Matlab 要使模拟成为'；蒙特卡罗模拟'；用于BER计算？

编辑的问题

要使模拟成为误码率计算的准确“蒙特卡罗模拟”，您应该进行多少次迭代

最小值是多少？如果我想以指数增长的数字重复模拟五次？我应该从1e2开始，因此>>迭代=[1e2 1e3 1e4 1e5 1e6]还是1e3>>[1e3 1e4 1e5 1e6 1e7]？还是别的什么？通常的做法是什么

其他信息： 我以前使用过[8E31E4 3e4 5e4 8e4 1e5]，但教授认为这还不够，因为结果并不令人满意

模拟在我的计算机上花费了很长时间，因此我无法根据结果不断更改迭代。如果这方面有共同的做法，请让我知道

---

谢谢@BillBokeey帮我编辑这个问题。

你教授的建议让我觉得是定性的，而不是定量的方法来估计你模拟的收敛性

坦率地说，我不知道误码率是如何计算的，但我处理了很多MC的积分计算

在这种情况下，你在某个区间上采样席 fMC=Si-fi/N，其中

S

表示总和。我们知道fMC将收敛到真值，方差为sigma2/N（或标准偏差为sigma/sqrt（N））。然后我们做什么，我们在相同的模拟估算中计算

sigma

，假设足够大的

N

是

sigma

的良好近似值，并绘制模拟误差图。在实际应用中，与fMC一起，我们计算第二动量和平均值为f2MC=Si f2i/N，最后得到s=sqrt（f2MC-（fMC）2）/sqrt（N）作为MC模拟的估计误差（尽管有点偏差）

因此，您可以在相同的图形上绘制BER值和模拟的统计误差。您甚至可以做得更好—要求用户输入所需的统计误差（例如，以%，表示用户输入s/f*100），然后继续成串模拟，直到达到所需的精度

---

然后，您可以判断109个点是否足够……

假设我们将模拟BER表示为Pb_hat，Pb_hat表示为[（1-α）Pb，（1+α）Pb]，其中Pb是真实BER，alpha是偏差公差百分比（例如，0.1），然后从[van Trees 2013，第83页]我们知道，用置信概率pc获得Pb_hat所需的蒙特卡罗试验次数为K=（c/alpha）^2 x（1-Pb）/Pb， 表I中给出了c

表一：高斯分布的置信区间概率

个人计算机 0.900 0.950 0.954 0.990 0.997 C 1.645 1.960 2 2.576 3

---

嗯，这是一个尴尬的问题。蒙特卡罗模拟是一个随机过程，因此任何一个介于1和无穷大之间的数字都符合定义。一个更好的问题应该包括单词

收敛
（并发布在网站上）我的教授告诉我增加迭代次数，因为这是一个“蒙特卡罗”模拟。。。所以我假设蒙特卡罗模拟的迭代次数最少@当迭代次数趋于无穷大时，BillBokeeyA Monte Carlo算法收敛（意味着结果更接近解）。因此，增加迭代次数可以使您离解决方案更近。如果您知道模拟的预期结果（例如，您试图用蒙特卡罗方法近似pi的值），您可以定义一个公差，当您离pi的距离比每次编辑定义的公差更近时，停止算法，我认为你的教授想让你做的是对指数增长的迭代次数进行模拟，并绘制结果与迭代次数的对比图，以表明该算法确实会converge@BillBokeey是的，那样的话，就足够做1e2然后1e3然后1e4了吗？还是从1e3开始？通常的做法是什么？正态近似值不适用于您指定的公差限值，因为10^-4-1.96*0.01很容易陷入负（不可行）区域。