CN107994965A - 一种lognormal信道模型验证系统 - Google Patents

Abstract

一种lognormal信道模型验证系统，包括信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块，信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块依次单向连接，信号发生器还直接与信道估计处理器单向连接；信号发生器、无线信道模拟器、网络分析仪和信道估计处理器主要用于获取信道数据，信道验证模块主要用于对获取的信道数据进行验证。本发明可以方便、简单地对信道仿真模拟器产生的信道数据是否服从lognormal分布做出判断，有效验证了lognormal信道模拟仿真器的模型是否准确，为信道估计等信道研究做了铺垫，为接收端准确有效地提取发送数据提供了保障。

Description

一种lognormal信道模型验证系统

技术领域

本发明涉及一种无线通信信道模型验证的方法，特别涉及一种lognormal信道模型验证系统。

背景技术

信道模拟是无线通信中一个重要的任务，是对无线通讯环境做出有效评估以及保证接收端是否能准确解调出发射数据的重要的前提，尤其在一些复杂的通讯环境中，例如导弹、卫星、无人机、飞船、海面、民用通信等复杂通讯条件，信道模拟是一个不可缺少的环节。而在lognormal信道模拟仿真器中，信道的建模的正确性和准确性显得尤为重要。在传统方法中，一般为从视觉直观上观察模拟的信道数据是否服从对数正太分布，具有较大的误差性和武断性。因此，从数理统计的角度，以信道模拟仿真器作为背景，定量地提出一种简单通用的lognormal信道模型验证系统，对lognormal信道模拟的研究和接收端准确有效地提取发送数据具有重要的意义。

发明内容

为了解决无线通信lognormal信道模拟仿真器中信道模型的验证问题，本发明提供一种验证简单方便、可靠的lognormal信道模型验证系统。

本发明解决上述技术问题采用的技术方案是：

一种lognormal信道模型验证系统，包括信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块，信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块依次单向连接，信号发生器还直接与信道估计处理器单向连接。信号发生器、无线信道模拟器、网络分析仪和信道估计处理器主要用于获取信道数据，信道验证模块主要用于对获取的信道数据进行验证。

信号发生器用于产生测试信号X_input，并传输至无线信道模拟器；无线信道模拟器用于产生lognormal信道数据X，无线信道模拟器接收信号发生器产生的测试信号X_input后，将获得的测试信号X_input与lognormal信道数据X进行点乘，并叠加高斯噪声，最终输出信号X_output，并传输至网络分析仪。

网络分析仪主要用于将获得的输出信号X_output进行降噪等预处理，获得降噪预处理后的数据X_output-d，方便信道估计处理器获取信道估计数据的操作运行。

信道估计处理器接收从信号发生器传输过来的测试信号X_input和从网络分析仪传输过来的数据X_output-d，利用X_output-d/X_input计算信道的估计数据X_en，并将信道估计数据X_en传输至信道验证模块；对于X_en，下标e表示标记该数据为获得的信道估计数据，n为获得的信道估计数据的数量，取正整数；

信道验证模块接收从信道估计处理器传输过来的信道估计数据X_en，对信道估计数据X_en进行验证。

通过信道验证模块对信道估计数据X_en进行验证的详细步骤如下：

步骤1.利用公式(1)和(2)计算信道估计数据的对数均值u与对数标准差σ；

其中，上式中n为获得的信道估计数据的数量，i为当前信道估计数据的序号，1≤i≤n。

步骤2.利用理论lognormal信号分布的理想概率密度函数f_ideal，计算理想lognormal分布的累积分布函数F_ideal：

F_ideal＝∫f_idealdx (4)，

式中，x表示信道估计数据包络的幅值。

步骤3.求公式(3)的二次微分，即

令公式(5)等于零，得到理想概率密度函数的拐点χ₁与χ₂，即

式中，u表示信道估计数据的对数均值。σ表示信道估计数据的对数标准差。

因此，拐点χ₁对应的理想信道统计比例ρ_{ideal_1}与拐点χ₂对应的理想信道统计比例ρ_{ideal_2}为

步骤4.计算要验证的信道估计数据X_en中小于χ₁的数据占全部信道长度的比例ρ₁，计算要验证的信道估计数据X_en中小于χ₂的数据占全部信道长度的比例ρ₂，即

其中，1≤i≤n，L(·)定义为数据的长度，即数据个数；n为获得的信道估计数据的数量。

步骤5.定义差异函数η(·)如下：

如果η₁与η₂同时小于0.05，则说明信道估计数据X_en服从lognormal分布；否则，说明信道估计数据X_en不服从lognormal分布；

当信道估计数据X_en服从lognormal分布，则认定无线信道模拟器产生的lognormal信道数据X服从lognormal分布；

当信道估计数据X_en不服从lognormal分布，则认定无线信道模拟器产生的lognormal信道数据X不服从lognormal分布。

本发明的技术效果在于：本发明验证简单方便、可靠，对lognormal信道模拟器产生的信道模型进行定量的分析与验证。对lognormal信道模拟的研究等的研究具有重要的意义。

本发明可以方便、简单地对信道仿真模拟器产生的信道数据是否服从lognormal分布做出判断，有效验证了lognormal信道模拟仿真器的模型即无线信道模拟器产生的lognormal信道数据X是否准确即是否服从lognormal分布，为信道估计等信道研究做了铺垫，为接收端准确有效地提取发送数据提供了保障。

附图说明

图1是本发明lognormal信道模型验证系统的设备连接图。

图2是本发明lognormal信道模型验证系统的验证方法流程图。

图3是本发明中例举的lognormal信道模型数据的时域特性图。

图4是本发明中例举的lognormal信道模型数据的实际概率密度函数曲线与理论的概率密度函数曲线图。

图5是本发明中例举的Rayleigh信道模型数据的时域特性图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。

参照图1，一种lognormal信道模型验证系统，包括信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块，信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块依次单向连接，信号发生器还直接与信道估计处理器单向连接。信号发生器、无线信道模拟器、网络分析仪和信道估计处理器主要用于获取信道数据，信道验证模块主要用于对获取的信道数据进行验证。

信号发生器用于产生测试信号X_input，并传输至无线信道模拟器；无线信道模拟器用于产生lognormal信道数据X，无线信道模拟器接收信号发生器产生的测试信号X_input后，将获得的测试信号X_input与lognormal信道数据X进行点乘，并叠加高斯噪声，最终输出信号X_output，并传输至网络分析仪。

网络分析仪主要用于将获得的输出信号X_output进行降噪等预处理，获得降噪预处理后的数据X_output-d，方便信道估计处理器获取信道估计数据的操作运行。

信道估计处理器接收从信号发生器传输过来的测试信号X_input和从网络分析仪传输过来的数据X_output-d，利用X_output-d/X_input计算信道的估计数据X_en，并将信道估计数据X_en传输至信道验证模块；对于X_en，下标e表示标记该数据为获得的信道估计数据，n为获得的信道估计数据的数量，取正整数；

信道验证模块接收从信道估计处理器传输过来的信道估计数据X_en，对信道估计数据X_en进行验证。

参照图2，通过信道验证模块对信道估计数据X_en进行验证的详细步骤如下：

步骤1.利用公式(1)和(2)计算信道估计数据的对数均值u与对数标准差σ；

其中，上式中n为获得的信道估计数据的数量，i为当前信道估计数据的序号，1≤i≤n。

步骤2.利用理论lognormal信号分布的理想概率密度函数f_ideal，计算理想lognormal分布的累积分布函数F_ideal：

F_ideal＝∫f_idealdx (4)，

式中，x表示信道估计数据包络的幅值。

步骤3.求公式(3)的二次微分，即

令公式(5)等于零，得到理想概率密度函数的拐点χ₁与χ₂，即

式中，u表示信道估计数据的对数均值。σ表示信道估计数据的对数标准差。

因此，拐点χ₁对应的理想信道统计比例ρ_{ideal_1}与拐点χ₂对应的理想信道统计比例ρ_{ideal_2}为

步骤4.计算要验证的信道估计数据X_en中小于χ₁的数据占全部信道长度的比例ρ₁，计算要验证的信道估计数据X_en中小于χ₂的数据占全部信道长度的比例ρ₂，即

其中，1≤i≤n，L(·)定义为数据的长度，即数据个数；n为获得的信道估计数据的数量。

步骤5.定义差异函数η(·)如下：

如果η₁与η₂同时小于0.05，则说明信道估计数据X_en服从lognormal分布；否则，说明信道估计数据X_en不服从lognormal分布；

当信道估计数据X_en服从lognormal分布，则认定无线信道模拟器产生的lognormal信道数据X准确；

当信道估计数据X_en不服从lognormal分布，则认定无线信道模拟器产生的lognormal信道数据X不准确。

为了验证本发明的有效性，设置无线信道模拟器数据个数为3000，即n＝3000，见图3；通过公式(1)和(2)可得u＝-0.002，σ＝0.6，因此，得到的两个拐点χ₁＝0.3115和χ₂＝1.0903，对应的理想信道统计比例为ρ_{ideal_1}＝0.0259和ρ_{ideal_2}＝0.5573；通过公式(8)得到拐点实际的占全部信道长度的比例为ρ₁＝0.0246和ρ₂＝0.5637；因此，差异值为η₁＝0.0257和η₂＝0.0057，皆小于0.05。由此可见，认为该无线信道模拟器产生的信道数据服从lognormal分布，间接地表明了本验证方法的有效性。理论的概率密度函数和实际的概率密度函数的曲线如图4所示。

同样地，图5为经典Rayleigh信道模拟器产生的3000个数据，即n＝3000，经计算，该信道数据的对数均值与标准差为u＝-0.2683和σ＝0.6345；用本发明公布的lognormal信道模型验证方法，可得到两个拐点分别为χ₁＝0.2148和χ₂＝0.8134，对应的理想信道统计比例为ρ_{ldeal_1}＝0.0227和ρ_{ideal_2}＝0.5388；通过公式(8)得到拐点实际占全部信道长度的比例为ρ₁＝0.04287和ρ₂＝0.4664；因此，验证得到的lognormal信道模型与理论差异值为η₁＝0.3076和η₂＝0.072。由于两个值都大于设定的0.05，说明信道模拟器产生信道数据与理论的lognormal分布差异较大。因此有理由做出结论：该Rayleigh信道模拟器产生的信道数据不符合lognormal分布。该结论证明了本发明lognormal信道模型验证方法的有效性。

Claims (2)

1.一种lognormal信道模型验证系统，其特征在于，包括信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块，信号发生器、无线信道模拟器、网络分析仪、信道估计处理器和信道验证模块依次单向连接，信号发生器还直接与信道估计处理器单向连接；信号发生器、无线信道模拟器、网络分析仪和信道估计处理器主要用于获取信道数据，信道验证模块主要用于对获取的信道数据进行验证；

信号发生器用于产生测试信号X_input，并传输至无线信道模拟器；无线信道模拟器用于产生lognormal信道数据X，无线信道模拟器接收信号发生器产生的测试信号X_input后，将获得的测试信号X_input与lognormal信道数据X进行点乘，并叠加高斯噪声，最终输出信号X_output，并传输至网络分析仪；

网络分析仪主要用于将获得的输出信号X_output进行降噪预处理，获得降噪预处理后的数据X_output-d；

信道估计处理器接收从信号发生器传输过来的测试信号X_input和从网络分析仪传输过来的数据X_output-d，利用X_output-d/X_input计算信道的估计数据X_en，并将信道估计数据X_en传输至信道验证模块；对于X_en，下标e表示标记该数据为获得的信道估计数据，n为获得的信道估计数据的数量，取正整数；

信道验证模块接收从信道估计处理器传输过来的信道估计数据X_en，对信道估计数据X_en进行验证。

2.根据权利要求1所述的lognormal信道模型验证系统，其特征在于，通过信道验证模块对信道估计数据X_en进行验证的详细步骤如下：

步骤1.利用公式(1)和(2)计算信道估计数据的对数均值u与对数标准差σ；

<mrow> <mi>u</mi> <mo>=</mo> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <mi>log</mi> <mi> </mi> <msub> <mi>X</mi> <mrow> <mi>e</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

<mrow> <mi>&amp;sigma;</mi> <mo>=</mo> <msqrt> <mrow> <mfrac> <mn>1</mn> <mi>n</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msup> <mrow> <mo>(</mo> <mi>log</mi> <mi> </mi> <msub> <mi>X</mi> <mrow> <mi>e</mi> <mi>i</mi> </mrow> </msub> <mo>-</mo> <mi>u</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> </msqrt> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

其中，上式中n为获得的信道估计数据的数量，i为当前信道估计数据的序号，1≤i≤n；

步骤2.利用理论lognormal信号分布的理想概率密度函数f_ideal，计算理想lognormal分布的累积分布函数F_ideal：

<mrow> <msub> <mi>f</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mrow> <mi>x</mi> <mi>&amp;sigma;</mi> <msqrt> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> </mrow> </msqrt> </mrow> </mfrac> <msup> <mi>e</mi> <mfrac> <mrow> <mo>-</mo> <msup> <mrow> <mo>(</mo> <mi>ln</mi> <mi>x</mi> <mo>-</mo> <mi>u</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

F_ideal＝∫f_idealdx (4)，

式中，x表示信道估计数据包络的幅值；

步骤3.求公式(3)的二次微分，即

<mrow> <msubsup> <mi>f</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> </mrow> <mrow> <mo>&amp;prime;</mo> <mo>&amp;prime;</mo> </mrow> </msubsup> <mo>=</mo> <mo>-</mo> <mfrac> <msup> <mi>x</mi> <mrow> <mo>-</mo> <mn>2</mn> </mrow> </msup> <mrow> <mi>&amp;sigma;</mi> <msqrt> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> </mrow> </msqrt> </mrow> </mfrac> <msup> <mi>e</mi> <mfrac> <mrow> <mo>-</mo> <msup> <mrow> <mo>(</mo> <mi>ln</mi> <mi>x</mi> <mo>-</mo> <mi>u</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> </msup> <mrow> <mo>(</mo> <mn>2</mn> <msup> <mi>x</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <mo>+</mo> <mfrac> <msup> <mi>x</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mrow> <mi>&amp;sigma;</mi> <msqrt> <mrow> <mn>2</mn> <mi>&amp;pi;</mi> </mrow> </msqrt> </mrow> </mfrac> <mo>&amp;lsqb;</mo> <mfrac> <mn>1</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mfrac> <mrow> <mo>(</mo> <mi>ln</mi> <mi> </mi> <mi>x</mi> <mo>-</mo> <mi>u</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mrow> <mo>(</mo> <msup> <mi>x</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msup> <mo>+</mo> <mn>1</mn> <mo>)</mo> </mrow> <msup> <mi>e</mi> <mfrac> <mrow> <mo>-</mo> <msup> <mrow> <mo>(</mo> <mi>ln</mi> <mi>x</mi> <mo>-</mo> <mi>u</mi> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> </mfrac> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

令公式(5)等于零，得到理想概率密度函数的拐点χ₁与χ₂，即

<mrow> <msub> <mi>&amp;chi;</mi> <mn>1</mn> </msub> <mo>=</mo> <msup> <mi>e</mi> <mrow> <mi>u</mi> <mo>-</mo> <mfrac> <mrow> <mi>&amp;sigma;</mi> <mo>*</mo> <msqrt> <mrow> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> <mo>+</mo> <mn>4</mn> </mrow> </msqrt> </mrow> <mn>2</mn> </mfrac> <mo>-</mo> <mfrac> <mrow> <mn>3</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> <mn>2</mn> </mfrac> </mrow> </msup> <mo>,</mo> <msub> <mi>&amp;chi;</mi> <mn>2</mn> </msub> <mo>=</mo> <msup> <mi>e</mi> <mrow> <mi>u</mi> <mo>+</mo> <mfrac> <mrow> <mi>&amp;sigma;</mi> <mo>*</mo> <msqrt> <mrow> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> <mo>+</mo> <mn>4</mn> </mrow> </msqrt> </mrow> <mn>2</mn> </mfrac> <mo>-</mo> <mfrac> <mrow> <mn>3</mn> <msup> <mi>&amp;sigma;</mi> <mn>2</mn> </msup> </mrow> <mn>2</mn> </mfrac> </mrow> </msup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

式中，u表示信道估计数据的对数均值，σ表示信道估计数据的对数标准差；

因此，拐点χ₁对应的理想信道统计比例ρ_{ideal_1}与拐点χ₂对应的理想信道统计比例ρ_{ideal_2}为

<mrow> <msub> <mi>&amp;rho;</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> <mo>_</mo> <mn>1</mn> </mrow> </msub> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>&amp;chi;</mi> <mn>1</mn> </msub> </msubsup> <msub> <mi>f</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mi>d</mi> <mi>x</mi> <mo>,</mo> <msub> <mi>&amp;rho;</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> <mo>_</mo> <mn>2</mn> </mrow> </msub> <mo>=</mo> <msubsup> <mo>&amp;Integral;</mo> <mn>0</mn> <msub> <mi>&amp;chi;</mi> <mn>2</mn> </msub> </msubsup> <msub> <mi>f</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mi>d</mi> <mi>x</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

步骤4.计算要验证的信道估计数据X_en中小于χ₁的数据占全部信道长度的比例ρ₁，计算要验证的信道估计数据X_en中小于χ₂的数据占全部信道长度的比例ρ₂，即

<mrow> <msub> <mi>&amp;rho;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mi>L</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mrow> <mi>e</mi> <mi>i</mi> </mrow> </msub> <mo>&lt;</mo> <msub> <mi>&amp;chi;</mi> <mn>1</mn> </msub> <mo>)</mo> </mrow> </mrow> <mi>n</mi> </mfrac> <mo>,</mo> <msub> <mi>&amp;rho;</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mi>L</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mrow> <mi>e</mi> <mi>i</mi> </mrow> </msub> <mo>&lt;</mo> <msub> <mi>&amp;chi;</mi> <mn>2</mn> </msub> <mo>)</mo> </mrow> </mrow> <mi>n</mi> </mfrac> <mo>,</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

其中，1≤i≤n，L(·)定义为数据的长度，即数据个数；n为获得的信道估计数据的数量；

步骤5.定义差异函数η(·)如下：

<mrow> <msub> <mi>&amp;eta;</mi> <mn>1</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>&amp;rho;</mi> <mn>1</mn> </msub> <mo>-</mo> <msub> <mi>&amp;rho;</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> <mo>_</mo> <mn>1</mn> </mrow> </msub> </mrow> <mo>|</mo> </mrow> <mrow> <msub> <mi>&amp;rho;</mi> <mn>1</mn> </msub> <mo>+</mo> <msub> <mi>&amp;rho;</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> <mo>_</mo> <mn>1</mn> </mrow> </msub> </mrow> </mfrac> <mo>,</mo> <msub> <mi>&amp;eta;</mi> <mn>2</mn> </msub> <mo>=</mo> <mfrac> <mrow> <mo>|</mo> <mrow> <msub> <mi>&amp;rho;</mi> <mn>2</mn> </msub> <mo>-</mo> <msub> <mi>&amp;rho;</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> <mo>_</mo> <mn>2</mn> </mrow> </msub> </mrow> <mo>|</mo> </mrow> <mrow> <msub> <mi>&amp;rho;</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>&amp;rho;</mi> <mrow> <mi>i</mi> <mi>d</mi> <mi>e</mi> <mi>a</mi> <mi>l</mi> <mo>_</mo> <mn>2</mn> </mrow> </msub> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> <mo>,</mo> </mrow>

如果η₁与η₂同时小于0.05，则说明信道估计数据X_en服从lognormal分布；否则，说明信道估计数据X_en不服从lognormal分布；

当信道估计数据X_en服从lognormal分布，则认定无线信道模拟器产生的lognormal信道数据X服从lognormal分布；当信道估计数据X_en不服从lognormal分布，则认定无线信道模拟器产生的lognormal信道数据X不服从lognormal分布。