Octave 如何在倍频程中模拟概率

我的任务是用二进制消息模拟一个信号，该信号通过一个误码率为千分之一的噪声信道。这就是我所做的

function [r f] = generateBitError(d, ber)
  flag = false;
  if(randi(round(ber^(-1))) == 1)
    i = randi(length(d));
    d(i) = not(d(i));
    flag = true;
  endif
  
  r = d;
  f = flag;
endfunction

---

d是一个矩阵，其单元格包含二进制数字，ber通常取值10^（-3）。它在实践中似乎是正确的，但这是模拟千分之一错误概率的有效方法吗？randi对于区间[1，1000]中的所有整数是否具有相同的概率？

我想说，这种解释的主要问题不一定是使用randivs

rand

，或者它的可靠性有多高，而是您始终保证信号中不会出现多个错误，这不是一个好的假设

这不是1:1000的错误率通常意味着什么。这意味着每一位都有1:1000的翻转机会。也就是说，每一位都要进行贝努利试验，贝努利参数为0.001。在整个信号中翻转2位或更多位应该是完全可能的；这不太可能

因此，我将把这句话改为：

function [ OutputSignal, HasFlipped ] = apply_noise( InputSignal, mu = 0.001 )
   % InputSignal: A horizontal vector of 0 or 1 values
   % mu: Bernoulli parameter denoting probability of error event
   N = length( InputSignal );
   ErrorPositions = rand( 1, N ) <= mu;
   OutputSignal = InputSignal;
   OutputSignal( ErrorPositions ) = ~OutputSignal( ErrorPositions );
   HasFlipped = any( ErrorPositions );
end

函数[OutputSignal，HasFlipped]=应用噪声（InputSignal，mu=0.001）
%InputSignal：0或1值的水平向量
%mu：表示错误事件概率的伯努利参数
N=长度（输入信号）；
ErrorPositions=rand（1，N）我想说，这种解释的主要问题不一定是使用
randi
vs
rand
，或者这有多可靠，而是你总是保证信号中不会有多个错误，这不是一个好的假设

这不是1:1000的错误率通常意味着什么。这意味着每一位都有1:1000的翻转机会。也就是说，每一位都要进行贝努利试验，贝努利参数为0.001。在整个信号中翻转2位或更多位应该是完全可能的；这不太可能

因此，我将把这句话改为：

function [ OutputSignal, HasFlipped ] = apply_noise( InputSignal, mu = 0.001 )
   % InputSignal: A horizontal vector of 0 or 1 values
   % mu: Bernoulli parameter denoting probability of error event
   N = length( InputSignal );
   ErrorPositions = rand( 1, N ) <= mu;
   OutputSignal = InputSignal;
   OutputSignal( ErrorPositions ) = ~OutputSignal( ErrorPositions );
   HasFlipped = any( ErrorPositions );
end

函数[OutputSignal，HasFlipped]=应用噪声（InputSignal，mu=0.001）
%InputSignal：0或1值的水平向量
%mu：表示错误事件概率的伯努利参数
N=长度（输入信号）；
ErrorPositions=rand（1，N）