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

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

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

2.2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

 2.1 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 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

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