DE10064688A1 - Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-Rauschens - Google Patents
Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-RauschensInfo
- Publication number
- DE10064688A1 DE10064688A1 DE10064688A DE10064688A DE10064688A1 DE 10064688 A1 DE10064688 A1 DE 10064688A1 DE 10064688 A DE10064688 A DE 10064688A DE 10064688 A DE10064688 A DE 10064688A DE 10064688 A1 DE10064688 A1 DE 10064688A1
- Authority
- DE
- Germany
- Prior art keywords
- random numbers
- noise
- vector
- covariance matrix
- denotes
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
- G06F7/58—Random or pseudo-random number generators
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Ein Verfahren zum adaptiven Erzeugen einer Folge von Zufallszahlen eines 1/f-Rauschens beruht auf der Verwendung (0,1)-normalverteilter Zufallszahlen. Mit der Erfindung ist eine bedarfsorientierte Erzeugung von Zufallszahlen eines 1/f-Rauschens möglich, wobei zusätzliche Zufallszahlen eines 1/f-Rauschens auch während einer Simulationsrechnung möglich sind.
Description
Die Erfindung betrifft ein Verfahren zum Erzeugen von Folgen
von Zufallszahlen eines 1/f-Rauschens.
Zufallszahlen eines 1/f-Rauschens können beispielsweise bei
einer transienten Schaltkreissimulation eingesetzt werden,
die Rauscheinflüsse berücksichtigt. Unter einem 1/f-Rauschen
wird ein stochastischer Prozess mit einem bestimmten Fre
quenzspektrum verstanden, das mit der Gleichung
beschrieben werden kann.
1/f-Rauschquellen eignen sich zur Modellierung von Rauschein
flüssen in einer Vielzahl technischer und physikalischer Sy
steme sowie für Systeme zur Einschätzung und Vorhersage von
Geschehnissen auf den Finanzmärkten. Insbesondere weisen vie
le elektronische Bauelemente wie beispielsweise pn-Dioden und
MOS-Feldeffekttransistoren 1/f-Rauschquellen auf.
Es ist möglich, 1/f-Rauschquellen dadurch zu approximieren,
daß eine Summation der Effekte vieler Rauschquellen durchge
führt wird, die als Frequenzspektrum jeweils ein Lorentz-
Spektrum aufweisen. Solche Rauschquellen können beispielswei
se durch die Systemantwort eines linearen zeitinvarianten Sy
stems, das auch als LTI-System bezeichnet werden kann, model
liert werden, an dessen Systemeingang ein weisses Rauschen
angelegt wird. Bei dieser Vorgehensweise ist von Nachteil,
daß die Dimension des numerisch zu lösenden Differentialglei
chungssystems über die Maßen aufgebläht wird. Dadurch ergeben
sich lange Rechenzeiten und ein hoher Speicherbedarf eines
Computersystems, das zur Simulation eines Systems verwendet
wird, das dem Einfluß eines 1/f-Rauschens unterliegt.
Es ist Aufgabe der Erfindung, ein Verfahren zum Erzeugen ei
ner Folge von Zufallszahlen eines 1/f-Rauschens anzugeben,
das schnell und mit geringem Rechenaufwand durchgeführt wer
den kann. Es ist weiterhin Aufgabe der Erfindung, ein verbes
sertes Verfahren zur Simulation eines technischen Systems an
zugeben, das einem 1/f-Rauschen unterliegt. Schließlich soll
auch ein Computersystem mit einem Computerprogramm zur Be
stimmung von Folgen von Zufallszahlen eines 1/f-Rauschens an
gegeben werden, das schnell ausgeführt werden kann und das
nur wenig Ressourcen eines Computersystems beansprucht.
Diese Aufgabe wird durch die Gegenstände der unabhängigen Pa
tentansprüche gelöst. Verbesserungen ergeben sich aus den je
weiligen Unteransprüchen.
Gemäß der Erfindung wird das Problem der Rauschsimulation bei
der Modellierung des zu simulierenden Systems in das Problem
der Generierung einer Zufallszahlen-Sequenz überführt. Gemäß
der Erfindung werden die Korrelationen dieser Zufallszahlen
bestimmt, was zu einer einfachen und genauen Generierung der
entsprechenden Zufallszahlen-Sequenzen verwendet wird.
Das erfindungsgemäße Verfahren zum Erzeugen wenigstens einer
Folge von Zufallszahlen eines 1/f-Rauschens, sieht dabei zu
nächst die folgenden Schritte vor:
- - Bestimmen eines gewünschten Spektralwerts β,
- - Bestimmen einer Intensitätskonstante const.
Dadurch werden die Charakteristika des zu simulierenden 1/f-
Rauschens festgelegt.
Danach wird die Anzahl der zu erzeugenden Zufallszahlen eines
1/f-Rauschens und ein Startwert für eine zur Simulation be
nutzten Laufvariable n festgelegt.
Die Erfindung sieht solange, bis die gewünschte Anzahl von
Elementen y(n) eines oder mehrerer Vektoren y der Länge n aus
1/f-verteilten Zufallszahlen berechnet ist, das schleifenar
tige Wiederholen der folgenden Schritte vor:
- - Erhöhen des aktuellen Werts der Laufvariable n um 1,
- - Festlegen eines Simulationszeitschritts [tn-1; tn],
- - Bestimmen der Elemente ij einer Covarianzmatrix der Di
mension (n × n) nach der folgenden Vorschrift:
- - Bestimmen einer Matrix -1 durch Invertieren der Covarianzmatrix ,
- - Bestimmen einer Größe σ gemäß der Vorschrift
σ = sqrt (1/e(n,n)),
wobei sqrt die Funktion "Quadratwurzel" und wobei e(n,n) das durch (n,n) indizierte Element der invertierten Cova rianzmatrix -1 bezeichnet, - - Bestimmen einer (0,1)-normalverteilten Zufallszahl, die die n-te Komponente eines Vektors x der Länge n bildet,
- - Bilden einer Größe µ aus den ersten (n - 1) Komponenten
der n-ten Zeile der invertierten Covarianzmatrix -1 und
den (n - 1) Elementen des Vektors y, die für einen voraus
gehenden (n - 1) Simulations-Zeitschritt berechnet wurden,
und zwar gemäß der folgenden Vorschrift:
wobei y(n-1) die ersten (n - 1) Komponenten des Vektors y bezeichnet, wobei -1|•,n die ersten (n - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix -1 bezeich net und wobei -1|n,n das mit (n,n) indizierte Element der invertierten Covarianzmatrix -1 bezeichnet, - - Berechnen eines Element y(n) eines Vektor y der Längen
aus 1/f-verteilten Zufallszahlen nach folgender Vor
schrift:
Y(n) = x(n).σ + µ
Mit dem erfindungsgemäßen Verfahren können Simulationen von
technischen Systemen beliebig verlängert werden. Hierzu kön
nen auf einfache Weise zusätzliche 1/f-verteilte Zufallszah
len generiert werden, wenn bereits generierte 1/f-verteilte
Zufallszahlen vorliegen. Außerdem kann eine Simulation auf
den Ergebnissen von zuvor simulierten Zeitintervallen aufge
setzt werden. Diese sogenannte Restart-Fähigkeit stellt eine
für die Simulationspraxis sehr wichtige Eigenschaft dar. Ge
rade für 1/f-Rauschquellen ist dies nur schwierig zu errei
chen, weil Zufallszahlen, die eine 1/f-Rauschquelle für ein
gewisses Zeitintervall simulieren, von bereits numerisch be
stimmten Zufallszahlen für frühere Zeitintervalle abhängen.
Die vorliegende Erfindung gestattet auch die Verwendung einer
adaptiven Schrittweitensteuerung, ohne daß hierdurch die Re
chenzeiten zur Simulation eines technischen Systems signifi
kant erhöht werden. Eine solche adaptive Schrittweitensteue
rung steigert die Präzision und die Rechenzeiteffizienz bei
der numerischen Bestimmung der Dynamik eines simulierten
technischen Systems erheblich.
Es ist beim erfindungsgemäßen Verfahren nicht mehr notwendig,
das zu simulierende Zeitintervall vorzugeben. Gerade durch
das Vorsehen von variablen Schrittweiten kann auch eine Adap
tion an aktuelle Systemdynamiken erfolgen, was die Genauig
keit der Simulationen erhöht.
Die vorliegende Erfindung gibt ein Verfahren an, um Sequenzen
von 1/f-verteilten Zufallszahlen sukzessive, also Element für
Element, zu generieren. Dabei stellt das Verfahren sicher,
daß jede neu generierte Zufallszahl auf korrekte Weise im
stochastischen Sinne von den zuvor generierten 1/f-verteilten
Zufallszahlen abhängt. Dadurch ist es möglich, im Verlauf der
numerischen Simulation eines Schaltkreises die jeweils benö
tigten Zufallszahlen zu erzeugen.
Die Erfindung verwendet die Theorie bedingter Wahrscheinlich
keitsdichten, um eine 1/f-verteilte Zufallszahl zu erzeugen,
die korrekt den stochastischen Zusammenhang dieser Zufalls
zahl mit dem bereits erzeugten und für vorangegangene Simula
tionsschritte benötigten Zufallszahlen sicherstellt.
In einer besonders vorteilhaften Ausgestaltung des erfin
dungsgemäßen Verfahrens werden q Folgen von Zufallszahlen ei
nes 1/f-Rauschens gleichzeitig berechnet werden, wobei an
stelle der schleifenartig zu wiederholenden Schritte:
- - Bestimmen einer (0,1)-normalverteilten Zufallszahl, die die n-te Komponente eines Vektors x der Längen bildet,
- - Bilden einer Größe µ aus den ersten (n - 1) Komponenten
der n-ten Zeile der invertierten Covarianzmatrix -1 und
den (n - 1) Elementen des Vektors y, die für einen voraus
gehenden (n - 1) Simulations-Zeitschritt berechnet wurden,
und zwar gemäß der folgenden Vorschrift:
wobei y(n-1) die ersten (n - 1) Komponenten des Vektors y bezeichnet, wobei -1|•,n die ersten (n - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix -1 bezeich net und wobei -1|n,n das mit (n,n) indizierte Element der invertierten Covarianzmatrix -1 bezeichnet, - - Berechnen eines Element y(n) eines Vektor y der Längen
aus 1/f-verteilten Zufallszahlen nach folgender Vor
schrift:
Y(n) = x(n).σ + µ
die folgenden Schritte vorgesehen sind:
- - Bestimmen von q Stück (0,1)-normalverteilte Zufallszahlen xk,n, die die jeweils letzte Komponente der Vektoren x k der Länge n bilden, wobei k = 1, . . ., q. Hierbei ist zu be achten, dass die jeweils ersten (n - 1) Komponenten der Vektoren x k bereits im Schritt zuvor berechnet wurden.
- - Bilden von q Größen µk gemäß der folgenden Vorschrift:
wobei Y(n-1),k die ersten (n - 1) Komponenten des Vektors yk bezeichnet, die für einen vorausgehenden Simulations- Zeitschritt berechnet wurden. -1|•,n bezeichnet die ersten (n - 1) Komponenten der n-ten Zeile der invertierten Co varianzmatrix -1 und -1|n,n bezeichnet das mit (n,n) indi zierte Element der invertierten Covarianzmatrix -1. Dies wird für k = 1, . . ., q durchgeführt, - - Berechnen von q Elementen yk,n, die die jeweils n-te Kom
ponente des Vektors y k der Längen aus 1/f-verteilten Zu
fallszahlen bilden, und zwar nach folgender Vorschrift:
yk,n = xk,n.σ + µk
wobei k = 1, . . ., q.
Die q Vektoren y k (k = 1, . . ., q) der Länge n aus 1/f-
verteilten Zufallszahlen werden besonders vorteilhaft in ei
ner Matrix NOISE angeordnet, die in einer Simulation die 1/f-
Rauscheinflüsse eines zu simulierenden Systems angeben.
Dem Konzept zur Simulation von 1/f-Rauschen liegt gemäß der
Erfindung der folgende Gedankengang zugrunde. Die Dynamik ei
nes Systems, das stochastischen Einflüssen ausgesetzt ist,
wird adäquat durch einen stochastischen Prozeß modelliert.
Zur Simulation einer solchen Systemdynamik werden im allge
meinen einzelne Zufalls-Realisierungen (sogenannte Pfade) des
zugrundeliegenden stochastischen Prozesses numerisch berech
net. Zur Simulation von Systemen mit 1/f-Rauschquellen gilt
es, Pfade von stochastischen Integralen der Form
numerisch zu berechnen. Hierbei bezeichnen s
(Integrationsvariable) und t (obere Integrationsgrenze) die
Zeit,
eine 1/f-Rauschquelle und Y(s) einen stochasti
schen Prozess, der die zeitliche Dynamik einer Größe, z. B.
der elektrischen Spannung in der Schaltkreissimulation, be
schreibt.
Wenn man mit BFBM(s) denjenigen stochastischen Prozess be
zeichnet, dessen Ableitung (mathematisch: Ableitung im Distributionssinn)
den 1/f-Rauschprozess
ergibt, so lässt
sich das zu berechnende stochastische Integral schreiben als
Das Integral der rechten Seite ist als Riemann-Stieltjes-
Integral des stochastischen Prozesses Y(s) mit dem Prozess
BFBM(s) als Integrator aufzufassen. Dieses Integral lässt sich
durch eine Summe approximieren, indem das Integrationsinter
vall [0, t] gemäß 0 ∼ t0 < t1 < . . . < t ∼ t in n disjunkte Teil
intervalle [t1, ti-1], i = 1, . . . n, zerlegt wird:
Diese Summe ist eine Zufallsvariable. Die Abhängigkeit vom
Ergebnis ω des Zufallsexperiments wurde konsistent weggelas
sen.
Ein Prozess BFBM(s), dessen verallgemeinerte Ableitung ein
1/f-Spektrum aufweist, ist in der Literatur unter dem Namen
'Fractional Brownian Motion' bekannt. BFBM(s) ist ein Gauß
scher stochastischer Prozess und als solcher vollständig cha
rakterisiert durch seinen Erwartungswert
E(BFBM(s)) = 0 ∍ s ∈ R (1.3)
und durch seine Covarianzfunktion
Coν(BFBM(s), BFBM(t)) = const.(|s|β +1 + |t|β +1 - |t - s|β +1) (1.4)
Das erfindungsgemäße Verfahren zur bedarfsorientierten Gene
rierung geeigneter Zufallszahlen führt die Simulation von
1/f-Rauscheinflüssen im wesentlichen auf die Erzeugung von
Realisierungen der Zufallsvariablen [BFBM(ti) - BFBM(ti-1)], al
so von Zuwächsen der Fractional Brownian Motion, zurück.
Die vorliegende Erfindung erlaubt es, die benötigten Reali
sierungen der Zufallsvariablen ΔBFBM(i) online, d. h. im Ver
lauf der sukzessiven Integration der Systemgleichungen, zu
erzeugen. Daraus resultieren zwei Anforderungen an das Ver
fahren:
- a) Die Längen der Sequenz von Zufallszahlen {ΔBFBM (1), . . ., ΔBFBM(n)} muß während eines Simulationslaufs variabel bleiben. Insbesondere muß es jederzeit möglich sein, die Simulation zu verlängern (Restart-Fähigkeit). Dies impliziert die Fähigkeit des Verfahrens, die hierfür benötigten zusätzlichen Zufallszahlen so zu generieren, daß sie auf korrekte Weise mit der bereits generierten Teilsequenz korrelieren.
- b) Bei ti die im Laufe einer Simulation aktuell erreichte Zeit. Dann muß das Zeitintervall [ti, ti+1], also die Schrittweite des nächsten Integrationsschritts aus der momentanen Systemdynamik heraus - also adaptiv - bestimm bar sein.
Die Erfindung wird beiden Anforderungen gerecht, indem sie
eine Vorschrift angibt, wie eine Realisierung von
{ΔBFBM (1), . . ., ΔBFBM (n)}, also eine Sequenz von Zufallszahlen,
sukzessive, d. h. Element für Element generiert werden kann.
Hierbei ist die Schrittweite Δti: = ti - ti-1 für jede neue Zu
fallszahl frei wählbar.
Zunächst wird der Ansatz für sogenannte "bedingte Dichten"
untersucht.
Es wird zunächst die Verteilung des Zufallsvariablen-Vektors
(ΔBFBM (1), . . ., ΔBFBM(n)) betrachtet.
Da die einzelnen Zufallsvariablen ΔBFBM(i) Zuwächse eines
Gaußschen stochastischen Prozesses darstellen, ist der Zu
fallsvariablen-Vektor (ΔBFBM (1), . . ., ΔBFBM(n)) eine n-
dimensionale Gauß-verteilte Zufallsvariable und somit durch
seinen (n-dimensionalen) Erwartungswert E und seine Covari
anzmatrix vollständig bestimmt. Die beiden Größen lassen
sich aus den Formeln (1.3) und (1.4) berechnen zu
Das erfindungsgemäße Online-Verfahren soll nun in Form einer
vollständigen Induktion angegeben werden.
Induktionsanfang - und somit Startpunkt des Verfahrens - ist
die Realisierung einer reellwertigen Gaußverteilung mit Er
wartungswert 0 und Varianz Σ11 = 2.const.|Δt1|β+1.
Im Sinne eines Induktionsschlusses müssen wir angeben, wie
wir eine Realisierung von (ΔBFBM (1), . . ., ΔBFBM(n - 1)) erweitern
um eine Realisierung von ΔBFBM(n), so daß sich insgesamt ei
ne Realisierung von (ΔBFBM (1), . . ., ΔBFBM(n)) ergibt. Zur Verein
fachung der Schreibweise sei die bereits "gewürfelte" Teilse
quenz von Zufallszahlen mit (y1, . . ., yn-1) = : y(n-1) T und die noch zu
würfelnde Realisierung von Δ BFBM (n) mit yn bezeichnet.
Das Problem kann nun folgendermaßen formuliert werden:
Gegeben sei eine n-dimensionale mittelwertfreie Gaußsche Zu fallsvariable Z mit der Covarianzmatrix . Die ersten n - 1 Elemente einer Realisierung von Z seien in Form eines Zu fallszahlen-Vektors y (n-1) bereits gewürfelt und bekannt. Gesucht ist nun die Verteilung, aus der das n-te Element yn gezogen werden muß, um y (n-1) zu einer Realisierung y = (y (n-1),y n) von Z zu vervollständigen.
Gegeben sei eine n-dimensionale mittelwertfreie Gaußsche Zu fallsvariable Z mit der Covarianzmatrix . Die ersten n - 1 Elemente einer Realisierung von Z seien in Form eines Zu fallszahlen-Vektors y (n-1) bereits gewürfelt und bekannt. Gesucht ist nun die Verteilung, aus der das n-te Element yn gezogen werden muß, um y (n-1) zu einer Realisierung y = (y (n-1),y n) von Z zu vervollständigen.
Eine Lösung dieser Aufgabe kann gefunden werden, wenn man die
bedingte Wahrscheinlichkeitsdichte f(yn|y(n-1)) für yn - unter
der Bedingung, daß y(n-1) bereits festliegt - betrachtet. Diese
Größe läßt sich im vorliegenden Fall einer Gaußschen Normal
verteilung berechnen zu
Hierbei ergibt sich die Größe -1|n,n aus folgender Schreibweise
der invertierten Covarianzmatrix -1.
wobei -1|(n-1) ∈ R(n-1)X(n-1), wobei -1|•,n ∈ R(n-1) und wobei -1|n,n ∈ R.
Die Größe µ steht für
Die bedingte Dichte f(yn|y(n-1)) ist also die Wahrscheinlich
keitsdichte einer Gaußschen Normalverteilung mit Mittelwert
µ und Varianz
Damit obige Varianz existiert, muß gelten -1|n,n ≠ 0. Dies ist
aufgrund folgender Argumentation sichergestellt:
und -1 haben die selben Eigenrichtungen und inverse Ei genwerte. Ein Eigenwert 0 der Matrix -1 hätte also eine un endliche Varianz des Zufallsvariablen-Vektors (ΔBFBM (1), . . ., ΔBFBM (n)) zur Folge. Es kann daher vorausgesetzt werden, daß alle Eigenwerte von -1 ungleich Null sind. Da die Eigenwerte von -1 in jedem Fall nicht negativ sind, gilt somit: Die Matrix -1 ist symmetrisch und positiv definit. Durch Umbenennung der Koordinatenachsen kann diese Matrix von der Form (3.8) auf folgende Form gebracht werden:
und -1 haben die selben Eigenrichtungen und inverse Ei genwerte. Ein Eigenwert 0 der Matrix -1 hätte also eine un endliche Varianz des Zufallsvariablen-Vektors (ΔBFBM (1), . . ., ΔBFBM (n)) zur Folge. Es kann daher vorausgesetzt werden, daß alle Eigenwerte von -1 ungleich Null sind. Da die Eigenwerte von -1 in jedem Fall nicht negativ sind, gilt somit: Die Matrix -1 ist symmetrisch und positiv definit. Durch Umbenennung der Koordinatenachsen kann diese Matrix von der Form (3.8) auf folgende Form gebracht werden:
Diese Matrix ist per constructionem ebenfalls symmetrisch und
positiv definit. Gemäß des Sylvester-Kriteriums für symmetrische
und positiv definite Matrizen folgt daraus, daß
, und die Behauptung ist gezeigt.
Durch das erfindungsgemäße Verfahren wird die Simulation von
1/f-Rauschquellen zurückgeführt auf die Generierung von Gauß
verteilten Zufallszahlen.
Um eine Zufallszahl yn zu erzeugen, die mit einer bereits
erzeugten Sequenz y(n-1) auf die geforderte Weise korreliert,
wird die invertierte Covarianzmatrix -1 (eine n × n-Matrix)
benötigt. Streng genommen ist nur die Kenntnis der n-ten
Zeile dieser Matrix von nöten, also die Kenntnis von
. Wie an Formel (3.6) abzulesen ist, hängt die
Covarianzmatrix von der Zerlegung des Simulationsinter
valls [0, tn] in disjunkte Teilintervalle (Schrittweiten) [ti-1, ti]
ab. Insbesondere hängt die letzte Spalte von (wegen der
Symmetrie von identisch mit der letzten Zeile) ab von tn
und damit von der aktuellen Schrittweite Δtn = tn - tn-1.
Die linke obere (n - 1) × (n - 1)-Teilmatrix der n × n-
Covarianzmatrix ist genau die Covarianzmatrix für eine Zu
fallszahlen-Sequenz der Länge n - 1. Diese Covarianzmatrix
mußte bereits für die Berechnung von y(n-1) (bzw. für die Be
rechnung des letzten Elements (yn-1) bestimmt und invertiert
werden. Zur Beschleunigung des Verfahrens kann somit auf in
krementelle Verfahren zur Matrixinversion, z. B. mittels des
Schur-Komplements, zurückgegriffen werden.
Die Erfindung ist auch in einem Verfahren zur Simulation ei
nes technisches Systems verwirklicht, das einem 1/f-Rauschen
unterliegt. Dabei werden bei der Modellierung und/oder bei
der Festlegung der an Eingangskanälen des Systems anliegenden
Größen Zufallszahlen verwendet werden, die mit einem erfin
dungsgemäßen Verfahren bestimmt worden sind.
Ebenso ist ein Computersystem und/oder ein Computerprogramm
zur Bestimmung von Folgen von Zufallszahlen eines 1/f-
Rauschens oder zur Ausführung der anderen erfindungsgemäßen
Verfahren vorgesehen. Die Erfindung ist auch in einem Daten
träger mit einem solchen Computerprogramm verwirklicht. Wei
terhin ist die Erfindung in einem Verfahren verwirklicht, bei
dem ein erfindungsgemäßes Computerprogramm aus einem elektro
nischen Datennetz wie beispielsweise aus dem Internet auf ei
nen an das Datennetz angeschlossenen Computer heruntergeladen
wird.
Die Erfindung ist in der Zeichnung anhand eines Ausführungs
beispiels erläutert.
Die Erfindung ist in der Zeichnung anhand mehrerer Ausfüh
rungsbeispiele erläutert.
Fig. 1 zeigt eine schematische Darstellung eines zu simu
lierenden technischen Systems,
Fig. 2 zeigt ein Struktogramm zur Bestimmung von Folgen
von Zufallszahlen eines 1/f-Rauschens,
Fig. 3 zeigt anhand seiner Unterfiguren 3a bis 3f ein Be
rechnungsbeispiel für einen ersten Simulations-
Zeitschritt,
Fig. 4 zeigt anhand seiner Unterfiguren 4a bis 4f ein Be
rechnungsbeispiel für einen zweiten Simulations-
Zeitschritt,
Fig. 5 zeigt anhand seiner Unterfiguren 5a bis 5f ein Be
rechnungsbeispiel für einen dritten Simulations-
Zeitschritt.
Fig. 1 zeigt eine schematische Darstellung eines rauschbe
hafteten Systems, das simuliert werden soll.
Das System wird durch ein als Kasten angedeutetes Systemmo
dell 1 beschrieben, das das Systemverhalten beschreibt. Das
Systemverhalten ergibt sich aus den Eingangskanälen 2, die
auch als Vektor INPUT bezeichnet werden, und aus den Aus
gangskanälen 3, die auch als OUTPUT bezeichnet werden.
Weiterhin ist ein systembedingtes Rauschen vorgesehen, das an
Rauscheingangskanälen 4 anliegt und das auch als Vektor bzw.
Matrix NOISE bezeichnet wird. Eine Matrix NOISE liegt dann
wor, wenn das Rauschen mit mehreren Kanälen berücksichtigt
wird, wobei jede Spalte der Matrix NOISE einen Vektor von
Rauschwerten enthält, die an einem Rauscheingangskanal anlie
gen.
Das Rauschen an den Rauscheingangskanälen 4 wird vorzugsweise
als rauschbedingte Veränderung des Systemmodells 1 aufgefaßt.
Das Verhalten der Eingangskanäle 2 und der Ausgangskanäle 3
kann durch ein System von Differentialgleichungen oder durch
ein System von Algebro-Differentialgleichungen beschrieben
werden, so daß zuverlässige Vorhersagen des Systemverhaltens
möglich sind.
Zu jedem Zeitschritt der Simulation des in Fig. 1 gezeigten
Systems wird für einen an den Eingangskanälen 2 anliegenden
Vektor INPUT und für einen an den Rauscheingangskanälen 4 an
liegenden Vektor NOISE ein Vektor OUTPUT der Ausgangskanäle 3
berechnet.
Sinnvollerweise werden zur Simulation über einen längeren
Zeitraum die Vektoren INPUT, OUTPUT, NOISE als Matrix angege
ben, wobei je eine Spalte k der betreffenden Matrix die Werte
der entsprechenden Zeitreihe des betreffenden INPUT, OUTPUT,
NOISE enthält.
Fig. 2 veranschaulicht, wie man zu je einem Vektor yk ge
langt, der eine Spalte k der Matrix NOISE für die Rauschein
gangskanäle 4 des Systemmodells 1 bildet. Jeder Vektor yk
dient zur Simulation einer Rauschquelle.
In einem ersten Schritt wird ein gewünschter Spektralwert β
sowie die Intensitätskonstante const festgelegt. Weiterhin
wird der Zähler n des aktuellen Simulations-Zeitintervalls
auf 0 gesetzt.
Nun wird sukzessive für jeden Simulations-Zeitschritt die
folgende Abfolge von Rechenschritten durchgeführt.
Zunächst wird der aktuelle Simulations-Zeitschritt festge
legt. Äquivalent hierzu kann auch das Ende des aktuellen Si
mulationszeitschritts festgelegt werden, wodurch sich der
nächste Betrachtungszeitpunkt ergibt.
Danach wird der Zähler n des aktuellen Simulationszeit
schritts um eins hochgezählt.
Anschließend wird die Covarianzmatrix der Dimension (n × n)
nach Gleichung (3.6) bestimmt.
Hierauf folgt der Schritt des Invertierens der Matrix , bei
spielsweise mittels einer Cholesky-Zerlegung. Zur Steigerung
der Effizienz kann dabei auch auf die inverse Matrix des vor
herigen Schrittes zugegriffen werden, beispielsweise bei Ver
wendung von Schurkomplement-Techniken.
Als nächstes wird die Größe σ aus der Formel
σ = sqrt (1/e(n,n))
berechnet, wobei sqrt die Funktion "Quadratwurzel" und wobei
e(n,n) das durch (n,n) indizierte Element der invertierten
Covarianzmatrix -1 bezeichnet.
Außerdem wird ein Wert einer (0,1)-normalverteilte Zufallsva
riable Xk gezogen und damit der Vektor x k der normalverteil
ten Zufallszahlen ergänzt. Die gezogene Zufallszahl weist den
Erwartungswert 0 und die Varianz 1 auf. Dieser Schritt wird
für jede zu simulierende Rauschquelle durchgeführt.
Des weiteren wird eine Größe µk gebildet. Sie wird aus den
ersten (n - 1) Komponenten der n-ten Zeile der invertierten
Covarianzmatrix -1 und aus der Sequenz von (n - 1) 1/f-
verteilten Zufallszahlen gebildet, die für die vorausgehenden
(n - 1) Simulations-Zeitschritte berechnet wurden. Hierzu wird
gemäß Formel (3.9) vorgegangen. Dieser Schritt wird für jede
zu simulierende Rauschquelle k durchgeführt.
Schließlich wird dasjenige Element der Matrix NOISE berech
net, dessen Spaltenindex k die zu simulierende Rauschquelle
angibt und dessen Zeilenindex gleich n ist. Hierdurch wird
der aktuelle Simulations-Zeitschritt bezeichnet. Das aktuell
berechnete Element r(k,n) der Matrix NOISE stellt eine Zu
fallszahl dar, die zusammen mit den darüberstehenden (n - 1)
Elementen derselben Spalte k von NOISE einen Vektor y k der
Längen aus 1/f-verteilten Zufallszahlen bildet. Dieser Vek
tor y k dient zur Simulation einer der Rauschquellen für die
ersten n Simulationszeitschritte.
Jedes Element yk der n-ten Zeile von NOISE wird dann aufgrund
der Gleichungen (3.7)-(3.9) aus der letzten Zufallszahl xk
des Vektors x und den Größen µκ und σ bestimmt, und zwar
nach folgender Vorschrift:
yk = xk.σ + µκ.
In den Fig. 3 bis 5 sind Ausführungsbeispiele wiedergege
ben, die konkrete Berechnungsergebnisse wiedergeben.
Der Wert des Spektralwerts β wird dabei stets als 0.5 ange
nommen. Der Wert der Intensität const wird willkürlich als
1.0 angenommen. Es werden jeweils drei Zufallszahlen gleich
zeitig verarbeitet, entsprechend der Simulation von drei
gleichzeitig an separaten Kanälen auf das zu simulierende Sy
stem einwirkenden Rauschquellen, die jeweils in einem Vektor
y k angeordnet sind, wobei k ein ganzzahliger Wert von 1 bis 3
ist.
Fig. 3 zeigt anhand ihrer Teilfiguren 3a bis 3f ein Berech
nungsbeispiel für einen ersten Simulations-Zeitschritt
[t0, t1] = [0, 0.5].
Fig. 3a zeigt die Covarianzmatrix der Dimension 1 × 1 zur
Erzeugung einer 1/f-verteilten Zufallszahl bei der Simula
tions-Schrittweite. stellt hier nur einen Skalar mit dem
Wert 0.70 dar, denn (1,1) - also mit i = j = 1 - ergibt sich un
ter Anwendung von Gleichung (3.6) zu
Fig. 3b zeigt die Inverse der Covarianzmatrix aus Fig.
3a, was hier mittels einer nicht näher dargestellten Choles
ky-Zerlegung erfolgte. Eine Überprüfung von (-1) =
(0.707106 . . . 0.707106 . . .-1) ergibt den richtigen Wert 1, was
die Richtigkeit des Werts für (1,1) veranschaulicht.
Fig. 3c zeigt eine Größe σ für den ersten Simulations
schritt n = 1. Sie ergibt sich aus der Gleichung
σ = sqrt(1/0.707106 . . .),
wobei sqrt die Quadratwurzel und e(1,1) das durch (1,1) indi
zierte Element 0.707106 . . . der invertierten Covarianzmatrix
-1 bezeichnet.
Fig. 3d zeigt drei Werte x1, x2, x3 einer (0,1)-
normalverteilte Zufallsvariable Xk für je eine zu simulieren
de Rauschquelle. Diese Werte bilden die ersten Elemente je
eines Vektors x k der normalverteilten Zufallszahlen. Die ge
zogenen Zufallszahlen weisen den Erwartungswert 0 und die Va
rianz 1 auf.
Fig. 3e zeigt drei Größen µk für jede der drei zu simulie
renden Rauschquellen. Die Größe µk ergibt sich gemäß Formel
(3.9) aus den ersten (n - 1) Komponenten der n-ten Zeile der
invertierten Covarianzmatrix -1 sowie aus der Sequenz von
(n - 1) Stück 1/f-verteilten Zufallszahlen, die für die vor
ausgehenden (n - 1) Simulations-Zeitschritte berechnet wur
den. Im ersten Simulationsschritt haben diese beiden Vektoren
jeweils die Länge 0. Somit ergibt sich für alle Größen µk im
ersten Simulationsschritt: µk = 0;
Fig. 3f zeigt drei Vektoren y k der Länge 1 von 1/f-
verteilte Zufallszahlen, die das Verhalten von drei 1/f-
verteilten Rauschquellen für den ersten Simulations-
Zeitschritt [0, t1] = [0, 0.5] simulieren. Die Matrix NOISE er
gibt sich aus den drei Vektoren y k. Der Wert k ist dabei ein
ganzzahliger Wert von 1 bis 3. Jedes Element yk der ersten
Zeile von NOISE wird aufgrund von Gleichungen (3.7)-(3.9)
nach folgender Vorschrift aus der letzten Zufallszahl xk des
zugehörigen Vektors x und den Größen µκ und σ1 bestimmt.
Beispielhaft wird nachfolgend das erste Element y 1(n = 1) des
ersten Vektors y 1 berechnet:
y 1(n = 1) = x 1(n = 1).σ + µ1 =
= -0.35. . ..0.84. . . + 0.00. . . =
= -0.30. . .,
= -0.35. . ..0.84. . . + 0.00. . . =
= -0.30. . .,
y 2(n = 1) und y 3(n = 1) werden analog hierzu berechnet.
Fig. 4 zeigt anhand ihrer Teilfiguren 4a bis 4f ein Berech
nungsbeispiel für einen zweiten Simulations-Zeitschritt
[t1, t2] = [0.5, 0.75]. Der Wert n für den zweiten Simulations-
Zeitschritt ist stets gleich 2.
Fig. 4a zeigt die Covarianzmatrix der Dimension (n × n) =
2 × 2, die zur Erzeugung je einer weiteren Zufallszahl pro
Rauschquelle benötigt wird. Die so neu erzeugte Zufallszahl
bildet zusammen mit dem Resultat gemäß Fig. 3f einen Vektor
y k der Länge 2 aus 1/f-verteilten Zufallszahlen. Je
Rauschquelle wird dabei ein Vektor y k erzeugt. Die Covarianz
matrix wird dabei nach Gleichung (3.6) bestimmt.
Beispielhaft wird dies am Element (2,1) - also mit i = 2 und
j = 1 - durchgeführt. Unter Anwendung von Gleichung (3.6) er
gibt sich (2,1) zu
1.0 (-|t1 - t2|0.5+1 + |t1-1 - t2|0.5+1 + |t1 - t2-1|0.5+1 - |t1-1 - t2-1|0.5+1) =
= (-|0.5 - 0.75|0.5+1 + |0 - 0.75|0.5+1 + |0.5 - 0.5|0.5+1 - |0 - 0.5|0.5+1) = -0.125 + 0.6495. . . + 0 - 0.3535. . . = 0.1709. . .;
= (-|0.5 - 0.75|0.5+1 + |0 - 0.75|0.5+1 + |0.5 - 0.5|0.5+1 - |0 - 0.5|0.5+1) = -0.125 + 0.6495. . . + 0 - 0.3535. . . = 0.1709. . .;
Fig. 4b zeigt die Inverse der Covarianzmatrix aus
Fig. 4a. Eine hier nicht dargestellte Überprüfung der Bedin
gung (-1) ergibt eine Matrix der Dimension 2 × 2, bei der
die mit (1,1) und (2,2) indizierten Elemente gleich 1 sind.
Die anderen Elemente haben den Wert 0.
Fig. 4c zeigt eine Größe σ, die aus der invertierten Cova
rianzmatrix -1 von Schritt 4b berechnet wird. Die Größe
σ ergibt sich als
σ = sqrt(1/e(n,n)) = sqrt(1/e(2,2)) =
= sqrt(1/4.79. . .) = 0.45. . .;
= sqrt(1/4.79. . .) = 0.45. . .;
wobei sqrt die Quadratwurzel und e(2,2) das durch (2,2) indi
zierte Element der invertierten Covarianzmatrix -1 aus Fig.
4b bezeichnen.
Fig. 4d zeigt drei Vektoren x k von unabhängigen (0,1)-
normalverteilte Zufallszahlen, wobei die Vektoren x k jeweils
die Länge 2 haben. Pro zu simulierender Rauschquelle wird eine
(0,1)-normalverteilte Zufallsvariable xk gezogen. Die ge
zogene Zufallszahl weist jeweils den Erwartungswert 0 und die
Varianz 1 auf. Damit werden die Vektoren x k der normalver
teilten Zufallszahlen aus Fig. 3d ergänzt, so daß sich die
Vektoren x k der normalverteilten Zufallszahlen aus Fig. 4d
ergeben.
Fig. 4e zeigt drei Größen µk, die aus der invertierten Cova
rianzmatrix -1 gemäß Schritt 4b und aus den drei Zufallszah
len gemäß Schritt 3f berechnet worden sind. Für jede zu simu
lierende Rauschquelle wird die Größe µk aus den (n - 1) er
sten. Komponenten der n-ten Zeile der invertierten Covarianz
matrix -1 und aus der Sequenz von (n - 1) Stück 1/f-verteilten.
Zufallszahlen berechnet, die gemäß Formel (3.9) für die vor
ausgegangenen (n - 1) Simulations-Zeitschritte berechnet wur
den. Im zweiten Simulations Schritt wird die Größe µk also
aus der ersten Komponente der zweiten Zeile von -1 sowie aus
der ersten Komponente des Vektors yk berechnet. Beispielhaft
wird dies anhand des Werts µ1 durchgeführt:
Fig. 4f zeigt drei Vektoren y k der Länge 2 mit
1/f-verteilten Zufallszahlen, die das Verhalten von drei 1/f-
verteilten Rauschquellen für den zweiten Simulations-
Zeitschritt [t1, t2] = [0.5, 0.75] simulieren. Die Matrix NOISE
ergibt sich aus den drei Vektoren y k. Der Wert k ist dabei
ein ganzzahliger Wert von 1 bis 3. Jedes Element yk der zweiten
Zeile von NOISE wird aufgrund der Gleichungen (3.7)-(3.9)
nach folgender Vorschrift aus der letzten Zufallszahl xk des
zugehörigen Vektors x und den Größen µk und σ bestimmt. Bei
spielhaft wird nachfolgend das zweite Element y 1(n = 2) des er
sten Vektors y 1 berechnet:
y 1(n = 2) = x 1(n = 2).σ + µ1 =
= 0.39. . ..0.45. . . - 0.07. . . =
= 0.10. . .;
= 0.39. . ..0.45. . . - 0.07. . . =
= 0.10. . .;
Fig. 5 zeigt anhand ihrer Teilfiguren 5a bis 5f ein Berech
nungsbeispiel für einen dritten Simulations-Zeitschritt
[t2, t3] = [0.75, 1.25]. Der Wert n während des dritten Simula
tions-Zeitschritts ist stets gleich 3.
Fig. 5a zeigt die Covarianzmatrix der Dimension (n × n) =
3 × 3, die zur Erzeugung je einer weiteren Zufallszahl pro
Rauschquelle benötigt wird. Die so neu erzeugte Zufallszahl
bildet zusammen mit dem Resultat gemäß Fig. 4f einen Vektor
y k der Länge 3 aus 1/f-verteilten Zufallszahlen. Je
Rauschquelle wird dabei ein Vektor y k erzeugt. Die Covarianz
matrix wird dabei nach Gleichung (3.6) bestimmt.
Beispielhaft wird dies am Element (3,1) - also mit i = 3 und
j = 1 - durchgeführt. Unter Anwendung von Gleichung (3.6) er
gibt sich (3,1) zu
1.0.(-|t1 - t3|0.5+1 + |t1-1 - t3|0.5+1 + |t1 - t3-1|0.5+1 - |t1-1 - t3-1|0.5+1 =
= (-|0.5 - 1.25|0.5+1 + |0 - 1.25|0.5+1 + |0.5 - 0.75|0.5+1 - |0 - 0.75|0.5+1) = -0,6495. . . + 1.3975. . + 0.125 - 0.6495. . . = 0.22. . .;
Fig. 5b zeigt die Inverse -1 der Covarianzmatrix aus Fig. 5a. Eine hier nicht dargestellte Überprüfung der Bedin gung (-1) ergibt eine Matrix der Dimension 3 × 3, bei der die mit (1,1), (2,2) und (3,3) indizierten Elemente gleich 1 sind. Die anderen Elemente haben den Wert 0.
= (-|0.5 - 1.25|0.5+1 + |0 - 1.25|0.5+1 + |0.5 - 0.75|0.5+1 - |0 - 0.75|0.5+1) = -0,6495. . . + 1.3975. . + 0.125 - 0.6495. . . = 0.22. . .;
Fig. 5b zeigt die Inverse -1 der Covarianzmatrix aus Fig. 5a. Eine hier nicht dargestellte Überprüfung der Bedin gung (-1) ergibt eine Matrix der Dimension 3 × 3, bei der die mit (1,1), (2,2) und (3,3) indizierten Elemente gleich 1 sind. Die anderen Elemente haben den Wert 0.
Fig. 5c zeigt eine Größe σ, die aus der invertierten Cova
rianzmatrix -1 von Schritt 5b berechnet wird. Die Größe
σ ergibt sich als
σ = sqrt(1/e(n,n)) = sqrt(1/e (3,3)) =
= sqrt(1/1.75. . .) = 0.75. . .;
= sqrt(1/1.75. . .) = 0.75. . .;
wobei sqrt die Quadratwurzel und e(3,3) das durch (3,3) indi
zierte Element der invertierten Covarianzmatrix -1 aus Fig.
5b bezeichnen.
Fig. 5d zeigt drei Vektoren x k von unabhängigen (0,1)-
normalverteilte Zufallszahlen, wobei die Vektoren x k jeweils
die Länge 3 haben. Pro zu simulierender Rauschquelle wird ei
ne (0,1)-normalverteilte Zufallsvariable xk gezogen. Die ge
zogene Zufallszahl weist jeweils den Erwartungswert 0 und die
Varianz 1 auf. Damit werden die Vektoren x k der normalver
teilten Zufallszahlen aus Fig. 4d ergänzt, so daß sich die
Vektoren x k der normalverteilten Zufallszahlen aus Fig. 5d
ergeben.
Fig. 5e zeigt drei Größen µk, die aus der invertierten Cova
rianzmatrix -1 gemäß Schritt 5b und aus den drei Zufallszah
len gemäß Schritt 4f berechnet worden sind. Für jede zu simu
lierende Rauschquelle wird die Größe µk aus den (n - 1) ersten
Komponenten der n-ten Zeile der invertierten Covarianzmatrix
-1 und aus der Sequenz von (n - 1) Stück 1/f-verteilten Zufallszahlen
berechnet, die gemäß Formel (3.9) für die voraus
gegangenen (n - 1) Simulations-Zeitschritte berechnet wurden.
Im zweiten Simulationsschritt wird die Größe µk also aus der
ersten beiden Komponenten der dritten Zeile von -1 sowie aus
den ersten beiden Komponenten des Vektors yk berechnet. Bei
spielhaft wird dies anhand des Werts µ1 durchgeführt:
Fig. 5f zeigt drei Vektoren y k der Länge 3 mit
1/f-verteilten Zufallszahlen, die das Verhalten von drei 1/f-
verteilten Rauschquellen für den dritten Simulations-
Zeitschritt [t2, t3] = [0.75, 1.25] simulieren. Die Matrix
NOISE ergibt sich aus den drei Vektoren y k. Der Wert k ist
dabei ein ganzzahliger Wert von 1 bis 3. Jedes Element
yk(n = 3) der dritten Zeile von NOISE wird aufgrund der Glei
chungen (3.7)-(3.9) nach folgender Vorschrift aus der letzten
Zufallszahl xk(n = 3) des zugehörigen Vektors x und den Größen
µk und σ bestimmt. Beispielhaft wird nachfolgend das dritte
Element y 1(n = 3) des ersten Vektors y 1 berechnet:
y 1(n = 3) = x 1(n = 3).σ + µ1 =
= -0.90. . ..0.75. . . + 0.00. . . =
= 0.67. . .
= -0.90. . ..0.75. . . + 0.00. . . =
= 0.67. . .
Zur konkreten Ausführung der gezeigten Berechnungsbeispiele
sind noch folgende Bedingungen zu beachten.
Die in den Fig. 3, 4 und 5 gezeigten Zahlenwerte geben
Zwischen- und Endergebnisse der mit Bezug auf Fig. 2 be
schriebenen Rechenschritte für ein erstes, für ein zweites
und für ein drittes Simulationsintervall wieder. Dabei wurden
alle Werte nach genauer numerischer Berechnung nach der zwei
ten Kommastelle abgebrochen, um diese besser wiedergeben zu
können. Bei einem rechnerischen Nachvollziehen der Ausfüh
rungsbeispiele muß daher nicht mit den in den Figuren gezeig
ten Zwischenwerten, sondern mit den exakten Zwischenwerten
weitergerechnet werden, um ausgehend von den angegebenen x-
Vektoren zu den angegebenen y-Vektoren zu gelangen.
In den Fig. 3c, 4c und 5c sind jeweils Vektoren von (0,1)-
normalverteilten Zufallsvariablen gezeigt. Dabei stellt je
weils eine Zufallsvariable eine Rauschquelle dar. Hier wird
der Einfachheit halber nicht dargestellt, wie man zu solchen
Zufallszahlen mit dem Erwartungswert 0 und der Varianz 1 ge
langt. Dies ist dem Fachmann geläufig.
1
Systemmodel
2
Eingangskanäle
3
Ausgangskanäle
4
Rauscheingangskanäle
Claims (7)
1. Verfahren zum Erzeugen wenigstens einer Folge von Zu
fallszahlen eines 1/f-Rauschens, das die folgenden
Schritte aufweist:
- - Bestimmen eines gewünschten Spektralwerts β,
- - Bestimmen der Anzahl der zu erzeugenden Zufallszahlen eines 1/f-Rauschens,
- - Bestimmen einer Intensitätskonstante const,
- - Festlegen eines Startwerts für eine Laufvariable n,
- - Erhöhen des aktuellen Werts der Laufvariable n um 1,
- - Festlegen eines Simulationszeitschritts [tn-1; tn],
- - Bestimmen der Elemente ij einer Covarianzmatrix der
Dimension (n × n) nach der folgenden Vorschrift:
- - Bestimmen einer Matrix -1 durch Invertieren der Covarianzmatrix.,
- - Bestimmen einer Größe σ gemäß der Vorschrift
σ = sqrt (1/e(n,n)),
wobei sqrt die Funktion "Quadratwurzel" und wobei e(n,n) das durch (n,n) indizierte Element der inver tierten Covarianzmatrix -1 bezeichnet, - - Bestimmen einer (0,1)-normalverteilten Zufallszahl, die die n-te Komponente eines Vektors x der Längen bildet,
- - Bilden einer Größe µ aus den ersten (n - 1) Komponen
ten der n-ten Zeile der invertierten
Covarianzmatrix -1 und den (n - 1) Elementen des Vektors
y, die für einen vorausgehenden (n - 1) Simulations-
Zeitschritt berechnet wurden, und zwar gemäß der fol
genden Vorschrift:
wobei y(n-1) die ersten (n - 1) Komponenten des Vektors y bezeichnet, wobei -1|•,n die ersten (n - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix -1 bezeichnet und wobei -1|n,n das mit (n,n) indizierte Ele ment der invertierten Covarianzmatrix -1 bezeichnet, - - Berechnen eines Element y(n) eines Vektor y der Länge
n aus 1/f-verteilten Zufallszahlen nach folgender Vor
schrift:
Y(n) = x(n).σ + µ
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß
q Folgen von Zufallszahlen eines 1/f-Rauschens gleichzei
tig berechnet werden, wobei anstelle der folgenden gemäß
Anspruch 1 schleifenartig zu wiederholenden Schritte:
- - Bestimmen einer (0,1)-normalverteilten Zufallszahl, die die n-te Komponente eines Vektors x der Längen bildet,
- - Bilden einer Größe µ aus den ersten (n - 1) Komponen
ten der n-ten Zeile der invertierten Covarianzmatrix
-1 und den (n - 1) Elementen des Vektors y, die für ei
nen vorausgehenden (n - 1) Simulations-Zeitschritt be
rechnet wurden, und zwar gemäß der folgenden Vor
schrift:
wobei y(n-1) die ersten (n - 1) Komponenten des Vektors y bezeichnet, wobei -1|•,n die ersten (n - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix -1 bezeichnet und wobei -1|n,n das mit (n,n) indizierte Ele ment der invertierten Covarianzmatrix -1 bezeichnet, - - Berechnen eines Element y(n) eines Vektor y der Länge
n aus 1/f-verteilten Zufallszahlen nach folgender Vor
schrift:
Y(n) = x(n).σ + µ
- - Bestimmen von q Stück (0,1)-normalverteilte Zufalls
zahlen xk,n, die die jeweils letzte Komponente der Vek
toren x k der Längen bilden, wobei k = 1, . . ., q,
Bilden von q Größen µk gemäß der folgenden Vorschrift:
wobei y(n-1),k die ersten (n - 1) Komponenten des Vek tors y k bezeichnet, die für einen vorausgehenden Simu lations-Zeitschritt berechnet wurden. -1|•,n bezeichnet die ersten (n - 1) Komponenten n-ten Zeile der inver tierten Covarianzmatrix -1 und -1|n,n bezeichnet das mit (n,n) indizierte Element der invertierten Covarianzma trix -1. Dies wird für k = 1, . . ., q durchgeführt. - - Berechnen von q Elementen yk,n, die die jeweils n-te
Komponente des Vektors y k der Längen aus 1/f-
verteilten Zufallszahlen bilden, und zwar nach folgen
der Vorschrift:
yk,n = xk,n.σ + µk
wobei k = 1, . . ., q.
3. Verfahren zur Simulation eines technischen Systems, das
einem 1/f-Rauschen unterliegt, bei dem bei der Modellie
rung und/oder bei der Festlegung der an Eingangskanälen
des Systems anliegenden Größen Zufallszahlen verwendet
werden, die nach einem Verfahren gemäß den vorhergehenden
Ansprüchen bestimmt worden sind.
4. Computerprogramm zur Bestimmung von Folgen von Zufalls
zahlen eines 1/f-Rauschens, das so ausgebildet ist, daß
ein Verfahren gemäß einem der vorhergehenden Ansprüche
ausführbar ist.
5. Datenträger mit einem Computerprogramm nach Anspruch 4.
6. Verfahren, bei dem ein Computerprogramm nach Anspruch 4
aus einem elektronischen Datennetz wie beispielsweise aus
dem Internet auf einen an das Datennetz angeschlossenen
Computer heruntergeladen wird.
7. Computersystem, auf dem ein Verfahren zur Bestimmung von
Folgen von Zufallszahlen eines 1/f-Rauschens nach einem
der Ansprüche 1 bis 3 ausführbar ist.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10064688A DE10064688A1 (de) | 2000-12-22 | 2000-12-22 | Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-Rauschens |
JP2002553636A JP3754024B2 (ja) | 2000-12-22 | 2001-11-22 | 1/fノイズの乱数列の個々の乱数を必要に応じて生成するための方法 |
EP01271960A EP1344125A2 (de) | 2000-12-22 | 2001-11-22 | Verfahren zum bedarfsorientierten erzeugen einzelner zufallszahlen einer folge von zufallszahlen eines 1/f-rauschens |
KR1020037008342A KR100549899B1 (ko) | 2000-12-22 | 2001-11-22 | 1/f 노이즈의 적어도 하나의 난수 시퀀스를 생성하는 방법 및 기록 매체 |
PCT/DE2001/004376 WO2002052402A2 (de) | 2000-12-22 | 2001-11-22 | Verfahren zum bedarfsorientierten erzeugen einzelner zufallszahlen einer folge von zufallszahlen eines 1/f-rauschens |
US10/601,537 US7308467B2 (en) | 2000-12-22 | 2003-06-23 | Method for on-demand generation of individual random numbers of a sequence of random numbers of a 1/f noise |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10064688A DE10064688A1 (de) | 2000-12-22 | 2000-12-22 | Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-Rauschens |
Publications (1)
Publication Number | Publication Date |
---|---|
DE10064688A1 true DE10064688A1 (de) | 2002-07-18 |
Family
ID=7668751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10064688A Withdrawn DE10064688A1 (de) | 2000-12-22 | 2000-12-22 | Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-Rauschens |
Country Status (6)
Country | Link |
---|---|
US (1) | US7308467B2 (de) |
EP (1) | EP1344125A2 (de) |
JP (1) | JP3754024B2 (de) |
KR (1) | KR100549899B1 (de) |
DE (1) | DE10064688A1 (de) |
WO (1) | WO2002052402A2 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006032785A1 (de) * | 2006-07-14 | 2008-01-17 | Siemens Ag | Gassensor zur selektiven Detektion von Kohlenwassertoffen mit Betriebsverfahren |
RU213283U1 (ru) * | 2022-03-18 | 2022-09-05 | Федеральное государственное бюджетное научное учреждение "Восточно-Сибирский институт медико-экологических исследований" | Устройство для моделирования интоксикации продуктами горения биомассы у мелких лабораторных животных |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10154200C1 (de) * | 2001-11-07 | 2003-03-06 | Infineon Technologies Ag | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen |
US20110191129A1 (en) * | 2010-02-04 | 2011-08-04 | Netzer Moriya | Random Number Generator Generating Random Numbers According to an Arbitrary Probability Density Function |
US8842833B2 (en) * | 2010-07-09 | 2014-09-23 | Tata Consultancy Services Limited | System and method for secure transaction of data between wireless communication device and server |
JP6132806B2 (ja) * | 2014-04-22 | 2017-05-24 | 日本電信電話株式会社 | 乱数系列生成装置、符号化装置、これらの方法及びプログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4255791A (en) * | 1978-12-04 | 1981-03-10 | Harris Corporation | Signal processing system |
US6161075A (en) * | 1998-07-09 | 2000-12-12 | Itt Manufacturing Enterprises, Inc. | Method for determining the accuracy of measured environmental data parameters |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4353242A (en) * | 1980-12-16 | 1982-10-12 | University Of Utah Research Foundation | Multichannel detection and resolution of chromatographic peaks |
IL97345A0 (en) * | 1991-02-24 | 1992-05-25 | Univ Ramot | Method and apparatus for blind deconvolution |
US5719784A (en) * | 1992-12-14 | 1998-02-17 | University Of Washington At Seattle | Order-based analyses of cell and tissue structure |
US5893069A (en) * | 1997-01-31 | 1999-04-06 | Quantmetrics R&D Associates, Llc | System and method for testing prediction model |
-
2000
- 2000-12-22 DE DE10064688A patent/DE10064688A1/de not_active Withdrawn
-
2001
- 2001-11-22 EP EP01271960A patent/EP1344125A2/de not_active Withdrawn
- 2001-11-22 WO PCT/DE2001/004376 patent/WO2002052402A2/de active IP Right Grant
- 2001-11-22 JP JP2002553636A patent/JP3754024B2/ja not_active Expired - Fee Related
- 2001-11-22 KR KR1020037008342A patent/KR100549899B1/ko not_active IP Right Cessation
-
2003
- 2003-06-23 US US10/601,537 patent/US7308467B2/en not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4255791A (en) * | 1978-12-04 | 1981-03-10 | Harris Corporation | Signal processing system |
US6161075A (en) * | 1998-07-09 | 2000-12-12 | Itt Manufacturing Enterprises, Inc. | Method for determining the accuracy of measured environmental data parameters |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006032785A1 (de) * | 2006-07-14 | 2008-01-17 | Siemens Ag | Gassensor zur selektiven Detektion von Kohlenwassertoffen mit Betriebsverfahren |
RU213283U1 (ru) * | 2022-03-18 | 2022-09-05 | Федеральное государственное бюджетное научное учреждение "Восточно-Сибирский институт медико-экологических исследований" | Устройство для моделирования интоксикации продуктами горения биомассы у мелких лабораторных животных |
Also Published As
Publication number | Publication date |
---|---|
JP3754024B2 (ja) | 2006-03-08 |
US20040054702A1 (en) | 2004-03-18 |
US7308467B2 (en) | 2007-12-11 |
JP2004524607A (ja) | 2004-08-12 |
WO2002052402A8 (de) | 2002-11-21 |
EP1344125A2 (de) | 2003-09-17 |
KR20040020872A (ko) | 2004-03-09 |
KR100549899B1 (ko) | 2006-02-06 |
WO2002052402A2 (de) | 2002-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE3856079T2 (de) | Verfahren für einen Blockdiagramm-Simulator | |
DE102010026616A1 (de) | Verfahren und Vorrichtung zum Kompensieren von erstprinzipienbasierten Simulationsmodellen | |
DE112018000723T5 (de) | Aktualisierungsverwaltung für eine RPU-Anordnung | |
DE112012006178T5 (de) | Parametereinstellvorrichtung | |
EP3188053A1 (de) | Verfahren zum konfigurieren einer co-simulation für ein gesamtsystem | |
DE112012005087T5 (de) | Verfahren, Einheit und Computerprogramm zum Visualisieren von Risikoabschätzwerten in Ereignisfolgen | |
EP3812949A1 (de) | Konfigurierbarer digitaler zwilling | |
EP1062604B1 (de) | Verfahren und vorrichtung zur ermittlung einer störung eines technischen systems | |
DE10064688A1 (de) | Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-Rauschens | |
EP3418924A1 (de) | Computerimplementiertes verfahren zur simulation einer elektrischen gesamtschaltung | |
DE10154200C1 (de) | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen | |
EP1257904B1 (de) | Verfahren zum erzeugen einer folge von zufallszahlen eines 1/f-rauschens | |
WO2002097679A2 (de) | Verfahren zum bereitstellen von fehlerinformationen über inkonsistenzen in einem system von differentialgleichungen | |
DE10154200C9 (de) | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen | |
DE102017118995B4 (de) | Verfahren zur Herstellung einer Komponente eines Verbrennungsmotors und Simulationssystem zur beschleunigten Simulation des Verhaltens einer Komponente eines Verbrennungsmotors | |
DE102010037904B4 (de) | Schnelle explizite modellprädiktive Regelung | |
DE19711484C1 (de) | Verfahren zur Abbildung eines technischen Systems durch einen Rechner | |
EP1483633B1 (de) | Verfahren zur simulation eines technischen systems und simulator | |
EP1483634B1 (de) | Verfahren zur simulation eines technischen systems und simulator | |
DE102021132007A1 (de) | Verfahren zum Bestimmen eines Rechenaufwands eines virtuellen Tests, Trainingsverfahren und Testeinheit | |
EP3494507B1 (de) | Verfahren zur prüfung der verfügbarkeit und integrität eines verteilt gespeicherten datenobjekts | |
DE10304569A1 (de) | Verfahren zum Nachweis von Eigenschaften eines aus analogen und digitalen Teilsystemen bestehenden technischen Systems | |
AT524085A2 (de) | Verfahren zur Datenmanipulationserkennung von numerischen Datenwerten | |
DE102022131760A1 (de) | Modellgenerierungsverfahren, modellgenerierungsprogramm, modellgenerierungsvorrichtung und datenverarbeitungsvorrichtung | |
DE10356655B4 (de) | Verfahren und Anordnung sowie Computerprogramm mit Programmcode-Mitteln und Computerprogramm-Produkt zur Ermittlung eines zukünftigen Systemzustandes eines dynamischen Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8139 | Disposal/non-payment of the annual fee |