各态历经性的解释以及一些常见的随机信号

各态历经性的解释

一个随机信号X (n )，其均值、方差、均方值及自相关函数等，均是建立在集合平均的意义上的，如自相关函数

),(),(1lim )]()([)(1**i m n x i n x N m n X n X E m N i N X +=+=∑=∞→φ (1.2.18)

为了要精确地求出)(m X φ，需要知道),(i n x 的无穷多个样本，即∞=,,2,1 i ，这在实际工作中显然是不现实的。因为我们在实际工作中能得到的往往是对)(n X 的一次实验记录，也即一个样本函数。

既然平稳随机信号的均值和时间无关，自相关函数又和时间选取的位置无关，那么，能否用一次的实验记录代替一族记录来计算)(n X 的均值和自相关函数呢？对一部分平稳信号，答案是肯定的。

对一平稳随机信号)(n X ，如果它的所有样本函数在某一固定时刻的一阶和二阶统计特性和单一样本函数在长时间内的统计特性一致，我们则称)(n X 为各态遍历信号。其意义是，单一样本函数随时间变化的过程可以包括该信号所有样本函数的取值经历。这样，我们就可以仿照确定性的功率信号那样来定义各态遍历信号的一阶和二阶数字特征。

由上面的讨论可知，具有各态遍历性的随机信号，由于能使用单一的样本函数来做时间平均，以求其均值和自相关函数，所以在分析和处理信号时比较方便。在实际问题中，所观测的物理现象并不能保证是各态历经。但是，在实际处理信号时，对已获得一个物理信号，往往首先假定它是平稳的，再假定它是各态遍历的。按此假定对信号处理后，可再用处理结果来检验假定的正确性。各态历经在直观上也不难理解，由于过程平稳的假设，保证了不同时刻的统计特性是不同的，即只要一个实现时间充分长的过程能表现出各个实现的特征来，就可用一个实现来表示总体的统计特性。在后面的讨论中，如不作特殊说明，我们都认为所讨论的对象是平稳的及各态遍历的，并将随机信号)(n X 改记为)(n x 。

应该指出，各态历经信号一定是平稳随机信号，但平稳随机信号并不都具备各态历经性。

几种噪声的定义

1) 高斯白噪声：如果一个噪声，它的概率密度函数服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯

白噪声。热噪声和散粒噪声是高斯白噪声。

仿真时经常采用高斯白噪声是因为实际系统（包括雷达和通信系统等大多数电子系统）中的主要噪声来源是热噪声，而热噪声是典型的高斯白噪声，高斯噪声下的理想系统都是线性系统。

2)带通噪声。带通噪声与白噪声相对又叫有色噪声，即在某个频带上信号的能量突然变大。这种噪声的典型例子为交

流电噪声，它的能量主要集中在50Hz左右。对这种噪声的滤除可以先对语音信号进行加窗，然后再进行短时傅立叶变换并画出频谱图。在频谱图上，我们可以看出该噪声的能量主要集中在哪个频带上，得到此频带的上下限。根据此频带的上下限设计一个滤波器对语音信号进行滤波。一般情况下，该方法可以比较有效的去除带通噪声。

3)冲击噪声。所谓冲击噪声就是语音信号中的能量在时域内突然变大。这种噪声也很多，例如建筑工地上打桩机发出

的打桩声，在语音信号中每隔一段时间就会出现一个能量峰值。对于这种噪声的消除需要对语音信号进行加窗，再进行短时傅立叶变换画出频谱图。在频谱图上对相应时间段上的语音信号的能量进行修改，即降低噪声的能量。该降噪方法一般能取得较满意的效果。

4)白色噪声。所谓白色噪声就是在频域上不存在信号能量的突然变大的频带，在时域上也找不到信号能量突然变大的

时间段，即它在频域和时域上的分布是一致的。对于标准白噪声它的均值为零，方差为一常数。对于被这种噪声污染的语音信号，既不能在某个频带上修改语音信号又不能在时域上某个时刻修改语音信号。使用上两种降噪方法都很难达到令人满意的效果。主要原因是：白噪声的频带很宽几乎占据了整个频域，它与语音信号重叠无法区分有用信号和噪声；语音信号中的清音与白噪声的性质差不多很难区分等。

有一个概念错误需要指出：“高斯白噪声的幅度服从高斯分布”的说法是错误的，高斯噪声的幅度服从瑞利分布。

另外，还必须区分高斯噪声和白噪声两个不同的概念。高斯噪声是指噪声的概率密度函数服从高斯分布，白噪声是指噪声的任意两个采样样本之间不相关，两者描述的角度不同。白噪声不必服从高斯分布，高斯分布的噪声不一定是白噪声。当然，实际系统中的热噪声是我们一般所说的白噪声的主要来源，它是服从高斯分布的，但一般具有有限的带宽，即常说的窄带白噪声，严格意义上它不是白噪声。

白噪声\高斯噪声\高斯白噪声的区别?

白噪声，就是说功率谱为一常数；也就是说，其协方差函数在delay=0时不为0，在delay不等于0时值为零；换句话说，样本点互不相关。（条件：零均值。）

所以，“白”与“不白”是和分布没有关系的。

当随机的从高斯分布中获取采样值时，采样点所组成的随机过程就是“高斯白噪声”；

同理，当随机的从均匀分布中获取采样值时，采样点所组成的随机过程就是“均匀白噪声”。

那么，是否有“非白的高斯”噪声呢？答案是肯定的，这就是”高斯色噪声“。这种噪声其分布是高斯的，但是它的频谱不是一个常数，或者说，对高斯信号采样的时候不是随机采样的，而是按照某种规律来采样的。

一个无限长的信号过程的功率谱密度函数的概念可以这样理解：它是无限多个无限长信号样本函数的功率谱密度函数的集合平均。考虑到如果各态历经假设成立（集合平均可以用时间平均代替）以及考虑到功率谱密度函数不含相位信息，因而不含信号的时间轴位置信息，所以，一个平稳随机信号的一个样本功率谱密度函数蕴涵着集合统计平均的实质。从而，一个随机信号功率谱密度函数和自相关函数（作为一对傅氏变换对）都表达了随机信号的统计平均特性。

在工程实际中所遇到的功率谱可分为三种：一种是平的谱，即白噪声谱，第二种是“线谱”，即由一个或多个正弦信号所组成的信号的功率谱，第三种介于二者之间，即既有峰点又有谷点的谱，这种谱称为“ARMA 谱”。

一个平稳的随机序列w (n )，如果其功率谱)(ωj w e P 在πω≤||的范围内始终为一常数，

如2w σ，我们称该序列为白噪声序列。其自相关函数

?-==ππωωδσωπφ)()(21)(2m d e e P m w m j j w w

是在m =0处的δ函数。由自相关函数的定义，)]()([)(m n w n w E m w +=φ，它说明白噪声序列在任意两个不同的时刻是不相关的，即0)]()([=++j n w i n w E ，对所有的j i ≠。若w (n )是高斯型的，那么它在任意两个不同时刻又是相互独立的（注：两个随机变量x,y ，若有)()()(y P x P xy P =，则称x 、y 是相互独立的。两个独立的随机变量必然是不相关的，但反之不一定成立，对高斯型随机变量，二者等效的）。这说明，白噪声序列是最随机的，也即由w (n )无法预测w (n +1)。“白噪声”的名称来源于牛顿，他指出，白光包括了所有频率的光波。

以上讨论说明，白噪声是一种理想化的噪声模型，实际上并不存在。由于它是信号处理中最具代表性的噪声信号，因此人们提出了很多近似产生白噪声的方法。

若x(n)有L 个正弦组成，即

∑=+=L

k k k k n A n x 1

)sin()(?ω

式中k A ，k ω是常数，k ?是均匀分布的随机变量，可以求出

∑==L

k k k x n A m 12)cos(2)(ωφ

∑=-++=L k k k k j x A e P 12)]()([2)(ωωδωωδπω

此即为线谱，它是相对与平谱的另一个极端情况。显然，介于二者之间的应是又有峰点又有谷点的连续谱。这样的谱可以由一个ARMA 模型来表征。有关ARMA 模型的定义将在后面介绍。

随机信号分析习题

随机信号分析习题一 1. 设函数???≤>-=-0 , 0 ,1)(x x e x F x ，试证明)(x F 是某个随机变量ξ的分布函数。并求下列 概率：)1(<ξP ，)21(≤≤ξP 。 2. 设),(Y X 的联合密度函数为 (), 0, 0 (,)0 , other x y XY e x y f x y -+?≥≥=? ?， 求{}10,10<<<

8. 两个随机变量1X ，2X ，已知其联合概率密度为12(,)f x x ,求12X X +的概率密度？ 9. 设X 是零均值，单位方差的高斯随机变量，()y g x =如图，求()y g x =的概率密度 ()Y f y \ 10. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数 22 2 W X Y Z X ?=+?=? 设X ，Y 是相互独立的高斯变量。求随机变量W 和Z 的联合概率密度函数。 11. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数 2() W X Y Z X Y =+?? =+? 已知(,)XY f x y ，求联合概率密度函数(,)WZ f z ω。 12. 设随机变量X 为均匀分布，其概率密度1 ,()0X a x b f x b a ?≤≤? =-???， 其它 （1）求X 的特征函数,()X ?ω。 （2）由()X ?ω，求[]E X 。 13. 用特征函数方法求两个数学期望为0，方差为1，互相独立的高斯随机变量1X 和2X 之和的概率密度。 14. 证明若n X 依均方收敛，即 l.i.m n n X X →∞ =，则n X 必依概率收敛于X 。 15. 设{}n X 和{}n Y (1,2,)n = 为两个二阶矩实随机变量序列，X 和Y 为两个二阶矩实随机变量。若l.i.m n n X X →∞ =，l.i.m n n Y Y →∞ =，求证lim {}{}m n m n E X X E XY →∞→∞ =。

信号与系统课后习题答案—第1章

第1章 习题答案 1－1 题1－1图所示信号中，哪些是连续信号？哪些是离散信号？哪些是周期信号？哪些是非周期信号？哪些是有始信号？ 解： ① 连续信号：图（a ）、（c ）、（d ）； ② 离散信号：图（b ）； ③ 周期信号：图（d ）； ④ 非周期信号：图（a ）、（b ）、（c ）； ⑤有始信号：图（a ）、（b ）、（c ）。 1－2 已知某系统的输入f(t)与输出y(t)的关系为y(t)=|f(t)|，试判定该系统是否为线性时不变系统。 解： 设T 为此系统的运算子，由已知条件可知： y(t)=T[f(t)]=|f(t)|，以下分别判定此系统的线性和时不变性。 ① 线性 1）可加性 不失一般性，设f(t)=f 1(t)+f 2(t)，则 y 1(t)=T[f 1(t)]=|f 1(t)|，y 2(t)=T[f 2(t)]=|f 2(t)|，y(t)=T[f(t)]=T[f 1(t)+f 2(t)]=|f 1(t)+f 2(t)|，而 |f 1(t)|＋|f 2(t)|≠|f 1(t)+f 2(t)| 即在f 1(t)→y 1(t)、f 2(t)→y 2(t)前提下，不存在f 1(t)＋f 2(t)→y 1(t)＋y 2(t)，因此系统不具备可加性。 由此，即足以判定此系统为一非线性系统，而不需在判定系统是否具备齐次性特性。 2）齐次性 由已知条件，y(t)=T[f(t)]=|f(t)|，则T[af(t)]=|af(t)|≠a|f(t)|=ay(t) （其中a 为任一常数） 即在f(t)→y(t)前提下，不存在af(t)→ay(t),此系统不具备齐次性，由此亦可判定此系统为一非线性系统。 ② 时不变特性 由已知条件y(t)=T[f(t)]=|f(t)|，则y(t-t 0)=T[f(t-t 0)]=|f(t-t 0)|， 即由f(t)→y(t)，可推出f(t-t 0)→y(t-t 0)，因此，此系统具备时不变特性。 依据上述①、②两点，可判定此系统为一非线性时不变系统。 1－3 判定下列方程所表示系统的性质： )()()]([)()(3)(2)(2)()()2()()(3)(2)()()()()() (2''''''''0t f t y t y d t f t y t ty t y c t f t f t y t y t y b dx x f dt t df t y a t =+=++-+=+++=? 解：（a ）① 线性 1）可加性 由 ?+=t dx x f dt t df t y 0)()()(可得?????→+=→+=??t t t y t f dx x f dt t df t y t y t f dx x f dt t df t y 01122011111)()()()()()()()()()(即即 则 ???+++=+++=+t t t dx x f x f t f t f dt d dx x f dt t df dx x f dt t df t y t y 0212102201121)]()([)]()([)()()()()()( 即在)()()()()()()()(21212211t y t y t f t f t y t f t y t f ＋＋前提下，有、→→→，因此系统具备可加性。 2）齐次性 由)()(t y t f →即?+=t dx x f dt t df t y 0)()()(，设a 为任一常数，可得 )(])()([)()()]([)]([000t ay dx x f dt t df a dx x f a dt t df a dx x af t af dt d t t t =+=+=+??? 即)()(t ay t af →，因此，此系统亦具备齐次性。 由上述1）、2）两点，可判定此系统为一线性系统。

语言符号任意性与非任意性研究两问

语言符号任意性与非任意性研究两问 李二占1,张文鹏2 (1 盐城师范学院外语系,江苏盐城 224000;2 电子科技大学外语学院,四川成都 610000) 摘 要:术语内涵的不同解释是语言任意性和非任意性之争的缘由之一,因此,必须对它们进行本源性的、语篇分析式的清理和阐释。分析表明,任意性最根本的意思是我们无法从物理、生理等自然方面找出施指与所指结合成语言符号的理由。同时,任意性也体现在语言符号和外界实体、语音和语义、语法结构和语义结构等两两相对的构件之间。和任意性对举的是非任意性,包括象似性和理据性。理据是语言系统自组织过程中促动某一语言现象产生、发展或消亡的动因。象似性则主要涉及语法形式和语义结构之间的可论证性。从我们给出的关于任意性和非任意性构成的层级体系示意图来看,任意性是受非任意性制约的任意性,而非任意性是以任意性为生存条件的非任意性,二者互补共存、相辅相成,在语言的各个层面上共同成为语言组织中的两大功能性原则。 关键词:语言符号;任意性;非任意性;象似性;理据 中图分类号:H0-06 文献标识码:A 文章编号:1008-7729(2005)02-0058-04 一、引 言 从索绪尔重申任意性是语言符号头等重要的原则开始[1],这一问题得到大量讨论,主要表现在三方面。其一,赞同任意性的学者进行了支持性的后续研究,例如,萨丕尔认为语言研究是 讨论所谓语言这个任意性符号系统的功能和形式 [2];霍凯特说任意性是语言的基本属性之一[3];乔姆斯基把语言结构任意性推到了极点,认为语言这一自治的表征系统 来自心智的结构 ,而象似性则是动物语言的特性[4] 。其二,主张非任意性的学者日益增多,有鲍林杰(1981)、海曼(1985)、齐翁(1979,1990,1995)、西蒙尼(1995)、安德森(1998)等人;雷可夫和约翰逊甚至说语言的可论证性多于任意性[5]。该派别当然也包括持任意性和非任意性为辩证统一观点的学者,如我国的朱永生(1999)、王艾录(2002)和王寅(2003)等。其三,任意性和非任意性话题不仅仅局限于语言系统本身。例如,符号学认为象似记号是重要的符号类别之一,哲学研究更是追寻语言切分世界的任意或非任意关系,它们的介入使问题进一步复杂化。 然而,所用术语的不同,研究目的差异,认识上的偏颇以及非学术话语的参与使得本来就有争议的研究话题变得更加扑朔迷离。这种看似百家争鸣的局面并不真正有利于问题的澄清,因此有必要对相关理论问题进行本源性的再思考,从而为未来的研究指出可行方向。二、如何理解语言符号的任意性和非任意性 术语内涵的差异是导致谬误流传的一个主要原因。王艾录和司富珍指出,像 施指 和 所指 这样的术语常为别的术语所替代,同时人们又往往根据自己的研究取向、范围、对象、方式而加以不同的阐发[6]。这种阐发的目的似乎是要建立自己的体系,但渗透其间的非纯粹学术话语成分遂使得很多讨论都得首先清理概念[7]。 收稿日期:2005-01-20 作者简介:李二占(1972-),男,陕西榆林人,盐城师范学院外语系讲师,电子科技大学外语学院在读硕士研究生, 研究方向为普通语言学和语用学。第7卷第2期 2005年4月北京邮电大学学报(社会科学版)Journal of BUPT (Social Sciences Edition)Vol 7,No 2April,2005

随机信号分析实验报告

一、实验名称 微弱信号的检测提取及分析方法 二、实验目的 1．了解随机信号分析理论如何在实践中应用 2．了解随机信号自身的特性，包括均值、方差、相关函数、频谱及功率谱密度等 3．掌握随机信号的检测及分析方法 三、实验原理 1．随机信号的分析方法 在信号与系统中，我们把信号分为确知信号和随机信号。其中随机信号无确定的变化规律，需要用统计特新进行分析。这里我们引入随机过程的概念，所谓随机过程就是随机变量的集合，每个随机变量都是随机过程的一个取样序列。 随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，他们能够对随机过程作完整的描述。但由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。本实验中算法都是一种估算法，条件是N要足够大。 2．微弱随机信号的检测及提取方法 因为噪声总会影响信号检测的结果，所以信号检测是信号处理的重要内容之一，低信噪比下的信号检测是目前检测领域的热点，而强噪声背景下的微弱信号提取又是信号检测的难点。 噪声主要来自于检测系统本身的电子电路和系统外空间高频电磁场干扰等，通常从以下两种不同途径来解决 ①降低系统的噪声，使被测信号功率大于噪声功率。 ②采用相关接受技术，可以保证在信号功率小于噪声功率的情况下，人能检测出信号。 对微弱信号的检测与提取有很多方法，常用的方法有：自相关检测法、多重自相法、双谱估计理论及算法、时域方法、小波算法等。 对微弱信号检测与提取有很多方法，本实验采用多重自相关法。 多重自相关法是在传统自相关检测法的基础上，对信号的自相关函数再多次做自相关。即令： 式中，是和的叠加；是和的叠加。对比两式，尽管两者信号的幅度和相位不同，但频率却没有变化。信号经过相关运算后增加了信噪比，但其改变程度是有限的，因而限制了检测微弱信号的能力。多重相关法将 当作x（t），重复自相关函数检测方法步骤，自相关的次数越多，信噪比提高的越多，因此可检测出强噪声中的微弱信号。

CAD名词解释

名词解释 ⑴CAD：Computer Aided Design计算机辅助设计 ⑵CAM：Computer Aided Manufacturing 计算机辅助制造 ⑶DDB：Protel设计文件库 ⑷SCH：Protel原理图设计文件扩展名（原理图编辑器） ⑸TopLayer：顶层、元件面 ⑹BottomLayer：底层、焊锡面 ⑺Mechanical layer：机械层 ⑻Silkscreen：丝印层 ⑼AUTOCAD：自动计算机辅助设计 ⑽Protel：电子线路CAD ⑾Miscellaneous Devices.ddb：混合元件库 ⑿Sim.ddb：模拟仿真分析元件图形符号库 ⒀ERC：原理图的电气检查 ⒁DRC：PCB设计规则检查 ⒂Updata PCB：更新PCB文档

⒃Creat Netlist：生成网络表文件 ⒄Footprint：元件的封装形式 ⒅Create Symbol From Sheet：由原理图生成方块电路 ⒆DIODE0.4：二极管的封装名 ⒇DIP40：40脚双列直插式芯片封装名 21．Keepout layer禁止布线层 绘出电路板的布线区，以确定自动布局、布线的范围。 22．工作点分析（Operating Point Analyses） 电感视为短路，电容视为开路，计算电路中各节点对地电压、各支路电流。 23．焊盘 连接盘，与元件相关，是元件封装图的一部分。 24．××.XLS 参考答案：元件报表清单 25.PCB编辑器中的信号层 答：Signal Layers——最多支持32个信号层。其中

Top Layer——顶层，元件面，即元器件的主要安装面。 Bottom Layer——底层，焊锡面，主要用于布线。 Mid Layer1～Mid Layer30——中间信号层，主要用于放置信号线，多层板使用。 26.PCB编辑器中的机械层 答：Mechanical Layers——没有电气特性，主要用于放置电路板上一些关键部位的标注尺寸信息、印制板边框以及电路板生产过程中所需的对准孔。 允许同时使用4个机械层，常用1～2个机械层。对准孔、印制板边框等放在机械层4（Mechanical 4）；而标注尺寸、注释文字等放在机械层1内。 27.PCB编辑器中的丝印层 答：Silkscreen——通过丝网印刷方式将元件外形、序号以及其他说明文字印制在元件面或焊锡面上，以方便电路板生产过程的插件（包括表面封装元件的贴片）以及日后产品的维修操作。一般放在顶层（Top Overlayer）。 28.Footprint

电子科大随机信号分析随机期末试题答案

电子科技大学2014-2015学年第 2 学期期 末 考试 A 卷 一、设有正弦随机信号()cos X t V t ω=， 其中0t ≤<∞，ω为常数，V 是[0,1)均匀 分布的随机变量。（ 共10分） 1．画出该过程两条样本函数。(2分) 2．确定02t πω=，134t πω=时随机信号()X t 的 一维概率密度函数，并画出其图形。(5 分) 3．随机信号()X t 是否广义平稳和严格平 稳？(3分) 解：1.随机信号()X t 的任意两条样本函 数如题解图(a)所示： 2.当02t πω=时，()02X πω=，()012P X πω??==????， 此时概率密度函数为：(;)()2X f x x πδω =

当34t πω=时， 3()42X πω=-，随机过程的一维 概率密度函数为： 3. ()[]1cos cos 2E X t E V t t ωω==???? 均值不平稳， 所以()X t 非广义平稳，非严格平稳。 二、设随机信号()()sin 2X n n πφ=+与 ()()cos 2Y n n πφ=+，其中φ为0~π上均 匀分布随机变量。（ 共10分） 1．求两个随机信号的互相关函数 12(,)XY R n n 。(2分) 2．讨论两个随机信号的正交性、互不 相关性与统计独立性。(4分) 3．两个随机信号联合平稳吗？(4分) 解：1.两个随机信号的互相关函数 其中()12sin 2220E n n ππφ++=???? 2. 对任意的n 1、n 2 ,都有12(,)0XY R n n =， 故两个随机信号正交。

又 故两个随机信号互不相关， 又因为 故两个随机信号不独立。 3. 两个随机信号的均值都平稳、相关函数都与时刻组的起点无关，故两个信号分别平稳，又其互相关函数也与时刻组的起点无关，因而二者联合平稳。 三、()W t 为独立二进制传输信号，时隙长度T 。在时隙内的任一点 ()30.3P W t =+=????和 ()30.7P W t =-=????，试求（ 共10分） 1．()W t 的一维概率密度函数。(3分) 2．()W t 的二维概率密度函数。(4分) 3．()W t 是否严格平稳？(3分)

信号与系统知识点整理

第一章 1、什么就是信号？ 就是信息得载体,即信息得表现形式。通过信号传递与处理信息,传达某种物理现象(事件)特性得一个函数。 2、什么就是系统？ 系统就是由若干相互作用与相互依赖得事物组合而成得具有特定功能得整体。 3、信号作用于系统产生什么反应？ 系统依赖于信号来表现,而系统对信号有选择做出得反应。 4、通常把信号分为五种: ?连续信号与离散信号 ?偶信号与奇信号 ?周期信号与非周期信号 ?确定信号与随机信号 ?能量信号与功率信号 5、连续信号:在所有得时刻或位置都有定义得信号。 6、离散信号:只在某些离散得时刻或位置才有定义得信号。 通常考虑自变量取等间隔得离散值得情况。 7、确定信号:任何时候都有确定值得信号 。 8、随机信号:出现之前具有不确定性得信号。 可以瞧作若干信号得集合,信号集中每一个信号 出现得可能性(概率)就是相对确定得,但何时出 现及出现得状态就是不确定得。 9、能量信号得平均功率为零,功率信号得能量为无穷大。 因此信号只能在能量信号与功率信号间取其一。 10、自变量线性变换得顺序:先时间平移,后时间变换做缩放、 注意:对离散信号做自变量线性变换会产生信息得丢失！ 11、系统对阶跃输入信号得响应反映了系统对突然变化得输入信号得快速响应能 力。(开关效应) 12、单位冲激信号得物理图景: 持续时间极短、幅度极大得实际信号得数学近似。 对于储能状态为零得系统,系统在单位冲激信号作 用下产生得零状态响应,可揭示系统得有关特性。 例:测试电路得瞬态响应。 13、冲激偶:即单位冲激信号得一阶导数,包含一对冲激信号, 一个位于t=0-处,强度正无穷大; 另一个位于t=0+处,强度负无穷大。 要求:冲激偶作为对时间积分得被积函数中一个因子, 其她因子在冲激偶出现处存在时间得连续导数、 14、斜升信号: 单位阶跃信号对时间得积分即为单位斜率得斜升信号。 15、系统具有六个方面得特性: 1、稳定性 2、记忆性

语言符号的任意性和线条性

语言符号的任意性和线条性，是20世纪初瑞士的语言学家索绪尔作为语言符号的基本性质提出的。语言符号的这两个性质和语言符号的系统性密切相关。 符号的任意性就是指，作为符号系统的成员，单个语言符号的语音形式和意义之间没有自然属性上的必然联系，只有社会约定的关系。语言符号的最大侍点是它的音与义的结合是任意的，由社会约定俗成。外国人学汉语碰到一个新词，无法从读音推知意义，也无法从意义推知读音。这说明音与义之间没有必然的联系。音义结合的任意性是形成人类语言多样性的一个重要原因。不同语言可以用不同的音来表示相同的事物（如汉语的“shu”和英语的“book”），也可以用相同的、类似的音来表示不同的事物（如汉语的“哀”和英语的“I”）。这些都是符号任意性的表现。可是符号的任意性只是就创制符号时的情形说的。符号一旦进入交际，也就是某一语音形式与某一意义结合起来，表示某一特定的现实现象以后，它对使用的人来说就有强制性。如果不经过重新约定而擅自变更，就必然会受到社会的拒绝。战争期间夜间通行的口令是司令部规定以后颁发的。口令的制定是任意的，但既经颁发，大家都得遵守，不能更改。口令可以一天一换，语言的符号却是社会全体成员无时无刻不在使用的，不能随便乱改，否则就会乱套。而且符号本来就是约定的，只要大家接受，无所谓好坏，因而也没有变更的必要。所以虽说符号有任意性的特点，但每个人从出生的那天起，就落入一套现成的语言符号的网子里，只能被动地接受，没有要求更改的权利。 符号的线条性是指语言符号在使用中是以符号序列的形式出现，符号只能一个跟着一个依次出现，在时间的线条上绵延，不能在空间的面上铺开。 符号的任意性是就单个符号的音与义之间的相互关系来说的，符号的线条性使符号能够一个挨着一个进行组合，构成不同的结构。符号与符号的组合和单个符号中音义的结合有很大的区别，它不是任意的，而是有条件的，即可以论证和解释的。符号和符号的组合条件就是语言里的各种结构规则。比方“香菜”“香肠”“香瓜”“香油”等，都由两个最小的符号组合而成。“香”“菜”“肠”“瓜”“油”这些都是音义任意结合的符号，但它们之所以能组成“香菜”“香肠”“香瓜”“香油”却不是任意的，而是有道理可说的，可以从它们的组成中了解结合的条件。例如“香瓜”和“瓜香”就不一样，我们能够说出这种不一样的道理。这样，以任意性为基础的符号处于有条件、有规则的联系之中，使语言具备有条理、可理解的性质。所以，线条性是语言符号系统分析的基础。

完整名词解释

1.1 名词解释 ·逻辑数据：指程序员或用户用以操作的数据形式。 ·物理数据：指存储设备上存储的数据。 ·联系的元数：与一个联系有关的实体集个数，称为联系的元数。 ·1:1联系：如果实体集E1中每个实体至多和实体集E2中的一个实体有联系，反之亦然，那么E1和E2的联系称为“1:1联系”。 ·1:N联系：如果实体集E1中每个实体可以与实体集E2中任意个（零个或多个）实体有联系，而E2中每个实体至多和E1中一个实体有联系，那么E1和E2的联系是“1:N联系”。·M:N联系：如果实体集E1中每个实体可以与实体集E2中任意个（零个或多个）实体有联系，反之亦然，那么E1和E2的联系称为“M:N联系”。 ·数据模型：能表示实体类型及实体间联系的模型称为“数据模型”。 ·概念数据模型：独立于计算机系统、完全不涉及信息在计算机中的表示、反映企业组织所关心的信息结构的数据模型。 ·结构数据模型（或逻辑数据模型）：与DBMS有关的，直接面向DB的逻辑结构、从计算机观点对数据建模的数据模型。 ·层次模型：用树型（层次）结构表示实体类型及实体间联系的数据模型称为层次模型。·网状模型：用有向图结构表示实体类型及实体间联系的数据模型称为网状模型。 ·关系模型：用二维表格表达实体集的数据模型。 ·外模式：是用户用到的那部分数据的描述。 ·概念模式：数据库中全部数据的整体逻辑结构的描述。 ·内模式：DB在物理存储方面的描述。 ·外模式/模式映象：用于定义外模式和逻辑模式之间数据结构的对应性。 ·模式/内模式映象：用于定义逻辑模式和内模式之间数据结构的对应性。 ·数据独立性：应用程序和DB的数据结构之间相互独立，不受影响。 ·物理数据独立性：在DB的物理结构改变时，尽量不影响应用程序。 ·逻辑数据独立性：在DB的逻辑结构改变时，尽量不影响应用程序。 ·主语言：编写应用程序的语言（如C一类高级程序设计语言），称为主语言。 ·DDL：定义DB三级结构的语言，称为DDL。 ·DML：对DB进行查询和更新操作的语言，称为DML。 ·过程性语言：用户编程时，不仅需要指出“做什么”，还需要指出“怎么做”的语言。·非过程性语言：用户编程时，只需指出“做什么”，不需要指出“怎么做”的语言。·DD（数据字典）：存放三级结构定义的DB，称为DD。 ·DD系统：管理DD的软件系统，称为DD系统。 2.1名词解释 ·关系模型：用二维表格表示实体集，外键和主键表示实体间联系的数据模型，称为关系模型。 ·关系模式：是对关系的描述，包括模式名、诸属性名、值域名和模式的主键。 ·关系实例：关系模式具体的值，称为关系实例。 ·属性：即字段或数据项，与二维表中的列对应。属性个数，称为元数（arity）。 ·域：属性的取值范围，称为域。 ·元组：即记录，与二维表中的行对应。元组个数，称为基数（cardinality）。 ·超键：能惟一标识元组的属性或属性集，称为关系的超键。 ·候选键：不含有多余属性的超键，称为候选键。

信号与系统课后习题答案

信号与系统课后习题答 案 Company number：【WTUT-WT88Y-W8BBGB-BWYTT-

1-1 试分别指出以下波形是属于哪种信号 题图1-1 1-2 试写出题1-1图中信号的函数表达式。 1-3 已知信号)(1t x 与)(2t x 波形如题图1-3中所示，试作出下列各信号的波形 图，并加以标注。 题图1-3 ⑴ )2(1-t x ⑵ )1(1t x - ⑶ )22(1+t x ⑷ )3(2+t x ⑸ )22 (2-t x ⑹ )21(2t x - ⑺ )(1t x )(2t x - ⑻ )1(1t x -)1(2-t x ⑼ )2 2(1t x -)4(2+t x 1-4 已知信号)(1n x 与)(2n x 波形如题图1-4中所示，试作出下列各信号的波形 图，并加以标注。 题图1-4 ⑴ )12(1+n x ⑵ )4(1n x - ⑶ )2 (1n x ⑷ )2(2n x - ⑸ )2(2+n x ⑹ )1()2(22--++n x n x ⑺)2(1+n x )21(2n x - ⑻ )1(1n x -)4(2+n x ⑼ )1(1-n x )3(2-n x 1-5 已知信号)25(t x -的波形如题图1-5所示，试作出信号)(t x 的波形图，并加以标注。 题图1-5 1-6 试画出下列信号的波形图：

⑴ )8sin()sin()(t t t x ΩΩ= ⑵ )8sin()]sin(21 1[)(t t t x ΩΩ+= ⑶ )8sin()]sin(1[)(t t t x ΩΩ+= ⑷ )2sin(1 )(t t t x = 1-7 试画出下列信号的波形图： ⑴ )(1)(t u e t x t -+= ⑵ )]2()1([10cos )(---=-t u t u t e t x t π ⑶ )()2()(t u e t x t --= ⑷ )()()1(t u e t x t --= ⑸ )9()(2-=t u t x ⑹ )4()(2-=t t x δ 1-8试求出以下复变函数的模与幅角，并画出模与幅角的波形图。 ⑴ )1(1)(2Ω-Ω= Ωj e j X ⑵ )(1 )(Ω-Ω-Ω =Ωj j e e j X ⑶ Ω -Ω---=Ωj j e e j X 11)(4 ⑷ 21 )(+Ω=Ωj j X 1-9 已知信号)]()([sin )(π--=t u t u t t x ，求出下列信号，并画出它们的波形图。 ⑴ )() ()(2 21t x dt t x d t x += ⑵ ττd x t x t ?∞-=)()(2 1-10 试作出下列波形的奇分量、偶分量和非零区间上的平均分量与交流分量。 题图1-10 1-11 试求下列积分： ⑴ ?∞ ∞--dt t t t x )()(0δ ⑵ ?∞ ∞ ---dt t t u t t )2()(00δ ⑶ ?∞ ∞---dt t t t e t j )]()([0δδω ⑷ ?∞ ∞--dt t t )2 (sin π δ

电子科大随机信号分析随机期末试题答案

电子科技大学2014- 2015学年第2学期期末考试 A 卷 一、设有正弦随机信号X t Vcos t , 其中0 t，为常数，V是［0,1）均匀分布的随机变 量。（共10分） 1.画出该过程两条样本函数。（2分） 3 2.确定t。— , t1—时随机信号x（t）的一维概率密度函数，并画出其图形。（5 分） 3.随机信号x（t）是否广义平稳和严格平 稳？（3分） 解: 1.随机信号x t的任意两条样本函数如题解图（a）所示： 2.当t0 厂时，x（—）0, P x（—）0 1, 此时概率密

度函数为：f x（X；厂）（X）

当t时，X（右）乎V,随机过程的一维概率密度函数为： 1 3. E X t EV cos t 2cos t 均值不平稳，所以X（t）非广义平稳，非严格平稳。 二、设随机信号X n sin 2 n 与 Y n cos 2 n ，其中为0~上均 匀分布随机变量。（共10分） 1.求两个随机信号的互相关函数 （n!, n2）o （2 分） R KY 2.讨论两个随机信号的正交性、互不 相关性与统计独立性。（4分） 3 .两个随机信号联合平稳吗？（4分）解: 1.两个随机信号的互相关函数 其中E sin 2 口2迈2 0 2.对任意的厲、n2,都有R XY^M） 0, 故两个

随机信号正交。 又 故两个随机信号互不相关， 又因为 故两个随机信号不独立。 3. 两个随机信号的均值都平稳、相关函数都与时刻组的起点无关，故两个信号分别平稳，又其互相关函数也与时刻组的起点无关，因而二者联合平稳。 三、W t为独立二进制传输信号，时隙长度T。在时隙内的任一点 P W t 3 0.3和P W t 3 0.7 ，试求 （共10 分） 1．W t的一维概率密度函数。（3 分）

浅议语言符号的任意性和强制性

浅议语言符号的任意性和强制性 2012级汉语言文字学专业马真真 摘要： 索绪尔认为，“语言符号是一种两面的心理实体”，就像是一张纸的正反面，任何一面都不能离开另一面而独立存在，而语言符号的这两面并不是指事物和名称，而是概念和音响形象，也就是说，符号的两个部分都是心理的，这就否定了前人把语词符号的性质归结为一种分类命名集的观点，即否定了先前的学者把符号问题和语言问题等同于命名问题的认识，索绪尔从概念和音响形象这两种心理的东西中提炼出两个更为抽象、更具有系统特性的成分—“所指”和“能指”。语言符号的能指和所指之间的关系是任意的，是社会约定俗成的，索绪尔认为，符号的任意性广义上是包括绝对任意性和相对任意性两点的，但是语言符号一旦进入交际，也就是能指和所指一旦相结合起来指称事物，对使用它的成员就具有了强制性，任意性和强制性既是矛盾的又是相联系的，我们不能把两者割裂开来。 关键词： 能指所指任意性强制性 正文： “所指”和“能指”这两个词在索绪尔的《普通语言学教程》中用得非常普遍，我们在读《教程》中遇到“所指”和“能指”二词时要明确索绪尔指的是抽象化、心理化了的概念和音响形象，而不是单

纯的事物和名称。关于能指和所指的关系问题，古希腊即有“按规定”和“按本质”的争论（只不过当时争论的是“词与物”的关系问题，其实问题的本质和焦点都是一样的）。 1、语言符号能指和所指结合的任意性 （1）、从不同语言对同一事物的命名上看语言符号的任意性。 语言符号的能指和所指之间的关系是任意的，同一个事物，不同的语言用不同的名称去指称就是最好的例证，比如，“书”，英语中称之为book，汉语中称之为shū，日语中称之为ほん，我们看不出“书”的本质即“装订成册的著作”与哪个声音形象有内在的、本质的联系，是与book有联系，与shū有联系，还是与ほん有联系，还是与其他某种语言里的名称有联系？我们完全看不出。这足以证明语言符号的能指和所指之间的联系不是必然的、本质的，而完全是偶然的、任意的、社会共同约定俗成的，索绪尔又把这种任意性称之为不可论证性。但有人反驳，“索绪尔说语言符号的能指和所指之间的关系是任意的，那‘飞机’一词不就可以解释为‘飞行的机器’吗，难道这还是任意的吗？”我们应该明确一点，索绪尔指的符号的任意性广义上是包括绝对任意性和相对任意性两点的，所谓的绝对任意性是指一个单纯符号的所指/能指关系是具有不可论证性的，而相对任意性是指一个合成符号的所指/能指关系是可以通过它的次级单位的组合、聚合关系能够相对地论证的，上述以“飞机”为例对索绪尔观点的反驳并没有看到索绪尔论述合成符号时所阐述的可论证性即理据性的观点，而只是把索绪尔的任意性狭义地理解为绝对任意性而已。

随机信号分析上机实验指导书

目录 实验1 离散随机变量的仿真与计算（验证性实验） (1) 实验2 离散随机信号的计算机仿真(验证性实验) (5) 实验3 随机信号平稳性分析(验证性实验) (8) 实验4 实验数据分析(综合性实验) (10) 实验5 窄带随机过程仿真分析 (验证性实验) (11) 实验6 高斯白噪声通过线性系统分析(综合实验) (13)

实验1 离散随机变量的仿真与计算（验证性实验） 一、实验目的 掌握均匀分布的随机变量产生的常用方法。 掌握由均匀分布的随机变量产生任意分布的随机变量的方法。 掌握高斯分布随机变量的仿真，并对其数字特征进行估计。 二、实验步骤 无论是系统数学模型的建立，还是原始实验数据的产生，最基本的需求就是产生一个所需分布的随机变量。比如在通信与信息处理领域中，电子设备的热噪声，通信信道的畸变，图像中的灰度失真等都是遵循某一分布的随机信号。在产生随机变量时候，虽然运算量很大，但是基本上都是简单的重复，利用计算机可以很方便的产生不同分布的随机变量。各种分布的随机变量的基础是均匀分布的随机变量。有了均匀分不得阿随机变量，就可以用函数变换等方法得到其他分布的随机变量。 1．均匀分布随机数的产生 利用混合同余法产生均匀分布的随机数，并显示所有的样本，如图1所示。 yn+1=ayn+c (mod M) xn+1=yn+1/M

2．高斯分布随机数的仿真 根据随机变量函数变换的原理，如果能将两个分布之间的函数关系用显式表达，那么就可以利用一种分布的随机变量通过变换得到另一种分布的随机变量。 若X 是分布函数为FX （x ）的随机变量，且分布函数FX （x ）为严格单调升函数，令Y=FX （x ），则Y 必是在[0，1]上均匀分布的随机变量。繁殖，若Y 是在[0，1]上均匀分布的随机变量，那么 X=F-1X(Y) （1.4.5） 就是分布函数为FX （x ）的随机变量。这样，欲求某个分布的随机变量，先产生[0,1]区间上的均匀分布随机数，在经过（1.4.5）的变换，便可以求得所需要分布的随机数, 产生指数分布的随机数 fX(x)=ae-ax Y=FX(X)=1-e-aX X=-ln(1-Y)/a 利用函数变换法产生高斯分布的随机数的方法 : 图1－1生成均匀分布随机数的结果

随机信号的分析

1. 试求下列均匀概率密度函数的数学期望和方差: ?????≤≤-=x a x a a x f 其它021)( 2. 设（X,Y ）的二维概率密度函数为：0,0 )exp(4),(22≥≥--=y x y x xy y x f 求22Y X Z += 的概率密度函数。 3. 设有两个随机过程：???+==)cos()()(cos )()(02 01θωωt t X t S t t X t S X(t)是广义平稳过程。θ是对x(t)独立的。均匀分布于),(ππ-上的随机变量， (1) )(),(21t S t S 的自相关函数。 (2)并说明)(),(21t S t S 的平稳性。 4. 一个均值为零的随机信号S(t)，具有如图 （1） 信号的平均功率S 为多少？ （2） 其自相关函数为 （3） 设Z Z H V K MH B /1,12μ==。信号的均方值S 为,以及相距s μ1的S(t) 的两个样值是 5. 试求白噪声（单边功率谱为0N ）通过具有高斯频率特性的谐振放大器后，（该 放大器的频率特性为]2)(exp[)(220β ωωω--=K H ，其中参数β是用来确定通带带宽的。），输出噪声的自相关函数。并画出)(τn R 的图形。 6. 已知一正弦波加窄带高斯过程的信号表示式为)()cos()(t n t A t r c ++=θω，并且有 t t Y t t X t n c c ωωsin )(cos )()(-= （1） 求r(t)的包络平方)(2 t Z 的概率密度函数。 （2） A=0时，r(t)的包络平方的相关函数为：

通信原理 基本概念 基本方法 基本应用 随机信号分析 ?平稳随机过程的定义、性质； ?什么是广义平稳随机过程？ ?平稳随机过程的自相关函数与功率谱密度如何定义，有何性质？?平稳随机过程通过线性系统后，均值、自相关与方差、功率谱密度有何关系？ ?什么是高斯噪声？什么是高斯白噪声？什么是窄带高斯噪声？?窄带高斯噪声的幅度和相位服从什么分布？ ?窄带高斯噪声的同相分量和正交分量服从什么分布？ ?习题1、2、3、7、8、12 信道 ?信道分类：广义信道与狭义信道、调制信道与编码信道、恒参信道与变参信道； ?离散信道信道的信道容量是如何定义的，它的物理意义是什么？?连续信道信道的信道容量是如何定义的（山农公式）？ ?习题8、13、14、15

随机信号处理实验

随机信号处理实验 专业：电子信息科学与技术 班级： 学号： 学生姓名： 指导教师：钱楷

一、实验目的 1、熟悉GUI 格式的编程及使用。 2、掌握随机信号的简单分析方法 3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 3、熟悉各种随机信号分析及处理方法。 4、掌握运用MATLAB 中的统计工具包和信号处理工具包绘制概率密度的方法 二、实验原理 1、语音的录入与打开 在MATLAB 中，[y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y 中，fs 表示采样频率(Hz)，bits 表示采样位数。[N1 N2]表示读取从N1点到N2点的值。 2、高斯白噪声 白噪声信号是一个均值为零的随机过程，任一时刻是均值为零的随机变量,而服从高斯分布的白噪声即称为高斯白噪声。在matlab 中，有x=rand （a ，b ）产生均匀白噪声序列的函数，通过与语言信号的叠加来分析其特性。 3、均值 随机变量X 的均值也称为数学期望，它定义为:,对于离散型随机变量，假定随机变量X 有N 个可能取值，各个取值的概率为，则均值定义为E(X)=，离散型随机变量的均值等于随机变量的取值乘以取值的概率之和，如果取值是等概率的，那么均值就是取值的算术平均值，如果取值不是等概率的，那么均值就是概率加权和，所以，均值也称为统计平均值。 4、方差 定义为随机过程x(t)的方差。方差通常也记为 D[X （t ）] ，随机过程的方差也是时间 t 的函数, 由方差的定义可以看出，方差是非负函数。 5、协方差 设两个随机变量X 和Y ，定义：为X 和Y 的协方差。其相关函数为： ?? +∞∞-+∞ ∞ -= =dxdy t t y x xyf t Y t X E t t R XY XY ),,,()}()({),(212121 由此可见协方差的相关性 与X 和Y 是密切相关的，表征两个函数变化的相似性。 5、协方差 设任意两个时刻1t ， 2t ，定义： 为随机过程X （t ）的自相关函数，简称为相关函数。自相关函数可正，可负，其绝对值越大表示相关性越强。 7、互相关 互相关函数定义为： 如果X （t ）与Y （t ）是相互独立的，则一定是不相关的。反之则不一定成立。它是两个随机过程联合统计特性中重要的数字特征。 8、平滑滤波 平滑滤波可以与中值滤波结合使用，对应的线性平滑器可以仅仅用低阶的低通滤波器（如果采用高阶的系统，则将抹掉信号中应该保存的不连续性）。 121212121212 (,)[()()](,,,)X R t t E X t X t x x f x x t t dx dx +∞+∞-∞ -∞ ==???? +∞∞-+∞ ∞ -==dxdy t t y x xyf t Y t X E t t R XY XY ),,,()}()({),(212121

从网络语言看索绪尔语言符号的任意性

2011年第4期 36 宁波广播电视大学学报从网络语言看索绪尔语言符号的任意性 谭敏 （广西师范大学漓江学院外语系，广西桂林541006） 【摘要】语言符号的任意性是贯穿索绪尔语言符号思想的一条重要原则，也是他的符号学理论的基本观点和创建结构主义的理论支柱。本文从新兴的网络语言入手，分析说明语言符号的绝对任意性与相对任意性是并存的，但绝对任意性第一位，相对任意性第二位。 【关键词】网络语言；索绪尔；语言符号；绝对任意性；相对任意性【中图分类号】Ｈ０－０６ 【文献标识码】Ａ 【文章编号】１６７２－３７２４（２０１１）０４－００３６－０４ Analysis on Saussure ’s Arbitrariness of Language from the Perspective of Cyber Language TAN Min （Department of Foreign Languages,Lijiang College of Guangxi Normal University,Guilin 541006,Guangxi,China ）Abstract:As one of the fundamental characteristics in Saussure ’s theory of linguistic sign,arbitrariness is the basic viewpoint of the semiotics theory as well as the theoretical basis of the structuralism.This paper,starting from analyzing the cyber language,discusses the integration of absolute arbitrariness and relative arbitrariness of linguistic sign.Meanwhile,it points out that the former is applicable to the birth of linguistic sign,the latter to the grammatical level. Key Words:Cyber language;Saussure;Linguistic sign;Absolute arbitrariness;Relative arbitrariness 结构主义的先驱，语言学家索绪尔认为语言是一种表达观念的符号系统，“符号的任意性”是语言符号的第一个头等重要的特性，它支配着整个语言的语言学。语言符号的任意性学说是索绪尔创建结构主义的理论支柱，是理解索绪尔思想理论体系的关键。因此，多少年来，对任意性学说的研究经久不衰，显示了其强大的生命力，但也经常引起研究者们的不同见解乃至激烈的争论，其中争论的焦点集中在绝对任意性和相对任意性（即可论证性）的关系问题上。本文从新兴的网络语言入手，依据索绪尔的《普通语言学教程》，分析说明绝对任意性与相对任意性是并存的，但绝对任意性第一位，相对任意性第二位，即从语言的产生层面看，音与义的关系完全是偶然的，是社会约定俗成的，而合成词或派生词——语言运用层面的体现，是相对可论证的。 一、网络语言及其基本分类 随着计算机网络的普及，一种满足网民交际需要而形 成的特殊群体用语——网络语言应运而生。这种以虚拟的网络社区（如网络论坛、BBS 网络留言版、虚拟聊天室等）为依托的语言从形式上看，简洁、新奇、生动活泼、介于书面语和口语之间；从内容上看，即时、随意、信息量大，非常符合现代人追求效率、个性的要求。因此，作为对传统语言的补充，网络语言很快地被网民们所认可，它大致可分为以下七类。 1、缩略语 网民们将英语或汉语拼音变形而为缩略语，这种语言起初只是网民为了提高网上聊天的效率而采取的一种应急方式，久而久之就形成较为固定的网上用语了。这种缩略语不同于规范的英文或拼音缩略，甚至与之大相径庭，它所遵循的原则只是便捷，目的就是把一种复杂或不便表达的东西用一个或几个简单的字母表示出来。 （1）英语缩略语：btw （by the way ，顺便说一句），b4（before ，以前），IC （I see ，我明白了），lol （laugh out loud ， ——————————————————————【收稿日期】２０１１－０９－３０ 【作者简介】谭敏，女，广西桂林人；广西师范大学漓江学院外语系助教，硕士；研究方向：翻译理论与实践、语言学。 第9卷第4期2011年12月Vol.9No.4 Dec.2011宁波广播电视大学学报 JOURNAL OF NINGBO RADIO &TV UNIVERSITY