VOIP业务仿真建模，使用间歇泊松过程模型，能够图形显示业务的突发特性

VOIP业务仿真建模，使用间歇泊松过程模型，能够图形显示业务的突发特性

 
clc;
clear;
close all;

%题设和假设的参数
E_intval = 0.4;
C2 = 2;

% IPP时间间隔分布参数
lamda = 2*C2/(E_intval*(C2+1));
r1 = (C2-1)/(E_intval*C2*(C2+1));
r2 = 1/(E_intval*C2);

% 等价于2阶超指数分布
% 计算对应的2阶超指数分布参数
mu1 = 0.5*(lamda + r1 + r2 + sqrt( (lamda+r1+r2)^2 - 4*lamda*r2));
mu2 = 0.5*(lamda + r1 + r2 - sqrt( (lamda+r1+r2)^2 - 4*lamda*r2));
p = (lamda - mu2)/(mu1 - mu2);

% 生成参数为mu1、mu2的负指数分布随机序列

% N为生成点个数
N = 1000;
exp1 = exprnd(1/mu1,1,N);
exp2 = exprnd(1/mu2,1,N);

% 按概率p选取负指数分布
% 生成均匀分布随机变量序列
r = rand(1,N);
x = zeros(1,N);
for i = 1:N
    if r(i) < p
        x(i) = 1; % 以概率p选取参数mu1负指数分布的随机变量
    else
        x(i) = 0; % 以概率(1-p)选取参数mu2负指数分布的随机变量
    end;
end;

% 生成2阶超指数分布的时间间隔
w = ones(1,N) - x;
intval = exp1.*x + exp2.*w;

% f向量表示事件发生时刻
f = zeros(1,N);
for i = 1:(N-1)
    f(i+1) = f(i) + intval(i);
end;

% 将事件发生的时刻置1
y=ones(1,length(f));

% 统计特性
EX = mean(intval);
DX = mean(intval.^2)-(EX)^2;
C2 = DX/(EX)^2;

%  绘制事件发生轨迹图
figure(1);
stem(f,y);
axis([1,100,0,1]);

D117