《电子系统仿真技术》实验..docVIP

概 述 系统仿真的基本概念 仿真：模型实验 仿真的分类 物理仿真：在物理模型上进行实验； 模拟仿真：采用高速模拟计算机实现。 数字仿真：采用数字计算机。 优点：精度高、灵活性强。 仿真的应用与意义 航空、航天、核爆炸：安全性好、成本低； 制造业（机械、电力、冶金、化工）：产品设计与性能分析，系统故障诊断； 娱乐（电影、游戏）； 人员培训（飞行员，航天员）； 科学研究； 虚拟现实技术 数字仿真系统的构成 三要素：系统，模型（数学模型），计算机。 联接三要素的基本活动： 建模：将实际系统的内在规律抽象成数学模型（如数学方程）。 二次建模：根据数学模型建立高效算法，并编制程序。 仿真实验：在给定条件下运行程序，得到仿真结果。 电子系统仿真技术 电子系统设计工具的发展 设计对象 TTL（SSI/MSI） μP ASIC 复杂ASIC 系统级设计 设计工具 纸笔 开发系统 数字仿真/原理图设计工具 HDL综合工具 虚拟产品技术 系统级设计的重要性 系统级仿真设计过程 系统设计，系统建模，系统验证 噪声的仿真 噪声仿真在系统仿真中的应用 模拟系统噪声环境，并检验系统在该环境下的性能。如热噪声，通信系统的信道噪声，雷达的接收机噪声，杂乱回波，AD量化噪声等。 随机数的产生与检验 Monte_Carlo方法： 设为一待解问题，其解为K维空间中的一点，则Monte_Carlo方法将该问题与一个适当随机变量相联系。利用计算机可产生该随机变量的充分多样本，，…，，利用这些样本得到的估计量。从而得到的近似解。 例：定积分的求解： Monte_Carlo方法的求解步骤： 令,则; 若U~U(0,1)，则； 通过计算机产生U的n个样本，，…，，则为的一个无偏估计量。有， Monte_Carlo方法在常用于系统仿真中的随机数的产生。 均匀分布随机数的产生 是各类分布随机数的产生的基础。产生方法：线性同余法，模2线性递推序列法。 线性同余法（D.H.Lehrmer,1951） 产生式： (mod M)， 初值为种子，由可以完全确定序列{}，故称为一个（0，M）内服从均匀分布的随机数产生器。且： 要求：a 周期长； b 一阶自相关系数近似为0。 模2线性递推序列法 产生二进制的随机数位{}，用数位串构成随机数。 产生式：，用{}中相邻L位组成一个二进制小数，，其中且与互质。则有： ，， 伪随机数的随机性检验和相关性检验 随机性检验： 统计直方图检验； 划分区间，计算落入每个区间的频数，求落入各区间的概率。 χ2检验； 检验统计量： k为划分的等概率区间数，一般取k100，NPi为理论频数，Mi为实际频数。 步骤： 划分k个等概率区间，并保证5NPi40。各区间的分界点： 式中，F-1(.)为理论分布函数的反函数。 求检验统计量χ2。 将求得的检验统计量χ2与χ2分布函数值χm2(k-l-1)进行比较（显著性水平m可取0.1，l为估计的参数个数，此处可取为1），若χ2χm2(k-l-1)，则表明在该显著性水平下，可以接受这些数据， χ2检验适合于大样本的情况。 K-S检验 检验统计量：DN=max(DN+, DN-)，式中： ， 步骤： 计算检验统计量DN。 在参数已知的情况下修正为： 计算可信度： 与某一显著性水平下的临界值作比较。 K-S检验不需要进行数据分组，较适合于小样本的情况。 相关性检验； 相关系数或相关函数估计 功率谱估计 各种概率分布的随机数的产生 在均匀分布的随机数的基础上产生各种概率分布的随机数。主要的方法有：求逆法，舍选法，函数逼近法，概率逼近法，函数变换法等。 求逆法（Inverse method） 定理：设随机变量的的分布函数为，,定义，则与具有相同的分布函数。 证明： 产生步骤： 产生均匀分布的随机数； 求，则服从分布函数为的分布。 舍选法（Rejection method） 定义四要素：，其中 ：已知其分布且为正整值的随机变量， ：已知其分布的随机变量族{}， ：与有关的检验性质， ：的函数 产生步骤： 产生的一个样本； 产生中的一组样本； 检验性质是否成立，不成立，转a，重新产生样本。 若成立，取 舍选法一：用于产生pdf为： 其中，且。 定理：若随机变量，且，其中，若服从均匀分布且与相互独立，则在条件下的pdf为。 产生步骤： 产生pdf为的随机数； 产生均匀分布的一个随机数； 若，舍弃，转a，重新产生随机数； 否则，取。 通常，为提高舍选效率，取， 舍选法二：用于产生pdf为：