搜索资源列表
ARMODEL
- 功率谱估计的应用范围很广，在各学科和应用领域中受到了极大的重视。在《现代信号处理》课程中讲述了经典谱估计和现代谱估计这两大类谱估计方法；经典谱估计是基于傅立叶变换的，虽然具有运算效率高的优点，但是频谱分辨率低同时旁瓣泄漏严重，对长序列有着良好的估计。为了克服经典谱估计的缺点，人们开展了对现代谱估计方法的研究。现代谱估计是以随机过程的参数模型为基础的，有最大似然估计法、最大熵法、AR模型法、预测滤波器法。现代谱估计对短序列的估计精度高，同
yidongchuanbohuanjing
- 杨大成的《移动传播环境》 从别的地方下载的 版权归作者所有 本书内容包括：理论分析移动传播环境所常用的概率论、随机过程及矩阵等基础知识；地球表面均匀大气中的电波传播、室外传播模型，室内无线传播及覆盖，小尺度衰落信道，标量信道建模及其仿真，矢量信道建模及其仿真等。 书中专门介绍了空-时矢量信道模型、多输入-多输出（MIMO）信道模型，使读者既便于对无线传播环境的基本概念和理论的理解，也能深刻感受到移动传播环境分析方法的演进。此外，本书附录
DSP2407-correlation(cpu2)
- 两个随机信号相关DSP实现及在故障距离判别运用,是现代信号处理理论教学的实验部分,利于理解随机过程相关的实际意义
ARMODEL
- 功率谱估计的应用范围很广，在各学科和应用领域中受到了极大的重视。在《现代信号处理》课程中讲述了经典谱估计和现代谱估计这两大类谱估计方法；经典谱估计是基于傅立叶变换的，虽然具有运算效率高的优点，但是频谱分辨率低同时旁瓣泄漏严重，对长序列有着良好的估计。为了克服经典谱估计的缺点，人们开展了对现代谱估计方法的研究。现代谱估计是以随机过程的参数模型为基础的，有最大似然估计法、最大熵法、AR模型法、预测滤波器法。现代谱估计对短序列的估计精度高，同
yidongchuanbohuanjing
- 杨大成的《移动传播环境》 从别的地方下载的 版权归作者所有 本书内容包括：理论分析移动传播环境所常用的概率论、随机过程及矩阵等基础知识；地球表面均匀大气中的电波传播、室外传播模型，室内无线传播及覆盖，小尺度衰落信道，标量信道建模及其仿真，矢量信道建模及其仿真等。 书中专门介绍了空-时矢量信道模型、多输入-多输出（MIMO）信道模型，使读者既便于对无线传播环境的基本概念和理论的理解，也能深刻感受到移动传播环境分析方法的演进。此外，本书附录
DSP2407-correlation(cpu2)
- 两个随机信号相关DSP实现及在故障距离判别运用,是现代信号处理理论教学的实验部分,利于理解随机过程相关的实际意义-Two random signals related to DSP and realize fault distance criterion in the use of modern signal processing theory of part of the teaching experiment, which will
train
- Monte Carlo 法不同于前面几章所介绍的确定性数值方法，它是用来解决数学和物理问题的非确定性的（概率统计的或随机的）数值方法。Monte Carlo 方法（MCM），也称为统计试验方法，是理论物理学两大主要学科的合并：即随机过程的概率统计理论（用于处理布朗运动或随机游动实验）和位势理论，主要是研究均匀介质的稳定状态[1]。它是用一系列随机数来近似解决问题的一种方法，是通过寻找一个概率统计的相似体并用实验取样过程来获得该相似体的近
Random-process
- 复旦大学研究生使用的一本随机过程书 非常好的一本书 ，偏重于理论-Fudan University graduate student using a random process the book a very good book, emphasis on theory
Untitled5
- 随机共振理论及算法，能够实现经典随机共振过程，是源代码-Stochastic resonance theory and algorithms can achieve the classic stochastic resonance process, the source code
GM-code
- 灰色系统理论将一切随机变化量看作是在一 定范围内变化的灰色量，将随机过程当作是在一定 范围、一定时区内变化的灰色过程，灰色预测[13,22] 是通过对原始数据进行累加生成或累减生成、级比 生成等，将杂乱无章的原始数据整理成规律性较强 的生成数据序列，再用微分拟合法建立微分方程来 描述生成数据序列的规律，最终通过对生成序列的 预测、还原来实现原始序列的预测-Grey system theory will all
poisson-process
- 理解掌握 Poisson过程的理论，了解随机过程的模拟实现技术，学习并掌握在实际中如何检验给定的随机过程是否为Poisson过程 -Poisson process, understand and grasp the theory of stochastic processes to achieve understanding of simulation techniques to learn and master in prac
2
- 理解掌握Poisson过程的理论，了解随机过程的模拟实现技术，学习并掌握在实际中如何检验给定的随机过程是否为Poisson过程,分析Poisson过程的数字特征。-Poisson process theory to understand and grasp, understand the pseudo-random process implementation techniques, and learn how to master t
Per_Gauss_Q_U_test
- 表述一个高斯过程的传递，用于随机共振理论的研究 随机共振在高斯背景下的信号检测-Expression of a gaussian process, used in the study of the theory of stochastic resonance of stochastic resonance in the context of gaussian signal detection
1
- 观测随机过程通过滤波器后，输出和输入过程的统计特性所发生的变化。 a. 生成 的24个样本值。 b. 在理论上计算真实的自相关序列，并与xcorr计算的样本自相关序列相比； c. 对估计的自相关序列采用fft来计算功率谱，画出功率谱； d. 用估计的自相关序列和Yule-Walker方程来计算模型参数，并与理论结果相比。 e. 直接用估计的模型参数代入AR模型的功率谱中，画出该功率谱； -After observ
wiener_filtering
- 在一定的约束条件下，其输出与一给定函数（通常称为期望输出）的差的平方达到最小，通过数学运算最终可变为一个托布利兹方程的求解问题。维纳滤波器又被称为最小二乘滤波器或最小平方滤波器，目前是基本的滤波方法之一。维纳滤波是利用平稳随机过程的相关特性和频谱特性对混有噪声的信号进行滤波的方法，1942年美国科学家N.维纳为解决对空射击的控制问题所建立，是40年代在线性滤波理论方面所取得的最重要的成果。-Under some constraint c
最优阵列处理技术
- 本书的内容丰富，既包含了经典的阵列设计和空时随机过程分析的理论，也包含了近十年来在自适应阵列处理领域内自适应波束形成、波达方向估计和空间谱估计房名的跟中新的理论、算法和技术。(The book is rich in content, not only includes the theory of array design and analysis of the classical space-time stochastic proces
ARMA相关模型及其应用
- 时间序列分析是数理统计中的一个重要分支，用随机过程理论和数理统 计方法研究随机数据序列的规律。时间序列分析提供了一套具有科学依据的 动态数据处理方法，该方法的主要手段是对各种类型的数据采用相应的数学 模型去近似描述。通过对模型的分析研究，便可更本质地了解数据的内在结 构和复杂特性，从而达到预测其发展趋势并进行必要的控制的目的。(Time series analysis is an important offset
第二章-平稳随机过程的谱分析
- 介绍了平稳随机过程及功率谱相关理论 ● 傅里叶变换能否应用于随机信号？ ● 相关函数与功率谱的关系 ● 功率谱的应用 ● 采样定理 ● 白噪声的定义(The stationary random process and the theory of power spectrum correlation are introduced.)
泊松过程的生成及其统计分析
- 假设一个交换系统有M部电话，每个用户在很短的时间（单位时间内）呼叫一次的概率为P；用户间呼入的时刻相互独立，当M很大，P很小时，时间t内到达交换机的呼叫次数构成泊松过程N(t)。 1、确定此泊松过程的参数。利用计算机仿真N(t)的生成过程。注意合理选择M和P，时间分辨率为一个单位时间。 2、为了比较生成的N(t)与理论模型的吻合程度。取N(t)的多个样本并选取3个典型时间,,，得到,,三个随机变量的样本，在一张图上画出其直方图及理论分
随机过程部分习题参考答案
- 随机过程理论第二版 习题解答 周荫清著 （部分）(Solutions to exercises in the second edition of stochastic process theory)