若无特殊说明，本章均考虑平稳过程。 严平稳过程 + 一阶矩、二阶矩均存在 \(\Longrightarrow\) 宽平稳

这个随机过程是工科院系开设的，所以理论性不那么强，更注重于实际问题的应用。 参考教材为樊平毅老师撰写的《随机过程理论与应用》，清华大学出版社。

科目二考过了，在这里记录一下几个动作的点位。这东西显然不会有人看，仅仅是自己留下记录做个纪念 :happy:

1. 复信号 首先我们为什么需要复信号？ 第一是因为复信号便于数学处理，例如获得信号的包络、相位等等； 除此之外，从频域来看，实信号频谱总是共轭对称的，也就是双边带信号，这就导致有一半的频带是无用的，浪费频谱资源，因此实际通信系统中我们更希望传输单边带的复信号。 但是在实际系统中我们只能获得实信号。

有些人一旦错过就不再

版权声明：本文为CSDN博主「Anusat」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/Louis___Zhang/article/details/103483743 在数学（特别是线性代数）中，Woodbury矩阵恒等式是以Max A.Woodbury命名的，它 可以通过对原矩阵的逆进

第一章主要介绍随机过程中的基本概念。 1. 基本概念 什么是随机过程？ 定义：设 \((\Omega, \mathcal{F},P)\) 是一个概率空间，\((E,\mathcal{E})\) 是一个可测空间，\(\mathcal{T}\) 是一个指标集，\(X_{\mathcal{T} }=\{X_t,t\in{\mathcal T}\}\) 是一族定义在 \((\Omega, \m

本系列为研究生随机过程的课程笔记，主要内容包括停时、鞅论、Markov过程等，以高等概率论为基础，因此会需要部分测度相关的知识（目前为止高等概率论的专栏还在咕咕...） 参考书为 Durret 的《Probability: Theory and Examples》

舒尔补其实就是将一个矩阵变成块对角化的矩阵，便于求逆。 1. 定义 n*n 的矩阵可以写成分块矩阵形式 \[ M = \left[\begin{array}{cc}{A} & {B} \\ {C} & {D}\end{array}\right]_{n\times n} \] 若 A 是非奇异的，则 A 在 M 中的舒尔补为：\(D-CA^{-1}B\) 若 D 是

说明：本文转载自博客：理解复数域上的向量空间（第一篇），由于没有找到原作者的联系方式，所以直接搬运过来了，如有侵权请联系我，我立即删除。 线性代数进行到酉空间中的自伴算子、正规算子以及谱定理这部分内容时，会发现很多在复空间中成立的命题在实空间中却未必成立。这种情况多少让人感到有点奇怪，为什么会出现这种情况？ 复数域是包含实数域的，我们学习复数之后碰到最多的是相反的情况：原本在实数域上成