×
تعداد دانشجو
۲۲۰ نفر
۳۳,۰۰۰ تومان ۱۹,۸۰۰ تومان

آموزش شبیه سازی متغیرهای تصادفی و وابسته در متلب

آموزش شبیه سازی متغیرهای تصادفی و وابسته در متلب

تعداد دانشجو
۲۲۰ نفر
مدت زمان
۶ ساعت و ۴۰ دقیقه
هزینه عادی آموزش
۳۳,۰۰۰ تومان
در طرح تخفیف
۱۹,۸۰۰ تومان

(کسب اطلاعات بیشتر +)
محتوای این آموزش
آموزش شبیه سازی متغیرهای تصادفی و وابسته در متلب

چکیده

یکی از مهم ترین متغیرهای موجود، متغیر تصادفی گوسی (Gaussian) است که در سیستم های مخابراتی جهت مدل کردن کانال AWGN به کار برده می شود. همچنین به منظور شبیه سازی انواع کانال در سیستم های مخابراتی Wireless و Wireline گاهی لازم است که انواع توزیع متغیرهای تصادفی مانند: Poisson, Rayleigh و Ricean را در نظر گرفت و کانال مدنظر را بر مبنای آن ها مدل کرد. به منظور دست یابی به اطلاعات کامل در مورد انواع متغیرهای تصادفی لازم است که تابع چگالی احتمال آن ها معرفی گردد. اهمیت این متغیرهای تصادفی تا آنجا است که در پایان نامه های دانشجویان نیز وارد شده و جزو جدایی ناپذیر آن ها محسوب می شود. در این آموزش سعی شده است تا انواع متغیرهای تصادفی شناخته شده تاکنون معرفی گردند و شبیه سازی آن ها در متلب به صورت کامل انجام پذیرد.

مدرس
سجاد جودکی

کارشناس ارشد مهندسی برق - مخابرات

سجاد جودکی کارشناس ارشد مهندسی برق از دانشگاه اصفهان هستند. ایشان علاوه بر فعالیت در حوزه طراحی و پیاده سازی مدارات منطقی با FPGA، سابقه فعالیت در حوزه های پردازش تصویر با نرم افزار MATLAB، تشخیص پلاک خودرو، میکروکنترلر AVR و فعالیت در حوزه زبان های برنامه نویسی مانند: MATLAB، اسمبلی، VHDL و C و را دارا می باشند.

چکیده آموزش


توضیحات تکمیلی

بسیاری از پدیده های تصادفی را می توان با استفاده از مدل های شناخته شده مدل کرد. متغیرهای تصادفی در دروس مختلف مقاطع کارشناسی، کارشناسی ارشد و دکتری مانند: آمار و احتمالات مهندسی، فرایندهای تصادفی و مخابرات بی سیم تعریف می گردند.

یکی از مهم ترین متغیرهای موجود، متغیر تصادفی گوسی (Gaussian) است که در سیستم های مخابراتی جهت مدل کردن کانال AWGN به کار برده می شود. همچنین به منظور شبیه سازی انواع کانال در سیستم های مخابراتی Wireless و Wireline گاهی لازم است که انواع توزیع متغیرهای تصادفی مانند: Poisson, Rayleigh و Ricean را در نظر گرفت و کانال مدنظر را بر مبنای آن ها مدل کرد.

به منظور دست یابی به اطلاعات کامل در مورد انواع متغیرهای تصادفی لازم است که تابع چگالی احتمال آن ها معرفی گردد. اهمیت این متغیرهای تصادفی تا آنجا است که در پایان نامه های دانشجویان نیز وارد شده و جزو جدایی ناپذیر آن ها محسوب می شود. در این آموزش سعی شده است تا انواع متغیرهای تصادفی شناخته شده تاکنون معرفی گردند و شبیه سازی آن ها در متلب به صورت کامل انجام پذیرد.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: انواع متغیرهای تصادفی - بخش یکم
    • آشنایی با انواع روش های تولید متغیرهای تصادفی در MATLAB
    • تخمین هیستوگرام و رسم PDF برای متغیرهای تصادفی در MATLAB
    • آشنایی با Probability Mass Function
    • مروری بر تئوری متغیرهای تصادفی
  • درس دوم: انواع متغیرهای تصادفی - بخش دوم
    • Uniform و رسم PMF آن در MATLAB
    • Bernoulli و شبیه سازی قانون اعداد بزرگ در آن
  • درس سوم: انواع متغیرهای تصادفی - بخش سوم
    • Binomial و رسم PMF آن در MATLAB
    • Exponential و رسم PDF در MATLAB
    • Poisson و شبیه سازی فرایند شمارش آن در MATLAB
  • درس چهارم: انواع متغیرهای تصادفی - بخش چهارم
    • Gaussian و تولید آن در هر بازه دلخواه در MATLAB
    • Chi-squared و تولید RV-PDF برای آن در MATLAB
    • Non-central Chi-Squared و central Chi-Squared
  • درس پنجم: انواع متغیرهای تصادفی - بخش پنجم
    • Chi distributed و Nakagami-m
    • Rayleigh و Ricean
    • قضیه حد مرکزی و پیاده سازی آن در MATLAB
    • شبیه سازی قضیه حد مرکزی برای تاس و سکه
  • درس ششم: متغیرهای تصادفی وابسته و مبانی نویزهای رنگی شده - بخش یکم
    • مبانی تئوری وابستگی متغیرهای تصادفی
    • نحوه تولید متغیرهای تصادفی وابسته
    • تولید دو دنباله از متغیرهای تصادفی وابسته
    • تولید چندین دنباله از متغیرهای تصادفی وابسته
  • درس هفتم: متغیرهای تصادفی وابسته و مبانی نویزهای رنگی شده - بخش دوم
    • مبانی نویز رنگی شده
    • تولید نویز صورتی، بنفش و قهوه ای در متلب
    • آشنایی با تابع چگالی طیف توان
    • روش تجزیه چولسکی، قانون توان آلفا و پیاده سازی آن ها در متلب
    • چگالی طیف توان Jakes
    • مدل Autoregressive
    • رسم چگالی طیف توان Welch

مفید برای رشته های
  • مهندسی برق - مخابرات
  • آمار
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس

نرم افزارهای مرتبط با آموزش

MATLAB R2019b



پیش نمایش‌ها

۱. انواع متغیرهای تصادفی - بخش یکم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۰ مگابایت -- (کلیک کنید +))

۲. انواع متغیرهای تصادفی - بخش دوم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۲۱ مگابایت -- (کلیک کنید +))

۳. انواع متغیرهای تصادفی - بخش سوم

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۲۰ مگابایت -- (کلیک کنید +))

۴. انواع متغیرهای تصادفی - بخش چهارم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۵. انواع متغیرهای تصادفی - بخش پنجم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. متغیرهای تصادفی وابسته و مبانی نویزهای رنگی شده - بخش یکم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. متغیرهای تصادفی وابسته و مبانی نویزهای رنگی شده - بخش دوم
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش شبیه سازی متغیرهای تصادفی و وابسته در متلب
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۷۵۵۳۱ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVST9809
مدت زمان ۶ ساعت و ۴۰ دقیقه
زبان فارسی
نوع آموزش آموزش ویدیویی (لینک دانلود)
حجم دانلود ۴۸۷ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۲۲۰ نفر از این آموزش استفاده کرده اند و هنوز هیچ نظری ثبت نشده است.

برچسب‌ها:
AR | Auto-Regressive | Bernoulli | binomial | Chi distributed | Chi-squared و | Cholesky | Exponential | Gaussian | Nakagami-m | Noise | Non-central Chi-Squared | PDF | pmf | Poisson | probability mass function | PSD | Rayleigh و Ricean | Uniform | انواع متغیرهای تصادفی | تئوری متغیر تصادفی | تابع چگالی طیف توان | تجزیه Cholesky | تخمین هیستوگرام | تولید چندین دنباله | تولید متغیرهای تصادفی | تولید متغیرهای تصادفی در MATAB | تولید نویز بنفش | تولید نویز صورتی | تولید نویز قهوه ای | چگالی | چگالی طیف توان Jakes | چگالی طیف توان Welch | چولسکی | دنباله های گوسی وابسته | رایلی | رسم PDF | رسم PMF در MATLAB | روش های factorization برای طیف | شبیه سازی فرایند شمارش | شبیه سازی قانون اعداد بزرگ | قضیه Bayes در احتمالات | قضیه حد مرکزی | گوسی | مبانی نویز رنگی شده | متغیرهای تصادفی در MATLAB | متغیرهای تصادفی وابسته | مدل AR | مدل Autoregressive | ناکاگامی | ناهمبسته | نویز | همبسته | وابستگی متغیرهای تصادفی | وابسته | ولید RV-PDF در MATLAB | یکنواخت
مشاهده بیشتر مشاهده کمتر