文章目录正态随机过程1.定义2.概率密度3.特征函数平稳随机过程的谱分析1.能量谱与功率谱2.功率谱密度与相关函数的关系白噪声正态随机过程1.定义随机过程 X(t)X(t)X(t) 的任意 nnn 维（任取 nnn 个时间点）联合概率分布都是正态分布就说 X(t)X(t)X(t) 为正态随机过程。一个结论：对正态过程来说广义平稳与严格平稳是等价的。2.概率密度   &

文章目录(1)偏微分方程的类型(二阶)(2)抛物线型1.显式法2.Crank-Nicholson隐式算法 (3)双曲线型(4)椭圆型(1)偏微分方程的类型(二阶)a∂2u∂x2+b∂2u∂y∂x+c∂2u∂x2+d∂u∂x+e∂u∂y+fu+g=0a\frac{\partial^2u}{\partial x^2}+b\frac{\partial^2u}{\partial y\partial x}+

随机过程（基本概念、平稳随机过程）大三上学习了随机过程（实际听不懂就去看了简化版的随机信号），感觉一些概念性的东西比较多，因此这里进行一个简单总结。文章目录(1)随机过程的基本概念1.对随机过程的理解2.随机过程的概率分布3.随机过程的矩函数4.随机过程的特征函数(2)平稳随机过程1.平稳的定义2.严格平稳过程3.广义平稳过程4.各态历经过程5.平稳过程相关函数的性质6.相关系数和相关时间(1)随

相关性检验使用皮尔逊相关系数和斯皮尔曼相关系数来衡量两个变量间相关性的大小文章目录(1)描述性统计1.使用Matlab进行计算2.使用Excel计算3.使用Spss计算(2)正态分布的检验0.偏度与峰度1. JB 检验(大样本n>30)2. 夏皮洛-威尔克检验 (3)皮尔逊相关系数1.总体皮尔逊Person相关系数2.样本皮尔逊Person相关系数3.使用皮尔逊Person相关系数...

这篇博客主要梳理数字信号处理领域里面比较重要的几个概念以及之间的关系，包含以下几个内容傅里叶变换(FT)离散时间傅里叶变换(DTFT)离散傅里叶变换(DFT)离散傅里叶级数(DFS)Z 变换(ZT)快速傅里叶变换(FFT)。1. 转换成可处理的数字信号的要求一方面保证是离散的 (时域与频域)，另一方面保证信号是有限的 (时域与频域)。2. 从 FT 到 DTFT首先给出 FT 的表达式 F(jω)

文章目录(1) 匹配滤波器的公式推导与解释1.使用匹配滤波器的目的2.推导匹配滤波器的公式3.从频域直观理解匹配滤波器的效果(2) 匹配滤波器的冲激响应(3) 匹配滤波器的输出信噪比(4) 匹配滤波器的时间适应性(5) 匹配滤波器与自相关(6) 匹配滤波器进行频域滤波参考通信之道——从微积分到5G匹配滤波器及其在雷达信号处理中的应用随机过程概论（PPT） 第四章之前的写线性调频信号的博客 （这里留

建议配合国宝老师的视频食用。信号与线性系统分析 吴大正 郭宝龙文章目录(1) 采样的说明1. 为什么要取样2. 什么是取样(2) 采样定理1. 为什么要有奈奎斯特频率2. 什么是采样定理(3) 信号的恢复(4) Matlab的Sa函数取样仿真1. 采样信号Sa函数的说明2. 进行参数的说明及相关计算3. 结果的展示4. matlab 代码(1) 采样的说明1. 为什么要取样我们要使用计算机去处理信

最近在Coursera上面听课，写博客记录一下，促进学习。Audio Signal Processing for Music ApplicationsPS: 这里再推一波郭宝龙老师的MOOC，很香。信号与线性系统分析 吴大正 郭宝龙(1) STFT 的引入1. 为什么要引入短时傅里叶变换?首先引入一个平稳与非平稳的概念：非平稳信号：对于确定信号，信号的频率成分随着时间而发生变化。比如说下面的脑电图

多目标优化模型求解方案文章目录(1) 概念引入1.多目标优化模型2.支配(2) 多目标优化的传统解法(3) 智能优化算法(3) matlab的智能优化算法1. 基本的两个函数2. 例子3. 如果有三个目标(1) 概念引入1.多目标优化模型数学模型(一般都转化成最小问题)min⁡F(x)=(f1(x),f2(x),…,fm(x))  s.t.x∈Ω\min{F(x)}=(f_1(

最近在Coursera上面听课，写博客记录一下，促进学习。Audio Signal Processing for Music ApplicationsPS: 这里再推一波郭宝龙老师的MOOC，很香。信号与线性系统分析 吴大正 郭宝龙(1) STFT 的引入1. 为什么要引入短时傅里叶变换?首先引入一个平稳与非平稳的概念：非平稳信号：对于确定信号，信号的频率成分随着时间而发生变化。比如说下面的脑电图