图像阴影去除算法matlab,matlab绘制阴影图
一内容介绍莱斯分布实际上可以理解为主信号与服从瑞利分布的多径信号分量的和。概率密度函数公式中,R即为正弦(余弦)信号加窄带高斯随机信号的包络,参数A是主信号幅度的峰值,^2是多径信号分量的功率,I0()是修正的0阶第一类贝塞尔函数。
是不是感觉这个更抽象了,那有什么用呢,在通信中,有一个信号占主要成分的噪声中,信道噪声一般呈现莱斯分布。
2部分代码清晰;色度控制中心
全部关闭
%%参数
N=1e5
b=0.279
m=2;
=0.251;
%%生成隐藏的莱斯分布随机数
X=ShadowedRicianRandGen(b,m,Omega,N);
%%点,必须对其进行分布评估(X,X);
%%理论PDF
[fana,Fana]=ShadowedRicianDistribution(b,m,Omega,x);
%%绘图结果
支线剧情(121);plot(x(1:30:end),Fsim(1:30:end),-b* ,x,Fana,-);网格打开;
xlabel( x );ylabel( F _ X(X)=P(X=X));
支线剧情(122);plot(x(1:30:end),fsim(1:30:end),-b* ,x,fana,-);网格打开;
xlabel( x );
y标签(概率密度函数);
图例(模拟,理论);
函数X=ShadowedRicianRandGen(b,m,Omega,N,a)
%此函数根据隐藏的莱斯分布生成随机数
%密度函数。
%
%输入:
% b=标量(实数),多径分量的平均功率
% m=标量(实数),衰落严重度参数
%=标量(实数),LOS分量的平均功率
% N=标量(实数),指定要
%已生成
%输出:
% X=指定随机数的标量(如果N=1,则为列向量)
%使用阴影莱斯分布分布函数生成
%
%用法示例:
% X=ShadowedRicianRandGen(0.279,2,0.251);
%
%引用:
% A。阿卜迪、刘伟长、m-S。阿劳伊尼和m。卡韦,揂新的简单模型
%对于陆地移动卫星信道:一阶和二阶统计,% IEEE Trans .无线通信。第2卷第3期,第519页?2003年5月28日。
% Jeruchim,M. C .P. Balaban和K. S .尚穆根,模拟
%通信系统,纽约,全会出版社,1992年。
%
%实施者:
% Ashish (MEET) Meshram
% meetashish85@gmail.com;
%检查输入参数
如果nargin 5isempty(a),a=10目标
如果nargin 4 是空(N),N=10000目标
如果3 中的narg为空()
错误("缺少输入参数:请指定欧米茄”);
目标
if nargin 2isempty(m)
错误("缺少输入参数:请指定m”);
目标
if nargin 1isempty(b)
错误("缺少输入参数:请指定b”);
目标
%实施从这里开始
X=零(N,1);%为X预分配内存空间
%中间变量
alpha=((2 * b * m)/(2 * b * m omega))^m;
=/(2 * b *(2 * b * m));
=1/(2 * b);
%阴影莱斯分布值的最大值出现在x=0处;
maxfx=*;
c=maxfx
%接受和拒绝算法
对于k=1:N
接受=假;
当接受==假时
U2=c * rand%生成U2,均匀分布
%随机数[0,c]
U1=a *兰特;%生成U1,均匀分布
% in [0,a]
%评估U1的外汇
FX=alpha * lambda * exp(-U1 * lambda)* Kummer(m,1,beta * U1);
%如果U2在U1小于或等于外汇,则它被视为X否则
%重复上述程序
如果U2=fx
x(k)=U1;
接受=真;
目标
目标
目标
函数y=Kummer(a,b,z,maxit)
%此函数实现1F1(.),合流超几何函数。
%
%输入:
% a=标量和复数
% b=标量和复数
% z=标量和复数
% maxit=指定最大迭代次数的标量和实数。
%默认值,maxit=5;
%
%输出:
% y=标量和复数
%
%实施者:
% Ashish (MEET) Meshram
% meetashish85@gmail.com;
%检查输入参数
if nargin 1isempty(a)
错误("缺少输入参数:请指定一个");
目标
if nargin 2isempty(b)
错误("缺少输入参数:请指定b”);
目标
if nargin 3isempty(z)
错误("缺少输入参数:请指定z”);
目标
如果nargin 4isempty(maxit),maxit=5;目标
实施百分比
ytemp=1;
对于k=1:maxit
ytemp=ytemp.
PochhammerSymbol(a,k)/(PochhammerSymbol(b,k).
* factorial(k))*z^k;
y=ytemp
目标
函数y=PochhammerSymbol(x,n)
如果n==0
y=1;
其他
y=1;
对于k=1:n
y=y *(x k-1);
目标
目标
函数[f,F]=估计分布(X,X)
%该函数实现一维累积分布函数(Cumulative Distribution Function的缩写)和便携文档格式的估计
%随机变量。
%
%输入:
% X=指定随机变量的向量
% x=指定累积分布函数(Cumulative Distribution Function的缩写)和便携文档格式必须对应的点的向量
% eval(X,X);
% %%绘图结果
%图;
% plot(x,F,x,F);
% x标签( x );
% ylabel(模拟PDF CDF’);
% str 1=strcat( PDF;, Area=,num2str(trapz(x,f)));
% legend(str1, CDF , Location , northwestern )。
%
%
% %%生成普通个具有特定均值的高斯分布随机变量
% %%标准偏差
% N=1000000
% mu=-1;
% sigma=5;
% X=mu sigma*randn(N,1);
% %%要评估累积分布函数(Cumulative Distribution Function的缩写)和便携文档格式的点(1/sqrt((2 * pi * sigma * sigma)))* exp(-(((x-mu)).^2)/(2*sigma*sigma)));
% Fx=0.5 *(1 ERF((x-mu)/(sqrt(2 * sigma * sigma))));
% %%估计便携文档格式和累积分布函数(Cumulative Distribution Function的缩写)
% [f,F]=EstimateDistribution(X,X);
% %%绘图结果
%图;
% plot(x,F,x,fx,x,F,x,Fx);
% x标签( x );
% y标签( PDF CDF );
% str1=strcat(模拟PDF , Area=,num2str(trapz(x,f)));
% str2=strcat(理论PDF , Area=,num2str(trapz(x,FX)));
% legend(str1,str2,’模拟CDF ,理论CDF ,位置,西北);
%
%
% %%生成普通个均匀分布的随机变量
% N=1000000
% X=rand(N,1);
% %%点,用于评估累积分布函数(Cumulative Distribution Function的缩写)和PDF,X);
% %%绘图结果
%图;
% plot(x,F,x,F);
% x标签( x );
% ylabel(模拟PDF CDF’);
% str 1=strcat( PDF;, Area=,num2str(trapz(x,f)));
% legend(str1, CDF , Location , northwestern )。
%
%引用:
%阿萨纳西奥斯帕普利斯,s。乌尼克里什纳皮莱,概率,随机变量
%和随机过程,4e
概率、随机变量和随机信号
%原则,2e
%赛义德加赫拉马尼,随机过程的概率基础,
% 3e
%
%另请参阅:
% interp1,平滑
%
%作者:
% Ashish (Meet) Meshram
% meetashish85@gmail.com;mt1402102002@iiti.ac.in
%检查输入参数
如果nargin 2 是empty(x),x=linspace(-10,10,1000);目标
if nargin 2isempty(X)
错误("缺少输入参数:请指定向量随机变量");
目标
实施百分比从这里开始
f=零(1,长度(x));内存空间预分配百分比
F=f内存空间预分配百分比
h=0.000000001对于eval(X),更接近于零的小值百分比
如果X(n)=X(m)% CDF的定义
p=P1;
其他
q=Q1;
目标
目标
f(m)=p/(p q);%计算概率
目标
%通过累积分布函数(Cumulative Distribution Function的缩写)的微分估计便携文档格式
对于k=1:长度(十)
fxph=interp1(x,F,x(k) h, spline );F(x h)的插值百分比
fxmh=interp1(x,F,x(k) - h, spline );F(x-h)的插值百分比
f(k)=(fxph-fxmh)/(2 * h);要计算的% 2点公式
结束%数值微分
f=平滑(f)和:%最终平滑
function [f,F]=ShadowedRicianDistribution(b,m,,x)
=1/(2 * b);
alpha=(2 * b * m)/(2 * b * m);
=/(2 * b *(2 * b * m));
%理论便携文档格式
f=零(长度(x),1);
对于k=1:长度(十)
f(k)=(alpha^m)*lambda*exp(-x(k)*lambda)*kummer(m,1,beta*x(k);
目标
%理论累积分布函数(Cumulative Distribution Function的缩写)
sumk=零(500,1);
F=零(长度(x),1);
对于p=1:长度(十)
对于q=1:500
mmk=(m k);
MK=(m);
贝塔比拉姆达克=(beta/lambda)^k;
伽马=伽马公司(k ^ 1,* x(p));
sumk(q)=(mmk/(mk*(factorial(k))^2))*betabylambdak*gammak;
目标
f(p)=alpha * sum(sumk);
目标
3运行结果
四参考文献
原创作品来自matlab研究助手,
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。