1.一种基于SLA算法改进的种子局部平均成谱算法,其特征在于:涉及两项可变参数,包括以参数2*R+1表示平均窗口的大小和以参数N表示平均窗口内被平均的种子个数;取平均窗口参数R等于1,每一次参与平均的种子数量为3,算法执行过程中,首先将读取到的每个脉冲幅度视为一个种子,然后根据当前种子的大小确定活动窗口的范围,当平均窗口内的种子数量达到SLA算法设置的种子个数N时,则对平均窗口内的种子进行取平均的操作,并通过脉冲幅度平均值来更新相应道址上的计数,道址上每一次增加的计数值为被平均的种子个数N,最后再对活动窗口内已经取平均的种子以及种子数量进行清零,同时开始读取下一个脉冲幅度进行新一轮播种;
所述改进的种子局部平均成谱算法模拟需要的幅度样本数计算方法为:样本数量模拟范围初步选定200~80000,以50为间隔,确定样本数量C后,通过均匀分布函数产生1~C的随机数2048个,也就是说在容量为C的样本池中随机取样2048次;若样本数量C小于2048时,必然会出现有的样本出现次数更多,而有的样本出现次数少,具体每个样本的出现次数可以通过tabulate函数统计,从而得出每个样本实际出现概率与平均概率之差,然后通过每个随机变量出现的误差平方和除以样本总数就得到平均误差;
当样本数取值在20000以下时,随着数量增大,平均误差减小的趋势较为明显,而在样本数取60000以后的值时,样本容量继续增大对平均误差的影响并不明显,从而得出要最大限度的满足大样本随机取样,降低计算带来的相关性,因此,模拟时采用的幅度样本数选取
65536。