随机信号分析第一章.pptVIP

*/108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 * * * * * * */108 1.5 特征函数 */108 1.5 特征函数 * * * * 电子科技大学通信学院 */108 1.5 特征函数 * * 1.6典型分布 1. （0－1）分布、两点分布 （0－1）或两点分布是最简单与离散的，代表了许多实际的物理现象，比如：掷币试验、击中与否、有无检验、二元数据等等。 * * 1.6典型分布 2.二项分布（Binomial）： 二项分布的结果共n+1种：整数0～n。它代表的实例如：连续n次掷币试验后正面的总数目，n次独立二元检验中总的吻合次数，n长独立二进制数据串中1的总数，等等。 * * 1.6典型分布 3.泊松分布（Poisson）： 泊松分布的结果为非负整数。大量的实际物理现象近似地符合这种分布，比如：顾客服务问题中，顾客的数目；误码发生问题中，误码的数目；网络服务器应用中，服务请求的次数。 * * 1.6典型分布 4. 均匀分布（Uniform ）： 实际应用中，均匀的或没有明确偏向性的物理特性导致均匀分布特性，比如：量化与截尾噪声一般认为具有均匀分布。此外，工程中的正弦信号通常具有均匀的相位特性 * * 1.6典型分布 5.指数分布（Exponential）： 指数分布的取值为非负实数。实际应用中它经常用于描述一些随机性的等待时间与间隔。比如，在公交车站等车的时间；排队等候服务的时间；电话交换机或服务器等待呼叫的时间；设备工作到出现故障的时间等等。 * * 1.6典型分布 6.正态分布（Normal/Gaussian）： 许多随机变量由大量相互独立的随机因素综合影响所形成，而每一单个因素在总的影响中的作用是微小的，这类随机变量近似地服从正态分布。中心极限定理给出了这种现象的数学解释。 * * 1.6典型分布 7.瑞利与莱斯分布（Rayleigh and Rice）： 瑞利与莱斯分布是正态分布随机变量的变换结果。它们取值为非负实数，在通信与电子工程的应用中经常出现，比如，窄带高斯信号的包络服从瑞利或莱斯分布。 * * 1.7 随机变量的仿真与实验 Matlab是一种最常用的PC机模拟与仿真软件，它能方便地产生各种随机数，并进行基本测量。主要功能： 产生指定分布随机数； 统计均值、方差与直方图（概率密度）； 绘制某种概率分布与密度函数曲线； * * 1.7 随机变量的仿真与实验 * * 1.7 随机变量的仿真与实验 * * 1.7 随机变量的仿真与实验 解： Xi_array=exprnd(0.5, 1,10000); mean(Xi_array) ; % ans =2.0019 var(Xi_array) ; % ans =4. 0939 hist(Xi_array) * * 1.7 随机变量的仿真与实验 * * 利用Matlab还可以进行符号的与数值的积分运算，使我们很容易进行统计分析。 1.7 随机变量的仿真与实验 电子科技大学通信学院 * 电子科技大学通信学院 * * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * * * * * 1.2 随机变量要点回顾 * * 1.2 随机变量要点回顾 * * 1.4 数字特征与条件数学期望 * * 1.4 数字特征与条件数学期望 * * 1.4 数字特征与条件数学期望 * * 1.4 数字特征与条件数学期望 第一章 随机变量基础----随机变量的数字特征 例 设X为(a,b)上均匀分布的随机变量，求均值和方差 第一章 随机变量基础----随机变量的数字特征 例 求瑞利分布随机变量的均值和方差。 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108 1.4 数字特征与条件数学期望 */108