[论文解读] A Note on the Sum of Correlated Gamma Random Variables

José F. Paris|arXiv (Cornell University)|Mar 2, 2011

Fuzzy Systems and Optimization参考文献 4被引用 12

一句话总结

本文利用Lauricella函数，推导出任意相关伽马随机变量之和的概率密度函数（PDF）和累积分布函数（CDF）的精确封闭形式表达式。通过利用矩生成函数，并将其与合流Lauricella函数 $\Phi_2^{(N)}$ 联系起来，作者提供了紧凑的解析表达式，适用于相关Nakagami-$m$衰落信道中的性能分析，特别是最大比合并系统中的中断概率分析。

ABSTRACT

The sum of correlated gamma random variables appears in the analysis of many wireless communications systems, e.g. in systems under Nakagami-m fading. In this Letter we obtain exact expressions for the probability density function (PDF) and the cumulative distribution function (CDF) of the sum of arbitrarily correlated gamma variables in terms of certain Lauricella functions.

研究动机与目标

• 推导任意相关伽马随机变量之和的精确解析表达式。
• 通过以紧凑的封闭形式表达PDF与CDF，改进现有无穷级数表示方法。
• 实现在相关Nakagami-$m$衰落信道下无线系统性能评估的准确性。
• 提供基于特殊函数的数学上严谨的框架，适用于多种通信系统模型。

提出的方法

• 基于变换后相关矩阵的特征值，推导出相关伽马变量之和的矩生成函数（MGF）。
• 通过拉普拉斯变换反演，建立MGF与合流Lauricella函数 $\Phi_2^{(N)}$ 之间的联系。
• 构造矩阵 $A = DC$，其中 $D$ 包含尺度参数 $\beta_n$，$C$ 通过 $\sqrt{\rho_{ij}}$ 编码相关系数，$\lambda_n$ 为矩阵 $A$ 的特征值。
• 利用 $\Phi_2^{(N)}$ 以 $-y/\lambda_n$ 为参数表达CDF与PDF，实现精确计算。
• 该公式具有通用性，当 $N=1$ 且 $\alpha=m$ 时，退化为标准Nakagami-$m$分布。
• 推导依赖于积分表示及文献中已知的合流Lauricella函数恒等式。

实验结果

研究问题

• RQ1 能否以避免无穷级数的封闭形式表达任意相关伽马随机变量之和？
• RQ2 何种特殊函数可为此类和的PDF与CDF提供紧凑表示？
• RQ3 如何将相关伽马变量的矩生成函数转化为多变量超几何函数？
• RQ4 相关系数-尺度矩阵的特征值与和的分布之间存在何种关系？
• RQ5 在独立或同分布伽马变量的情况下，这些表达式在多大程度上得以简化？

主要发现

• 和 $Y = \sum_{n=1}^N X_n$ 的CDF为 $F_Y(y) = \frac{y^{N\alpha}}{\det(A)^\alpha \Gamma(1+N\alpha)} \Phi_2^{(N)}(\alpha,\ldots,\alpha; 1+N\alpha; -y/\lambda_1, \ldots, -y/\lambda_N)$。
• 和 $Y$ 的PDF表达式为 $f_Y(y) = \frac{y^{-1+N\alpha}}{\det(A)^\alpha \Gamma(N\alpha)} \Phi_2^{(N)}(\alpha,\ldots,\alpha; N\alpha; -y/\lambda_1, \ldots, -y/\lambda_N)$。
• 当 $N=1$ 时，若 $\alpha = m$ 且 $\beta_1 = \bar{\gamma}/m$，则表达式退化为Nakagami-$m$随机变量平方的标准CDF与PDF。
• 所推导的表达式为精确且紧凑，避免了先前工作中无穷级数表示所伴随的收敛性问题。
• 该方法可直接用于计算相关Nakagami-$m$衰落信道中最大比合并（MRC）系统的中断概率。
• 使用合流Lauricella函数 $\Phi_2^{(N)}$ 提供了一个统一且解析可处理的框架，适用于相关衰落环境下的性能评估。