2.1 信号的分类 2.2 确知信号的分析 2.3 随机变量的统计特征 2.4 随机过程的一般表述 2.5 平稳随机过程 2.6 高斯随机过程 2.7 随机过程通过系统的分析 2.8 窄带高斯噪声 2.9 周期平稳随机过程

2.1 信号的分类 2.2 确知信号的分析 2.3 随机变量的统计特征 2.4 随机过程的一般表述 2.5 平稳随机过程 2.6 高斯随机过程 2.7 随机过程通过系统的分析 2.8 窄带高斯噪声 2.9 周期平稳随机过程

一、白化滤波器及其物理可实现性 二、连续时间过程的均方滤波 三、离散时间过程的均方滤波

1.1 引言 1.2 时域离散随机信号的统计描述 1.3 随机序列数字特征的估计 1.4 平稳随机序列通过线性系统 1.5 时间序列信号模型

一、正交分解和随机信号的表示 二、随机信号的 Fourier正交分解 三、随机信号的K-L正交分解

在数字通信系统中,接收机输入信号根据其特性的不同可以分为两大类, 类是确知信号,另一类是随参信号。 所谓确知信号是指,一个信号出现后,它的所有参数(如幅度、频率、相位、 到达时刻等)都是确知的。如数字信号通过恒参信道到达接收机输入端的信号。 在随参信号中,根据信号中随机参量的不同又可细分为随机相位信号、随机 振幅信号和随机振幅随机相位信号(又称起伏信号)

一、随机变量的无记忆变换 二、随机向量的无记忆变换 三、随机过程的无记忆变换

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

数字通信信号处理 随机信号 信息论初步

复旦大学：《信号与通信系统》课程习题_随机信号通过线性系统