自适应第一章预备知识.pptVIP

最小实现： 已知系统状态方程 其中A、B完全可控，A、c完全可测，此状态方程对应的传函 ，则称 是M(s)的最小实现。 正实引理：若 为M(s)的最小实现，则M(s)为严正实函数的充要条件是存在对称正定矩阵P、Q，使得 成立。 第三十一页，共五十六页，2022年，8月28日 巴巴拉定理：若f(t)一致连续，且 存在且有界， 则当t→∞时，f(t) →0。 第三十二页，共五十六页，2022年，8月28日 1.3 平稳随机过程 随机变量： 离散型： 连续型： 概率分布： 特点： 特点： 第三十三页，共五十六页，2022年，8月28日 分布函数： 连续型： 数学期望（均值）：记为E(x) 离散型： 连续型： 性质：1. 2. 3. 4. 第三十四页，共五十六页，2022年，8月28日 已知概率分布表： 例： 求期望E(x)。 解： 例：均匀分布 求期望E(x)。 解： 第三十五页，共五十六页，2022年，8月28日 函数的期望： 已知X的概率密度 离散型：pi 连续型：p(x) ，Y是X的函数，Y=f(x)， 第三十六页，共五十六页，2022年，8月28日 随机过程X(t)：随时间而变化的随机变量，即 的集合构成了随机过程。 某接收机的噪声电压 X(t)不同情况下意义： 1. t、i可变：一个时间函数族。 2. t可变，i固定：一个时间函数。 3. t固定，i可变：一个随机变量。 4. t、i固定：一个确定值。 第三十七页，共五十六页，2022年，8月28日 随机过程的分布函数： 一维分布函数： 随机过程在t1时刻随机变量X(t1)的分布函数，只能描述随机过程在各个孤立时刻的统计特性。 二维分布函数： n维分布函数： t1、t2时刻随机变量 的分布函数，表示两个时刻的统计关系。 t1、t2 、… 、 tn时刻随机变量 的 分布函数； ，全面反映统计特性。 第三十八页，共五十六页，2022年，8月28日 随机过程的概率密度： 一维概率密度： 二维概率密度： n维概率密度： 第三十九页，共五十六页，2022年，8月28日 一、平稳随机过程（简称平稳过程） 定义：如果X(t)的n维分布函数不随时间起点的选择的不同而改变，即对于任意的n和h，有 则X(t)是平稳随机过程。 平稳过程性质： 平稳随机过程的一维分布函数与时间无关。 证： 令h=-t1 第四十页，共五十六页，2022年，8月28日 第一页，共五十六页，2022年，8月28日 1.1 范数 一、向量的范数 欧氏范数：若 （n维实向量空间）， 则 范数的基本性质（充分必要条件） ①非负性：若 ，则 ； ②奇次性：对任何实数α和任意向量x，有 ③三角不等式：对任意向量x和y，恒有 范数的几何意义：向量的长度（向量终点到原点O的距离） （两边之和大于第三边） 性质： （两边之差小于第三边） 第二页，共五十六页，2022年，8月28日 向量范数收敛性：设 是 中的向量序列，有限向量 ，则称 收敛于x,记为 。 如果当 时， 收敛的充要条件： 证： 要求 即 第三页，共五十六页，2022年，8月28日 例：求向量序列 ，k=1,2, ‥‥的收敛性向量 解： 第四页，共五十六页，2022年，8月28日 P范数（记为 ）： 其中p≥1 三种： ① ，欧氏范数，简记为 ② ③ ，可证明 第五页，共五十六页，2022年，8月28日 向量范数收敛一致性：如果向量序列 对某一种范数收敛，且极限为x，则对于其它范数，这个序列仍然收敛，并且有相同的极限。 例：若 则 第六页，共五十六页，2022年，8月28日 范数（时间函数u(t)）: 三种： ②p=2， 若 ，称L1存在，u(t)为绝对可积，记为u(t) ∈ L1 ①p=1， 若 ，称L2存在，u(t)为平方可积，记为u(t) ∈ L2 ③p=∞， （极值） 若 ，称L∞存在，u(t)为有界，记为u(t) ∈ L∞ 第七页，共五十六页，2022年，8月28日 定理：若 ， ，则 证： 截尾函数： 第八页，共五十六页，2022年，8月28日 基本性质（充分必要条件） ①非负性：若 ，则 ； ②奇次性：对任