这些脚本使用基于同构 Poisson 过程模型的方法计算单层蜂窝网络中的 k 覆盖概率（基于 SINR* 值）。 更多细节可以在（提交的）工作 [1] 中找到，它展示了这些脚本所基于的模型。 脚本 funProbCov.m 使用类似包含-排除的公式和两种类型的积分来计算具有对数正态阴影（尽管阴影分布可能有点任意 [1]）且没有衰减的网络中的 k 覆盖概率。 更简单的积分 I_n 使用正交方法或简单的解析公式（对于零噪声或“干扰受限”的情况）。 更复杂的高维积分 J_n 对低维使用正交方法，对更高 (n>2) 维使用准随机 (Sobol) 积分。 脚本 funProbCovFade.m 计算具有瑞利衰落（以单位均值呈指数分布）和对数正态阴影的网络的 1 覆盖概率。 当模型有噪声时，使用超几何函数 2F1 的数值积分。 在无噪声情况下使用具有 2F1 的封闭形式解决方案。 模拟脚本也

考虑到用户与基站间的相关性和网络的不规则性，建立了基于 Matern 簇过程（MCP）的非正交多址接入型异构网（NOMA-HetNet）模型，并结合该模型分析了各类用户的覆盖概率。在分析过程中，首先，从理论上推导出用户的信干噪比（SINR）；其次，针对现实中的非完美串行干扰消除（SIC）方案，给出了一种更符合实际情况的SINR上限更新规则；然后，利用空间坐标系、概率论、随机几何理论和顺序统计量等数学工具分析了各类用户关联概率和服务距离；最后，推导了各类用户覆盖概率的理论表达式。利用数值仿真分析了簇半径、基站密度和干扰残余因子对服务距离和覆盖概率的影响，取得了与理论分析相吻合的结果，验证了理论分析的正确性。