PowerPoint Presentation
|
|
- 慧横 惠
- 5 years ago
- Views:
Transcription
1 信号检测与估计 第 章经典检测与估计理论
2 本章内容. 信号检测模型.2 统计判决准则.3 统计判决准则的推广.4 高斯白噪声中已知信号的检测.5 估计准则.6 估计量评价指标.7 克拉美 - 罗不等式
3 . 信号检测模型 在现实中, 人们常常要根据观测数据 ( 统称为观测信号 ) 对其产生 的原因做出判决 根据雷达接收机所接收的信号 判定某区域内目标是否存在 根据天气观测数据预测某地区次日的天气 ( 晴 阴 雨 雪 雾等 )
4 几个概念 假设 : 对检验对象的所有可能的判决结果的陈述 假设检验 : 基于观测信号在几个假设中选取一个的判决 先验知识 : 观测者事先具备的知识 后验知识 : 对观测信号分析后重新形成的关于发送信号的 知识
5 雷达检测系统对应的二元假设检验模型 ( ) = ( ) () = () + () H : x t n t H : x t s t n t t T
6 二元通信系统对应的二元假设检验模型 ( ) = ( ) + ( ) () = () + () H : x t s t n t H : x t s t n t t T
7 统计判决的基本步骤 做出合理假设 确定判决所要遵循的最佳准则 进行实验, 获取判决所需的先验知识 ( ), ( ) P H f xh 形成判决规则, 划分判决域 R 设计最佳接收机, 计算统计性能
8 二元的信号检测模型
9 分类 二元假设检验二元简单假设检验二元复合假设检验 M 元假设检验 连续信号的检测 离散信号的检测单样本检测多样本检测
10 .2 统计判决准则.2. 几个基本概念.2.2 最大后验概率准则.2.3 最小错误概率准则.2.4 贝叶斯准则.2.5 极小极大准则.2.6 纽曼 - 皮尔逊准则.2.7 似然比检验
11 .2. 几个基本概念 ( ) P D H ( 第一类错误判决概率, 即虚警概率, 用 P 或 α 表示 ): H 为真但判决为 H 的概率 ( ) P D H ( 第二类错误判决概率, 即漏警概率, 用 β 表 示 ): H 为真但判决为 H 的概率 ( ) P D H : H 为真也判决为 H 的概率 P D H ( 检测概率, 用 D 表示 ): H 为真也判为 H 的 概率 ( ) P fa 平均错误概率 P e
12 例 : 目标回波信号, 噪声 nt N,, 利用单个观测 样本进行检测 s( t ) = ( ) ( ) H : x= n H : x= + n
13 判决概率 f ( xh ) f ( xh ) x
14 .2.2 最大后验概率准则 二元假设检验模型 H : x= A+ n H : x= A+ n 根据观测样本, 选择最可能产生这种观测样本的那个信号判断为信源输出的信号 相应的判决规则为 H ( ) ( ) P H x P H x H ( ) ( ) ( ) ( ) λ f x H H PH ( x) = th f x H H PH =
15 .2.3 最小错误概率准则 寻找合适的判决门限 th 使二元假设检验的平均错误概率 达到最小 dp 即令 e dth = e ( ) ( ) ( ) ( ) + th ( ) ( ) ( ) ( ) th P = P H P D H + P H P D H = P H f x H dx+ P H f x H dx 得 ( ) ( ) f th H f th H ( ) ( ) P H P H = 相应的判决规则为 ( x) ( ) ( x H ) ( ) ( ) f x H H P H λ = f H P H = th
16 例 二元通信系统, 其单样本的二元假设检验为 H : x= A+ n 2 其中, 噪声 n N, σ, H : x= A+ n A > ( ) P( H ) P( H ) = = 2 求基于最小错误概率准则进行判决的判决规则和最小错误概率
17 .2.4 贝叶斯准则 判决是需要付出代价的, 引入代价函数 j (,,) C j= 一般 C C, C C 则判决所付的平均代价为 ( ) ( ) ( ) C= PH CPDH + CPDH ( ) ( ) ( ) + PH CPDH + CPDH 目标 : 寻找合适的判决门限 th, 使平均代价达到最小
18 令 dc dth = 解得 ( ) ( ) ( )( ) ( )( ) f th H P H C C = f th H P H C C 则判决规则为 λ ( x) ( ) ( x H ) ( )( ) ( )( ) f x H H P H C C = = f H P H C C th 另一种求解方法 R = R R
19 .2.5 极小极大准则 贝叶斯准则要求已知先验概率和各种代价函数 ; 极小极大 准则应用于仅仅知道代价函数 C, j=, ( ) (,) P H = 未知的情况 ( ), 而先验概率 极小极大准则 : 把使最小平均代价 ( 贝叶斯代价 ) 取得最大值所对应的概率当作先验概率使用 j
20 设先验概率 P( H ) = ( ) ( x H ) p, 则贝叶斯判决规则为 ( ) ( p)( C C ) f x H H p C C f H 贝叶斯代价为 ( ) = α( ) + α( ) + β + β = C p+ C ( p) + ( C C ) α( p) p+ ( C C ) β( p)( p) { } ( ){ ( ) ( ) } Cmn p p C p C p p C p C p
21 当先验概率 p 未知时, 判决者按照推测的先验概率 ( p, p ) 来设计贝叶斯检验, 判决规则为 ( ) ( x H ) 此时判决所付的平均代价 ( ) ( p )( C C ) f x H H p C C f H (, ) = + ( ) + ( ) α ( ) + ( C C ) β ( p )( p) C p p C p C p C C p p
22 以及 C p, p 与 p 的关系曲线 C mn ( ) C C: C ( ) B : C p, p mn,max ( p) A: C mn ( p) C C P( H ) = p
23 推测值 p 的求解 dcmn C ( p ) ( p) 方法一贝叶斯曲线取极大值 : mn dp p= p = C( p p ) C( p, p ) 方法二直线, 斜率等于零 : p p = p = 得 ( ) + ( ) = ( ) + ( ) Cα p C α p Cβ p C β p ( 极小极大方程 )
24 .2.6 纽曼 - 皮尔逊准则 纽曼 - 皮尔逊准则是在先验概率和代价都难以确定的情况 下处理假设检验问题的有效准则 在保证虚警概率小于等于某一给定值 件下, 使检测概率 P D ( P α ) 最大 其表示形式为 fa 的约束条 P( D H ).. ( ) max st P D H = α
25 采用拉格朗日待定系数法 ( ) P( D H ) L = P D H +μ 类比平均代价, 可得相应的判决规则 : ( x H ) ( x H ) 门限 th 由 P = α 确定 fa f f H H μ = th
26 例 对于单样本的雷达检测问题, 有 H : x= n H : x= + n ( ) 其中噪声 n N,, 给定虚警概率 请求纽曼- 皮尔 逊准则的判决规则和检测概率 α
27 .2.7 似然比检验 前面几种准则下的判决规则都具有如下形式 : 其中判决门限由具体的判决准则来确定 似然比 λ ( x) 似然比检验 似然比检验的对数形式 ( x H ) ( x H ) λ f H ( x) = th f H λ ( x) 与门限作比较的变量称为检验统计量 H H th ln λ H ( x) ln th H
28 几种判决准则的门限值 th ( ) ( ) 最大后验概率准则 / 最小错误概率准则 : th= P H P H 贝叶斯准则 : th = ( )( ) ( )( ) P H C C P H C C 极小极大准则 : th = p( C C) ( p )( C C ) 纽曼 - 皮尔逊准则 : th 由给定的虚警概率确定
29 .3 统计判决准则的推广.3. M 元假设检验.3.2 多样本假设检验.3.3 复合假设检验
30 M 元假设下的贝叶斯检验.3. M 元假设检验 M 种假设 H, H,, HM, 先验概率 PH, PH,, PHM ( ) ( ) ( ) 代价函数 为 : j (, =,,, ) C j M M M = j=, 则统计判决付出的平均代价 ( ) ( ) C C P D H P H = j j j M 元假设下的贝叶斯检验就是根据使平均风险最小的准 则, 将观测空间 R划分为互斥的 R =,,, M 当 x R, 则判 H 为真 ( )
31 得 M M M ( ) ( j )( j jj ) ( j ) x R = = j=, j C = P H C + P H C C f x H dx 定义 则 R M ( ) = ( )( ) ( ) I x P H C C f x H j j jj j j=, j ( ) ( ) { x : I x I x, j,,, M, j } = = j 贝叶斯判决规则为 H ( ) ( ),,,,, I x I x j = M j j
32 令 C =, C = j, 贝叶斯判决规则退化成最小错误概率准 则或最大后验概率准则下的判决规则, 即 H ( ) ( j ),,,,, P H x P H x j = M j 可进一步表示成如下似然比判决形式 : ( x H ) ( x H ) ( ) f H P H j λ ( x) =, j =,,, M, j f P H j ( )
33 多样本假设检验模型.3.2 多样本假设检验 H : x = A + n H : x = A + n =, 2,, N 记 x = [,,, ] x x x N 2 T 贝叶斯判决的目标是将 N 维观测空间 N N 划分为互斥的 R, R 两个区域, 使平均代价达到最小 C 相应的判决规则为 λ ( x) ( x ) ( x ) (,, N ) (,, N ) ( )( ) ( )( ) f H f x x x H H P H C C 2 = = = f H f x x x H H P H C C 2 th
34 双样本检测下二维观测空间的判决域划分示意图 判决面的方程式为 : λ ( x) = th
35 纽曼 - 皮尔逊准则 P( D H ).. ( ) max st P D H = α 即 λ ( x) ( x H ) ( x H ) f H = μ = f H th 门限 th 由下式确定 + ( ) ( ) P D H = f λ H dλ = α th 在 N 维观测空间中有一系列判决面可以满足虚警概率的约束 条件, 从众多的判决面中找出一个使检测概率达到最大值的 判决面
36 例 对于二元通信系统中的多样本检测问题, 有 H : x = A+ n H : x = A+ n =, 2,, N ( ) ( ) 2 假定 P H P H, 噪声 n N, σ 且相互独立 请 = = ( ) 2 分析基于最小平均错误概率准则下的系统检测性能 x N H = x N = H
37 多样本与单样本下的性能比较 f ( xh ) f ( xh ) f ( xh ) f ( xh ) 累积 技术
38 例 对于 4 元多样本检测问题 : 其中 H : x = 2+ n H : x = + n H : x = + n 2 H : x = 2+ n 3 2 (, ) n N σ =, 2,, N 且相互独立, 各种假设出现的概率彼此 相等 请分析基于最小平均错误概率准则下的系统检测性能
39 .3.3 复合假设检验 信号检测中除了由于噪声对观测样本的影响使判决产 生了不确定性以外, 被检测的信号的一些参量还可能是随 机的, 称为随机参量信号, 对应的检测称为复合假设检验
40 二元复合假设检验 T 与假设有关的随机参量矢量为 Φ =,,,, 先 验概率密度函数为 f Φ, 先验概率为 ( ), 代价函 数为 T 与假设有关的随机参量矢量为 Θ = [,,, ], 先 验概率密度函数为 f Θ, 先验概率为 P H, 代价函 数为 H [ φ φ2 φ m ] H C C ( Φ), C ( Φ) ( Θ), C ( Θ) ( ) ( ) P H θ θ θ n 2 ( )
41 系统判决所付的平均代价 : ( ) ( ) (, ) ( ) (, ) ( ) ( Φ) ( ) ( ) (, ) ( ) (, ) C = P H C Φ P D Φ H + C Φ P D Φ H f Φ dφ + P H C Θ P D Θ H + C Θ P D Θ H f Θ dθ ( ) ( Θ) ( ) ( Φ) ( Φ) Φ ( ) ( ) ( ) ( ) Θ Θ Θ Φ ( Θ) P( H ) C ( Φ) C ( Φ) f x Φ, H f Φ dφdx = P H C f d + P H C f d x R x R N N ( ) ( ) ( Φ) + ( ) ( ) ( ) (, ) ( ) ( Θ) P H C Θ C Θ f x Θ H f Θ dθdx
42 基于贝叶斯准则的判决规则 : λ ( x) ( Φ) ( ) ( ) (, ) ( ) C Θ C Θ f x Θ H f Θ dθ H P H ( Θ) ( ) = = C ( ) C ( ) f (, H ) f ( ) d H Φ Φ x Φ Φ Φ P( H) th C j 若各类代价函数与随机参量矢量 Φ 和 Θ 无关, 则 λ ( x) ( Θ) ( Φ) (, ) ( ) (, ) ( ) f x Θ H f Θ dθ H C C P H x Φ Φ Φ H ( ) ( ) ( C C ) P( H ) = = f H f d th 似然比为平均似然比
43 .4 高斯白噪声中已知信号的检测.4. 最佳接收机.4.2 通信接收机的性能.4.3 雷达系统的最佳接收机性能.4.4 匹配滤波器.4.5 M 元通信系统.4.6 已知信号的分集接收
44 .4. 最佳接收机 二元假设检验问题 : ( ) = ( ) + ( ) () = () + () H : x t s t n t H : x t s t n t t T s ( t ) ( ) 其中和是确知信号, nt 是均值为零 功率谱密 度为的高斯白噪声 在,T 内对接收信号采样, 获 2 得 N 个观测样本 : s t ( ) N [ ] H : x = s + n k k k H : x = s + n k k k k =, 2,, N
45 记 x = [,,, ] x x x N 2 T, 其似然比检验为 ( x) λ = (, 2,, N ) (, 2,, N ) f x x x H f x x x H H H th 如果这 N 个样本统计独立, 则 ( x) N k = λ = N k = f f ( xk H) ( xk H ) H H th
46 ( ) 当假设为, 时, 样本 x 的似然函数为 : H = k f ( xk H) = exp 2πσn ( x s ) 2 k 2σ k 2 n 此时样本矢量的似然函数为 : 似然比判决规则为 : 其中 H x ( s s) σ n ln ( th) + ( ss ss) = th H 2 T 2 T T ' ( x s ) N N 2 N ( ) ( ) 2 k k f x H = f xk H = exp 2 2 k = 2πσ n k = 2σ n s [ s, s,, s ] T, s [ s, s,, s ] = = 2 N 2 N T
47 相关接收机 (a) (b)
48 适合于连续信号检测的最佳接收机 在 H 假设下的似然函数 T ( () ) exp () () 2 f xt H = F xt s t dt N 连续信号的似然比判决规则 T () () () s t s t x t dt th H H 其中 N 2 2 () () T 2 2 th = ln th + s t s t dt
49 相关接收机 (a) (b)
50 .4.2 通信接收机的性能 通信接收机性能通常用平均错误概率来衡量, 设计检验统计量 ( ) ( ) T T H 2 2 N P H G = () () () () () ln s t s t x t dt+ s t s t dt 2 H 2 P H 假设下 H T 2 N T 2 E{ G H} = () (), { } () () 2 s t s t dt Var G H = s t s t d 2 t 假设下 H E G H s t s t dt Var G H Var G H 2 T 2 { } = () (), { } = { }
51 定义参数 : T T 2 2 E = ( E + E) = s () t dt+ s () t dt 2 2 和分别表示信号 和 s t 的能量, E 表示信号 E ( ) s t ( ) E s ( t ) ( ) 和 s t 的平均能量 ; ρ = T s () t s () t dt E ρ s () t ( ) 表示和 s t 的时间互相关系数 可证明 : ρ
52 假定通信源的先验概率近似相等, 即 P H = P H =, 则二元通信系统的平均错误概率为 : ( ) ( ) x Pe = exp dx E N ( ρ ) E N = Φ 2π 2 ( ( ρ ) ) 最佳二元通信系统
53 相干相移键控系统 (CPSK) 在 [,T ] 内可能发射信号 () = snωc () sn ( ) s t A t s t = A ω t+ π = Asnω t c c t T 判决规则 T () () x t s t dt H H 平均错误概率 ( ) ( ) P = Φ 2E N = Φ 2E N e
54 相干频移键控系统 (CFSK) 在 [,T ] 内可能发射信号 ( ) () s t = Asnω t s t = Asnω t t T 判决规则 T () () () s t s t x t dt H H 平均错误概率 ( ) ( ) P = Φ E N = Φ E N e
55 开关载波键控系统 (OOK) 在 [,T ] 内可能发射信号 ( ) () s t = s t = Bsnω c t t T 判决规则 平均错误概率 T H x () t s () t dt E 2 H ( ) ( ) P = Φ E N = Φ E 2N e
56 .4.3 雷达系统的最佳接收机性能 两种假设 ( ) = ( ) () = () + () H : x t n t H : x t s t n t t T () nt 2 其中是零均值, 功率谱密度为 N 的高斯白噪声 判决规则 其中 T () () H s t x t dt th H N 2 2 () T 2 th = ln th + s t dt
57 虚警概率 P fa 2 + x = exp dx ( η) α η = Φ = 2π 2 检测概率 2 + x PD = exp dx 2 E N η 2E N = Φ 2π 2 检测概率与各参量间关系 ( η )
58 接收机工作特性 (ROC) 检测概率 P D sqrt(e /N )= sqrt(e /N )=.5 sqrt(e /N )=. sqrt(e /N )=.5 sqrt(e /N )= 虚警概率 α
59 .4.4 匹配滤波器 匹配滤波器是基于最大输出信噪比准则的最佳接收机 最大输出信噪比准则就是输出信号峰值的瞬时功率与噪声的平均功率之比为最大的准则 线性滤波器的输入输出模型 输入 : x( t) = s( t) + n( t) () 输出 : 其中 s t 是确知信号, nt ( ) 是功率谱密度为 N 2 的广义 平稳白噪声 ( ) = ( ) + ( ) y t s t n t o o
60 定义系统输出的峰值信噪比为 SNR o ( t ) () t 2 so = = E n { o } 2π + N 4π ( ) ( ) jωt S H j e d ω ω ω ( ω) H j dω 2 利用施瓦兹不等式 () () () () F t Q t dt F t dt Q t dt ( ) ( ) * ( 只有当 F t = CQ t,c 为任意常数, 上式等式才成立 )
61 可得信噪比 SNR o + S( ω) 2 dω 2π E 2E = = N 2 N 2 N 当系统传输函数为 : ( ) = ( ) j t H jω CS ω e ω * o 取 C = 系统输出达到最大信噪比 : E N 2
62 匹配滤波器的时域特性 对于实信号 () F ( ) 2π + { } ( ) s t, 有 ht ( ) = st ( t) ( t t ) ( ) * * ht = H jω = S ω e dω = s t t ( ) jω s ( t) s( t) ht ( ) t t 2 t
63 性质 在所有的线性滤波器中, 匹配滤波器输出信噪比最大, SNR E N ( ) omax = 2 ( ω) ( ω) ( ) = s( ) t H j = S ϕh ω ϕ ω ω 输出信噪比达到最大的时刻 与 () 匹配的滤波器对 s t = As t τ 同样匹配 匹配滤波器对频移信号不再匹配 匹配滤波器的输出信号是输入信号的时间自相关函数 匹配滤波器和相关器的等效性 t T s t ( ) ( )
64 .4.5 M 元通信系统 M 元假设检验问题 () ( ) ( ) H : x t = s t + n t, t T, =,,, M ( ) 其中 nt 是均值为 功率谱密度为 N 2 的高斯白噪声 ρ T () () = s t s t dt = δ E j j j δ j = = j j 基于最小错误概率准则的判决规则为 H T () () () () T j s t x t dt s t x t dt, j =,,, M, j
65 相关接收机 xt () s s ( t) ( t) ( ) s t T T T G G G sm ( t) T GM
66 匹配滤波器 ( ) s T t G ( t) s T G x() t ( t) s T G M ( ) s T t GM
67 M 元系统的检测性能 以第 个相关器输出作为检验统计量 () () 推导得平均错误概率为 : T G = x t s t dt, =,,, M 2 2 M M z u + z+ 2E N 2 2 Pe = Pe( H j) P( H j) = e e du dz j 2π = 2π 平均错误概率与各参量间关系
68 .4.6 已知信号的分集接收 利用分集技术可以改善信号检测的性能 时间分集 频率分集 空间分集 极化分集
69 考虑一个多站雷达系统,M 部特性一致的雷达接收机在观 察时间 T 内接收信号, 记为假设检验问题为 : ( ) ( ) ( ) x t, x2 t,, xm t, 对应的二元 ( ) = ( ) + ( ) () = () H : x t s t n t H : x t n t t T, =, 2,, M 似然比判决规则为 N 2 2 = 其中 th = ln th + E M M = T () () H x t s t dt th H
70 相关接收机 x () t x2 () t s ( t) () x t s2 ( t) T G xm () t ( ) s t sm ( t)
71 选择检验统计量为 = () () 虚警概率和检测概率分别为 : M T G x t s t dt = P fa 2 + x = exp dx η = Φ 2π 2 ( η) 2 + x PD = exp dx 2 E N η 2ET N = Φ 2π 2 ( η ) T 其中 η = th 2 NET
72 接收机工作特性 (ROC) E /N = M= M=2 M=4 M=8 检测概率 P D 虚警概率 α
73 .5 估计准则.5. 最大后验概率估计.5.2 最大似然估计.5.3 最小均方误差估计.5.4 线性最小均方误差估计.5.5 最小平均绝对误差估计.5.6 贝叶斯估计.5.7 最小二乘估计
74 观测信号 : 其中 st ( ) ( θ θ θ ) ( ) x t = s t;,,, + n t t T 2 ( ; θ, θ2, θ M ) 为有用信号, θ = [,,, ] M θ θ θ 为待 2 M T ( ) 估计参量, nt 为观测噪声 利用 N 个观测样本 [,,, ] x = x x x N 进行估计 2 T ˆ = g ( x) θ
75 .5. 最大后验概率估计 使后验概率密度最大的一种估计, 即 ( ) ( θ ) ˆ θ = arg max f x MAP θ 其中 f θ x 为单个待估计量 θ 的后验概率密度函数 估计量 θˆmap 如下可得 f ( θ x) = or ln f ( θ ) = θ x θ θ= ˆ θ θ= ˆ θ MAP MAP
76 利用 f ( x) θ = f ( x θ ) f ( θ ) f ( x) 进一步可得 ln f ( x θ) + ln f ( θ) = θ θ θ= ˆ θ MAP
77 例 : 已知如下观测样本 x = s+ n, =,2,, N 其中信号 s N(, σ 2 ) s, 噪声 ( 2 n, ) N σ n 独立同分布, 并且信号与噪声不相关 求 sˆmap
78 .5.2 最大似然估计 使观测样本的似然函数 f ( x θ ) 取得最大值的一种估计, 即 ( θ ) ˆ θ = arg max f x ML 估计量 ˆML θ 如下可得 θ f ( x θ) = or ln f ( x θ) = θ θ θ= ˆ θ θ= ˆ θ ML ML 适用于确定参量估计和先验分布未知的随机参量估计
79 例 : 已知如下观测样本 x = s+ n, =,2,, N 其中信号 s N(, σ 2 ) s, 噪声 ( 2 n, ) N σ n 独立同分布, 并且信号与噪声不相关 求 sˆml
80 .5.3 最小均方误差估计 使估计的均方误差最小的一种估计 定义估计误差 ( ˆ) e θ = θ ˆ θ 估计的均方误差 ( ) 2 ( ) { } ( ) 2 (, ) ( ) ( ) ξ ˆ θ = E e ˆ θ = θ ˆ θ f θ x dd x θ = ξ ˆ θ x f x dx ( θ )( x) ( x) 则 ˆ θ arg mn ( ˆ ) arg mn ( ˆ ) MS = ξ θ = ξ θ x ˆ θ ˆ θ
81 利用 ξθ ( ˆ x) = ˆ θ ˆ θ= ˆ θ MS 可得 ( θ ) ( ) { } ˆ θms = θ f θ x d θ = E θ x
82 例 : 已知如下观测样本 x = s+ n, =,2,, N 其中信号 s N(, σ 2 ) s, 噪声 ( 2 n, ) N σ n 独立同分布, 并且信号与噪声不相关 求 sˆms
83 .5.4 线性最小均方误差估计 最小均方误差估计的一种特例, 要求估计量与观测样本之间必须满足线性关系, 即 : ( x) ˆ T θ = g = a+ b x = a+ b x 其中 a 和 b = [,,, ] b b2 b N N k = 差准则确定 估计的均方误差为 T k k 是待定系数, 根据最小均方误 ( ˆ) ξ θ N = E θ a+ bkx k = k 2
84 则 { ( )} N ˆ E ξ θ = E 2 al bkxk a θ = k = { ( ˆ) } N E ξ θ = 2E θ al bkxk xk b = k k = 求解得 L T L { θ} { θ, x} { x, x} { x} { θ, } Cov {, } a = E Cov Cov E b = Cov x x x 即 { } { } { } { } ˆ T θlms = al + bx L = E θ + Cov θ, xcov xx, x E x
85 正交条件 : 线性最小均方误差估计的估计误差与观测样本是正交的 {( ) } T x E θ ˆ θ LMS = θ e = θ ˆ θ LMS x 2 θˆ = θ ˆLMS x
86 例 : 已知如下观测样本 x = s+ n, =,2,, N 其中信号 s N(, σ 2 ) s, 噪声 ( 2 n, ) N σ n 独立同分布, 并且信号与噪声不相关 求 sˆlms
87 .5.5 最小平均绝对误差估计 使绝对估计误差的统计平均值最小的一种估计 定义绝对估计误差 ( ˆ) e θ = θ ˆ θ ABS 其统计平均绝对误差 ξ ( ˆ) ˆ ( ) ˆ ABS θ = θ θ f θ, x dd x θ = θ θ f ( θ x) dθ f ( x) dx ( θ) ( x) ( x) ( θ) = ( x) ξ ABS ( ˆ θ ) f ( ) x x dx
88 则 即 ξ ˆ ( θ x) ˆ ˆ ˆ = ABS θ θ= θ ( ) ( ) ˆ θ = arg mn ξ ˆ θ = arg mn ξ ˆ θ x ABS ˆ ABS ˆ ABS θ θ ABS 解得 ˆ θ ABS ( x) = ( x) ˆ f θ d θ f θ d θ θ + ABS 可见,ˆABS θ 是条件概率密度的中位数, 故又称作条件中位数估计
89 例 : 已知如下观测样本 x = s+ n, =,2,, N 其中信号 s N(, σ 2 ) s, 噪声 ( 2 n, ) N σ n 独立同分布, 并且信号与噪声不相关 求 sˆabs
90 .5.6 贝叶斯估计 使估计所承担的平均风险最小的一种估计 定义 θ 估计为 ˆ θ 所承担的风险 ( 代价函数 ) c( θ ˆ θ ),, 则估计的平均风险为 ( ˆ θ) = ( θ, ˆ θ) ( θ, ) θ = ( ˆ θ ) ( ) C c f x d dx C x f x dx ( x)( θ ) ( x) 即 ˆ θ ( ) ( ) ˆ θ arg mn ˆ arg mn ˆ BAY = C θ = C θ x ˆ θ
91 () 最小均方误差估计与贝叶斯估计 若定义 ( ˆ) ( ˆ) 2 c θ, θ = θ θ 平均风险 ( ) ( ) (, x) ( x) ( θ ) {( ) } 2 2 C ˆ θ = θ ˆ θ f θ dθdx= E θ ˆ θ 则 ˆ θ = ˆ θ BAY MS
92 (2) 最小平均绝对误差估计与贝叶斯估计 若定义 (, ˆ) c θ θ = θ ˆ θ 则平均风险 ( ) (, x) ( x) ( θ ) { } C ˆ θ = θ ˆ θ f θ dθdx= E θ ˆ θ 则 ˆ θ = ˆ θ BAY ABS
93 (3) 最大后验概率估计与贝叶斯估计 若定义 c, ˆ Δ θ θ, = 2 Δ>是很小的常数, θ ˆ Δ θ < 2 ( θθˆ) 则 ˆ θ = ˆ θ BAY MAP
94 .5.7 最小二乘估计 基于参量的线性观测模型, 把估计作为确定的最优化问题来处理 线性观测方程 x = hθ + n, =,2,, N N 估计的误差平方和为 ( ˆ) ( ˆ) 2 ξ θ = x hθ N 则 ˆ ( ˆ) ( ˆ) 2 θ = arg mnξ θ = arg mn x hθ = LS ˆ ˆ θ θ =
95 ˆ θ 即 ξ( ˆ θ) ( ˆ θ) = 2 x h h = ˆ θ= ˆ θ = LS N 解得 ˆ θ LS = N = N = hx h 2
96 线性观测方程的矢量形式 x= hθ + n [ x, x,, x ], [ h, h,, h ], [ n, n,, n ] T T T x= 2 N h= 2 N n= 2 N 误差平方和为 ( ˆ ) = ( x h ˆ ) T ( x h ˆ ) ξ θ θ θ ˆ T T θ LS 解得 ( ) = hh hx
97 例 : 已知如下观测样本 x = s+ n, =,2,, N 其中信号 s N(, σ 2 ) s, 噪声 ( 2 n, ) N σ n 独立同分布, 并且信号与噪声不相关 求 sˆls
98 多参量最小二乘估计 : 多参量线性观测方程为 x= Hθ + n 误差的平方和为 ξ ( ) 则 θˆ arg mn ( ˆ ) LS = ξ θ θˆ θˆ θ ˆ = x Hθ ˆ x Hθ ˆ 即 ( ˆ ) T ξ θ H ( x Hθˆ ) θˆ = θˆ 解得 ( ) LS ˆ T T LS = θ HH Hx = 2 = T
99 多参量加权最小二乘估计 : 误差的平方和为 ( ) W ξ θˆ = ˆ ˆ x Hθ W x Hθ T W 为 N N 维的对称正定加权矩阵 则 θˆ arg mn ( ˆ ) LSW = ξw θ ξ W 即 ( ) ˆ ˆ ˆ θ θˆ ˆ T θ = 2HWx ˆ Hθ = θ= θ LSW ˆ T T LSW = 解得 ( ) θ HWH HWx
100 估计误差矩阵为 E { } ˆ ˆ = ( ) ( ) θ θ θ θ H WH H WRnWH H WH LSW LSW T T T T 其中 R n = E { nn T } 是对称正定矩阵, 可分解为 Rn = T D D 利用矩阵施瓦兹不等式 T ( ) ( ) ( ) B B AB AA AB T T 令 T =, = ( T ) A H D B DWH H WH
101 可得 E { } ˆ ˆ ( ) θ θ θ θ HRnH LSW LSW T T 当 W = R n 时上式中等式成立, 即估计误差达到最小 此时 ˆ T T LSW = n n ( ) θ HR H HR x
102 例 : 非线性最小二乘估计 以雷达系统为例, 假设观测信号为 ( ω θ) x = Acos k+ + n k =, 2, N k 式中, 振幅 A 和相位 θ [ ππ, ] 为待估计参量, k n k 频率 ω 已知, 为观测噪声
103 .6 估计量评价指标 () 无偏性 对于确定参量 θ, 若估计量 ˆθ 满足 { θ ˆ } E = θ 或对于随机参量 θ, 若估计量 ˆθ 满足 E { θˆ } = E{} θ 则称所求的估计量 ˆθ 具有无偏性, 是无偏估计, 否则就是有偏估计
104 确定参量有偏估计的偏差量为 随机参量有偏估计的偏差量为 E E {} θ ˆ θ { θˆ } E{} θ 当观测样本数趋于无穷时, 若 或 lm N + E { θ ˆ } = θ lm N + E { θˆ } = E{} θ 则称估计量 ˆθ 具有渐进无偏性, 是渐近无偏估计
105 (2) 有效性 均方误差衡量了估计量在真值附近的密集程度 如果某个无偏估计量的均方误差是所有估计量均方误差的最小值, 称该估计量是有效估计量 均方误差的最小值由克拉美 - 罗不等式给出 无偏估计量的有效率 η = Var Var { θˆ } { θˆ } mn Var { } { θ ˆ } ( ) ( ) = E θ ˆ T ˆ θ θ θ
106 η 越大估计质量越好, 对于有效估计 η = 当观测样本数 N 趋于无穷时, 若 lm η = N + 则称该估计量为渐近有效估计量 对某一估计量, 若 lm η = η N + 则称 η 为渐进有效率
107 (3) 一致性若观测样本数 N 趋于无穷时, 估计量越来越接近其真值, 则此时的估计量称为一致估计量 一致估计的两种度量方法 : A 当 N + 时, 估计量 ˆθ 在概率意义上收敛于 θ ( θˆ θ ε ) lm P < = N + B 当 N + 时, 估计量 ˆθ 在均方意义上趋近于 θ { ˆ } θ θ lm E = N + 2
108 (4) 充分性 对待定参量及其估计量 θˆ x, 如果 θ 的似然函数满足 θ ( ) ( x θ) θˆ θ ( x) f = g h 其中, h( x) 且与 θ 无关, g ˆ θ θ 是 θθ ˆ, 的函数, 则称 ˆθ ( x) () 为充分估计量 表明 g 中的 ˆθ 包含了观测 样本中关于待定参量的全部信息 即从充分估计量中可以获取待定参量的全部信息, 而其它 估计量中关于待定参量的信息总是小于充分估计量的
109 .7 克拉美 - 罗不等式.7. 确定单参量估计的克拉美 - 罗不等式.7.2 确定矢量估计的克拉美 - 罗不等式
110 .7. 确定单参量估计的克拉美 - 罗不等式 对于确定单参量 θ 的无偏估计为 θˆ, 有 { } ( ) 2 E ˆ θ θ = 2 2 E ln f ( ) E ln f 2 ( θ ) x θ x θ θ ln f ( x θ ) = K( θ)( 当且仅当 ˆ θ θ) 时等号成立, θ 此时的估计量 ˆ θ 为有效估计量 确定单参量的有效估计是它的最大似然估计
111 .7.2 确定矢量估计的克拉美 - 罗不等式 对确定矢量 θ 的无偏估计为 ˆθ, 有 其中 {( ) 2 } ( θ ) θ J E ˆ =, 2,, M T T J = E ln f ( x θ) ln f ( x θ) = E ln f ( x θ) θ θ θ θ M ˆ 当且仅当 θ θ = K ln f ( x θ) =, 2,, M 时, θ 等号成立 j j= j
第五章 信号估计理论
信号统计分析 第 5 章信号估计理论 本章内容 5.1 引言 5.2 估计准则 5.3 多参量的常用估计准则 5.4 估计量评价的指标 5.5 克拉美 - 罗不等式 5.6 应用 5.1 引言 信号检测 : 判断是否存在信号或存在哪种信号 信号估计 : 对信号的参量甚至波形进行定量的推断 从信号检测到信号估计, 是对事物从定性的判断到定 量的描述 不同应用领域 : 数理统计领域 : 估计总体的均值
More information本章内容 3. 引言 3. 信号检测模型 3.3 统计判决准则 3.4 统计判决准则的推广 3.5 高斯白噪声中已知信号的检测 3.6 高斯色噪声中已知信号的检测 3.7 随机参量信号的检测
信号统计分析 第 3 章噪声中的信号检测 本章内容 3. 引言 3. 信号检测模型 3.3 统计判决准则 3.4 统计判决准则的推广 3.5 高斯白噪声中已知信号的检测 3.6 高斯色噪声中已知信号的检测 3.7 随机参量信号的检测 3. 引言 几个概念 假设 : 对检验对象的所有可能的判决结果的陈述 假设检验 : 基于观测信号在几个假设中选取一个的判决 先验知识 : 观测者事先具备的知识 后验知识
More informationPowerPoint Presentation
信号检测与估计 第 章序贯检测与估计 本章内容.1 序贯检测判决规则. 分批序贯检测.3 相关样本的序贯检测.4 复合假设序贯检测.5 序贯最小均方误差估计.6 序贯最小二乘估计.7 相关样本的序贯估计 .1 序贯检测判决规则 序贯检测 : 事先不规定样本数而留待实验过程中确定的假设检验方法 基于修正纽曼 - 皮尔逊准则的二元序贯检测 : 在虚警概率 P fa α 和漏警概率 1 PD β 的约束下,
More informationΖ # % & ( ) % + & ) / 0 0 1 0 2 3 ( ( # 4 & 5 & 4 2 2 ( 1 ) ). / 6 # ( 2 78 9 % + : ; ( ; < = % > ) / 4 % 1 & % 1 ) 8 (? Α >? Β? Χ Β Δ Ε ;> Φ Β >? = Β Χ? Α Γ Η 0 Γ > 0 0 Γ 0 Β Β Χ 5 Ι ϑ 0 Γ 1 ) & Ε 0 Α
More information! # % & ( & # ) +& & # ). / 0 ) + 1 0 2 & 4 56 7 8 5 0 9 7 # & : 6/ # ; 4 6 # # ; < 8 / # 7 & & = # < > 6 +? # Α # + + Β # Χ Χ Χ > Δ / < Ε + & 6 ; > > 6 & > < > # < & 6 & + : & = & < > 6+?. = & & ) & >&
More information/ Ν #, Ο / ( = Π 2Θ Ε2 Ρ Σ Π 2 Θ Ε Θ Ρ Π 2Θ ϑ2 Ρ Π 2 Θ ϑ2 Ρ Π 23 8 Ρ Π 2 Θϑ 2 Ρ Σ Σ Μ Π 2 Θ 3 Θ Ρ Κ2 Σ Π 2 Θ 3 Θ Ρ Κ Η Σ Π 2 ϑ Η 2 Ρ Π Ρ Π 2 ϑ Θ Κ Ρ Π
! # #! % & ( ) % # # +, % #. % ( # / ) % 0 1 + ) % 2 3 3 3 4 5 6 # 7 % 0 8 + % 8 + 9 ) 9 # % : ; + % 5! + )+)#. + + < ) ( # )# < # # % 0 < % + % + < + ) = ( 0 ) # + + # % )#!# +), (? ( # +) # + ( +. #!,
More informationΡ Τ Π Υ 8 ). /0+ 1, 234) ς Ω! Ω! # Ω Ξ %& Π 8 Δ, + 8 ),. Ψ4) (. / 0+ 1, > + 1, / : ( 2 : / < Α : / %& %& Ζ Θ Π Π 4 Π Τ > [ [ Ζ ] ] %& Τ Τ Ζ Ζ Π
! # % & ( ) + (,. /0 +1, 234) % 5 / 0 6/ 7 7 & % 8 9 : / ; 34 : + 3. & < / = : / 0 5 /: = + % >+ ( 4 : 0, 7 : 0,? & % 5. / 0:? : / : 43 : 2 : Α : / 6 3 : ; Β?? : Α 0+ 1,4. Α? + & % ; 4 ( :. Α 6 4 : & %
More information! /. /. /> /. / Ε Χ /. 2 5 /. /. / /. 5 / Φ0 5 7 Γ Η Ε 9 5 /
! # %& ( %) & +, + % ) # % % ). / 0 /. /10 2 /3. /!. 4 5 /6. /. 7!8! 9 / 5 : 6 8 : 7 ; < 5 7 9 1. 5 /3 5 7 9 7! 4 5 5 /! 7 = /6 5 / 0 5 /. 7 : 6 8 : 9 5 / >? 0 /.? 0 /1> 30 /!0 7 3 Α 9 / 5 7 9 /. 7 Β Χ9
More information&! +! # ## % & #( ) % % % () ) ( %
&! +! # ## % & #( ) % % % () ) ( % &! +! # ## % & #( ) % % % () ) ( % ,. /, / 0 0 1,! # % & ( ) + /, 2 3 4 5 6 7 8 6 6 9 : / ;. ; % % % % %. ) >? > /,,
More information贝叶斯估计问题回顾
检测理论 - 模型 准则及评价 杨文电子信息学院教学实验大楼十楼 8 室 E-mail: yw@eis.whu.edu.cn 内容提要 信号的统计检测模型 信号的统计检测准则 信号检测的统计性能 信号的序列检测 信号检测与估计 信号检测与参量估计 信号检测 : 根据有限观测, 最佳 区分一个物理系统不同状态的理论 参量估计 : 根据有限观测有限观测, 最佳 找出一个物理系统不同参数的理论 信号的统计检测理论主要研究受噪声干扰的随机信号中,
More information!! )!!! +,./ 0 1 +, 2 3 4, # 8,2 6, 2 6,,2 6, 2 6 3,2 6 5, 2 6 3, 2 6 9!, , 2 6 9, 2 3 9, 2 6 9,
! # !! )!!! +,./ 0 1 +, 2 3 4, 23 3 5 67 # 8,2 6, 2 6,,2 6, 2 6 3,2 6 5, 2 6 3, 2 6 9!, 2 6 65, 2 6 9, 2 3 9, 2 6 9, 2 6 3 5 , 2 6 2, 2 6, 2 6 2, 2 6!!!, 2, 4 # : :, 2 6.! # ; /< = > /?, 2 3! 9 ! #!,!!#.,
More information! Ν! Ν Ν & ] # Α. 7 Α ) Σ ),, Σ 87 ) Ψ ) +Ε 1)Ε Τ 7 4, <) < Ε : ), > 8 7
!! # & ( ) +,. )/ 0 1, 2 ) 3, 4 5. 6 7 87 + 5 1!! # : ;< = > < < ;?? Α Β Χ Β ;< Α? 6 Δ : Ε6 Χ < Χ Α < Α Α Χ? Φ > Α ;Γ ;Η Α ;?? Φ Ι 6 Ε Β ΕΒ Γ Γ > < ϑ ( = : ;Α < : Χ Κ Χ Γ? Ε Ι Χ Α Ε? Α Χ Α ; Γ ;
More information4= 8 4 < 4 ϑ = 4 ϑ ; 4 4= = 8 : 4 < : 4 < Κ : 4 ϑ ; : = 4 4 : ;
! #! % & ( ) +!, + +!. / 0 /, 2 ) 3 4 5 6 7 8 8 8 9 : 9 ;< 9 = = = 4 ) > (/?08 4 ; ; 8 Β Χ 2 ΔΔ2 4 4 8 4 8 4 8 Ε Φ Α, 3Γ Η Ι 4 ϑ 8 4 ϑ 8 4 8 4 < 8 4 5 8 4 4
More information., /,, 0!, + & )!. + + (, &, & 1 & ) ) 2 2 ) 1! 2 2
! # &!! ) ( +, ., /,, 0!, + & )!. + + (, &, & 1 & ) ) 2 2 ) 1! 2 2 ! 2 2 & & 1 3! 3, 4 45!, 2! # 1 # ( &, 2 &, # 7 + 4 3 ) 8. 9 9 : ; 4 ), 1!! 4 4 &1 &,, 2! & 1 2 1! 1! 1 & 2, & 2 & < )4 )! /! 4 4 &! &,
More information9!!!! #!! : ;!! <! #! # & # (! )! & ( # # #+
! #! &!! # () +( +, + ) + (. ) / 0 1 2 1 3 4 1 2 3 4 1 51 0 6. 6 (78 1 & 9!!!! #!! : ;!! ? &! : < < &? < Α!!&! : Χ / #! : Β??. Δ?. ; ;
More information, ( 6 7 8! 9! (, 4 : : ; 0.<. = (>!? Α% ), Β 0< Χ 0< Χ 2 Δ Ε Φ( 7 Γ Β Δ Η7 (7 Ι + ) ϑ!, 4 0 / / 2 / / < 5 02
! # % & ( ) +, ) %,! # % & ( ( ) +,. / / 01 23 01 4, 0/ / 5 0 , ( 6 7 8! 9! (, 4 : : ; 0.!? Α% ), Β 0< Χ 0< Χ 2 Δ Ε Φ( 7 Γ Β Δ 5 3 3 5 3 1 Η7 (7 Ι + ) ϑ!, 4 0 / / 2 / 3 0 0 / < 5 02 Ν!.! %) / 0
More information!! # % & ( )!!! # + %!!! &!!, # ( + #. ) % )/ # & /.
! # !! # % & ( )!!! # + %!!! &!!, # ( + #. ) % )/ # & /. #! % & & ( ) # (!! /! / + ) & %,/ #! )!! / & # 0 %#,,. /! &! /!! ) 0+(,, # & % ) 1 # & /. / & %! # # #! & & # # #. ).! & #. #,!! 2 34 56 7 86 9
More information8 9 8 Δ 9 = 1 Η Ι4 ϑ< Κ Λ 3ϑ 3 >1Ε Μ Ε 8 > = 8 9 =
!! % & ( & ),,., / 0 1. 0 0 3 4 0 5 3 6!! 7 8 9 8!! : ; < = > :? Α 4 8 9 < Β Β : Δ Ε Δ Α = 819 = Γ 8 9 8 Δ 9 = 1 Η Ι4 ϑ< Κ Λ 3ϑ 3 >1Ε 8 9 0 Μ Ε 8 > 9 8 9 = 8 9 = 819 8 9 =
More informationuntitled
5 55-% 8-8 8-5% - 7 7 U- lim lim u k k k u k k k k ` k u k k lim.7. 8 e e. e www.tighuatutor.com 5 79 755 [ e ] e e [ e ] e e e. --7 - u z dz d d dz u du d 8d d d d dz d d d d. 5-5 A E B BA B E B B BA
More informationΒ 8 Α ) ; %! #?! > 8 8 Χ Δ Ε ΦΦ Ε Γ Δ Ε Η Η Ι Ε ϑ 8 9 :! 9 9 & ϑ Κ & ϑ Λ &! &!! 4!! Μ Α!! ϑ Β & Ν Λ Κ Λ Ο Λ 8! % & Π Θ Φ & Ρ Θ & Θ & Σ ΠΕ # & Θ Θ Σ Ε
! #!! % & ( ) +,. /. 0,(,, 2 4! 6! #!!! 8! &! % # & # &! 9 8 9 # : : : : :!! 9 8 9 # #! %! ; &! % + & + & < = 8 > 9 #!!? Α!#!9 Α 8 8!!! 8!%! 8! 8 Β 8 Α ) ; %! #?! > 8 8 Χ Δ Ε ΦΦ Ε Γ Δ Ε Η Η Ι Ε ϑ 8 9 :!
More information! # % & # % & ( ) % % %# # %+ %% % & + %, ( % % &, & #!.,/, % &, ) ) ( % %/ ) %# / + & + (! ) &, & % & ( ) % % (% 2 & % ( & 3 % /, 4 ) %+ %( %!
! # # % & ( ) ! # % & # % & ( ) % % %# # %+ %% % & + %, ( % % &, & #!.,/, % &, ) ) ( % %/ ) 0 + 1 %# / + & + (! ) &, & % & ( ) % % (% 2 & % ( & 3 % /, 4 ) %+ %( %! # ( & & 5)6 %+ % ( % %/ ) ( % & + %/
More information) Μ <Κ 1 > < # % & ( ) % > Χ < > Δ Χ < > < > / 7 ϑ Ν < Δ 7 ϑ Ν > < 8 ) %2 ): > < Ο Ε 4 Π : 2 Θ >? / Γ Ι) = =? Γ Α Ι Ρ ;2 < 7 Σ6 )> Ι= Η < Λ 2 % & 1 &
! # % & ( ) % + ),. / & 0 1 + 2. 3 ) +.! 4 5 2 2 & 5 0 67 1) 8 9 6.! :. ;. + 9 < = = = = / >? Α ) /= Β Χ Β Δ Ε Β Ε / Χ ΦΓ Χ Η Ι = = = / = = = Β < ( # % & ( ) % + ),. > (? Φ?? Γ? ) Μ
More informationPowerPoint 演示文稿
. ttp://www.reej.com 4-9-9 4-9-9 . a b { } a b { }. Φ ϕ ϕ ϕ { } Φ a b { }. ttp://www.reej.com 4-9-9 . ~ ma{ } ~ m m{ } ~ m~ ~ a b but m ~ 4-9-9 4 . P : ; Φ { } { ϕ ϕ a a a a a R } P pa ttp://www.reej.com
More information> # ) Β Χ Χ 7 Δ Ε Φ Γ 5 Η Γ + Ι + ϑ Κ 7 # + 7 Φ 0 Ε Φ # Ε + Φ, Κ + ( Λ # Γ Κ Γ # Κ Μ 0 Ν Ο Κ Ι Π, Ι Π Θ Κ Ι Π ; 4 # Ι Π Η Κ Ι Π. Ο Κ Ι ;. Ο Κ Ι Π 2 Η
1 )/ 2 & +! # % & ( ) +, + # # %. /& 0 4 # 5 6 7 8 9 6 : : : ; ; < = > < # ) Β Χ Χ 7 Δ Ε Φ Γ 5 Η Γ + Ι + ϑ Κ 7 # + 7 Φ 0 Ε Φ # Ε + Φ, Κ + ( Λ # Γ Κ Γ #
More information8 9 < ; ; = < ; : < ;! 8 9 % ; ϑ 8 9 <; < 8 9 <! 89! Ε Χ ϑ! ϑ! ϑ < ϑ 8 9 : ϑ ϑ 89 9 ϑ ϑ! ϑ! < ϑ < = 8 9 Χ ϑ!! <! 8 9 ΧΧ ϑ! < < < < = 8 9 <! = 8 9 <! <
! # % ( ) ( +, +. ( / 0 1) ( 2 1 1 + ( 3 4 5 6 7! 89 : ; 8 < ; ; = 9 ; ; 8 < = 9! ; >? 8 = 9 < : ; 8 < ; ; = 9 8 9 = : : ; = 8 9 = < 8 < 9 Α 8 9 =; %Β Β ; ; Χ ; < ; = :; Δ Ε Γ Δ Γ Ι 8 9 < ; ; = < ; :
More information# # 4 + % ( ) ( /! 3 (0 0 (012 0 # (,!./ %
#! # # %! # + 5 + # 4 + % ( ) ( /! 3 (0 0 (012 0 # (,!./ % ,9 989 + 8 9 % % % % # +6 # % 7, # (% ) ,,? % (, 8> % %9 % > %9 8 % = ΑΒ8 8 ) + 8 8 >. 4. ) % 8 # % =)= )
More information# # # #!! % &! # % 6 & () ) &+ & ( & +, () + 0. / & / &1 / &1, & ( ( & +. 4 / &1 5,
# # # #!! % &! # % 6 & () ) &+ & ( & +, () + 0. / & / &1 / &1, & ( 0 2 3 ( & +. 4 / &1 5, !! & 6 7! 6! &1 + 51, (,1 ( 5& (5( (5 & &1 8. +5 &1 +,,( ! (! 6 9/: ;/:! % 7 3 &1 + ( & &, ( && ( )
More information. /!Ι Γ 3 ϑκ, / Ι Ι Ι Λ, Λ +Ι Λ +Ι
! # % & ( ) +,& ( + &. / 0 + 1 0 + 1,0 + 2 3., 0 4 2 /.,+ 5 6 / 78. 9: ; < = : > ; 9? : > Α
More informationΠ Ρ! #! % & #! (! )! + %!!. / 0% # 0 2 3 3 4 7 8 9 Δ5?? 5 9? Κ :5 5 7 < 7 Δ 7 9 :5? / + 0 5 6 6 7 : ; 7 < = >? : Α8 5 > :9 Β 5 Χ : = 8 + ΑΔ? 9 Β Ε 9 = 9? : ; : Α 5 9 7 3 5 > 5 Δ > Β Χ < :? 3 9? 5 Χ 9 Β
More information2 2 Λ ϑ Δ Χ Δ Ι> 5 Λ Λ Χ Δ 5 Β. Δ Ι > Ε!!Χ ϑ : Χ Ε ϑ! ϑ Β Β Β ϑ Χ Β! Β Χ 5 ϑ Λ ϑ % < Μ / 4 Ν < 7 :. /. Ο 9 4 < / = Π 7 4 Η 7 4 =
! # % # & ( ) % # ( +, & % # ) % # (. / ). 1 2 3 4! 5 6 4. 7 8 9 4 : 2 ; 4 < = = 2 >9 3? & 5 5 Α Α 1 Β ΧΔ Ε Α Φ 7 Γ 9Η 8 Δ Ι > Δ / ϑ Κ Α Χ Ε ϑ Λ ϑ 2 2 Λ ϑ Δ Χ Δ Ι> 5 Λ Λ Χ Δ 5 Β. Δ Ι > Ε!!Χ ϑ : Χ Ε ϑ!
More information第9章 排队论
9, 9. 9.. Nt () [, t] t Nt () { Nt ( ) t [, T]} t< t< t< t + N ( ( t+ ) i+ N( t) i, N( t) i,, N( t) i N + + N ( ( t ) i ( t ) i ) (9-) { Nt ( ) t [, T)} 9- t t + t, t,, t t t { Nt ( ) t [, T] } t< t,,
More information《分析化学辞典》_数据处理条目_1.DOC
3 4 5 6 7 χ χ m.303 B = f log f log C = m f = = m = f m C = + 3( m ) f = f f = m = f f = n n m B χ α χ α,( m ) H µ σ H 0 µ = µ H σ = 0 σ H µ µ H σ σ α H0 H α 0 H0 H0 H H 0 H 0 8 = σ σ σ = ( n ) σ n σ /
More information,!! #! > 1? = 4!! > = 5 4? 2 Α Α!.= = 54? Β. : 2>7 2 1 Χ! # % % ( ) +,. /0, , ) 7. 2
! # %!% # ( % ) + %, ). ) % %(/ / %/!! # %!! 0 1 234 5 6 2 7 8 )9!2: 5; 1? = 4!! > = 5 4? 2 Α 7 72 1 Α!.= = 54?2 72 1 Β. : 2>7 2 1 Χ! # % % ( ) +,.
More information= Υ Ξ & 9 = ) %. Ο) Δ Υ Ψ &Ο. 05 3; Ι Ι + 4) &Υ ϑ% Ο ) Χ Υ &! 7) &Ξ) Ζ) 9 [ )!! Τ 9 = Δ Υ Δ Υ Ψ (
! # %! & (!! ) +, %. ( +/ 0 1 2 3. 4 5 6 78 9 9 +, : % % : < = % ;. % > &? 9! ) Α Β% Χ %/ 3. Δ 8 ( %.. + 2 ( Φ, % Γ Η. 6 Γ Φ, Ι Χ % / Γ 3 ϑκ 2 5 6 Χ8 9 9 Λ % 2 Χ & % ;. % 9 9 Μ3 Ν 1 Μ 3 Φ Λ 3 Φ ) Χ. 0
More information!!! #! )! ( %!! #!%! % + % & & ( )) % & & #! & )! ( %! ),,, )
! # % & # % ( ) & + + !!! #! )! ( %!! #!%! % + % & & ( )) % & & #! & )! ( %! ),,, ) 6 # / 0 1 + ) ( + 3 0 ( 1 1( ) ) ( 0 ) 4 ( ) 1 1 0 ( ( ) 1 / ) ( 1 ( 0 ) ) + ( ( 0 ) 0 0 ( / / ) ( ( ) ( 5 ( 0 + 0 +
More information08-01.indd
1 02 04 08 14 20 27 31 35 40 43 51 57 60 07 26 30 39 50 56 65 65 67 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 ω ρ ε 23 λ ω < 1 ω < 1 ω > 0 24 25 26 27 28 29 30 31 ρ 1 ρ σ b a x x i +3 x i
More informationWL100014ZW.PDF
A Z 1 238 H U 1 92 1 2 3 1 1 1 H H H 235 238 92 U 92 U 1.1 2 1 H 3 1 H 3 2 He 4 2 He 6 3 Hi 7 3 Hi 9 4 Be 10 5 B 2 1.113MeV H 1 4 2 He B/ A =7.075MeV 4 He 238 94 Pu U + +5.6MeV 234 92 2 235 U + 200MeV
More informationuntitled
4 y l y y y l,, (, ) ' ( ) ' ( ) y, y f ) ( () f f ( ) (l ) t l t lt l f ( t) f ( ) t l f ( ) d (l ) C f ( ) C, f ( ) (l ) L y dy yd π y L y cosθ, π θ : siθ, π yd dy L [ cosθ cosθ siθ siθ ] dθ π π π si
More information4 # = # 4 Γ = 4 0 = 4 = 4 = Η, 6 3 Ι ; 9 Β Δ : 8 9 Χ Χ ϑ 6 Κ Δ ) Χ 8 Λ 6 ;3 Ι 6 Χ Δ : Χ 9 Χ Χ ϑ 6 Κ
! # % & & ( ) +, %. % / 0 / 2 3! # 4 ) 567 68 5 9 9 : ; > >? 3 6 7 : 9 9 7 4! Α = 42 6Β 3 Χ = 42 3 6 3 3 = 42 : 0 3 3 = 42 Δ 3 Β : 0 3 Χ 3 = 42 Χ Β Χ 6 9 = 4 =, ( 9 6 9 75 3 6 7 +. / 9
More information( ) (! +)! #! () % + + %, +,!#! # # % + +!
!! # % & & & &! # # % ( ) (! +)! #! () % + + %, +,!#! # # % + +! ! %!!.! /, ()!!# 0 12!# # 0 % 1 ( ) #3 % & & () (, 3)! #% % 4 % + +! (!, ), %, (!!) (! 3 )!, 1 4 ( ) % % + % %!%! # # !)! % &! % () (! %
More information& & ) ( +( #, # &,! # +., ) # % # # % ( #
! # % & # (! & & ) ( +( #, # &,! # +., ) # % # # % ( # Ι! # % & ( ) & % / 0 ( # ( 1 2 & 3 # ) 123 #, # #!. + 4 5 6, 7 8 9 : 5 ; < = >?? Α Β Χ Δ : 5 > Ε Φ > Γ > Α Β #! Η % # (, # # #, & # % % %+ ( Ι # %
More information3978 30866 4 3 43 [] 3 30 4. [] . . 98 .3 ( ) 06 99 85 84 94 06 3 0 3 9 3 0 4 9 4 88 4 05 5 09 5 8 5 96 6 9 6 97 6 05 7 7 03 7 07 8 07 8 06 8 8 9 9 95 9 0 05 0 06 30 0 .5 80 90 3 90 00 7 00 0 3
More informationuntitled
4 6 4 4 ( n ) f( ) = lim n n +, f ( ) = = f( ) = ( ) ( n ) f( ) = lim = lim n = = n n + n + n f ( ), = =,, lim f ( ) = lim = f() = f ( ) y ( ) = t + t+ y = t t +, y = y( ) dy dy dt t t = = = = d d t +
More informationMicrosoft PowerPoint - 概率统计Ch02.ppt [Compatibility Mode]
66 随机变量的函数.5 随机变量的函数的分布 设 是一随机变量, 是 的函数, g(, 则 也是一个随机变量. 本节的任务 : 当 取值 x 时, 取值 y g 67 ( 一 离散型随机变量的函数 设 是离散型随机变量, 其分布律为 或 P { x } p (,, x x, P p p, x p 已知随机变量 的分布, 并且已知 g 要求随机变量 的分布. (, 是 的函数 : g(, 则 也是离散型随机变
More informationⅠ Ⅱ 1 2 Ⅲ Ⅳ
Ⅰ Ⅱ 1 2 Ⅲ Ⅳ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!
More information! ΑΒ 9 9 Χ! Δ? Δ 9 7 Χ = Δ ( 9 9! Δ! Δ! Δ! 8 Δ! 7 7 Δ Δ 2! Χ Δ = Χ! Δ!! =! ; 9 7 Χ Χ Χ <? < Χ 8! Ε (9 Φ Γ 9 7! 9 Δ 99 Φ Γ Χ 9 Δ 9 9 Φ Γ = Δ 9 2
! # % ( % ) +,#./,# 0 1 2 / 1 4 5 6 7 8! 9 9 : ; < 9 9 < ; ?!!#! % ( ) + %,. + ( /, 0, ( 1 ( 2 0% ( ),..# % (., 1 4 % 1,, 1 ), ( 1 5 6 6 # 77 ! ΑΒ 9 9 Χ! Δ? Δ 9 7 Χ = Δ ( 9 9! Δ! Δ! Δ! 8 Δ!
More information! # %& ( %! & & + %!, ( Α Α Α Α Χ Χ Α Χ Α Α Χ Α Α Α Α
Ε! # % & ( )%! & & + %!, (./ 0 1 & & 2. 3 &. 4/. %! / (! %2 % ( 5 4 5 ) 2! 6 2! 2 2. / & 7 2! % &. 3.! & (. 2 & & / 8 2. ( % 2 & 2.! 9. %./ 5 : ; 5. % & %2 2 & % 2!! /. . %! & % &? & 5 6!% 2.
More informationΑ? Β / Χ 3 Δ Ε/ Ε 4? 4 Ε Φ? ΧΕ Γ Χ Η ΙΙ ϑ % Η < 3 Ε Φ Γ ΕΙΙ 3 Χ 3 Φ 4 Κ? 4 3 Χ Λ Μ 3 Γ Ε Φ ) Μ Ε Φ? 5 : < 6 5 % Λ < 6 5< > 6! 8 8 8! 9 9 9! 9 =! = 9!
# %!!! ( ) ( +, +. ( / 0 1) ( 21 1) ( 2 3 / 4!! 5 6 7 7! 8 8 9 : ; < 9 = < < :! : = 9 ; < = 8 9 < < = 9 8 : < >? % > % > % 8 5 6 % 9!9 9 : : : 9 Α % 9 Α? Β / Χ 3 Δ Ε/ Ε 4? 4 Ε Φ? ΧΕ Γ Χ Η ΙΙ ϑ % Η < 3
More informationΒ Χ + Δ Ε /4 10 ) > : > 8 / 332 > 2 / 4 + Φ + Γ 0 4 Η / 8 / 332 / 2 / 4 + # + Ι + ϑ /) 5 >8 /3 2>2 / 4 + ( )( + 8 ; 8 / 8. 8 :
!! # % & % () + (. / 0 ) 1 233 /. / 4 2 0 2 + + 5. 2 / 6 ) 6. 0 ) 7. 8 1 6 / 2 9 2 :+ ; < 8 10 ; + + ( =0 41 6< / >0 7 0?2) 29 + +.. 81 6> Α 29 +8 Β Χ + Δ Ε /4 10 )+ 2 +. 8 1 6 > 2 9 2 : > 8 / 332 > 2
More information8 8 Β Β : ; Χ; ; ; 8 : && Δ Ε 3 4Φ 3 4Φ Ε Δ Ε > Β & Γ 3 Γ 3 Ε3Δ 3 3 3? Ε Δ Δ Δ Δ > Δ # Χ 3 Η Ι Ι ϑ 3 Γ 6! # # % % # ( % ( ) + ( # ( %, & ( #,.
! # % & ( ) ( +,.% /.0.% 1 2 3 4 5 6 #! 7 8 9 9 : ; 8 : ; &; ; < ; 7 => 9 9 8?; 8! 3 3 3 3 Β & Γ 3 Γ 3 Ε3Δ 3 3 3?
More information8 9 : < : 3, 1 4 < 8 3 = >? 4 =?,( 3 4 1( / =? =? : 3, : 4 9 / < 5 3, ; > 8? : 5 4 +? Α > 6 + > 3, > 5 <? 9 5 < =, Β >5
0 ( 1 0 % (! # % & ( ) + #,. / / % (! 3 4 5 5 5 3 4,( 7 8 9 /, 9 : 6, 9 5,9 8,9 7 5,9!,9 ; 6 / 9! # %#& 7 8 < 9 & 9 9 : < 5 ( ) 8 9 : < : 3, 1 4 < 8 3 = >? 4 =?,( 3 4 1( / =? =? : 3, : 4 9 / < 5 3, 5 4
More information% & :?8 & : 3 ; Λ 3 3 # % & ( ) + ) # ( ), ( ) ). ) / & /:. + ( ;< / 0 ( + / = > = =? 2 & /:. + ( ; < % >=? ) 2 5 > =? 2 Α 1 Β 1 + Α
# % & ( ) # +,. / 0 1 2 /0 1 0 3 4 # 5 7 8 / 9 # & : 9 ; & < 9 = = ;.5 : < 9 98 & : 9 %& : < 9 2. = & : > 7; 9 & # 3 2
More informationΑ 3 Α 2Η # # > # 8 6 5# Ι + ϑ Κ Ι Ι Ι Η Β Β Β Β Β Β ΔΕ Β Β Γ 8 < Φ Α Α # >, 0 Η Λ Μ Ν Ο Β 8 1 Β Π Θ 1 Π Β 0 Λ Μ 1 Ρ 0 Μ ϑ Σ ϑ Τ Ο Λ 8 ϑ
! # % & ( ) % + ( ), & ). % & /. % 0 1!! 2 3 4 5# 6 7 8 3 5 5 9 # 8 3 3 2 4 # 3 # # 3 # 3 # 3 # 3 # # # ( 3 # # 3 5 # # 8 3 6 # # # # # 8 5# :;< 6#! 6 =! 6 > > 3 2?0 1 4 3 4! 6 Α 3 Α 2Η4 3 3 2 4 # # >
More information& &((. ) ( & ) 6 0 &6,: & ) ; ; < 7 ; = = ;# > <# > 7 # 0 7#? Α <7 7 < = ; <
! # %& ( )! & +, &. / 0 # # 1 1 2 # 3 4!. &5 (& ) 6 0 0 2! +! +( &) 6 0 7 & 6 8. 9 6 &((. ) 6 4. 6 + ( & ) 6 0 &6,: & )6 0 3 7 ; ; < 7 ; = = ;# > 7 # 0 7#? Α
More information! Β Β? Β ( >?? >? %? Γ Β? %? % % %? Χ Η Ιϑ Κ 5 8 Λ 9. Μ Ν Ο Χ? Π Β # % Χ Χ Θ Ρ% Ρ% Θ!??? % < & Θ
! # % & ( ) +,. / 0 1 + 2. 3 4. 56. / 7 89 8.,6 2 ; # ( ( ; ( ( ( # ? >? % > 64 5 5Α5. Α 8/ 56 5 9. > Β 8. / Χ 8 9 9 5 Δ Ε 5, 9 8 2 3 8 //5 5! Α 8/ 56/ 9. Φ ( < % < ( > < ( %! # ! Β Β? Β ( >?? >?
More information3 4 Ψ Ζ Ζ [, Β 7 7>, Θ0 >8 : Β0 >, 4 Ε2 Ε;, ] Ε 0, 7; :3 7;,.2.;, _ & αε Θ:. 3 8:,, ), β & Φ Η Δ?.. 0?. χ 7 9 Ε >, Δ? Β7 >7 0, Τ 0 ΚΚ 0 χ 79 Ε >, Α Ε
(! # # %& ) +,./ 0 & 0 1 2 / & %&( 3! # % & ( ) & +, ), %!,. / 0 1 2. 3 4 5 7 8 9 : 0 2; < 0 => 8?.. >: 7 2 Α 5 Β % Χ7 Δ.Ε8 0Φ2.Γ Φ 5 Η 8 0 Ι 2? : 9 ϑ 7 ϑ0 > 2? 0 7Ε 2?. 0. 2 : Ε 0 9?: 9 Κ. 9 7Λ /.8 720
More informationΒ Χ Χ Α Β Φ Φ ; < # 9 Φ ; < # < % Γ & (,,,, Η Ι + / > ϑ Κ ( < % & Λ Μ # ΝΟ 3 = Ν3 Ο Μ ΠΟ Θ Ρ Μ 0 Π ( % ; % > 3 Κ ( < % >ϑ Κ ( ; 7
! # % & ( ) +, + )% ). )% / 0 1. 0 3 4 5 6 7 8 7 8 9 : ; < 7 ( % ; =8 9 : ; < ; < > ;, 9 :? 6 ; < 6 5 6 Α Β 5 Δ 5 6 Χ 5 6 5 6 Ε 5 6 Ε 5 5 Β Χ Χ Α Β 7 8 9 Φ 5 6 9 Φ ; < # 9 Φ ; < # 7 8 5 5 < % Γ & (,,,,
More information9. =?! > = 9.= 9.= > > Η 9 > = 9 > 7 = >!! 7 9 = 9 = Σ >!?? Υ./ 9! = 9 Σ 7 = Σ Σ? Ε Ψ.Γ > > 7? >??? Σ 9
! # %& ( %) & +, + % ) # % % )./ 0 12 12 0 3 4 5 ). 12 0 0 61 2 0 7 / 94 3 : ;< = >?? = Α Β Β Β Β. Β. > 9. Δ Δ. Ε % Α % Φ. Β.,,.. Δ : : 9 % Γ >? %? >? Η Ε Α 9 Η = / : 2Ι 2Ι 2Ι 2Ι. 1 ϑ : Κ Λ Μ 9 : Ν Ο 0
More information; < 5 6 => 6 % = 5
! # % ( ),,. / 0. 1, ) 2 3, 3+ 3 # 4 + % 5 6 67 5 6, 8 8 5 6 5 6 5 6 5 6 5 6 5 9! 7 9 9 6 : 6 ; 7 7 7 < 5 6 => 6 % = 5 Δ 5 6 ; Β ;? # Ε 6 = 6 Α Ε ; ; ; ; Φ Α Α Ε 0 Α Α Α Α Α Α Α Α Α Α Α Α Α Β Α Α Α Α Α
More information9 : : ; 7 % 8
! 0 4 1 % # % & ( ) # + #, ( ) + ) ( ). / 2 3 %! 5 6 7! 8 6 7 5 9 9 : 6 7 8 : 17 8 7 8 ; 7 % 8 % 8 ; % % 8 7 > : < % % 7! = = = : = 8 > > ; 7 Ε Β Β % 17 7 :! # # %& & ( ) + %&, %& ) # 8. / 0. 1 2 3 4 5
More informationΦ2,.. + Φ5Β( 31 (+ 4, 2 (+, Η, 8 ( (2 3.,7,Χ,) 3 :9, 4 (. 3 9 (+, 52, 2 (1 7 8 ΙΜ 12 (5 4 5? ), 7, Χ, ) 3 :9, 4( > (+,,3, ( 1 Η 34 3 )7 1 )? 54
!! # %& ( ) +, ( ),./0 12,2 34 (+,, 52, 2 (67 8 3., 9: ), ; 5, 4, < 5) ( (, 2 (3 3 1 6 4, (+,,3,0 ( < 58 34 3 )7 1 54 5, 2 2 54, +,. 2 ( :5 ( > 4 ( 37 1, ( 3 4 5? 3 1 (, 9 :), ; 5 4 )1 7 4 )3 5( 34 2 Α
More information% % %/ + ) &,. ) ) (!
! ( ) + & # % % % %/ + ) &,. ) ) (! 1 2 0 3. 34 0 # & 5 # #% & 6 7 ( ) .)( #. 8!, ) + + < ; & ; & # : 0 9.. 0?. = > /! )( + < 4 +Χ Α # Β 0 Α ) Δ. % ΕΦ 5 1 +. # Ι Κ +,0. Α ϑ. + Ι4 Β Η 5 Γ 1 7 Μ,! 0 1 0
More information7 6 Η : Δ >! % 4 Τ & Β( Β) 5 &! Α Υ Υ 2 Η 7 %! Φ! Β! 7 : 7 9 Λ 9 :? : 9 Λ Λ 7 Φ! : > 9 : 7Δ 2 Η : 7 ΛΔ := ς : Ν 7 Λ Δ = Ν : Ν 7 ΛΔ : = Λ ς :9 Λ 7 Λ! Λ
! % & ( ),. / & 0 1 & 2 1 // % & 3 0 4 5 ( 6( ) ( & 7 8 9:! ; < / 4 / 7 = : > : 8 > >? :! 0 1 & 7 8 Α :! 4 Β ( & Β ( ( 5 ) 6 Χ 8 Δ > 8 7:?! < 2 4 & Ε ; 0 Φ & % & 3 0 1 & 7 8 Α?! Γ ), Η % 6 Β% 3 Ι Β ϑ Ι
More information= > : ; < ) ; < ; < ; : < ; < = = Α > : Β ; < ; 6 < > ;: < Χ ;< : ; 6 < = 14 Δ Δ = 7 ; < Ε 7 ; < ; : <, 6 Φ 0 ; < +14 ;< ; < ; 1 < ; <!7 7
! # % # & ( & ) # +,,., # / 0 1 3. 0. 0/! 14 5! 5 6 6 7 7 7 7 7! 7 7 7 7 7 7 8 9 : 6! ; < ; < ; : 7 7 : 7 < ;1< = = : = >? ) : ; < = > 6 0 0 : ; < ) ; < ; < ; : < ; < = = 7 7 7 Α > : Β ; < ; 6 < > ;:
More informationΥ 2 Δ Υ 1 = 1 : Φ Υ 1 Ω 5 ς ) Ν + Φ 5 ς ς Α+ ) Ν Φ 6 Ξ ς Α+ 4 Φ Ψ Ψ + = Ε 6 Ψ Ε Ε Π Υ Α Ε Ω 2? Ε 2 5 Ο ; Μ : 4 1 Ω % Β 3 : ( 6 Γ 4 Ρ 2 Ρ
# % & & ( & ) +,. / 0 11 + 23 4 4 5 6 7 %+ 8 9 : ; 8 < %+ % = 4 )>? > Α ( 8 % 1 1 Β Χ > Χ Δ Χ Β > Ε) > 4 > Ε) Φ Δ 5 Γ + % 8 + %. < 6 & % &. : 5 Η+ % Ι & : 5 &% + 8 ) : 6 %, 6, + % 5 ϑ # & > 2 3 Χ Δ Α ;
More information. Ν Σ % % : ) % : % Τ 7 ) & )? Α Β? Χ )? : Β Ν :) Ε Ν & Ν? ς Ε % ) Ω > % Τ 7 Υ Ν Ν? Π 7 Υ )? Ο 1 Χ Χ Β 9 Ξ Ψ 8 Ψ # #! Ξ ; Ξ > # 8! Ζ! #!! Θ Ξ #!! 8 Θ!
!! # %& + ( ) ),., / 0 12 3, 4 5 6, 7 6 6, 8! 1 9 :; #< = 1 > )& )? Α Β 3 % Χ %? 7) >ΔΒ Χ :% Ε? 9 : ; Φ Η Ι & Κ Λ % 7 Μ Ν?) 1!! 9 % Ο Χ Χ Β Π Θ Π ; Ρ Ρ Ρ Ρ Ρ ; . Ν Σ % % : ) % : % Τ 7 ) & )? Α Β? Χ )?
More information< < ; : % & < % & > & % &? > & 5 % & ( ; & & % & Α Β + 8 ; Α9 Χ Δ () Χ Δ Ε 41 Φ # (Β % Γ : 9 Χ Δ Η +9 Χ Δ 2 9 Χ Δ 2 0 /? % & Ι 1 ϑ Κ 3 % & % & + 9 Β 9
!! #! % & ( ) +,. / 0 1 2 34 5 6 % & +7 % & 89 % & % & 79 % & : % & < < ; : % & < % & > & % &? > & 5 % & ( ; & & % & Α Β + 8 ; Α9 Χ Δ () Χ Δ Ε 41 Φ # (Β % Γ : 9 Χ Δ Η +9 Χ Δ 2 9 Χ Δ 2 0 /? % & Ι 1 ϑ Κ
More information9! >: Ε Φ Ε Ε Φ 6 Φ 8! & (, ( ) ( & & 4 %! # +! ; Γ / : ; : < =. ; > = >?.>? < Α. = =.> Β Α > Χ. = > / Δ = 9 5.
! # % & ( # ) & % ( % +, %. +, / #0 & 2 3 4 5 5 6 7 7 8 9 7:5! ; 0< 5 = 8 > 4 4? 754 Α 4 < = Β Χ 3Δ?? 7 8 7 8? 7 8 7 8 7 8 4 5 7 8 7 8 > 4> > 7 8 7 8 7 8 4 : 5 5 : > < 8 6 8 4 5 : 8 4 5 : 9! >: 48 7 8
More information: ; # 7 ( 8 7
(! # % & ( ) +,. / +. 0 0 ) 1. 2 3 +4 1/,5,6 )/ ) 7 7 8 9 : ; 7 8 7 # 7 ( 8 7 ; ;! #! % & % ( # ) % + # # #, # % + &! #!. #! # # / 0 ( / / 0! #,. # 0(! #,. # 0!. # 0 0 7 7 < = # ; & % ) (, ) ) ) ) ) )!
More information3?! ΑΑΑΑ 7 ) 7 3
! # % & ( ) +, #. / 0 # 1 2 3 / 2 4 5 3! 6 ) 7 ) 7 ) 7 ) 7 )7 8 9 9 :5 ; 6< 3?! ΑΑΑΑ 7 ) 7 3 8! Β Χ! Δ!7 7 7 )!> ; =! > 6 > 7 ) 7 ) 7 )
More information1#
! # % & ( % + #,,. + /# + 0 1#. 2 2 3 4. 2 +! 5 + 6 0 7 #& 5 # 8 % 9 : ; < =# #% > 1?= # = Α 1# Β > Χ50 7 / Δ % # 50& 0 0= % 4 4 ; 2 Ε; %5 Β % &=Φ = % & = # Γ 0 0 Η = # 2 Ι Ι ; 9 Ι 2 2 2 ; 2 ;4 +, ϑ Α5#!
More information1 <9= <?/:Χ 9 /% Α 9 Δ Ε Α : 9 Δ 1 8: ; Δ : ; Α Δ : Β Α Α Α 9 : Β Α Δ Α Δ : / Ε /? Δ 1 Δ ; Δ Α Δ : /6Φ 6 Δ
! #! %&! ( )! +,!. / 1,. + 2 ( 3 4 5 6 7 8 9: : 9: : : ; ; ? =
More informationuntitled
3s + cos lm cos l ( + ) ( + ) 3. 997 = 3s + cos 3 s lm = lm + lm cos 3 3 = + =. = ( 4).. + 3 =. = + = = = 3 3 < ( 4) e θ + y = e.. ρ =. = ρ cos θ y = ρs θ ρ = e θ dy d θ = cosθ sθ θ = = e y = e θ θ cos
More information3 = 4 8 = > 8? = 6 + Α Β Χ Δ Ε Φ Γ Φ 6 Η 0 Ι ϑ ϑ 1 Χ Δ Χ ΦΚ Δ 6 Ε Χ 1 6 Φ 0 Γ Φ Γ 6 Δ Χ Γ 0 Ε 6 Δ 0 Ι Λ Χ ΦΔ Χ & Φ Μ Χ Ε ΝΓ 0 Γ Κ 6 Δ Χ 1 0
/ 0 1 0 3!! # % & ( ) ( + % & ( ) &, % &., 45 6!! 7 4 8 4 8 9 : ;< 4 8 3!, 3 9!! 4 8 ; ; 7 3 = 4 8 = > 8? 6 10 1 4 8 = 6 + Α Β Χ Δ Ε Φ Γ Φ 6 Η 0 Ι ϑ ϑ 1 Χ Δ Χ ΦΚ Δ 6 Ε Χ 1 6 Φ 0 Γ Φ Γ 6 Δ Χ Γ 0 Ε 6 Δ 0
More information; 9 : ; ; 4 9 : > ; : = ; ; :4 ; : ; 9: ; 9 : 9 : 54 =? = ; ; ; : ;
! # % & ( ) ( +, +. ( /0!) ( 1!2!) ( 3 4 5 2 4 7 8 9: ; 9 < : = ; ; 54 ; = ; ; 75 ; # ; 9 : ; 9 : ; ; 9: ; ; 9 : ; ; 4 9 : > ; : = ; ; :4 ; : ; 9: ; 9 : 9 : 54 =? = ; ; ; 54 9 9: ; ;
More informationΨ! Θ! Χ Σ! Υ Χ Ω Σ Ξ Ψ Χ Ξ Ζ Κ < < Κ Ζ [Ψ Σ Ξ [ Σ Ξ Χ!! Σ > _ Κ 5 6!< < < 6!< < α Χ Σ β,! Χ! Σ ; _!! Χ! Χ Ζ Σ < Ω <!! ; _!! Χ Υ! Σ!!!! ββ /β χ <
! # %!! ( (! +,. /0 0 1 2,34 + 5 6 7,3. 7, 8, 2 7 + 1 9 #. 3 : + ; + 5 83 8 % 8 2 ; , 1 1 8 2 =? : + 2 = 2 = Α 1,!. Β 3 + 5 Χ Β Β
More information! # Χ Η Ι 8 ϑ 8 5 Χ ΚΗ /8 Η/. 6 / Λ. /. Η /. Α Α + Α 0. Η 56 + Α : Α Μ / Η +9 Δ /. : Α : ϑ. Η. /5 % Χ
! # % ( ) +. / 0 1 + 2+ 3 4. 56. / 7 8 9 8. 6 2 # :! # # ( : : :! ( = = ( = > > : > : (? : : # : :! :!? : ( : # Α Β Α # : Α > % : Α : Α ( Χ #! Χ # Δ Χ ( Χ ( Φ Χ : Χ ( Χ ( #! / 2 (!( Α Α ( Α Α : =! Γ6 Α
More information) & ( +,! (# ) +. + / & 6!!!.! (!,! (! & 7 6!. 8 / ! (! & 0 6! (9 & 2 7 6!! 3 : ; 5 7 6! ) % (. ()
! # % & & &! # % &! ( &! # )! ) & ( +,! (# ) +. + / 0 1 2 3 4 4 5 & 6!!!.! (!,! (! & 7 6!. 8 / 6 7 6 8! (! & 0 6! (9 & 2 7 6!! 3 : ; 5 7 6! ) % (. () , 4 / 7!# + 6 7 1 1 1 0 7!.. 6 1 1 2 1 3
More information: ; 8 Β < : Β Δ Ο Λ Δ!! Μ Ν : ; < 8 Λ Δ Π Θ 9 : Θ = < : ; Δ < 46 < Λ Ρ 0Σ < Λ 0 Σ % Θ : ;? : : ; < < <Δ Θ Ν Τ Μ Ν? Λ Λ< Θ Ν Τ Μ Ν : ; ; 6 < Λ 0Σ 0Σ >
! # %& ( +, &. / ( 0 # 1# % & # 2 % & 4 5 67! 8 9 : ; < 8 = > 9? 8 < 9? Α,6 ΒΧ : Δ 8Ε 9 %: ; < ; ; Δ Φ ΓΗ Ιϑ 4 Κ6 : ; < < > : ; : ;!! Β : ; 8 Β < : Β Δ Ο Λ Δ!! Μ Ν : ; < 8 Λ Δ Π Θ 9 : Θ = < : ; Δ < 46
More informationο HOH 104 31 O H 0.9568 A 1 1 109 28 1.01A ο Q C D t z = ρ z 1 1 z t D z z z t Qz = 1 2 z D z 2 2 Cl HCO SO CO 3 4 3 3 4 HCO SO 2 3 65 2 1 F0. 005H SiO0. 032M 0. 38 T4 9 ( K + Na) Ca 6 0 2 7 27 1-9
More information. () ; () ; (3) ; (4).. () : P.4 3.4; P. A (3). () : P. A (5)(6); B. (3) : P.33 A (9),. (4) : P. B 5, 7(). (5) : P.8 3.3; P ; P.89 A 7. (6) : P.
() * 3 6 6 3 9 4 3 5 8 6 : 3. () ; () ; (3) (); (4) ; ; (5) ; ; (6) ; (7) (); (8) (, ); (9) ; () ; * Email: huangzh@whu.edu.cn . () ; () ; (3) ; (4).. () : P.4 3.4; P. A (3). () : P. A (5)(6); B. (3) :
More information= 6 = 9 >> = Φ > =9 > Κ Λ ΘΠΗ Ρ Λ 9 = Ρ > Ν 6 Κ = 6 > Ρ Κ = > Ρ Σ Ρ = Δ5 Τ > Τ Η 6 9 > Υ Λ Β =? Η Λ 9 > Η ς? 6 = 9 > Ρ Κ Φ 9 Κ = > Φ Φ Ψ = 9 > Ψ = Φ?
4 5 6 + 5! # % & ( ) +, ). /, 0 1 # % & ( ) + 2 ( 3 ) & 8 9 : ; ? 6 Α Β9 # ΧΔ = Φ > =9 > Κ Λ
More informationϑ 3 : Α 3 Η ϑ 1 Ι Η Ι + Ι 5 Κ ϑ Λ Α ΜΛ Ν Ν Ν Ν Α Γ Β 1 Α Ο Α : Α 3. / Π Ο 3 Π Θ
# % & ( ) +,& ( + &. / 0 1 2 3 ( 4 4 5 4 6 7 8 4 6 5 4 9 :.; 8 0/ ( 6 7 > 5?9 > 56 Α / Β Β 5 Χ 5.Δ5 9 Ε 8 Φ 64 4Γ Β / Α 3 Γ Β > 2 ϑ 3 : Α 3 Η ϑ 1 Ι Η Ι + Ι 5 Κ ϑ Λ Α ΜΛ Ν Ν Ν Ν 3 3 3 Α3 3
More informationΓ Ν Ν, 1 Ο ( Π > Π Θ 5?, ΔΓ 2 ( ΜΡ > Σ 6 = Η 1 Β Δ 1 = Δ Ι Δ 1 4 Χ ΓΗ 5 # Θ Γ Τ Δ Β 4 Δ 4. > 1 Δ 4 Φ? < Ο 9! 9 :; ;! : 9!! Υ9 9 9 ; = 8; = ; =
! 0 1 # & ( & ) +! &,. & /.#. & 2 3 4 5 6 7 8 9 : 9 ; < = : > < = 9< 4 ; < = 1 9 ; 3; : : ; : ;? < 5 51 ΑΒ Χ Δ Ε 51 Δ!! 1Φ > = Β Γ Η Α ΒΧ Δ Ε 5 11!! Ι ϑ 5 / Γ 5 Κ Δ Ε Γ Δ 4 Φ Δ Λ< 5 Ε 8 Μ9 6 8 7 9 Γ Ν
More information7!# 8! #;! < = >? 2 1! = 5 > Α Β 2 > 1 Χ Δ5 5 Α 9 Α Β Ε Φ 5Γ 1 Η Η1 Δ 5 1 Α Ι 1 Η Ι 5 Ε 1 > Δ! 8! #! 9 Κ 6 Λ!!!! ; ; 9 # !!6! 6! 6 # ;! ;
! #! % & % ( ) ( +, & %. / & % 0 12 / 1 4 5 5! 6 7 8 7 # 8 7 9 6 8 7! 8 7! 8 7 8 7 8 7 8 7 : 8 728 7 8 7 8 7 8 7 8 7 & 8 7 4 8 7 9 # 8 7 9 ; 8 ; 69 7!# 8! #;! < = >? 2 1! = 5 > Α Β 2 > 1 Χ Δ5 5 Α 9 Α Β
More informationⅠⅡⅢ Ⅳ
ⅠⅡⅢ Ⅳ ! "!"#$%&!!! !"#$%& ()*+,!"" *! " !! " #$%& ( Δ !"#$%& ()*+,!"" * !! " #$%& ( !"#$%& ()*+,!"" * !! " #$%& ( !"#$%& ()*+,!"" * !! " #$%& (! # !"#$%& ()*+,!"" * !! " #$%& ( 1 1 !"#$%& ()*+,!"" *
More informationkoji-13.dvi
26 13 1, 2, 3, 4, 5, 6, 7 1 18 1. xy D D = {(x, y) y 2 x 4 y 2,y } x + y2 dxdy D 2 y O 4 x 2. xyz D D = {(x, y, z) x 1, y x 2, z 1, y+ z x} D 3. [, 1] [, 1] (, ) 2 f (1)
More informationE = B B = B = µ J + µ ε E B A A E B = B = A E = B E + A ϕ E? = ϕ E + A = E + A = E + A = ϕ E = ϕ A E E B J A f T = f L =.2 A = B A Aϕ A A = A + ψ ϕ ϕ
.................................2.......................... 2.3.......................... 2.4 d' Alembet...................... 3.5......................... 4.6................................... 5 2 5
More information80000 400 200 X i X1 + X 2 + X 3 + + X n i= 1 x = n n x n x 17 + 15 + 18 + 16 + 17 + 16 + 14 + 17 + 16 + 15 + 18 + 16 = 12 195 = = 1625. ( ) 12 X X n i = = 1 n i= 1 X f i f Xf = f n i= 1 X f ( Xf). i i
More informationuntitled
梦飞翔考研工作室友情提供 QQ:83659 000 () d. 0. 000 d d t tdt si cos 0 0 0 + y + 3z (,, ). y + z. 6 F, y, z + y + 3z F F F y z (,,),,, y (,,),, 8, z (,,),, 6. y + z 6 3 y + 3y 0. C y C +. 梦飞翔考研工作室 QQ:83 p y p C 3.
More information:::: : : : :::: :: :: :::::: :::: < ; 7 7 ; ; % < = = > = / =?? Α Β.. Β Χ (. 7 > 5 / Δ 6 Ε. Φ Δ 5 / 6 Ε. Φ 1 Γ 5 / 6 7 Η (. >5 Ι Δ 6 Φ ϑ
. /,.!! # % # & %& ( ) ) + % # & %, % # ( 1 2 3 4 5 6 7 5 6 4 8 3 9 :::: : : : :::: :: :: :::::: :::: < ; 7 7 ; ; % < = = > = / =?? Α 5 6 5 Β.. Β Χ (. 7 > 5 / Δ 6 Ε. Φ 5 3 1 6 Δ 5 / 6 Ε. Φ 1 Γ 5 / 6 7
More informationMicrosoft PowerPoint - FE11
- - 郑振龙陈蓉厦门大学金融系课程网站 http://efinance.org.cn Email: zlzheng@xmu.edu.cn aronge@xmu.edu.cn BSM BSM BSM Copyright 01 Zheng, Zhenlong & Chen, Rong, XMU BSM BSM BSM Copyright 01 Zheng, Zhenlong & Chen, Rong,
More information5 (Green) δ
2.............................. 2.2............................. 3.3............................. 3.4........................... 3.5...................... 4.6............................. 4.7..............................
More information!? > 7 > 7 > 7 Ε ! Α Φ Φ Γ Η Ι Γ / 2 ; Γ / 4 Δ : 4 ϑ / 4 # Η Γ Κ 2 Η 4 Δ 4 Α 5 Α 8 Λ Ηϑ Μ Α Α 4!! Ο. /3 :/Π : Θ Γ 2 ; Γ / 4 Ρ Α
!! # % & % ( ) ) + # %, #. /,. / 1 2 3 4 5! 6 /7! 7 8 7 /7 8 7! 7 /7 9 : ; < = ; >? 7 4 4 4 Α Β Χ 9 > 7 4 ΔΑΕ 6 4 Β Β!4 /7 9! 7? 87 ; !? > 7 > 7 > 7 Ε 4 8 5 8! Α Φ Φ Γ Η Ι Γ / 2 ; Γ / 4 Δ : 4 ϑ / 4 # Η
More informationΡ 2 % Ε Φ 1 Φ Δ 5 Γ Η Ε Ι ϑ 1 Κ Δ ϑ Ι 5 Δ Ε Κ Β 1 2 Ι 5 Κ Ι 78 Χ > > = > Λ= =!? Λ Λ!???!? Λ?? Χ # > Λ= = >?= =!? Λ?!?!? Λ Λ Α =? Α &<&. >!= = = = = Α
!! # % # & ( & ) # +, #./. # 0 1 2 / 1 4 5 5!! 6 7 8 9 : ; < => : : >? = ; 7 8 1 5 Α > /? > > = ; 25Β > : ; Χ 2! : ; Χ 2 Χ < Δ : ; Χ < # > : ; # & < > : ; & < & 2 > : ; & 2 6 9!!= 2 Ρ 2 % Ε Φ 1 Φ Δ 5 Γ
More informationΗΗ Β Η Η Η ϑ ΗΙ ( > ( > 8 Κ Κ 9 Λ! 0 Μ 4 Ν ΟΠ 4 Ν 0 Θ Π < Β < Φ Ρ Σ Ο ΟΦ Ρ Σ ) Ο Τ 4 Μ 4 Ν Π Υ Φ Μ ς 6 7 6Ω : 8? 9 : 8 ; 7 6Ω 1 8? ; 7 : ; 8 ; 9
!! # % # & ( & ) #, #,., # / 01. 0 3 4 4!! 5 6 7 6 7 8 9 : 9 ; 6 1 7 < 1? :! ; = >, 8 8 9 ; Α < 1 6 7 Β 6 7 6. Χ : 9 8? 9 ; 7 8? 9 ; = = Δ Ε Φ Γ 5 =!!? ΗΗ Β Η Η Η ϑ ΗΙ ( > ( > 8 Κ Κ 9 Λ! 0 Μ 4 Ν ΟΠ 4 Ν
More informationΟΠΟ ΟΠ 8 ΠΠ Π8 ΡΟ Σ Β Θ 1 7 Τ 1 Υ 4? = ; > ; 1.= 3 Α14? 4Ι ϑ1 Α 3Ε3 ΕΛ?Τ %1 >: : : ; : : 9 = 7,Ι ΕΑ 8 7,Ι Τ3? 8 7 ΛΙ 3ς 8 7Μ 8 7 Ω ΙςΙ = 8 7 Τ Μ 3Ε Δ?
!! 0 1 # % & ( ) ( +,.% /.#.% / 3, 4! 5 6 7 8 %1 9 9 9 9 : ;: 5 : < %1 = 7 8 7 1 1 > 8 7? Α Β Α 9 % 3 Χ Δ Ε? Φ? Α Ε? 8 7 ; 8 7 Γ? Α Β Α Η Ι Ε 9Ε = ϑ 1 ΑΚΕ 3 Ε Λ? 3 Μ 8 6 8! Ν! ΟΠΟ ΟΠ 8 ΠΠ Π8 ΡΟ Σ Β Θ 1
More information习 题 7
( + ( +sn e e ln.,, cos, sn, (8 r (9 r e, θ, θ, θ θ θ, θ ( r cos θ + > ( r cosθ r + cosθ ( ( r cos θ ( r cos θ θ ( Descres + (5 + + (. A ( d ( ln ln A ( ( ( d A sn d ( cos d 6 d ( A e e d e + e 5 A ln
More information84 / ! / ! 9 9 9!! 9 : ; < = 1 //< & >!! ? : ; <. 1 //< &! Α
5 6! # % # & () +,. /,. + 1 2 3 4 5 6! 7 7! 8 84 5 6 9 5 6 8 84 / 5 6 5 6 56 56 5 6 56 5 6! / 49 8 9 9! 9 9 9!! 9 : ; < = 1 //< & >!! 9 5 8 4 6? 4 9 99 8 8 99 9 7 4 4 7 : ;
More information