最小二乘法
准则:测量值与估计值之差的平方和最小 估计形式
测量结果
估计值
差值
差值平方和
准则:
概率
概率的定义
出现的次数与已做试验次数的比值在试验次数无限增大时的极限值
联合事件
互相独立事件
互斥事件
非互斥事件
条件概率
Bayes定理
独立事件
试验:掷两枚骰子
事件:两枚骰子的值
互斥事件
试验:掷一枚骰子
事件:值为1或2
非互斥事件
试验:掷两枚骰子
事件:两枚值均为1
条件概率
试验:掷三枚骰子
事件:有两个1;第一次为1
随机变量
概率分布函数
概率密度函数
联合概率分布函数
联合概率密度函数
g-blog.csdnimg.cn/1e999d130f6b4ba6b459ca71d325d577.png)
统计特性
期望(一阶矩)
RMS值
方差
各变量独立
协方差
独立
线性相关
特征函数
独立随机变量之和的特征函数等于各单独变量特征函数的乘积
典型分布
均匀分布
正态分布
中心极限定理:各自有任意分布的独立随机变量之和,当累加的变量数目趋于无穷大时,和的分布趋于正态分布
随机过程
定义:随机样本随时间变化的集合
相关函数
自相关
互相关
平稳性
统计特性不随时间变化,且完全由前二阶矩确定
线性系统:输入为平稳过程,输出也为平稳过程
一次概率密度函数与观测时间无关,即矩与时间无关
二次概率密度函数只与观测时间差 有关,即
各态历经性
随机过程所有样本的统计特性可以由一条样本获得
均值各态历经
自相关函数各态历经
各态历经:均值和自相关函数均各态历经
高斯过程
线性系统:输入为高斯过程,输出也为高斯过程
功率谱密度函数
白噪声
马尔可夫过程
clear all
close all
n = 5;
length = 2^n-1;
g1 = ones(1,n);
for i=1:length
code(i)=g1(n);
g_updated=[mod(g1(3)+g1(5),2)];
g1=[g_updated g1(1:n-1)];
end
%cacode=repmat(code,1,2);
code(find(code==1))=-1;
code(find(code==0))=1;
cacode1 = code; % CA code for SVN 1
g2 = ones(1,n);
for i=1:length
code(i)=g2(n);
g_updated=[mod(g2(1)+g2(2)+g2(3)+g2(5),2)];
g2=[g_updated g2(1:n-1)];
end
%cacode=repmat(code,1,2);
code(find(code==1))=-1;
code(find(code==0))=1;
cacode2 = code; % CA code for SVN 1
for i=1:length
cacode_temp=circshift(cacode1',i-1)';
rxx1(i)=sum(cacode1.*cacode_temp)/length;
cacode_temp=circshift(cacode2',i-1)';
rxx2(i)=sum(cacode2.*cacode_temp)/length;
rxy(i)=sum