编辑问题
对于 误码率计算 ，您应该进行多少次迭代才能使模拟成为准确的“蒙特卡罗模拟”？
最低价值是多少？如果我想以指数增长的数字重复模拟五次？我应该从1e2开始因此＆gt;＆gt;迭代= [1e2 1e3 1e4 1e5 1e6]或1e3>＆gt; [1e3 1e4 1e5 1e6 1e7]？或者是其他东西？通常的做法是什么？
其他信息： 之前我使用[8e3 1e4 3e4 5e4 8e4 1e5]，但根据教授说这还不够。因为结果不理想。
模拟在我的计算机上花费很长时间，因此我无法根据结果不断更改迭代。如果有这方面的常见做法，请告诉我。
感谢@BillBokeey帮助我编辑问题。
答案 0 :(得分：0)
你的教授建议我作为定性的，但不是定量的方法来估计你的模拟的收敛。
坦率地说，我不知道如何计算BER，但我对MC的一些积分计算做了大量的处理。
在这种情况下，您在某个时间间隔内对x i 进行采样并进行计算
f MC = S i f i / N，其中S表示求和。我们知道f MC 会收敛到 true 值，方差为sigma 2 / N（或sigma / sqrt（N）的std.deviation ）。那么我们做什么，我们在sigma的相同模拟估计中计算，假设足够大的N是sigma的良好近似并且得到模拟误差。在实际条件下，除了f MC ，我们计算第二动量和和f 2 MC = S i f 2 i / N，最后得到s = sqrt（f 2 MC - （f MC ） 2 ）/ sqrt（N）作为MC模拟的估计误差（虽然它会有点偏差）。
因此，您可以绘制BER的相同图形值和模拟的统计误差。您甚至可以做得更好 - 要求用户输入所需的统计错误（例如，以％表示，意味着用户输入s / f * 100），并继续进行模拟，直到达到所需的精度。
你可以判断10 9 点是否足够......
答案 1 :(得分：0)
假设我们将模拟的BER表示为Pb_hat，并将[（1-alpha）Pb，（1 + alpha）Pb]表示为Pb_hat，其中Pb是 true BER，而alpha是偏差容限百分比（例如0.1），然后摘自[van Trees 2013，pg。 [83]我们知道，以置信概率pc获得Pb_hat所需的蒙特卡罗试验次数为K =（c / alpha）^ 2 x（1-Pb）/ Pb， 表c中给出了c。
表I：高斯分布的置信区间概率
| pc | 0.900 | 0.950 | 0.954 | 0.990 | 0.997 |
| c | 1.645 | 1.960 | 2.000 | 2.576 | 3.000 |
示例：假设我们要模拟10 ^ -4的BER，偏差容差百分比为0.01，置信概率为0.950，那么从表I中我们知道c = 1.960并通过应用公式K =（1.96 / 0.01）^ 2 x（1-10 ^ -4）/ 10 ^ -4 = 384121584蒙特卡洛试验。不过，这是一个令人惊讶的巨大价值。
根据经验，K应该在1O / BER左右 [Jeruchim 1984]
[van Trees 2013]，HL van Trees，KL Bell和Z. Tian，检测，估计和过滤理论，第二版，新泽西州霍博肯：Wiley，2013年。
[Jeruchim 1984] M. Jeruchim，“在数字通信系统仿真中估算误码率的技术”，在IEEE通讯领域精选杂志上，第1卷。 2，没有1，第153-170页，1984年1月，doi：10.1109 / JSAC.1984.1146031。