如何正確設置隨機數發生器？

Question

爲了開發我的粒子濾波器算法實現，我需要生成關於與要跟蹤的對象有關的運動的假設：如果我設置了N樣本，並且如果我使用了2×1的狀態向量，那麼在每一步我必須生成N對的隨機值（一個2乘以N矩陣）。此外，如果我知道運動的統計數據（均值和標準差），那麼我可以使用均值和標準差來生成所有的N值。最後，爲了模擬運動的不確定性，我可以生成一個噪聲矩陣（矩陣），並將其添加到運動矩陣中。

基於這些前提，我已經實現了在MATLAB運行算法，我用下面的代碼，以便產生運動的假設。實質上，而上面的MATLAB代碼產生良好的預測（它的偉大工程），而不是用C語言編寫相同的代碼++（見代碼：

ds_mean = [dx_mean dy_mean]; 
ds_stddev = [dx_stddev dy_stddev]; 
d = 5; 

V = zeros(2,N); 
V(1,:) = normrnd(ds_mean(1),ds_stddev(1),1,N); % hypotheses of movement on x axis 
V(2,:) = normrnd(ds_mean(2),ds_stddev(2),1,N); % hypotheses of movement on y axis 

E = d*randn(2,N); % weighted noise 

M = V + E; % hypotheses of movement 

，當我不得不使用C++和OpenCV來實現相同的算法出現問題下面）產生不良預測（即遠離對象）。爲什麼？

RNG m_rng; 

x_mean = // ... 
y_mean = // ... 
x_stddev = // ... 
y_stddev = // ... 

Mat velocity(STATE_DIM, NUM_PARTICLES, DataType<double>::type); 
m_rng.fill(velocity.row(0), RNG::NORMAL, x_mean, x_stddev); 
m_rng.fill(velocity.row(1), RNG::NORMAL, y_mean, y_stddev); 

Mat noise(STATE_DIM, NUM_PARTICLES, DataType<double>::type); 
m_rng.fill(noise,RNG::NORMAL,0,1); 
noise *= d; % weighted noise 

movements = velocity + noise; 

如何確保C++算法和matlab中實現的算法一樣？

Answer 1

我想我只是偶然地在這裏回答你的問題，或者至少提供了一個替代解決方案。

https://stackoverflow.com/a/13897938/1899861

我相信，這將產生適當的隨機數，和英特爾處理器（386，486，奔騰）使用Microsoftç編譯時已經過測試死亡。

FYI，4.0 * ATAN（1.0）得到的PI比上述環境的恆定好得多的值。