DE10154200C1 - Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen - Google Patents
Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten ZufallszahlenInfo
- Publication number
- DE10154200C1 DE10154200C1 DE10154200A DE10154200A DE10154200C1 DE 10154200 C1 DE10154200 C1 DE 10154200C1 DE 10154200 A DE10154200 A DE 10154200A DE 10154200 A DE10154200 A DE 10154200A DE 10154200 C1 DE10154200 C1 DE 10154200C1
- Authority
- DE
- Germany
- Prior art keywords
- covariance matrix
- vector
- computer program
- random numbers
- matrix
- 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.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/28—Testing of electronic circuits, e.g. by signal tracer
- G01R31/2832—Specific tests of electronic circuits not provided for elsewhere
- G01R31/2836—Fault-finding or characterising
- G01R31/2839—Fault-finding or characterising using signal generators, power supplies or circuit analysers
- G01R31/2841—Signal generators
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C15/00—Generating random numbers; Lottery apparatus
- G07C15/006—Generating random numbers; Lottery apparatus electronically
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Complex Calculations (AREA)
Abstract
Ein Verfahren zum Erzeugen einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen beruht auf der Verwendung (0,1)-normalverteilter Zufallszahlen. Mit der Erfindung ist eine Erzeugung von beliebig langen Folgen von Zufallszahlen möglich, die eine gute Näherung an Zufallszahlen eines 1/f-Rauschens darstellen. Die Rechenzeit zur Bestimmung solcher Zufallszahlenfolgen wird durch das erfindungsgemäße Verfahren begrenzt.
Description
Verfahren zum Erzeugen wenigstens einer Folge von an Zahlen
folgen eines 1/f-Rauschens angenäherten Zufallszahlen
Die Erfindung betrifft ein Verfahren zum Erzeugen wenigstens
einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenä
herten Zufallszahlen.
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 einen bestimmten Frequenz
spektrum 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.
Aus der DE 100 01 124 C1 ist eine Schaltungsanordnung sowie
ein Verfahren zur Reduktion des 1/f-Rauschens von MOSFETs in
einer elektronischen Schaltung insbesondere in einer inte
grierten Schaltung bekannt, die mindestens einen MOSFET auf
weist. Dabei ist einem, mehreren oder allen MOSFETs minde
stens eine Gleichspannungsquelle zur Einstellung eines oder
mehrerer konstanter Arbeitspunkte des bzw. der MOSFETs zuge
ordnet.
Die US-A-5 719 784 zeigt eine Vorrichtung und ein Verfahren
zur Analyse aus Gewebeproben gewonnenen Daten, die in Fre
quenzspektren vorliegen. Die nicht zufällige Natur von Zell-
und Gewebemikrostrukturen entspricht dabei angeblich einem
1/f-Rauschen. In der US-A-5 719 784 wird explizit ausgesagt,
daß keine mathematischen Modelle zur Erzeugung von 1/f-
Rauschen bekannt sind.
Aus der US 6 188 294 B1 ist ein Verfahren bekannt, bei dem
weißes Rauschen differential in eine Verstärkungsstufe gekop
pelt wird. Dabei wird das weiße Rauschen mit einem Verstär
ker, der ein erstes Signal mit einem weißen Rauschen erzeugt,
differential verstärkt. Die 1/f-Anteile des Rauschens sowie
eine vorhandene Verschiebungsspannung werden im wesentlichen
von diesem ersten Signal entfernt, wodurch ein zweites Signal
mit einem weißen Rauschen entsteht. Dann wird ein Zufallsfol
gensignal erzeugt, indem entschieden wird, ob das erzeugte
zweite Signal jeweils die Werte von Null oder Eins annimmt.
Die US 6 081 228 A offenbart ein Verfahren zum Schätzen der
Komponente des Phasenrauschens in einem GPS-Empfänger, die
dann vor dem Verfolgen jedes Satelliten entfernt werden kann.
Die US 6 081 228 A offenbart auch ein Verfahren zum Reduzie
ren des Phasenrauschens in einem vielkanaligen Radioempfän
ger, bei dem die Vielzahl der Empfängerkanäle ein Taktsignal
von einer Sourceschaltung ableiten.
Es ist Aufgabe der Erfindung, ein Verfahren zum Erzeugen ei
ner beliebig langen Folge von Zufallszahlen anzugeben, die an
Folgen von Zufallszahlen eines 1/f-Rauschens angenähert ist,
wobei das Verfahren schnell und mit geringem für lange Zah
lenfolgen nicht über die Maßen anwachsenden Rechenaufwand
durchgeführt werden kann. Es ist weiterhin Aufgabe der Erfin
dung, ein verbessertes Verfahren zur Simulation eines techni
schen Systems anzugeben, das einem 1/f-Rauschen unterliegt.
Schließlich soll auch ein Computersystem mit einem Computer
programm zum Bestimmen von Folgen von an Zahlenfolgen eines
1/f-Rauschens angenäherten Zufallszahlen angegeben werden,
das schnell ausgeführt werden kann und das nur wenig Ressour
cen eines Computersystems beansprucht.
Diese Aufgabe wird durch den Gegenstand des unabhängigen Pa
tentanspruchs gelöst. Vorteilhafte Weiterbildungen ergeben
sich aus den jeweiligen 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. Dabei
werden die Korrelationen dieser Zufallszahlen bestimmt und zu
einer einfachen und genauen Generierung der Zufallszahlen-
Sequenzen verwendet.
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, die
an Zufallszahlen eines 1/f-Rauschens angenähert sind, ein
Startwert für eine zur Simulation benutzten Laufvariablen n
sowie ein Wert für eine Fenstergröße d 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 von Schritten vor. Die ersten zwei dieser
schleifenartig zu wiederholenden Schritte sind der Schritt
des Erhöhens des aktuellen Werts der Laufvariablen n um den
Wert 1 sowie der Schritt des Festlegens eines Simulations
zeitschrittes [tn-1; tn].
Die restlichen, schleifenartig zu wiederholenden Verfahrens
schritte sind von dem Wert der Laufvariablen n abhängig. Vor
jedem schleifenartigen Durchlauf der Verfahrensschritte wird
geprüft, ob der Wert der Laufvariablen n kleiner oder größer
als der festgelegte Wert der Fenstergröße d ausgebildet ist.
Für den Fall (n < d) bzw. (n ≧ d) werden danach jeweils un
terschiedliche Verfahrensschritte vorgesehen.
Im folgenden wird zur Vereinfachung der Notation folgende In
dizierung der Teilmatrizen und Teilvektoren vorgenommen: Die
Indizierung bezieht sich auf die dazugehörigen Zeitpunkte und
beginnt damit bei Teilmatrizen und Teilvektoren im Fall
(n < d) nicht mit 1. Beispielsweise ist ein d-dimensionaler
Vektor mit (n - d + 1), (n - d + 2), . . ., n indiziert. Das n-
te Element ist das mit n indizierte Element, also die letzte
Komponente des d-dimensionalen Vektors. Analoges gilt für
Teilmatrizen.
Für den Fall (n < d) werden die folgenden Schritte schleifen
artig wiederholt:
- - Bestimmen der Elemente ij einer Covarianzmatrix (n) der
Dimension (n × n) nach der folgenden Vorschrift:
- - Bestimmen der invertierten Covarianzmatrix
der Dimension (n × n), - - 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 (n) 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 (n) und den
(n - 1) Elementen des Vektors y, die für einen vorausgehen
den (n - 1) Simulations-Zeitschritt berechnet wurden, und
zwar gemäß der folgenden Vorschrift:
wobei y(n-1) die ersten (n - 1) Komponenten des Vektors y be zeichnet, wobei •,n die ersten (n - 1) Komponenten der n- ten Zeile der invertierten Covarianzmatrix (n) bezeich net und wobei n,n das mit (n, n) indizierte Element der invertierten Covarianzmatrix (n) bezeichnet, - - Berechnen eines Elements y(n) eines Vektors y der Länge n
aus 1/f-verteilten Zufallszahlen nach folgender Vor
schrift:
Y(n) = x(n).σ + µ
Für den Fall (n ≧ d) erfolgt das schleifenartige Wiederholen
der folgenden Schritte:
- - Bestimmen der Elemente ij einer Covarianzmatrix (n) der
Dimension (d x d) nach der folgenden Vorschrift:
- - Bestimmen der invertierten Covarianzmatrix
der Dimension (d × d), - - 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 (n) 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 (d - 1) Komponenten der
n-ten Zeile der invertierten Covarianzmatrix (n) und den
letzten (d - 1) Elementen des Vektors y, die für einen vor
ausgehenden (n - 1) Simulations-Zeitschritt berechnet wur
den, und zwar gemäß der folgenden Vorschrift:
wobei y(n-1) die letzten (d - 1) Komponenten des Vektors y be zeichnet, wobei •,n die ersten (d - 1) Komponenten der n- ten Zeile der invertierten Covarianzmatrix (n) bezeich net und wobei n,n das mit (n, n) indizierte Element der invertierten Covarianzmatrix (n) bezeichnet, - - Berechnen eines Elements y(n) eines Vektors y der Länge n
aus 1/f-verteilten Zufallszahlen nach folgender Vor
schrift:
Y(n) = x(n).σ + µ
Ein Grundgedanke der vorliegenden Erfindung liegt darin, ein
Verfahren bereitzustellen, mit dem Sequenzen von an 1/f-
verteilte Zufallszahlen angelehnten Zufallszahlen sukzessive,
also Element für Element, generiert werden können. Dabei
stellt das Verfahren sicher, daß jede neu generierte Zufalls
zahl auf korrekte Weise im stochastischen Sinne von den zuvor
generierten an 1/f-verteilten Zufallszahlen angelehnten Zu
fallszahlen abhängt. Dadurch ist es möglich im Verlauf der
numerischen Simulation eines Schaltkreises die jeweils benö
tigten Zufallszahlen zu erzeugen.
Ein weiterer Grundgedanke der Erfindung besteht darin, die
Dimension der zur Erzeugung der Zufallszahlen benötigten Co
varianzmatrix (n) und deren Inversen (n) auf den Wert einer
vorgebbaren Fenstergröße d zu begrenzen und somit die Rechen
zeit des erfindungsgemäßen Verfahrens im Rahmen zu halten.
Diesen Gedanken liegt die Erkenntnis zugrunde, daß der Auf
wand zum Aufstellen und Invertieren der Covarianzmatrix (n)
wenigstens quadratisch mit der Anzahl der zu berücksichtigen
den Zeitschritte anwächst. Bei fehlender Begrenzung der Di
mension der Covarianzmatrix (n) und deren Inversen (n)
wächst der Rechenaufwand für lange Simulationsintervalle, wie
sie beispielsweise zur Simulation von Phasenregelkreisen bzw.
"Phase Locked Loops" notwendig sind, auf eine unverhältnismä
ßige Größe an, so daß eine transiente Rauschsimulation über
den gewünschten Zeitraum unmöglich wird. Durch die Beschrän
kung des Anwachsens der Covarianzmatrix (n) und deren Inver
sen (n) werden vorteilhafterweise die zur Simulation von
1/f-Rauschquellen notwendige Rechenzeit sowie der benötigte
Speicherbedarf beschränkt.
Mit dem erfindungsgemäßen Verfahren wird dementsprechend eine
beliebig lange Simulation von technischen System gewährlei
stet. Ausgehend von bereits generierten 1/f-verteilten Zu
fallszahlen können auf einfache Weise zusätzliche 1/f-
verteilte Zufallszahlen generiert werden. Dabei ist es mög
lich, eine Simulation auf den Ergebnissen von zuvor simulier
ten Zeitintervallen aufzusetzen. Diese sogenannte Restart-
Fähigkeit stellt eine für die Simulationspraxis sehr wichtige
Eigenschaft dar. Gerade für 1/f-Rauschquellen ist dies nur
schwierig zu erreichen, weil Zufallszahlen, die eine 1/f-
Rauschquelle für ein gewisses Zeitintervall simulieren, von
bereits numerisch bestimmten Zufallszahlen früherer Zeitin
tervalle 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. Durch das Vorsehen von varia
blen Schrittweiten kann auch eine Adaption an aktuelle Sy
stemdynamiken erfolgen, was die Genauigkeit der Simulationen
erhöht.
Die Erfindung verwendet die Theorie bedingter Wahrscheinlich
keitsdichten, um eine 1/f-verteilte Zufallszahl zu erzeugen,
die den stochastischen Zusammenhang dieser Zufallszahl mit
den bereits erzeugten und für vorangegangene Simulations
schritte benötigten Zufallszahlen sicherstellt.
In einer besonders vorteilhaften Ausgestaltung des erfin
dungsgemäßen Verfahrens wird die invertierte Covarianzma
trix (n) nicht bei jeder schleifenartigen Wiederholung der
betreffenden Verfahrensschritte vollständig neu berechnet,
sondern die bereits ermittelten Ergebnisse zur Berechnung der
Covarianzmatrix (n - 1) sowie der invertierten Covarianzma
trix (n - 1) herangezogen.
Dabei werden anstelle des Schritts des Bestimmens der inver
tierten Covarianzmatrix -1(n) = (n) der Dimension (d × d)
die folgenden Schritte vorgesehen:
- - Bestimmen eines Vektors c12 T(n - 1) und einer Matrix C22(n - 1)
aus der Covarianzmatrix (n - 1):
Dabei ist c11(n - 1) das mit (n - d + 1, n - d + 1) indizierte Element von (n - 1), also das Element links oben. c12 T(n - 1) ist der Vektor bestehend aus den letzten (d - 1) Elementen der mit (n - d + 1) indizierten Zeile von (n - 1), also der obersten Zeile. C22(n - 1) ist die rechte untere Teilmatrix der Di mension (d - 1) × (d - 1) von (n - 1). - - Bestimmen der invertierten Covarianzmatrix -1(n - 1) = (n - 1) der Dimension (d × d) Dabei ist (n - 1) bereits aus dem vorangegangenen Schritt bekannt.
- - Bestimmen des Vektors b12(n - 1) und der Matrix B22(n - 1) aus
der invertierten Covarianzmatrix (n - 1)
Dabei ist b11(n - 1) das mit (n - d + 1, n - d + 1) indizierte Element von (n - 1), also das Element links oben. b12 T(n - 1) ist der Vektor bestehend aus den letzten (d - 1) Elementen der mit (n - d + 1) indizierten Zeile von (n - 1), also der obersten Zeile. B22(n - 1) ist die rechte untere Teilmatrix der Di mension (d - 1) × (d - 1) von (n - 1). - - Bestimmen der invertierten Matrix C22 -1(n - 1) nach folgender
Vorschrift:
C22 -1(n - 1) = (Id-1 - b12(n - 1)c12 T(n - 1))-1.B22(n - 1)
wobei Id-1 die Einheitsmatrix der Dimension ((d - 1) × (d - 1)) darstellt, - - Bestimmen der invertierten Covarianzmatrix (n) der Di mension (d × d) unter Verwendung der invertierten Matrix C22 -1(n - 1) mittels Schurkomplementtechniken.
Durch diese Ausführungsform der Erfindung wird eine mit stei
gender Dimension der Covarianzmatrix (n) sehr rechenzeitin
tensive, explizite Neuberechnung der invertierten Covarianz
matrix (n) für jeden Wert der Laufvariable n vermieden. An
stelle dessen wird die invertierte Covarianzmatrix (n) unter
Verwendung von dem Fachmann bekannten Schurkomplementtechni
ken ermittelt, wobei auf die bereits ermittelten Größen
22(n - 1), c 12 T(n - 1), 22 -1(n - 1), 22(n - 1), b 12 T(n - 1) zurückge
griffen wird.
Mit Hilfe der Sherman-Morrison-Woodbury-Formel kann die in
vertierte Teilmatrix 22 -1(n - 1) ohne explizite Invertierung
berechnet werden. Die Sherman-Morrison-Woodbury-Formel ist
aus Dokument [1] bekannt.
Durch diese Ausführungsform der Erfindung werden Simulatio
nen, die eine hohe Anzahl an Zeitschritten erfordern, über
haupt erst möglich. Die Umsetzung des erfindungsgemäßen Ge
dankens der Begrenzung der Rechenzeit des erfindungsgemäßen
Verfahrens liegt darin, daß, wenn die Covarianzmatrix (n)
eine frei wählbare Fenstergröße d erreicht und überschreitet,
ein (d × d)-großes Fenster über die Covarianzmatrix (n) ge
legt wird, das eine rechte, untere Teilmatrix der Dimension
(d × d) aus der Covarianzmatrix auswählt.
Mit jedem weiteren Zeitschritt wird dieses Fenster (d × d)
innerhalb der Covarianzmatrix (n) um eine Position nach
rechts unten verschoben, so daß ab Erreichen der frei wählba
ren Fenstergröße d nur das Fenster (d × d) der Covarianzma
trix (n) betrachtet wird und nur dieser Teil der Covarianz
matrix (n) invertiert wird. Damit wird der Rechenaufwand für
steigende Größen der Covarianzmatrix (n) nahezu konstant ge
halten. Durch die Aktualisierung der invertierten Covarianz
matrix (n) mittels obiger Formel anstelle der expliziten In
vertierung kann auch der Aufwand für die Verschiebung des
(d × d) großen Fensters der Covarianzmatrix klein gehalten
werden.
In einer besonders vorteilhaften Ausgestaltung des erfin
dungsgemäßen Verfahrens werden q Folgen von Zufallszahlen ei
nes 1/f-Rauschens gleichzeitig berechnet, wobei anstelle der
schleifenartig zu wiederholenden Schritte:
- - 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 (d - 1) Komponenten der
n-ten Zeile der invertierten Covarianzmatrix (n) und den
letzten (d - 1) Elementen des Vektors y, die für einen vor
ausgehenden (n - 1) Simulations-Zeitschritt berechnet wur
den, und zwar gemäß der folgenden Vorschrift:
wobei y(n-1) die letzten (d - 1) Komponenten des Vektors y be zeichnet, wobei •,n die ersten (d - 1) Komponenten der n- ten Zeile der invertierten Covarianzmatrix bezeichnet und wobei n,n das mit (n, n) indizierte Element der inver tierten Covarianzmatrix 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
die folgenden Schritte vorgesehen sind:
- - Bestimmen von q Stück (0, 1)-normalverteilte Zufallszahlen xk,n, welche die jeweils letzte Komponente der Vektoren x k der Länge n bilden, wobei k = 1, . . ., q. Hierbei ist zu beachten, 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 letzten (d - 1) Komponenten des Vektors y k bezeichnet, die für einen vorausgehenden Simulations- Zeitschritt berechnet wurden. •,n bezeichnet dabei die ersten (d - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix . n,n bezeichnet das mit (n, n) indizier te Element der invertierten Covarianzmatrix . Dies wird für k = 1, . . ., q durchgeführt, - - Berechnen von q Elementen yk,n, welche die jeweils n-te
Komponente des Vektors y k der Länge n aus 1/f-verteilten
Zufallszahlen 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 bzw. Pfade des zugrun
deliegenden stochastischen Prozesses numerisch berechnet. Zur
Simulation von Systemen mit 1/f-Rauschquellen gilt es, Pfade
von stochastischen Integralen der Form
nume
risch zu berechnen. Hierbei bezeichnen s die Integrationsva
riable und t als obere Integrationsgrenze die Zeit,
eine 1/f-Rauschquelle und Y(s) einen stochastischen Prozess,
der die zeitliche Dynamik einer Größe, z. B. der elektrischen
Spannung in der Schaltkreissimulation, beschreibt.
Wenn man mit BFBM(s) denjenigen stochastischen Prozess be
zeichnet, dessen Ableitung (mathematisch: Ableitung im Dis
tributionssinn) 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 [ti, 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 dem Fachmann beispielsweise aus
dem Dokument [2] unter dem Namen "Fractional Brownian Motion"
bekannt. BFBM(s) ist ein Gaußscher stochastischer Prozess und
als solcher vollständig charakterisiert durch seinen Erwar
tungswert
E(BFBM(s)) = 0 ∍ s ∈ R (1.3)
und durch seine Covarianzfunktion
Cov(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 Länge n der Sequenz von Zufallszahlen {ΔBFBM(1), . . ., ΔBFBM(n)} muß während eines Simulationslaufs variabel bleiben. Insbesondere muß es jederzeit möglich sein, die Simulation zu verlängern. Dies wird als Re start-Fähigkeit bezeichnet und impliziert die Fähigkeit des Verfahrens, die hierfür benötigten zusätzlichen Zu fallszahlen 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, bestimmbar 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-dimen
sionale Gauß-verteilte Zufallsvariable und somit durch seinen
(n-dimensionalen) Erwartungswert E und seine Covarianzma
trix 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 Erwar
tungswert 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 ΔBFBM (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.
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 Normalvertei
lung berechnen zu
Hierbei ergibt sich die Größe -1|n,n aus folgender Schreibweise
der invertierten Covarianzmatrix -1:
wobei
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
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 symmetri
sche 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.
Zur Bestimmung der invertierten Covarianzmatrix
-1(n + 1) = (n + 1) des nächsten Zeitschritts (n + 1) ist es not
wendig, die Covarianzmatrix (n), sowie deren invertierte Co
varianzmatrix -1(n) = (n) wie folgt zu betrachten:
Dabei gilt:
B(n).C(n) = Id (3.13)
wobei Id die d-dimensionale Einheitsmatrix bezeichnet. Aus
der Beziehung B(n).C(n) = Id ergibt sich mit den obigen Darstel
lungen der Covarianzmatrix (n) und der invertierten Covari
anzmatrix (n):
b12(n)c12 T(n) + B22(n)C22(n) = Id-1 (3.14)
und damit:
C22 -1(n) = (Id-1 - b12(n)c12 T(n))-1.B22(n) (3. 15)
Mit Hilfe der aus Dokument [1] bekannten Sherman-Morrison-
Woodbury-Formel kann die invertierte Teilmatrix C22 -1(n) der
Teilmatrix C22(n) ohne explizite Invertierung von
(Id-1 - b12(n)c12 T(n))-1 berechnet werden als:
Damit steht die korrigierte Inverse C22 -1(n) der Covarianzma
trix C22(n) zur Verfügung, die im nächsten Zeitschritt (n + 1)
beispielsweise mittels Schurkomplementtechniken erweitert
werden kann.
Die Erfindung ist auch in einem Verfahren zur Simulation ei
nes technischen 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, die mit einem erfindungsgemä
ßen. Verfahren bestimmt worden sind.
Die Erfindung ist des weiteren in einem Computerprogramm zur
Ausführung eines Verfahrens zum Erzeugen wenigstens einer
Folge von an Zufallszahlen eines 1/f-Rauschens angenäherten
Zufallszahlen verwirklicht.
Das Computerprogramm ist dabei so ausgebildet, daß nach Ein
gabe eines gewünschten Spektralwerts β, nach Eingabe der An
zahl der zu erzeugenden Zufallszahlen, nach Eingabe einer In
tensitätskonstante const, nach Eingabe eines Startwerts für
eine Laufvariable n und nach Eingabe eines Werts für eine
Fenstergröße d ein erfindungsgemäßes Verfahren in einer oben
beschriebenen Ausführungsform durchführbar ist. Dabei wird
als Ergebnis des Verfahrens eine Folge von Zufallszahlen aus
gegeben, die jeweils einem 1/f-Rauschen angenähert sind. Mit
einer solchen Folge von Zufallszahlen können Rauscheinflüsse
in einer Vielzahl technischer und physikalischer Systeme mo
delliert werden.
Durch das erfindungsgemäß verbesserte Computerprogramm erge
ben sich eine verbesserte Anwendbarkeit des Verfahrens für
eine Vielzahl von technischen und physikalischen Systemen,
eine einfache und effektive Erzeugung von Folgen von Zufalls
zahlen und eine Laufzeitverbesserung sowie eine Rechenlei
stungsoptimierung.
Durch das erfindungsgemäße Computerprogramm ergibt sich fer
ner ein breites Anwendungsspektrum des Verfahrens für eine
Vielzahl von technischen und physikalischen Systemen und eine
einfache und effektive Erzeugung von an Zufallszahlen eines
1/f-Rauschens angenäherten Zufallszahlen, wobei eine schnelle
Laufzeit und ein optimaler Einsatz von Rechenleistung gewähr
leistet wird.
Der Erfindung betrifft außerdem ein Computerprogramm, das auf
einem Speichermedium enthalten ist, das in einem Computer
speicher abgelegt ist, das in einem Direktzugriffspeicher
enthalten ist oder das auf einem elektrischen Trägersignal
übertragen wird.
Weiterhin betrifft die Erfindung einen Datenträger mit einem
solchen Computerprogramm sowie ein Verfahren, bei dem ein
solches Computerprogramm aus einem elektrischen Datennetz,
wie beispielsweise aus dem Internet, auf einen an das Daten
netz angeschlossenen Computer heruntergeladen wird.
Die Erfindung ist in den Figuren anhand eines Ausführungsbei
spiels näher veranschaulicht.
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 ihrer Teilfiguren 3a bis 3f ein Be
rechnungsbeispiel für einen Simulations-Zeitschritt
[t4, t5] = [2.75, 3.00],
Fig. 4 zeigt anhand ihrer Teilfiguren 4a bis 4c ein Be
rechnungsbeispiel für einen sechsten Simulations-
Zeitschritt [t5, t6] = [3.000,4.000].
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, welches 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.
als Matrix NOISE bezeichnet wird. Eine Matrix NOISE liegt
dann vor, wenn das Rauschen mit mehreren Kanälen berücksich
tigt wird, wobei jede Spalte der Matrix NOTSE einen Vektor
von Rauschwerten enthält, die an einem Rauscheingangskanal
anliegen.
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 differential-algebraischer Gleichungen 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 y k ge
langt, der eine Spalte k der Matrix NOISE für die Rauschein
gangskanäle 4 des Systemmodells 1 bildet. Jeder Vektor y k
dient zur Simulation einer Rauschquelle.
In einem ersten Schritt wird ein gewünschter Spektralwert β,
eine Intensitätskonstante const sowie eine Fenstergröße d
festgelegt. Weiterhin wird der Zähler n des aktuellen Simula
tions-Zeitintervalls auf einen Anfangswert gesetzt, der im
betrachteten Ausführungsbeispiel als (n ≧ d) angenommen wird.
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 (n) der Dimensi
on (d × d) nach Gleichung (3.6) bestimmt. Im Falle (n < d)
wird nur das rechte untere (d × d)-große Fenster der Covari
anzmatrix (n) bestimmt. Die Variablen i, j, der Gleichung
(3.6) nehmen dabei die Werte i, j = (n - d + 1), . . ., n ein. Im Fal
le (n = d) wird die gesamte Covarianzmatrix (n) für die Wer
te i, j = 1, . . ., n bestimmt.
Bei der Bestimmung der Covarianzmatrix (n) wird auf die Wer
te des ((d - 1) × (d - 1))-großen Fensters der beim vorigen Durch
lauf der Verfahrensschritte berechneten Covarianzmatrix
(n - 1) zurückgegriffen, das rechts unten in der Covarianzma
trix (n - 1) angeordnet ist. Die Werte dieses Fensters bilden
die in der neu zu bestimmenden Covarianzmatrix (n) im linken
oberen ((d - 1) × (d - 1))-großen Fenster angeordneten Werte. Dem
entsprechend werden bei der Neuberechnung nur die Werte der
letzten Zeile und der letzten Spalte der Covarianzmatrix (n)
explizit neu berechnet.
Im nächsten Schritt des erfindungsgemäßen Verfahrens erfolgt
die Bestimmung der Inversen (n) der Covarianzmatrix (n).
Diese wird für den Fall (n ≦ d) explizit berechnet, beispiels
weise mittels einer Cholesky-Zerlegung. Für den Fall (n < d)
wird diese Inverse (n) zur Steigerung der Effizienz unter
Verwendung von Schurkomplement-Techniken ermittelt. Dabei
wird auf die im letzten Durchlauf der Verfahrensschritte be
stimmten Größen 22(n - 1), 22 -1(n - 1), c 12 T(n - 1), 22(n - 1) sowie
b 12(n - 1) zurückgegriffen.
In den beiden nächsten Verfahrensschritten werden die
Hilfsgrößen 22(n) und c 12 T(n) aus der Covarianzmatrix (n)
unter Anwendung der Gleichung (3.11) sowie die Hilfsgrößen
22(n) und b 12(n) aus der Inversen (n) unter Anwendung der
Gleichung (3.12) bestimmt.
Die invertierte Teilmatrix 22 -1(n) wird mittels der Gleichung
(3.15) unter Verwendung der Hilfsgrößen c 12 T(n), 22(n) sowie
b 12(n) bestimmt. Diese invertierte Teilmatrix 22 -1(n) wird
beim jeweils nächsten Durchlauf der Verfahrensschritte zur
Berechnung der invertierten Covarianzmatrix 22(n) benötigt.
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 (n) 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 für (n ≦ d)
aus den ersten (n - 1) Komponenten der n-ten Zeile der inver
tierten Covarianzmatrix (n) und aus der Sequenz von (n - 1)
1/f-verteilten Zufallszahlen gebildet, die für die vorausge
henden (n - 1) Simulations-Zeitschritte berechnet wurden.
Für (n < d) wird µk aus den ersten (d - 1) Komponenten der
n-ten Zeile der invertierten Covarianzmatrix (n) und aus der
Sequenz der letzten (d - 1) 1/f-verteilten Zufallszahlen gebil
det, die für die vorausgehenden (n - 1) Simulations-
Zeitschritte berechnet wurden.
Hierzu wird gemäß Formel (3.9) vorgegangen. Dieser Schritt
wird im Falle mehrere vorhandener Rauschquellen k für jede zu
simulierende Rauschquelle k separat 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
Länge n 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 µk und σ bestimmt, und zwar
nach folgender Vorschrift:
yk = xk.σ + µκ.
In den Fig. 3 und 4 wird die Durchführung des erfindungs
gemäßen Verfahrens anhand eines konkreten Berechnungsbei
spiels gezeigt.
In dem Berechnungsbeispiel wird eine Folge von Zufallszahlen
erzeugt, die an Zufallszahlen eines 1/f-Rauschens angelehnt
sind. Diese Folge von Zufallszahlen wird in einem Vektor y
abgelegt. Die Erzeugung dieser Zufallszahlen wird im folgen
den für die Zeitschritte t0 = 0.000, t1 = 1.000, t2 = 1.500,
t3 = 2.000, t4 = 2.750, t5 = 3.000 und t6 = 4.000 durchgeführt. Dabei
werden die berechneten Werte zum Zwecke der einfachen Dar
stellung nach genauer Rechnung nach der dritten Kommastelle
abgeschnitten. Zur leichteren Zuordnung der verwendeten Vek
toren und Matrizen wird jeweils in Klammer der Index des
Zeitschritts angegeben, für den diese Größe jeweils berechnet
wurde. So gibt (5) die Covarianzmatrix des Zeitschritts
[t4, t5] = [2.750, 3.000] an, die sich auf die Zeitpunkte
t0, . . ., t5 bezieht.
Im Berechnungsbeispiel wird der Wert des Spektralwerts β
stets als 0.5 angenommen. Der Wert der Intensitätskonstante
const wird willkürlich als 1.0 angenommen. Als Fenstergröße
wurde d = 5 verwendet.
Fig. 3 zeigt anhand ihrer Teilfiguren 3a bis 3f ein Berech
nungsbeispiel für einen Simulations-Zeitschritt
[t4, t5] = [2.750, 3.000].
Die 1/f-verteilten Zufallszahlen der Zeitpunkte t1, . . ., t4
werden im folgenden Ausführungsbeispiel als bekannt vorausge
setzt.
Fig. 3a zeigt eine Covarianzmatrix (5) der Dimension
(n × n) = (5 × 5), die zur Erzeugung einer weiteren Zufalls
zahl benötigt wird. Die Covarianzmatrix (5) wird nach Glei
chung (3.6) bestimmt.
Beispielhaft wird dies am Element (5, 4), also (i, j) mit i = 5
und j = 4 durchgeführt.
Unter Anwendung von Gleichung (3.6) ergibt sich (5, 4) zu:
Im nächsten Simulationsschritt überschreitet die Laufvaria
ble n die Fenstergröße d und somit die Dimension der Covari
anzmatrix (6). Dementsprechend werden in den Teilfiguren 3b,
3c, 3e sowie 3f Hilfsgrößen ermittelt, die zur Bestimmung der
invertierten Covarianzmatrix (6) des nächsten Simulations-
Zeitschritts n = 6 benötigt werden.
Fig. 3b zeigt einen aus der Covarianzmatrix (5) ermittelten
Vektor c 12 T(5). Dieser Vektor c 12 T(5) beinhaltet das zweite,
das dritte, das vierte und das fünfte Element der ersten Zei
le der Covarianzmatrix (5) und ergibt sich aus der Glei
chung (3.11).
Fig. 3c zeigt eine aus der Covarianzmatrix (5) ermittelte
Teilmatrix 22(5). Diese Teilmatrix 22(5) enthält die Elemen
te des ((d - 1) × (d - 1)) = (4 × 4) großen Fensters, das rechts
unten in der Covarianzmatrix (5) angeordnet ist. Diese
Teilmatrix 22(5) ergibt sich aus der Covarianzmatrix (5)
unter Anwendung der Gleichung (3.11).
Fig. 3d zeigt eine invertierte Covarianzmatrix -1(5) = (5)
zu der Covarianzmatrix (5), die im folgenden ausschließlich
als (5) bezeichnet wird. Eine Überprüfung anhand der Glei
chung (3.13) zeigt, daß die Matrizenmultiplikation der Cova
rianzmatrix (5) mit der invertierten Covarianzmatrix (5)
die Einheitsmatrix Id ergibt.
Im vorliegenden Fall wurde die invertierte Covarianzma
trix (5) unter Anwendung einer hier nicht näher dargestell
ten Cholesky-Zerlegung aus der Covarianzmatrix (5) explizit
berechnet.
Fig. 3e zeigt einen aus der invertierten Covarianzma
trix (5) ermittelten Vektor b 12(5). Dieser Vektor b 12(5) ent
hält das zweite, das dritte, das vierte sowie das fünfte Ele
ment der ersten Spalte der invertierten Covarianzmatrix (5).
Der Vektor b 12(5) ergibt sich aus der invertierten Covarianz
matrix (5) unter Anwendung der Gleichung (3.12).
Fig. 3f zeigt eine Teilmatrix 22(5) der in Fig. 3d gezeig
ten invertierten Covarianzmatrix (5). Diese Teilma
trix 22(5) umfaßt diejenigen Elemente der invertierten Cova
rianzmatrix (5), die in dem rechten unteren Fenster der Di
mension ((d - 1) × (d - 1)) = (4 × 4) der invertierten Covarianzma
trix (5) enthalten sind. Die Teilmatrix 22(5) ergibt sich
aus der invertierten Covarianzmatrix (5) unter Anwendung der
Gleichung (3.12).
Aus dem in der invertierten Covarianzmatrix (5) rechts unten
angeordneten Element, nämlich dem Wert (5)5;5 = 4.787 kann
nun die Größe σ berechnet werden.
σ ergibt sich im vorliegenden Ausführungsbeispiel als:
Unter Verwendung des Vektors:
b(5)5;1,...,4 = (-0.094, -0.109, -0.093, -0.749),
der den ersten, den zweiten, den dritten sowie den vierten
Wert der fünften Zeile der invertierten Covarianzmatrix (5)
enthält, ist der Wert µ berechenbar. Dabei wird die Formel
(3.9) verwendet.
Unter Verwendung der so bestimmten Größen σ und µ sowie unter
Verwendung von zufällig gezogenen, normal verteilten Zu
fallzahlen x(n) kann y(5) nach der Formel
y(n) = x(n).σ + µ
berechnet werden. Dabei stellt y(5) das fünfte Element des
Vektors y dar, der eine Folge von Zufallszahlen aufweist, die
an Zufallszahlen eines 1/f-Rauschens angenähert sind.
Fig. 4 zeigt anhand ihrer Teilfiguren 4a bis 4c ein Berech
nungsbeispiel für einen sechsten Simulations-Zeitschritt
[t5, t6] = [3.000, 4.000]. Der Wert der Laufvariablen n ist für
den sechsten Simulations-Zeitschritt stets gleich 6.
Fig. 4a zeigt eine invertierte Teilmatrix 22 -1(5) zu der in
Fig. 3c gezeigten Teilmatrix 22(5). Die invertierte Teilma
trix 22 -1(5) wird nicht explizit vollkommen neu berechnet,
sondern ergibt sich unter Anwendung der Gleichung (3.16).
Die in der Gleichung (3.16) zur Berechnung der invertierten
Teilmatrix 22 -1(5) notwendigen Hilfsgrößen b 12(5), c 12 T(5) so
wie 22(5) sind in den vorangegangenen Schritten bestimmt
worden. Die Größe Id-1 in der Gleichung (3.16) entspricht der
Einheitsmatrix zur Dimension (d - 1) = 4.
Fig. 4b zeigt eine Covarianzmatrix *(6) der Dimensi
on (d × d) = (5 × 5). *(6) ergibt sich als rechtes unteres
Fenster (2, . . ., 6; 2, . . ., 6) der Covarianzmatrix (6) mit der
Dimension d = 6.
Für die Berechnung der Covarianzmatrix *(6) wird auf die in
Fig. 3c gezeigte Teilmatrix 22(5) zurückgegriffen, die in
der Covarianzmatrix *(6) das linke obere Fenster der Dimen
sion ((d - 1) × (d - 1)) = (4 × 4) bildet. Dementsprechend werden
lediglich diejenigen Elemente der in Fig. 4b gezeigten Cova
rianzmatrix *(6) neu berechnet, die in der fünften Zeile
oder in der fünften Spalte angeordnet sind.
Beispielhaft wird diese Berechnung unter Anwendung der Glei
chung (3.6) für das Element (3, 6), durchgeführt:
Fig. 4c zeigt die invertierte Covarianzmatrix *(6) der Di
mension d = 5 zu der in Fig. 4b gezeigten Covarianzma
trix *(6).
Eine Überprüfung mittels der Gleichung (3.13) ergibt, daß die
in Fig. 4b gezeigte Covarianzmatrix *(6) multipliziert mit
der in Fig. 4c gezeigten invertierten Covarianzmatrix *(6)
die Einheitsmatrix Id ergibt.
Die invertierte Covarianzmatrix *(6) wird nicht explizit
Element für Element neu berechnet, sondern ergibt sich mit
tels Schurkomplement-Techniken unter Verwendung der in
Fig. 3 sowie der in Fig. 4a gezeigten Hilfsgrößen.
Unter Verwendung des rechten unteren Werts der invertierten
Covarianzmatrix *(6) nämlich des Werts *(6)5;5 = 0.630 er
gibt sich σ zu 1.259. Unter Verwendung des Vektors
ist der Wert µ berechenbar.
Mittels der so bestimmten Größen σ und µ sowie mittels gezo
gener, normal verteilter Zufallszahlen x(n) wird nun eine
weitere Zufallszahl y(6) berechnet, die den Vektor y(n) der
an Zufallszahlen eines 1/f-Rauschens angenäherten Zufallszah
len erweitert.
Der Vektor y(n) kann durch das erfindungsgemäße Verfahren be
liebig erweitert werden. Bei dieser Berechnung wird die zur
Bestimmung der Zufallszahlen notwendige Covarianzmatrix (n)
sowie deren invertierten Covarianzmatrix (n) in der Dimensi
on n auf die vorgegebene Fenstergröße d begrenzt. Diese Maß
nahme hält den Rechenaufwand für jeden Simulations-
Zeitschritt klein genug. Die so erzeugten Zufallszahlen tref
fen zwar nicht exakt die Zufallszahlen eines 1/f-Rauschens,
stellen aber eine sehr gute Näherung an diese dar.
Im Rahmen dieses Dokuments wurden die folgenden Veröffentli
chungen zitiert:
[1] G. H. Golub and C. F. von Loan. Matrix Computations. John Hopkins University Press, Page 51, 2. Auflage, 1989.
[2] R. Barton and H. V. Poor. Signal Detection in Fractional Gaussian Noise. IEEE Transactions an Information Theory, Pages 943-959, 1988
[1] G. H. Golub and C. F. von Loan. Matrix Computations. John Hopkins University Press, Page 51, 2. Auflage, 1989.
[2] R. Barton and H. V. Poor. Signal Detection in Fractional Gaussian Noise. IEEE Transactions an Information Theory, Pages 943-959, 1988
1
Systemmodel
2
Eingangskanäle
3
Ausgangskanäle
4
Rauscheingangskanäle
Claims (11)
1. Verfahren zum Erzeugen wenigstens einer Folge von an Zah
lenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen,
das die folgenden Schritte aufweist:
- - Bestimmen eines gewünschten Spektralwerts β,
- - Bestimmen einer Intensitätskonstante const,
- - Bestimmen der Anzahl der zu erzeugenden Zufallszahlen,
- - Festlegen eines Startwerts für eine Laufvariable n,
- - Festlegen einer Fenstergröße d,
- a) Erhöhen des aktuellen Werts der Laufvariablen n um 1,
- b) Festlegen eines Simulationszeitschritts [tn-1; tn], wobei für den Fall (n < d) die Schritte c), d), g) bis i), k) und für den Fall (n ≧ d) die Schritte e) bis h), j), k) ausgeführt werden:
- c) Bestimmen der Elemente ij einer Covarianzmatrix (n)
der Dimension (n × n) nach der folgenden Vorschrift:
- d) Bestimmen der invertierten Covarianzmatrix -1(n) = (n) der Dimension (n × n),
- e) Bestimmen der Elemente ij einer Covarianzmatrix (n)
der Dimension (d × d) nach der folgenden Vorschrift:
- f) Bestimmen der invertierten Covarianzmatrix
der Dimension (d × d), - g) 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 (n) bezeichnet, - h) Bestimmen einer (0, 1)-normalverteilten Zufallszahl, welche die n-te Komponente eines Vektors x der Länge n bildet,
- i) Bilden einer Größe µ aus den ersten (n - 1) Komponenten
der n-ten Zeile der invertierten Covarianzmatrix (n)
und aus den (n - 1) Elementen des Vektors y, die für ei
nen vorausgehenden (n - 1)-ten Simulations-Zeitschritt
berechnet wurden, und zwar gemäß der folgenden Vor
schrift:
wobei y(n-1) die ersten (n -1) Komponenten des Vektors y bezeichnet, wobei •,n die ersten (n - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix (n) be zeichnet und wobei n,n das mit (n, n) indizierte Ele ment der invertierten Covarianzmatrix (n) bezeichnet, - j) Bilden einer Größe µ aus den ersten (d - 1) Komponenten
der n-ten Zeile der invertierten Covarianzmatrix (n)
und aus den letzten (d - 1) Elementen des Vektors y, die
für einen vorausgehenden (n - 1)-ten Simulations-
Zeitschritt berechnet wurden, und zwar gemäß der fol
genden Vorschrift:
wobei y(n-1) die letzten (d - 1) Komponenten des Vektors y bezeichnet, wobei •,n die ersten (d - 1) Komponenten der n-ten Zeile der invertierten Covarianzmatrix B(n) be zeichnet und wobei n,n das mit (n, n) indizierte Ele ment der invertierten Covarianzmatrix B(n) bezeichnet, - k) Berechnen eines Elements y(n) eines Vektors y der Län
ge n aus 1/f-verteilten Zufallszahlen nach folgender
Vorschrift:
Y(n) = x(n).σ + µ
2. Verfahren nach Anspruch 1,
dadurch gekennzeichnet, daß
anstelle des Schritts f) die folgenden Schritte f1)
bis f4) ausgeführt werden:
- 1. Bestimmen eines Vektors c12 T(n) und einer Matrix C22(n)
aus der Covarianzmatrix (n), und zwar gemäß der fol
genden Vorschrift:
- 2. Bestimmen der invertierten Covarianzmatrix
der Dimension (d × d) unter Verwendung der invertierten Matrix C22 -1(n - 1) mittels Schurkomple menttechniken, - 3. Bestimmen des Vektors b12(n) und der Matrix B22(n) aus
der invertierten Covarianzmatrix (n), und zwar gemäß
der folgenden Vorschrift:
- 4. Bestimmen der invertierten Matrix C22 -1(n) nach folgen
der Vorschrift:
C22 -1(n) = (Id-1 - b12(n)c12 T(n))-1.B22(n)
wobei Id-1 die Einheitsmatrix der Dimension ((d - 1) × (d - 1)) darstellt.
3. Verfahren nach einem der Ansprüche 1 oder 2,
dadurch gekennzeichnet, daß
q Folgen von Zufallszahlen eines 1/f-Rauschens gleichzei
tig berechnet werden, wobei anstelle der schleifenartig
zu wiederholenden Schritte h), i), j) und k) die folgen
den Schritte h'), i'), j') und k') durchgeführt werden:
- 1. h') Bestimmen von q Stück (0, 1)-normalverteilte Zufalls zahlen xk,n, welche die jeweils letzte Komponente der Vektoren x k der Länge n bilden, wobei k = 1, . . ., q,
- 2. i') Bilden von q Größen µk gemäß der folgenden Vorschrift:
wobei y(n-1),k die ersten (n - 1) Komponenten des Vektors y k bezeichnet, die für einen vorausgehenden Simula tions-Zeitschritt berechnet wurden, wobei k = 1, . . ., q, - 3. j') Bilden von q Größen µk gemäß der folgenden Vorschrift:
wobei y(n-1),k die letzten (d - 1) Komponenten des Vektors y k bezeichnet, die für einen vorausgehenden Simula tions-Zeitschritt berechnet wurden, wobei k = 1, . . ., q, - 4. k') Berechnen von q Elementen yk,n, welche die jeweils n-te
Komponente des Vektors y k der Länge n aus 1/f-ver
teilten Zufallszahlen bilden, und zwar nach folgender
Vorschrift:
yk,n = xk,n.σ + µk
wobei k = 1, . . ., q.
4. 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
Ansprüche bestimmt worden sind.
5. Computerprogrammprodukt sowie Computerprogramm zur Aus
führung eines Verfahrens zur Bestimmung von Folgen von an
Zufallszahlen eines 1/f-Rauschens angenäherten Zufalls
zahlen, das so ausgebildet ist, daß ein Verfahren gemäß
einem der Ansprüche 1 bis 4 ausführbar ist.
6. Computerprogramm nach Anspruch 5, das auf einem Speicher
medium enthalten ist.
7. Computerprogramm nach Anspruch 5, das in einem Computer
speicher abgelegt ist.
8. Computerprogramm nach Anspruch 5, das in einem Direktzu
griffsspeicher enthalten ist.
9. Computerprogramm nach Anspruch 5, das auf einem elektri
schen Trägersignal übertragen wird.
10. Datenträger mit einem Computerprogrammprodukt bzw. Compu
terprogramm nach Anspruch 5.
11. Verfahren, bei dem ein Computerprogrammprodukt bzw. Com
puterprogramm nach Anspruch 5 aus einem elektronischen
Datennetz wie beispielsweise aus dem Internet auf einen
an das Datennetz angeschlossenen Computer heruntergeladen
wird.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10154200A DE10154200C1 (de) | 2001-11-07 | 2001-11-07 | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen |
US10/289,827 US20030101031A1 (en) | 2001-11-07 | 2002-11-07 | Method for generating at least one sequence of random numbers approximated to sequences of numbers of a 1/f noise |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10154200A DE10154200C1 (de) | 2001-11-07 | 2001-11-07 | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10154200C9 DE10154200C9 (de) | |
DE10154200C1 true DE10154200C1 (de) | 2003-03-06 |
Family
ID=7704625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10154200A Expired - Fee Related DE10154200C1 (de) | 2001-11-07 | 2001-11-07 | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen |
Country Status (2)
Country | Link |
---|---|
US (1) | US20030101031A1 (de) |
DE (1) | DE10154200C1 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992805A (zh) * | 2017-12-29 | 2019-07-09 | 北京金风科创风电设备有限公司 | 模拟风速的方法和装置 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL1689293T3 (pl) * | 2003-12-05 | 2009-06-30 | Weluga Pharm Anstalt | Środek do leczenia zawrotów głowy i zaburzeń równowagi |
CN1983910B (zh) * | 2005-12-16 | 2010-11-24 | 华为技术有限公司 | 一种多天线数字无线通信系统中信号检测的方法 |
US9547476B2 (en) | 2014-10-15 | 2017-01-17 | The United States Of America, As Represented By The Secretary Of The Army | Semiconductor-junction-derived random number generation with triggering mechanism |
US20210286593A1 (en) * | 2017-01-19 | 2021-09-16 | Nippon Telegraph And Telephone Corporation | Random number generation apparatus, method and program |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6081228A (en) * | 1998-09-15 | 2000-06-27 | Sirf Technology, Inc. | Receiver phase-noise mitigation |
US6188294B1 (en) * | 1999-05-12 | 2001-02-13 | Parthus Technologies, Plc. | Method and apparatus for random sequence generator |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1994014063A1 (en) * | 1992-12-14 | 1994-06-23 | University Of Washington | Order-based analyses of cell and tissue structure |
JP3735128B2 (ja) * | 1993-11-10 | 2006-01-18 | 富士通株式会社 | シミュレーション装置 |
DE59801578D1 (de) * | 1997-04-30 | 2001-10-31 | Siemens Ag | Verfahren und anordnung zur ermittlung mindestens eines digitalen signalwerts aus einem elektrischen signal |
US6671663B1 (en) * | 1997-06-30 | 2003-12-30 | Texas Instruments Incorporated | Time domain noise analysis |
US6199032B1 (en) * | 1997-07-23 | 2001-03-06 | Edx Engineering, Inc. | Presenting an output signal generated by a receiving device in a simulated communication system |
US6219438B1 (en) * | 1997-09-02 | 2001-04-17 | Lucent Technologies Inc. | Produce indentifier using barcode scanner and wavelet image processing and having compensation for dirt accumulated on viewing window |
DE19806178C2 (de) * | 1998-02-02 | 2001-03-01 | Deutsche Telekom Ag | Verfahren und Anordnung zur Erzeugung binärer Sequenzen von Zufallszahlen |
DE59900409D1 (de) * | 1998-03-18 | 2001-12-13 | Siemens Ag | Verfahren und vorrichtung zur ermittlung einer störung eines technischen systems |
DE19826802C2 (de) * | 1998-06-16 | 2000-05-25 | Deutsche Telekom Ag | Verfahren zur Erzeugung einer Zufallszahl auf quantenmechanischer Grundlage und Zufallsgenerator |
US6658375B1 (en) * | 1999-03-15 | 2003-12-02 | Isola Laminate Systems, Inc. | Compensation model and registration simulation apparatus and method for manufacturing of printed circuit boards |
US6618696B1 (en) * | 1999-06-14 | 2003-09-09 | The United States Of America As Represented By The National Security Agency | Method of testing and simulating communication equipment over multiple transmission channels |
JP3318291B2 (ja) * | 1999-08-31 | 2002-08-26 | 株式会社環境電磁技術研究所 | 擬似雑音発生装置 |
DE10001124C1 (de) * | 2000-01-13 | 2001-06-07 | Infineon Technologies Ag | Schaltungsanordnung und ein Verfahren zur Reduktion des 1/f-Rauschens von MOSFETs |
US7117132B2 (en) * | 2000-07-27 | 2006-10-03 | Raytheon Company | Sensitivity of iterative spectrally smooth temperature/emissivity separation to instrument noise |
US6795840B1 (en) * | 2000-08-28 | 2004-09-21 | Infineon Technologies Ag | Method for generating a sequence of random numbers of A 1/f-noise |
DE10064688A1 (de) * | 2000-12-22 | 2002-07-18 | Infineon Technologies Ag | Verfahren zum bedarfsorientierten Erzeugen einzelner Zufallszahlen einer Folge von Zufallszahlen eines 1/f-Rauschens |
JP2006031510A (ja) * | 2004-07-20 | 2006-02-02 | Nec Electronics Corp | ジッタ解析方法、ジッタ解析装置及びジッタ解析プログラム |
-
2001
- 2001-11-07 DE DE10154200A patent/DE10154200C1/de not_active Expired - Fee Related
-
2002
- 2002-11-07 US US10/289,827 patent/US20030101031A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6081228A (en) * | 1998-09-15 | 2000-06-27 | Sirf Technology, Inc. | Receiver phase-noise mitigation |
US6188294B1 (en) * | 1999-05-12 | 2001-02-13 | Parthus Technologies, Plc. | Method and apparatus for random sequence generator |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992805A (zh) * | 2017-12-29 | 2019-07-09 | 北京金风科创风电设备有限公司 | 模拟风速的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
US20030101031A1 (en) | 2003-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3065250B1 (de) | Verfahren und einrichtung zur bestimmung der topologie eines stromversorgungsnetzes | |
DE112017000855B4 (de) | Energiesparender zeitlich gemultiplexter neurosynaptischer Kern zum Implementieren neuronaler Netze | |
DE102016011520B4 (de) | Produktionsausrüstung mit Maschinenlernsystem und Montage-und Prüfeinheit | |
DE60004507T2 (de) | Schnelle gruppierung durch spärlich bestückte datensätze | |
DE112018000723T5 (de) | Aktualisierungsverwaltung für eine RPU-Anordnung | |
DE102021004591A1 (de) | Für Graphen vorgesehene neuronale Netzwerke für Datensätze mit Heterophilie | |
EP3188053A1 (de) | Verfahren zum konfigurieren einer co-simulation für ein gesamtsystem | |
DE102017219492A1 (de) | Verfahren und Vorrichtung zum Betreiben eines Systems durch Trainieren und Berechnen eines tiefen rekurrenten Gaußprozesses | |
DE10154200C1 (de) | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen | |
EP3418924A1 (de) | Computerimplementiertes verfahren zur simulation einer elektrischen gesamtschaltung | |
DE102019105850A1 (de) | Verfahren zur Erzeugung eines reduzierten neuronalen Netzes für ein Steuergerät eines Fahrzeuges mithilfe von Eigenvektoren | |
EP2088486A1 (de) | Verfahren zur Vermessung eines nichtlinearen dynamischen realen Systems mittels Versuchsplanung | |
DE102005002188B4 (de) | Breitbandsystemmodelle | |
DE10154200C9 (de) | Verfahren zum Erzeugen wenigstens einer Folge von an Zahlenfolgen eines 1/f-Rauschens angenäherten Zufallszahlen | |
DE112020002547T5 (de) | Rausch- und signalverwaltung für rpu-array | |
DE10252445A1 (de) | Verfahren und Computer-Anordnung zum Bereitstellen von Datenbankinformation einer ersten Datenbank und Verfahren zum rechnergestützten Bilden eines statistischen Abbildes einer Datenbank | |
EP1257904B1 (de) | Verfahren zum erzeugen einer folge von zufallszahlen eines 1/f-rauschens | |
DE112015005501T5 (de) | Alterungsprofilbildungsmaschine für physikalische Systeme | |
WO2002052402A2 (de) | Verfahren zum bedarfsorientierten erzeugen einzelner zufallszahlen einer folge von zufallszahlen eines 1/f-rauschens | |
DE10205916B4 (de) | Verfahren zur Bestimmung von Hopf-Bifurkationspunkten einer periodischen Zustandsbeschreibung eines technischen Systems | |
DE112019003167T5 (de) | Wahrscheinlichkeitsweitergabe über faktordiagramme | |
DE60035644T2 (de) | Ablauffolgeplanung der nicht ganzzahligen Simulationszeit für mixed-signal Simulation | |
Bach et al. | Concurrent Engineering Software Tools–A Trade-Off for efficient Learning in Blended Teaching Scenarios | |
DE102006033267B4 (de) | Verfahren zur rechnergestützten Ermittlung von quantitativen Vorhersagen aus qualitativen Informationen mit Hilfe von Bayesianischen Netzwerken | |
DE102016115331A1 (de) | Verfahren und Vorrichtung zur Bestimmung eines Modells eines technischen Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8100 | Publication of the examined application without publication of unexamined application | ||
8304 | Grant after examination procedure | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |