随机过程与随机信号处理_课程论文
随机信号期末论文
大连民族学院随机信号与处理期末论文题目：随机信号及其自相关函数和功率谱密度的MATLAB实现专业：信息与通信工程班级：电子114班姓名：麦米提敏学号：**********日期：2013.9-2013.12目录一引言 (3)二内容及要求 (4)三原理 (5)四方案 (7)五设计思想 (11)六设计过程中遇到的麻烦及解决方法 (12)七结论 (12)八心得与建议 (12)九老师评语 (13)一，引言通信系统中用于表示信息的信号不可能是单一的确定的, 而是各种不同的信号。
信息就包含于出现这种或那种信号之中.例如二元信息需用二种信号表示, 具体出现哪个信号是随机的,不可能准确予测( 如能予测,则无需通信了) 我们称这种具有随机性的信号为随机信号。
通信系统中存在各种干扰和噪声,这些干扰和噪声的波形更是各式各样,随机的不可予测的.我们称其为随机干扰和随机噪声。
尽管随机信号和随机干扰（噪声）取何种波形是不可预测的、随机的，但他们具有统计规律性。
研究随机信号和随机干扰统计规律性的数学工具是随机过程理论。
随机过程是随机信号和随机干扰的数学模型。
随机过程是与时间有关的随机变量，在确定的时刻它是随机变量。
随机过程的具体取值称作其实现（样函数）是时间函数，所有实现（样函数）构成的集合称作随机过程的样函数空间（），所有样函数及其统计特性即构成了随机过程，我们以大写字母，等表示随机过程，以对应的小写字母，等表示随机过程的实现（样函数）。
现代通信中，跳频扩谱通信或是ASK调制中，想传递的信息都是用若干频率的正弦波的有无来代表，发送的序列属于随机序列。
在传输的过程中由于受到强烈的加性白噪声干扰使原信号被噪声淹没，日常生活中，人们密切相关的手机通讯就是这样一个容易受到环境天气等影响，信道同样也存在这样一些噪声干扰。
我们从时域波形已经完全不能区分哪些是信号哪些是噪声了。
这个时候一般的幅度检测已经失效了。
试想我们是否可以利用相关函数从噪声中提取有用信号呢？针对这样的疑问我们接下来会做一些详细的的分析。
教学改革论文专题教学论文：关于“随机信号处理”教学改革的思考
教学改革论文专题教学论文：关于“随机信号处理”教学改革的思考【摘要】“随机信号处理”是一门理论性较强的专业基础课，根据课程特点及其人才培养的实际要求，课程组提出了“基础+专题+实践”的教学模式，基础教学是中心，专题教学是提升，实践教学是关键。
实现基础理论与现代应用相结合、传统教学方法与现代教学手段相结合、科学思维与科技实践相结合的教学方式，不断提升学生创新能力和综合素质。
【关键词】教学改革专题教学实践教学【abstract】statistical signal processing is a base course which has the characteristics of the academic research. to satisfy the course point and talent cultivation, the pattern of basic, special and practical teaching is put forward. the basic teaching is center. the special teaching is advanced. the practical teaching is key. the basic theory and modern appliance should combine. the traditional teaching method and modern teaching means should combine. the scientific research and scientific practice should combine. so the students’ creative abilities a nd comprehensive qualities are improved.【key words】teaching reform special teaching practical teaching一、“随机信号处理”课程的特点及其现状自然界任何变化过程通常可分为确定性过程和随机性过程两大类，随机信号处理是研究随机变化过程规律性及其应用的一门学科，是电子科学与技术、信息与通信工程各专业的重点专业基础课。
随机信号论文
《随机信号分析基础》期末论文题目：随机信号分析理论的应用综述学院：电子信息工程学院班级：电子131502班姓名：***学号： ************指导老师：***2015年12月20日随机信号分析理论的应用综述1、概述在20世纪40年代，雷达和声呐对第二次世界大战产生了重大影响。
正是由于雷达和声呐技术发展的需要推动了信号检测和估计理论的研究。
信号检测和估计理论是现代信息理论的重要组成部分。
其理论基础是信息论，采用概率论、随机过程和数理统计作为研究工具。
信号检测与估计理论已广泛应用于雷达、声呐和自动控制等领域；在模式识别、射电天文学、遥感遥测、资源探测、天气预报、生物医学科学及社会科学等领域也得到了广泛应用。
信号检测与估计理论分为检测理论与估计理论两部分。
估计理论包括参数和波形估计。
波形估计常称为滤波理论，维纳滤波理论和卡尔曼滤波理论是其基本组成。
随机信号分析课程主要讨论随机信号的基础理论和分析方法，内容包括:基础概率论，随机信号与典型信号举例，平稳性、循环平稳性与功率谱密度函数，各态历经性与随机试验方法，随机信号通过线性系统，带通信号与窄带高斯信号，马尔科夫链、独立增量过程与泊松过程等。
该课程理论性强，抽象概念多，统计理论与思维方法对长期习惯于思考确定性问题的学生而言难度较大。
然而，该课程的基础理论和分析方法又是学生今后从事相关科学研究的必备知识，是学生必须很好掌握的内容。
所以我们针对这些问题对课程进行了教学方法研究并意识到探索研究型数学的有效途径十分重要。
研究型教学是强调以探索为基础的教学模式，注重在探索和研究的教学过程中激发学生的求知欲，突出教学与训练方法的科学研究特色，培训学生的探索精神，激发学生的学习兴趣，提高主动学习能力与创造性，从而提高该课程的学习质量。
根据课程特色，结合专业背景以及通信、信号检测与估计和图像处理等实际应用领域进行了深入的研究。
2、主要内容“随机信号分析”主要内容包括概率论基础、随机信号、平稳随机信号及其谱分析、各态历经性与随机实验、随机信号通过线性系统、窄带随机信号、随机信号通过非线性系统、泊松过程与马尔可夫链。
随机过程在随机信号处理中的应用
随机过程在随机信号处理中的应用随机过程在随机信号处理中的应用随机信号处理是一门研究随机信号的统计特性以及如何处理和分析随机信号的学科。
而随机过程是随机信号的数学模型，描述了随机信号在时间上的演变过程。
因此，随机过程在随机信号处理中扮演着重要的角色。
本文将介绍随机过程在随机信号处理中的应用。
一、时域随机过程的分析1. 自相关函数与互相关函数随机过程的自相关函数描述了信号在不同时间的相关性。
自相关函数可以通过计算信号在不同时间上的互积来得到，而随机过程的互相关函数则可以反映不同信号之间的相关性。
通过分析自相关函数和互相关函数，可以获得信号的周期性、相似性以及相关系数等信息。
2. 平均功率和功率谱密度随机过程的平均功率可以表示信号在统计意义上的能量大小。
对于平稳随机过程，其平均功率是一个常数。
而功率谱密度则是描述信号能量在频域上的分布情况。
通过分析功率谱密度，可以了解信号的频率成分以及频率成分的强弱程度。
二、频域随机过程的分析1. 傅立叶变换傅立叶变换是一种常用的频域分析方法，可以将信号从时域转换到频域。
对于随机过程而言，可以通过傅立叶变换来得到频域上的信号表示。
通过分析信号在频域上的特性，可以获得信号的频谱信息。
2. 相位谱相位谱是频域随机过程中的一个重要概念，表示了信号在频域上各个分量的相位关系。
相位谱可以用于分析信号的相位变化情况，帮助理解信号的时序特性。
三、随机过程模型1. 平稳随机过程平稳随机过程是指在时间上统计特性保持不变的随机过程。
平稳随机过程常用于建立信号的数学模型，通过分析其统计特性，可以对信号的未来变化进行预测。
2. 马尔可夫随机过程马尔可夫随机过程是一种特殊的随机过程，具有“无记忆性”的特点。
在随机信号处理中，马尔可夫随机过程常用于建立信号的模型，通过分析其状态转移概率，可以对信号的未来状态进行推测。
四、应用实例1. 语音处理语音信号是一种典型的随机信号，可以通过随机过程的分析方法来进行语音信号的降噪、增强、识别等处理。
《随机过程》论文
随机过程应用于无人飞行器的撞地概率摘要:在误差随机过程为平稳正态过程的假设下,研究了无人飞行器撞地概率的计算问题。
在已知地形数据的情况下,从理论上推导出无人飞行器只受到垂直干扰时的撞地概率的计算公式;并在仅利用地形特征参数的情况下,得到了较为简洁的计算公式,在进行无人飞行器航迹规划过程中可以实现撞地概率的实时计算。
给出了无人飞行器既受到垂直干扰又受到水平干扰时的撞地概率的计算公式,并对它们的计算作了简化,得到了一个近似计算公式。
讨论了撞地概率计算公式的应用问题,分析了误差随机过程的标准差、飞行器机动带宽及地形标准差对撞地概率的影响。
关键词:无人飞行器;误差随机过程;自相关函数;撞地概率无人飞行器(无人飞机、导弹等飞行器)有许多优点,在现代战争中发挥着愈来愈重要的作用,它们可以作超低空飞行突破敌人的防空阵地而不被敌方雷达发现,并对敌方阵地进行侦察或攻击。
但是无人飞行器在作超低空飞行时,撞地概率增大,无人飞行器的撞地概率是反映其性能的重要指标之一。
因此,在进行无人飞行器的航迹规划时需要考虑撞地概率。
国内外已有一些文献讨论过这一问题。
在考虑了地形随机输入和低空风随机干扰共同作用的情况下,针对导弹长时间超低空地形跟踪飞行这一特点,研究了撞地概率的计算方法,分析了导弹主要参数静稳定性动力系数a和高度反馈系数K h对撞地概率的影响。
撞地概率受到多种因素的影响,根据来源可以分为两类,一类是无人飞行器自身的控制系统及导航系统性能对航迹的影响,其次是自然因素如气候等对无人飞行器产生的干扰。
为简便起见,本文未考虑可以通过控制系统及导航系统能够修正的系统偏差,只考虑随机干扰,也不区分它们的来源,并且假设随机干扰为平稳正态随机过程,在此基础上,针对地形数据已知和只知地形特征两种情形下,从理论上推导出了无人飞行器仅受到垂直干扰及既受到垂直干扰又受到水平干扰时的撞地概率的计算公式,并对它们的计算作了简化。
撞地概率计算公式可看作是本文的一种特殊情形。
随机过程课程总结范文
随着科技的飞速发展，随机过程作为一门重要的数学工具，在现代科技诸多领域，如物理、化学、生物、通信、机电、自动化、地震、海洋及经济等学科中均有广泛应用。
本学期，我有幸参加了随机过程这门课程的学习，通过这段时间的学习，我对随机过程有了更为深入的理解和认识，以下是我对这门课程的总结。
首先，随机过程课程为我们系统地介绍了随机过程的基本理论及其应用。
课程内容丰富，涵盖了概率论、数理统计、信号与系统、复变函数、常微分方程等多个领域的知识。
在学习过程中，我们学习了概率论与数理统计的基础知识，了解了随机过程的基本概念、研究方法和应用技巧。
课程中，我们重点学习了泊松过程、高斯过程、马尔可夫过程、平稳过程、正态过程和布朗运动等基本随机过程。
通过对这些典型随机过程的学习，我们掌握了它们的特性、性质以及在实际应用中的体现。
例如，泊松过程在通信、排队论等领域有着广泛的应用；马尔可夫过程在经济学、生物学、社会学等领域有着重要的应用。
其次，随机过程课程强调应用性，着重于揭示随机过程基本概念的来源及背景，典型随机模型的提炼方法、特性刻画、应用背景及发展踪迹。
在课程中，我们学习了随机信号的功率谱分析、以随机信号作为输入的线性系统分析、以及窄带随机信号等应用问题。
这些知识为我们今后在相关领域的工作奠定了基础。
在学习过程中，我深刻体会到随机过程课程具有很强的实践性。
教师通过丰富的实例，引导我们分析实际问题，让我们在实际应用中体会随机过程的价值。
此外，课程还安排了大量的习题和实验，让我们在实践中巩固所学知识，提高解题能力。
最后，随机过程课程的教学方法值得我们借鉴。
教师注重启发式教学，鼓励我们积极思考、勇于探索。
在教学过程中，教师善于将抽象的理论与实际问题相结合，使我们在理解理论的同时，也能将所学知识应用到实际中。
总之，通过学习随机过程课程，我对随机过程有了更为全面的认识。
这门课程不仅提高了我的数学素养，还让我了解了随机过程在各个领域的应用。
随机过程模型在信号处理中的应用
随机过程模型在信号处理中的应用随机过程是一种描述随机现象演变规律的数学模型。
它是一系列统计规律不确定的随机变量的集合，能够有效地分析和预测信号处理中的随机事件。
本文将重点讨论随机过程在信号处理中的应用，并探讨其重要性和优势。
一、随机过程模型在信号处理中的基本原理随机过程模型用于描述信号在时间上的演变规律，通过对信号的统计特性进行建模与分析。
在信号处理中，随机过程模型常用于描述随机信号的统计特性，如功率谱密度、自相关函数、互相关函数等。
其中，最常见的两种随机过程模型是平稳过程和高斯过程。
1. 平稳过程模型平稳过程是指统计特性与时间无关的随机过程。
在信号处理中，平稳过程模型常用于描述周期性信号或者具有稳定统计特性的信号，如噪声信号。
通过对平稳过程进行建模与分析，可以有效地提取和分析信号中的相关信息。
2. 高斯过程模型高斯过程是指随机过程中所有时刻的任意有限个随机变量均服从高斯分布的随机过程。
在信号处理中，由于大部分自然界的随机现象都符合高斯分布，因此高斯过程模型被广泛应用于信号的建模与分析。
通过高斯过程模型可以准确描述信号的统计特性，如均值、方差、相关性等。
二、随机过程模型在信号处理中的应用案例1. 语音信号处理中的随机过程模型在语音信号的处理中，随机过程模型常用于描述语音信号的频谱、语音信号的自相关性等统计特性。
通过对语音信号进行随机过程建模，可以有效地实现语音信号的去噪、信号的识别与分析等应用。
2. 图像信号处理中的随机过程模型在图像信号处理中，随机过程模型常用于描述图像信号的纹理、噪声等统计特性。
通过对图像信号进行随机过程建模，可以实现图像的去噪、图像的分割与识别等应用。
三、随机过程模型在信号处理中的优势与挑战1. 优势随机过程模型具有灵活性高、适应性强的优势。
它能够有效地应对信号处理中的各种随机性，并能够准确地描述信号的统计特性。
通过对信号进行随机过程建模，可以提高信号处理的精度和效果。
2. 挑战随机过程模型在信号处理中的应用也面临一些挑战。
随机过程在信号处理中的应用
随机过程在信号处理中的应用随机过程在信号处理中的应用随机过程是研究随机现象变化规律的数学工具，在信号处理领域起着重要的作用。
本文将介绍随机过程在信号处理中的应用，并探讨其在噪声滤波、图像处理和通信等方面的具体应用。
一、噪声滤波噪声是信号处理中常见的问题之一，通过随机过程的应用可以有效地对噪声进行滤波处理。
随机过程能够描述噪声信号的统计特性，进而提供有效的降噪算法。
例如，高斯随机过程可以用于建立高斯噪声的数学模型，进而通过滤波算法对信号进行降噪。
此外，自适应滤波算法中的LMS（最小均方）算法也是基于随机过程的理论基础。
二、图像处理图像处理是信号处理领域的重要分支，而随机过程在图像处理中有着广泛的应用。
随机过程能够描述图像中的纹理、噪声和边缘等特征，为图像分析与识别提供基础。
例如，马尔可夫随机场在图像分割中的应用就是其中的一个典型例子。
通过建立图像的马尔可夫模型，可以实现图像的分割和目标提取等处理。
三、通信通信领域是随机过程在信号处理中应用最为广泛的领域之一。
随机过程可以用来描述信道的统计特性，进而为通信系统的设计和优化提供理论依据。
例如，无线信道的衰落是随机过程的一种典型表现形式，通过对信道衰落过程进行建模，可以设计出更加鲁棒的通信系统。
此外，随机过程还可以用来描述通信中的干扰，通过干扰建模和抑制算法，提高系统的抗干扰能力。
总结起来，随机过程在信号处理中的应用十分广泛，涉及到噪声滤波、图像处理和通信等多个方面。
通过对随机过程的建模和分析，可以提供有效的算法和方法来解决信号处理中的相关问题。
随着技术的不断发展和创新，随机过程在信号处理领域的应用也将不断扩大和深化，为信号处理技术的进一步发展提供强大的支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中国科学技术大学随机过程与随机信号处理课程论文姓名王誉都专业 23系信号与信息处理单位中科院上海技术物理研究所时间 2015.1.5摘要随机信号理论在它形成的初期，便在通信、雷达、导航以及密码学等领域中获得了广泛的应用。
近年来，随着对随机信号理论研究的进一步深入，人们对随机信号有了更多的认识，随机信号的实际应用也越来越多。
其应用范围从上述领域扩展到自动控制、计算机、声学和光学测量、数字式跟踪和测距系统以及数字网络系统的故障检测等方面。
在这些应用中，随机信号（或序列）的产生是至关重要的，而产生随机信号的性能也对其在实际应用中的效果有着很大的影响。
论文首先对一些随机信号的产生方法进行了介绍，以及随机信号的应用实例。
接下来讨论了随机数发生机制，包括均匀分布、高斯分布和指数分布的随机数的实现方法。
在文章的最后对非平稳随进信号进行了介绍。
关键字：随机信号，随机过程，随机数，非平稳随机过程目录摘要 (2)第一章绪论 (4)1.1随机信号概述 (4)1.2随机信号的应用 (5)1.2.1在蒙特卡罗（Monte Carlo）方法中的应用 (5)1.2.2在扩频通信中的应用 (6)1.2.3在密码学中的应用 (7)1.2.4在随机信号雷达中的应用 (7)1.3数字随机信号的产生 (8)第二章随机数发生机制 (9)2.1均匀分布的随机数实现方法 (9)2.2高斯分布的随机数实现方法 (11)2.3指数分布的随机数实现方法 (12)第三章非平稳随机信号简介 (14)3.1非平稳随机信号的分析、处理与应用 (14)3.1.1语音信号处理 (14)3.1.2雷达与声呐信号处理 (15)3.1.3非平稳随机振动分析 (15)3.2非平稳随机信号参数模型法简介 (15)参考文献 (17)第一章绪论1.1随机信号概述随机信号是指没有确定的变化形式，变化的过程不可能用一个或几个时间的确定函数来描述的信号。
噪声是随机信号的一种最为常见的形式。
它可能来自于人为的干扰，包括通信系统间的干扰、整流子火花、汽车点火等，也可能存在于产生噪声的自然现象中，包括大气扰动、宇宙辐射以及随机的电子运动等。
噪声的种类很多，最常见的就是白噪声。
白噪声在整个频谱内每个频点的能量为常数，且基本恒定。
正是因为白噪声存在于整个频带范围内，因此，不管对其进行低通还是高通滤波处理，均不能有效地滤除。
白色包含了所有的颜色，因此，白噪声的特点就是包含各种噪声。
白噪声定义为在无限频率范围内功率密度为常数的信号，这就意味着还存在其它“颜色”的噪声，我们将这一类噪声统称为色噪声，主要包括：1.粉红噪声：在给定频率范围内（不包含直流成分），随着频率的增加，其功率密度每倍频程下降3dB（密度与频率成反比）。
2.红噪声（海洋学概念）：这是有关海洋环境的一种噪声，由于它是有选择地吸收较高的频率，因此称之为红噪声。
3.橙色噪声：该类噪声是准静态噪声，在整个连续频谱范围内，功率谱有限且零功率窄带信号数量也有限。
这些零功率的窄带信号集中于任意相关音符系统的音符频率中心上。
由于消除了所有的合音，这些剩余频谱就称为“橙色”音符。
4.蓝噪声：在有限频率范围内，功率密度随频率的增加每倍频增长3dB（密度正比于频率）。
5.紫噪声：在有限频率范围内，功率密度随频率的增加每倍频增长6dB（密度正比于频率的平方值）。
6.灰色噪声：该噪声在给定频率范围内，类似于心理声学上的等响度曲线（如反向的A一加权曲线），因此在所有频率点的噪声电平相同。
7.棕色噪声：在不包含直流成分的有限频率范围内，功率密度随频率的增加每倍频下降6dB（密度与频率的平方成反比）。
该噪声实际上是布朗运动产生的噪声，它也称为随机飘移噪声或醉鬼噪声。
8.黑噪声（静止噪声）：（1）有源噪声控制系统在消除了一个现有噪声后的输出信号；（2）在20kHz以上的有限频率范围内，功率密度为常数的噪声，一定程度上它类似于超声波白噪声。
这种黑噪声就像“黑光”一样，由于频率太高而使人们无法感知，但它对你和你周围的环境仍然有影响；（3）具有fβ谱，其中β>2。
根据经验可知，该噪声的危害性很大。
一直以来，人们认为噪声是有害的。
例如，它的存在往往会导致通信、电子电路等系统的性能下降，因此，系统设计者们在设计系统时，会想方设法的去抑制或消除它对系统的影响。
著名的香农定理指出，在噪声与信号独立的高斯白噪声信道中，假设信号的功率为S，噪声功率为N，信道通频带宽为B（Hz），则该信道的信道容量C满足C=Blog2(1+SN)(1.1.1)从式（1.1.1）可以看出，信道容量在很大程度上受到噪声功率的影响，在信道通频带宽和信号功率一定的情况下，噪声功率变大，信道容量就会相应的变小。
随着对随机信号理论的深入研究，人们注意到噪声信号的一些特有的性质，并加以利用。
随机信号（或序列）在其理论形成的初期，便在通信、雷达、导航以及密码学等领域中获得了广泛的应用。
而近年来，它的应用范围从上述领域扩展到自动控制、计算机、声学和光学测量、数字式跟踪和测距系统以及数字网络系统的故障检测等方面。
随机信号的应用甚至涉及医学领域，有些医学专家（主要是内科医生和牙医）已经成功地将白噪声应用于轻度麻醉。
1.2随机信号的应用1.2.1在蒙特卡罗（Monte Carlo）方法中的应用蒙特卡罗（Monte Carlo）方法，或称计算机随机模拟方法，是一种基于“随机数”的计算方法。
这一方法源于美国在第二次世界大战时研制原子弹的“曼哈顿计划”，该计划的主持人之一数学家冯诺伊曼用驰名世界的赌城摩纳哥的Monte Carfo来命名这种方法。
Monte Carfo方法的基本思想很早以前就被人们所发现和利用。
早在17世纪，人们就知道用事件发生的“频率”来决定事件的“概率”。
19世纪人们用投针试验的方法来决定圆周率。
20世纪40年代电子计算机的出现，特别是近年来高速电子计算机的出现，使得用数学方法在计算机上大量、快速地模拟这样的试验成为可能。
考虑平面上的一个边长为1的正方形及其内部的一个形状不规则的“图形”，可以采用Monte Carfo方法求出这个“图形”的面积:向该正方形“随机地”投掷N个点（用随机序列发生器产生），假设有M个点落于“图形”内，则该“图形”的面积近似为M/N。
科技计算中的问题比这个要复杂得多。
比如金融衍生产品（期权、期货、掉期等）的定价及交易风险估算，问题的维数（即变量的个数）可能高达数百甚至数千。
对这类问题，难度随维数的增加呈指数增长，这就是所谓的“维数的灾难”，传统的数值方法难以对付（即使使用速度最快的计算机）。
Monte Carfo方法能很好地用来对付维数的灾难，因为该方法的计算复杂性不再依赖于维数。
以前那些本来是无法计算的问题现在也能够计算了。
Monte Carfo方法由于其简单性、灵活性和普遍性而获得了广泛应用。
1.2.2在扩频通信中的应用图1.2.2.1扩频通信发射系统图1.2.2.1是随机序列在扩频通信系统中的一个典型的应用，这个系统采用了直接序列扩频(Direct Sequence Spread Speetrum)的方法。
直接序列扩频通信开始出现于第二次世界大战，是美军重要的无线保密通信技术。
该系统是将要发送的信息用伪随机码（PN码）扩展到一个很宽的频带上去，在接收端，用与发端扩展用的相同的伪随机码对接收到的扩频信号进行相关处理，恢复出发送的信息。
直接序列扩频系统具有抗干扰性强、隐蔽性好、易于实现码分多址（CDMA）、抗多径干扰能力强、通信速率高等有点，特别适合小容量军用卫星通信、战术电台通信网、计算机无线网、及其它移动通信系统中。
1.2.3在密码学中的应用加密：E:(X,K)->Y解密：D:(Y,K)->X图1.2.3.1 对称加密算法加/解密的基本模型通常人们将可懂的文本称为明文，将明文变换成不可懂的文本称之为密文。
从明文到密文的过程称为加密，其逆过程称为解密。
图1.2.3.1给出了对称加密算法加/解密的基本模型。
明文与密文之间的相互变换应该是可逆变换。
在密钥控制下完成加密和解密的算法体系称为密码体制，密钥是控制明、密变换的关键。
密码学问题就是随机性的利用问题，随机数是许多加密应用的基础，其作用是生成Diffie一Hellman、形vest一Shamir-Adelman和数字签名等算法所需的公共/专用密钥对，并为大批量加密算法和IPsec分别生成初始向量和即时随机数，此外，大量其它类型的安全协议也靠随机数发生器的不可预测性来防止系统被破解。
1.2.4在随机信号雷达中的应用随机信号雷达作为一种新型的雷达体制，一经问世就为人所关注。
早在上世纪60年代美国和欧洲的随机信号雷达给予了广泛的关注，相继发表了多篇关于随机信号雷达的文献。
60年代末期，美国Purdue大学最早研制了一部试验型随机信号雷达。
与此同时，法国的carpenter教授讨论了工作在米波波段的相关法随机信号雷达，荷兰也进行了相关法随机信号雷达的系统试验141。
70年代中期，美国Mirmesota大学的Kaveh教授发表了多篇关于随机交错脉冲随机信号雷达的文献，己经开始试图将随机信号应用到脉冲体制雷达当中，多项有关随机信号雷达的美国专利也被公布。
同时，英国London大学的Forrest等人也发表了关于固态随机信号雷达的研究报告。
从上面诸多论文和发明专利来看，自从60年代开始研究随机信号雷达体制以来，美国和欧洲各国对随机信号雷达的理论基础分析和试验样机的研制都开展了大量的工作，并取得了一定的成效。
但是在当时，由于受到电子元器件的制造工艺和技术水平的限制，关于随机信号雷达的研究大多数还仅限于理论分析阶段，随机信号雷达的研究也一度陷人低潮。
上世纪80年代以后，随着电子技术的发展，各种固态微波器件和超大规模集成电路的出现给了随机信号雷达以实现的可能，国外对随机信号雷达的应用性研究逐渐增多。
尤其是90年代以来，美国将随机信号雷达用于地质勘探、活动目标识别、微波成像等应用场合取得了可喜的成果。
此外，在乌克兰和意大利利用随机信号雷达在近程的应用，德国在随机信号雷达的理论和实际特性的研究中都取得了一些有价值的结果。
经过三十余年的随机信号雷达的研究证实，随机信号雷达具有低截获率、抗干扰、测量目标的高鉴别能力、电磁兼容能力、高精度和优良的目标检测性能，可以解决远距离的高速目标测量，解决多普勒敏感困难等问题。
它的许多优良性能是其他雷达无法比拟的。
随机信号雷达的基本工作方式包括相关法、频谱法和反相关法。
无论采用何种工作方式，随机信号源是必不可少的。
1.3数字随机信号的产生从上一节介绍的几种应用实例中可以看到，每个应用都需要用到随机信号（或序列），因此，随机信号的产生也就显得十分重要。