[README] 更新项目概述、算法史故事、新手破冰指南、避坑锦囊等核心内容
学生：钟伟 (202521093008) 选题编号：A10 所属分队：红队 指导教师：朱宗晓
本项目源自《计算机程序设计艺术》（TAOCP）算法库的知识的系统化工程落地。
1950年代的蒙特卡洛模拟对随机数的质量要求极高。Mitchell与Moore在1958年发明了滞后斐波那契生成器，用具有一定间隔的历史状态消除了简单线性同余法周期短、多维相关性差的问题。Knuth在随后整理的随机数理论中，为其推荐了j=55,k=24的黄金参数，并确立了卡方检验等统计验收标准。
开发一个为控制算法做”压力测试”的噪声仿真模块。使用维护55个历史状态循环队列的LFG算法生成高质量白噪声数据。编写统计模块，执行频度检验（卡方拟合优度）和间隔检验（Gap Test），量化输出噪声数据的均匀性和独立性。
通过分析早期著名的RANDU问题等伪随机算法灾难，培养对工程测试数据的批判性思维和科学验证精神。
永远不要相信”直觉上觉得没问题”的输入源。 在自动化设备、恶劣环境和安全关键系统中，信号的质量必须经过严密的数学和统计学检验。缺乏”可观性”的盲目信任，就是工程灾难的开端。
如果把学习编程比作研发无人驾驶汽车：
简而言之：算法库提供的是”随机数公式”，而A10项目要求你建立一个”可证伪的数字风洞试验台”。
你的现状：认为随机数是计算机底层自带的玄学。
你要做的：理解随机数其实是确定的数学递推。
先写一个最简单的线性同余发生器（LCG）：X = (A * X + C) % M。只需一行代码，你就能明白随机数就是把上一个数字放大、偏移再截断。
但这不够好（周期短，低位规律明显）。所以我们要造滞后斐波那契生成器（LFG）。
你的现状：会写 f[i] = f[i-1] + f[i-2] 这种普通的斐波那契数列。
你要做的：拉开时间的距离。LFG 的公式是 X = (X[前55步] ± X[前24步]) % M。
定义一个长度为 55 的全局数组（你的历史状态机）：unsigned int history[55];。
你需要两个游标（指针）j 和 k。每次生成新数字时，提取这两个位置的数字做加减法，并覆盖回数组。
核心挑战：游标移动到数组头部时要”折返”到尾部。这里再次用到了 A09 环网中的循环队列思想（利用取模 % 55 操作实现无缝转圈）。
你的现状：会用 for 循环统计数组里每个数字出现了几次。
你要做的：把统计结果量化为系统的”可观性指标”。
假设你生成了 10,000 个 0~9 的随机数。完美情况下，每个数字应该出现 1,000 次（期望值 E）。
统计实际出现的次数（观测值 O）。
套用公式：把每个数字的 (观测值 - 期望值)的平方 / 期望值 算出来，然后全部加起来。
这就是大名鼎鼎的卡方值（Chi-square）。如果这个值太小，说明数据”假得离谱”（比如精确的123456789循环）；如果太大，说明数据严重偏科；只有落在一个特定区间，才是合格的噪声。
你的现状：只关注数字出现的总数。
你要做的：警惕隐藏的周期规律。
比如序列：1,2,3,4,5,1,2,3,4,5… 频度检验满分，但它是个死循环。
间隔检验：盯着某一个特定的区间（比如数字0~2）。计算上一次出现和下一次出现之间，隔了几个数字？统计”间隔为0”、”间隔为1”、”间隔为2”的次数，去和理论概率做对比。这就戳破了”低级伪随机”在多维空间中的伪装。
在实现这套”仿真与检验台”时，初学者极易踩中以下三个雷区：
LFG 算法的特点是：生成第 56 个数需要前 55 个数。那么最开始的 55 个数哪里来？
绝对不要全填 0，否则生成的永远是 0！
正确做法：在 lfg_init(seed) 函数中，必须先悄悄借用一个传统的 LCG 发生器，用它生成 55 个初值填满数组，完成”预热”。
在算卡方值时，公式里有除法 (O-E)^2 / E。如果全是整数相除，C语言会直接把小数部分截断，导致检验结果完全失效。
工程技巧：先乘再除。将算式改为 (O-E)*(O-E)*100 / E，全程使用 long long。保留两位有效数字的同时，避免引入浮点数 float/double 的舍入误差。
当你写好了卡方检验代码，你传入 LFG 数据发现通过了，这能证明你写对了吗？不能，也许是你的检验代码本身是坏的，对任何数据都放行。
测试驱动：先手工造一个全0数组，传给卡方检验，它必须输出极大值（报警）。再造一个 0123456789 严格循环的数组，它必须输出 0（报警）。只有能抓住”坏人”的测谎仪，才是好测谎仪。
在做最后的报告时，你可以引入这段历史：
1960年代，IBM 推出了一款名为 RANDU 的随机数生成器。它的算法极快，单看频率统计也非常完美，被广泛应用于当时的物理核爆炸模拟、流体力学蒙特卡洛计算中。
直到1968年，科学家把 RANDU 每次生成的三个数字当成三维空间中的 (X, Y, Z) 坐标画出来，才惊恐地发现：所有的点居然整齐地排列在 15 个平行的二维平面上！
十几年间，世界上无数顶尖论文的实验数据，因为这个”不合格的随机数传感器”，全部沦为废纸。
A10 项目的最高工程伦理在于：永远不要相信”直觉上觉得没问题”的输入源。在自动化设备、恶劣环境和安全关键系统中，信号的质量必须经过严密的数学和统计学检验。缺乏”可观性”的盲目信任，就是工程灾难的开端。
. ├── README.md # 本文件（项目总览） ├── Makefile # GCC编译脚本 ├── .gitignore # Git忽略规则 ├── src/ # 源代码目录 │ ├── main.c # 主程序入口 │ ├── algorithm_a.c # 算法A实现 │ ├── algorithm_b.c # 算法B实现 │ ├── utils.c # 工具函数 │ └── include/ # 头文件目录 │ ├── algorithm_a.h │ ├── algorithm_b.h │ └── utils.h ├── docs/ # 文档目录 │ ├── 01-需求分析.md │ ├── 02-算法史故事.md │ ├── 03-功能框图.png │ ├── 04-详细设计.md │ └── 05-测试报告.md ├── report/ # 课程设计报告 │ └── 设计报告模板.md └── test/ # 测试代码 ├── unit_test.c # 单元测试 └── test_data/ # 测试数据集
make # 编译主程序 make test # 编译测试 make clean # 清理
./main ./unit_test
[A-模块] 具体修改内容 示例： [A-LFG] 实现滞后斐波那契生成器(j=55,k=24) [A-卡方检验] 实现拟合优度检验 [A-间隔检验] 实现Gap Test独立性检测 [A-可视化] 实现频率分布直方图与统计报告
源自《计算机程序设计艺术》的新故事 —— 这本书的作者栏，写着你的名字。
A10 恶劣环境传感器信号仿真与统计检验台 — 钟伟(202521093008) 课程设计仓库。组合算法：LFG + 卡方/间隔检验。TAOCP出处：卷2 §3.2.2 + §3.3.1。
A10 恶劣环境传感器信号仿真与统计检验台
学生：钟伟 (202521093008) 选题编号：A10 所属分队：红队 指导教师：朱宗晓
项目概述
本项目源自《计算机程序设计艺术》（TAOCP）算法库的知识的系统化工程落地。
算法史故事
1950年代的蒙特卡洛模拟对随机数的质量要求极高。Mitchell与Moore在1958年发明了滞后斐波那契生成器，用具有一定间隔的历史状态消除了简单线性同余法周期短、多维相关性差的问题。Knuth在随后整理的随机数理论中，为其推荐了j=55,k=24的黄金参数，并确立了卡方检验等统计验收标准。
课程任务
开发一个为控制算法做”压力测试”的噪声仿真模块。使用维护55个历史状态循环队列的LFG算法生成高质量白噪声数据。编写统计模块，执行频度检验（卡方拟合优度）和间隔检验（Gap Test），量化输出噪声数据的均匀性和独立性。
核心要求
工程哲学：可控可观（Controllability-Observability）
工程伦理
通过分析早期著名的RANDU问题等伪随机算法灾难，培养对工程测试数据的批判性思维和科学验证精神。
新手破冰指南：C语言视角的四步上手路径
如果把学习编程比作研发无人驾驶汽车：
简而言之：算法库提供的是”随机数公式”，而A10项目要求你建立一个”可证伪的数字风洞试验台”。
第一步：打破 rand() 黑盒（建立发生器基石）
你的现状：认为随机数是计算机底层自带的玄学。
你要做的：理解随机数其实是确定的数学递推。
先写一个最简单的线性同余发生器（LCG）：X = (A * X + C) % M。只需一行代码，你就能明白随机数就是把上一个数字放大、偏移再截断。
但这不够好（周期短，低位规律明显）。所以我们要造滞后斐波那契生成器（LFG）。
第二步：驯服 55 个幽灵（实现 LFG）
你的现状：会写 f[i] = f[i-1] + f[i-2] 这种普通的斐波那契数列。
你要做的：拉开时间的距离。LFG 的公式是 X = (X[前55步] ± X[前24步]) % M。
定义一个长度为 55 的全局数组（你的历史状态机）：unsigned int history[55];。
你需要两个游标（指针）j 和 k。每次生成新数字时，提取这两个位置的数字做加减法，并覆盖回数组。
核心挑战：游标移动到数组头部时要”折返”到尾部。这里再次用到了 A09 环网中的循环队列思想（利用取模 % 55 操作实现无缝转圈）。
第三步：打造频度测谎仪（卡方拟合优度检验）
你的现状：会用 for 循环统计数组里每个数字出现了几次。
你要做的：把统计结果量化为系统的”可观性指标”。
假设你生成了 10,000 个 0~9 的随机数。完美情况下，每个数字应该出现 1,000 次（期望值 E）。
统计实际出现的次数（观测值 O）。
套用公式：把每个数字的 (观测值 - 期望值)的平方 / 期望值 算出来，然后全部加起来。
这就是大名鼎鼎的卡方值（Chi-square）。如果这个值太小，说明数据”假得离谱”（比如精确的123456789循环）；如果太大，说明数据严重偏科；只有落在一个特定区间，才是合格的噪声。
第四步：打造维度测谎仪（间隔检验 Gap Test）
你的现状：只关注数字出现的总数。
你要做的：警惕隐藏的周期规律。
比如序列：1,2,3,4,5,1,2,3,4,5… 频度检验满分，但它是个死循环。
间隔检验：盯着某一个特定的区间（比如数字0~2）。计算上一次出现和下一次出现之间，隔了几个数字？统计”间隔为0”、”间隔为1”、”间隔为2”的次数，去和理论概率做对比。这就戳破了”低级伪随机”在多维空间中的伪装。
给新手的避坑锦囊
在实现这套”仿真与检验台”时，初学者极易踩中以下三个雷区：
1. “先有鸡还是先有蛋”的初始化陷阱（冷启动问题）
LFG 算法的特点是：生成第 56 个数需要前 55 个数。那么最开始的 55 个数哪里来？
绝对不要全填 0，否则生成的永远是 0！
正确做法：在 lfg_init(seed) 函数中，必须先悄悄借用一个传统的 LCG 发生器，用它生成 55 个初值填满数组，完成”预热”。
2. 整数运算的精度灾难（避开浮点数陷阱）
在算卡方值时，公式里有除法 (O-E)^2 / E。如果全是整数相除，C语言会直接把小数部分截断，导致检验结果完全失效。
工程技巧：先乘再除。将算式改为 (O-E)*(O-E)*100 / E，全程使用 long long。保留两位有效数字的同时，避免引入浮点数 float/double 的舍入误差。
3. 如何检验”检验台”本身是正确的？（双盲测试）
当你写好了卡方检验代码，你传入 LFG 数据发现通过了，这能证明你写对了吗？不能，也许是你的检验代码本身是坏的，对任何数据都放行。
测试驱动：先手工造一个全0数组，传给卡方检验，它必须输出极大值（报警）。再造一个 0123456789 严格循环的数组，它必须输出 0（报警）。只有能抓住”坏人”的测谎仪，才是好测谎仪。
💡 工程伦理探讨：直觉的背叛 (The RANDU Disaster)
在做最后的报告时，你可以引入这段历史：
1960年代，IBM 推出了一款名为 RANDU 的随机数生成器。它的算法极快，单看频率统计也非常完美，被广泛应用于当时的物理核爆炸模拟、流体力学蒙特卡洛计算中。
直到1968年，科学家把 RANDU 每次生成的三个数字当成三维空间中的 (X, Y, Z) 坐标画出来，才惊恐地发现：所有的点居然整齐地排列在 15 个平行的二维平面上！
十几年间，世界上无数顶尖论文的实验数据，因为这个”不合格的随机数传感器”，全部沦为废纸。
A10 项目的最高工程伦理在于：永远不要相信”直觉上觉得没问题”的输入源。在自动化设备、恶劣环境和安全关键系统中，信号的质量必须经过严密的数学和统计学检验。缺乏”可观性”的盲目信任，就是工程灾难的开端。
目录结构
快速开始
编译
运行
里程碑
Git提交规范