VOIP業務仿真建模，使用間歇泊松過程模型，能夠圖形顯示業務的突發特性

?
clc;
clear;
close all;

%題設和假設的參數
E_intval = 0.4;
C2 = 2;

% IPP時間間隔分布參數
lamda = 2*C2/(E_intval*(C2+1));
r1 = (C2-1)/(E_intval*C2*(C2+1));
r2 = 1/(E_intval*C2);

% 等價于2階超指數分布
% 計算對應的2階超指數分布參數
mu1 = 0.5*(lamda + r1 + r2 + sqrt( (lamda+r1+r2)^2 - 4*lamda*r2));
mu2 = 0.5*(lamda + r1 + r2 - sqrt( (lamda+r1+r2)^2 - 4*lamda*r2));
p = (lamda - mu2)/(mu1 - mu2);

% 生成參數為mu1、mu2的負指數分布隨機序列

% N為生成點個數
N = 1000;
exp1 = exprnd(1/mu1,1,N);
exp2 = exprnd(1/mu2,1,N);

% 按概率p選取負指數分布
% 生成均勻分布隨機變量序列
r = rand(1,N);
x = zeros(1,N);
for i = 1:N
? ? if r(i) < p
? ? ? ? x(i) = 1; % 以概率p選取參數mu1負指數分布的隨機變量
? ? else
? ? ? ? x(i) = 0; % 以概率(1-p)選取參數mu2負指數分布的隨機變量
? ? end;
end;

% 生成2階超指數分布的時間間隔
w = ones(1,N) - x;
intval = exp1.*x + exp2.*w;

% f向量表示事件發生時刻
f = zeros(1,N);
for i = 1:(N-1)
? ? f(i+1) = f(i) + intval(i);
end;

% 將事件發生的時刻置1
y=ones(1,length(f));

% 統計特性
EX = mean(intval);
DX = mean(intval.^2)-(EX)^2;
C2 = DX/(EX)^2;

% ?繪制事件發生軌跡圖
figure(1);
stem(f,y);
axis([1,100,0,1]);

D117

總結

以上是生活随笔為你收集整理的VOIP业务仿真建模，使用间歇泊松过程模型，能够图形显示业务的突发特性的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。