《随机信号分析》课程教学大纲.doc
《随机信号分析》课程教学大纲
课程编号课程性质：专业方向课
适合专业：电子信息工程
先修课程：高等数学，工程数学，信号与系统
开设学期：第六学期
考核方式：闭卷考试
总学时数：54
学分：3
（一）课程教学目标
本课程是电子信息工程专业本科生设立的一门学科基础课程。目的是使本专业学生掌握随机信号分析的基本理论和基本处理方法。为进一步的专业课程学习及科研能力的培养打下良好的基础。
（二）课程的目的与任务
该课程系统的介绍随机信号的基本概念、随机信号的统计特性分析方法以及随机信号通过系统的分析方法；介绍信号检测，估计等信号处理理论的基本原理和提取方法。课程目标是使学生通过本课程的学习，掌握随机信号分析的基本概念，基本原理和基本方法。
（三）理论教学的基本要求
通过本课程的学习，掌握随机信号分析与处理的基本概率和基本分析方法。
理解和掌握随机过程的基本概念和统计描述；
掌握随机过程通过线性和非线性系统的分析方法；
理解和掌握典型随机过程的特点及分析方法；
掌握参数估计和信号检测的概念，规则和性能分析方法；
培养学生统计思维能力，运用统计方法和计算机方法分析处理信号；
掌握通信领域的信号分析处理能力，为进一步学习后续课程打下坚实的基础。
（四）实践教学要求（包括但不限于以下内容）
实验项
目编号
实验项
目名称
实验内容提要
学时分配
实验
类型
每组人数
必开/选开
0421174301
随机序列的产生及数字特征估计
学习和掌握随机数的产生方法，实现随机序列的数字特征估计
3
综合性
1
必开
0421174302
随机过程的模拟与数字特征
学习利用MATLAB模拟产生随机过程的方法，熟悉和掌握特征估计的基本方法及其MATLAB实现
3
综合性
1
必开
0421174303
数字图像直方图均衡
通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
3
设计性
1
必开
0421174304
随机过程通过线性系统的分析
理解和分析白噪声通过线性系统后输出的特性，学习和掌握随机过程通过线性系统后的特性，验证随机过程的正态化问题。
3
验证性
1
必开
0421174305
典型时间序列模型分析
熟悉三种典型的时间序列模型：AR模型，MA模型与ARMA模型，学会运用Matlab工具对对上述三种模型进行统计特性分析,通过对2阶模型的仿真分析，探讨几种模型的适用范围，并且通过实验分析理论分析与实验结果之间的差异
3
综合性
1
必开
0421174306
窄带随机过程的产生及其性能测试
理解和分析白噪声通过线性系统后输出的特性，掌握窄带随机过程的特性，包括均值（数学期望）、方差、相关函数及功率谱密度等
3
设计性
1
必开
（五）教学学时分配数
章次
各章名称
总学时
学时分配
讲课
实验
上机
课外
小计
1
随机变量基础
7
4
3
7
2
随机过程的基本概念
14
8
6
14
3
随机过程的线性变换
14
8
6
14
4
随机过程的非线性变换
2
2
2
5
窄带随机过程
9
6
3
9
6
马尔可夫过程与泊松过程
4
4
4
复习与习题课
4
4
4
总计
54
36
18
54
（六）大纲内容
第1章随机变量基础
教学目的和基本要求：通过本章的学习要深入理解随机变量的基本概念，包含随机变量的定义、分布函数与概率密度等；掌握随机变量数字特征的定义和计算，理解数字特征的物理意义、掌握随机变量函数的概率分布和数字特征的计算；掌握多维正态随机变量的统计描述。了解MATLAB的统计函数。
教学内容：
概率论的基本术语；
随机变量的定义；
随机变量的分布函数与概率密度；
多维随机变量及分布；
随机变量的数字特征；
随机变量的函数；
多维正态随机变量；
复随机变量及其统计特征。
教学重点：
随机变量的数字特征；
随机变量函数的概率分布和数字特征；
多维正态随机变量的统计特征。
教学难点：相关系数的物理意义、离散随机变量的函数。
作业：针对各相关知识点可布置6～10题。
小结：本章引入了随机变量的概念，是全书的基础内容。
授课方式：讲授。
第2章随机过程的基本概念
教学目的和基本要求：通过本章的学习要深入理解随机过程的基本概念，包含随机过程的定义、平稳的概念、各态历经等；深入理解随机过程的统计特征；掌握平稳随机过程的相关函数和功率谱密度的基本性质和计算；了解基于MATLAB的随机过程分析方法。
教学内容：
随机过程的基本概念及定义；
随机过程的统计描述；
平稳随机过程；
随机过程的联合分布和互相关函数；
随机过程的功率谱密度；
典型的随机过程；
基于MATLAB的随机过程分析方法。
教学重点：
随机过程的基本概念的理解；
随机过程统计特性的描述。
教学难点：脉冲型随机过程的统计特性分析。
作业：针对