第四章离散时间 Markov链 4.1定义和一些例子 在一些物理学、生物学、经济学等许多学科中都有如下行为的系统:该系统 是与时间有关的一个系统,如果已知系统在现在的状态,则此系统的过去所处的 状态与将来所处状态是(条件)独立的,这个特性称为 Markov性。本节我们考 虑状态空间S为离散的,用o,i1,…或i,j表示状态,参数集T为离散的(一般表 示时间),T={1,2

如果二维随机向量(X,Y)的每个分 量都是离散型随机变量,则称(X,Y)是 二维离散型随机向量. 二维离散型随机向量(X,Y)所有可 能取的值也是有限个或可列无穷个

 2.1 信源的数学模型及分类  2.2 离散信源的信息熵  2.3 信息熵的基本性质和定理  2.4 离散无记忆的扩展信源  2.5 离散平稳信源  2.6 马尔可夫信源  2.7 信源剩余度与自然语言的熵

2.2离散型随机变量及其概率分布 一、离散随机变量及分布律 定义若随机变量X的可能取值是有限个或可列个,则称Ⅹ为离散型随机变量描述ⅹ的概率特性常用概率分布或分布律

• 3.1 序列信号的周期性和频率 • 3.2 离散时间傅立叶变换(DTFT) • 3.3 离散系统的频率特性 • 3.4 周期序列的频谱—离散傅立叶级数 • 3.5 离散傅立叶变换(DFT) • 3.6 DFT的特性 • 3.7 用DFT计算线性卷积

2.2离散型随机变量及其概率分布 离散随机变量及分布律 定义若随机变量X的可能取值是有限 个或可列个,则称Ⅹ为离散型随机变量 描述ⅹ的概率特性常用概率分布或分布律

第一节信源的数学模型及分类 第二节离散信源的信息熵 第三节信息熵的基本性质 第四节离散无记忆的扩展信源 第五节离散平稳信源 第六节马尔可夫信源 第七节信源剩余度与自然语言的熵

1.1 系统仿真的基本概念 1.2 连续系统仿真技术 1.3 离散事件系统仿真技术 1.3.1 离散事件系统的数学模型 1.3.2 离散事件系统的仿真方法 1.3.3 离散事件系统仿真语言 1.4 仿真技术的应用 1.4.1 系统仿真技术在系统分析﹑综合方面的应用 1.4.2 系统仿真技术在仿真器方面的应用 1.4.3 系统仿真技术在技术咨询和预测方面的应用 1-5 仿真技术的现状与发展 1.5.1 仿真计算机的现状及发展 1.5.2 计算机软件的现状及发展 1.5.3 仿真器的现状与开发

3.1 离散时间系统的时域数学模型——差分方程 3.2 离散时间系统的时域分析——差分方程的求解 3.3 卷 积 和 3.4 用MATLAB进行离散时间系统的时域分析

本章的重点 1、离散信号描述与运算 2、离散系统的数学模型 3、差分方程的初值一起始样值与初始样值 4、如何求差分方程的特解 5、离散信号卷积运算的几种求法 6、系统模拟