2.1 带通与低通信号的表示 2.2 波形的信号空间表示 2.3 带通和低通随机过程

第一章 概率论的起源与历史 第二章 概率论——随机事件与随机变量 第三章 概率论的现代前沿——随机过程论

本章教学目的：了解随机过程和数理统计的基本知识（因为它是分析和设计通信系统的重要 工具）。 说明：随机过程与数理统计属于数学学科的内 容。为了使大家迅速掌握随机过程与数理统计 的有关知识，本章不准备从严格的数学角度介绍随机过程与数理统计的完整内容，而将结合 本课程的特点从工程的角度有重点的介绍

❖ 随机变量 ❖ 随机变量的数字特征 ❖ 参数估计 ❖ 回归分析 ❖ 随机过程 ❖ 随机过程的数字特征 ❖ 随机过程的谱密度

第一章 概率论的基本概念 第二章 随机变量及其分布 第三章 多维随机变量及其分布… 第四章 随机变量的数字特征94 第五章 大数定律及中心极限定理 第六章 样本及抽样分布 第七章 参数估计 第八章 假设检验 第九章 方差分析及回归分析 第十章 随机过程及其统计描述 第十一章 马尔可夫链 第十二章 平稳随机过程 第十三章 选做习题 第十四章 教材第二版中未被列人第三版的习题

第一节随机过程的一般描述 第二节随机过程的部分描述—数字特征 第三节平稳随机过程 第四节高斯过程 第五节噪声

本文给出了一种子图配准的随机搜索算法。搜索过程是纵随机选择的起点开始的。该点由在(0,1)区间上均匀分布的假随机数所产生。这一搜索过程是朝向匹配点逐步地进行的。本算法的优点已经由试验所证实。试验是在窗口尺寸与图片尺寸的比值ξ=0.21的情况下进行的

提出基于普通变尺度和周期势自适应随机共振理论，检测噪声背景下轴承滚动体的故障特征.在具体实施过程中，首先用普通变尺度的方法满足随机共振中小参数的条件，然后用随机权重粒子群优化算法作为自适应随机共振参数寻优的优化算法，同时用改进的信噪比作为评价指标.噪声背景下含轴承滚动体故障的实验信号经过普通变尺度下的自适应随机共振处理和优化后，微弱的故障特征可以有效的提取出来.将普通变尺度下的双稳态自适应随机共振和周期势自适应随机共振进行了对比，结果表明周期势自适应随机共振比双稳态自适应随机共振能进一步提高信噪比，并且比双稳态自适应随机共振迭代次数少，用时短.这说明提出的基于普通变尺度和周期势系统自适应随机共振的轴承滚动体故障诊断方法具有优越性，尤其是在工程实际中，故障监测所需的数据量大，计算时间长，如能较早的预警，可以提高诊断效率并减少不必要的损失.因此，这种轴承滚动体故障诊断方法对提高机械设备故障诊断效率具有参考价值

文中由带随机系数的脱碳动力学方程求出了相应的Fokker—Planck方程,求解得到了脱碳随机过程的转移概率密度函数,从而论证了该过程是一个Gauss—Markov过程。本文最后还提出了将所求得的转移概率密度应用于转炉炼钢过程后期终碳控制的某些设想

Markov 过程是随机过程研究的对象之一运动是世界存在的本质，我们所关注的事物、 对象、目标等等，无不在变化中，其中大多数还处在随机变化中 探讨随机运动的趋势、可能的结果，就是 Markov 过程的关注所在重点：掌握 Markov过程研究问题的思路和方法