-
重要性採樣
鎖定
- 中文名
- 重要性採樣
- 外文名
- importance sampling
重要性採樣簡介
重要性採樣算法就是在有限的採樣次數內,儘量讓採樣點覆蓋對積分貢獻很大的點。
重要性採樣目標
其目標是用一種受控的方式改變仿真,以便增加稀少事件的數目,同時還能正確地確定解調差錯概率。常規重要性採樣(CIS)是一種降方差的仿真方法,它通過提供有偏噪聲來實現,等效於使系統工作在一個較低的信噪比環境下。
重要性採樣原理
這一估計的精確度取決於X的方差,
於是,我們可以從P上抽樣,通過變量X/L估計E[X;P]。如果
成立,此時的估計便優於直接在原分佈上採樣得到的估計。
當X在Ω上不變號時,最優的L為
。此時X/L*即為要估計的E[X;P],只需一個樣本便可得到該值。然而由於L*與要估計的E[X;P]有關,在實際操作中我們無法取到理論上最優的L*。不過,我們仍可以採用如下方式逼近該理論值:
於是,要估計的期望值可改寫為:
注意到,更優(即讓估計值方差更小)的P會使得樣本分佈的頻率與其在E[X;P]計算中的權重更加相關。這也是該方法得名“重要性採樣”的原因。