已知x[k]={1 1;k=0,1},h[k]={2 1;k=0,1},求y[k]=x[k]*h[k] A: {2,3,1;k=0,1,2} B: {2,2,1;k=0,1,2} C: {2,0,1;k=0,1,2} D: {1,3,1;k=0,1,2}

已知x[k]={1 1;k=0,1},h[k]={1 1;k=0,1},求y[k]=x[k]*h[k] A: {1,1,1;k=0,1,2} B: {1,3,1;k=0,1,2} C: {1,2,1;k=0,1,2} D: {1,2;k=0,1}

【滤波理论】标准的卡尔曼滤波算法如下所示：(1) x ̂[k∕k-1]=Φ[k,k-1]x ̂[k-1∕k-1](2)P_x ̃ [k∕k-1]=Φ[k,k-1]P_x ̃ [k-1∕k-1]Φ [k,k-1]+Γ[k-1]Q[k-1]Γ' [k-1] (3)K[k]=P_x ̃ [k∕k-1]H' [k](H[k]P_x ̃ [k∕k-1]H'[k]+R[k])^(-1)(4) x ̂[k∕k]=x ̂[k∕k-1]+K[k](z[k]-H[k]x ̂[k∕k-1]) (5) P_x ̃ [k∕k]=(I-K[k]H[k])P_x ̃ [k∕k-1] 其中不可以离线计算的是： A: 预测误差方差阵 P_x ̃ [k∕k-1] B: 滤波值 x ̂[k∕k] C: 增益 K[k] D: 滤波误差方差阵 P_x ̃ [k∕k]

模型中含有控制项和偏置项时，信号模型和观测模型分别如下所示，信号模型： x[k+1]=Φ[k+1,k]x[k]+B[k]u[k]+Γ[k]n[k] 观测模型： z[k]=H[k]x[k]+d[k]+w[k]下列关于该模型的说法中，正确的是： A: ????[????]u[k]和????[????]d[k]都是统计特性已知的随机信号 B: ????[????]u[k]和????[????]d[k]都是已知的确定信号 C: 预测方程为????[????????−1]=????[????,????−1]????[????−1????−1] x ̂[k∕k-1]=Φ[k,k-1]x ̂[k-1∕k-1] D: 滤波方程为????[????????]=????[????????−1]+????[????](????[????]−????[????]????[????????−1]├ x ̂[k∕k]=x ̂[k∕k-1]+K[k](z[k]-H[k]x ̂[k∕k-1])

以下程序输出的结果是____。 #include #include main( ) { char w[ ][10]={"ABCD","EFGH","IJKL","MNOP"}, k; for(k=1;k<3;k++) printf("%s ",&w[k][k]); }

已知有限长序列x[k]={1,2,3;k=0,1,2}和h[k]={5,-2,4;k=0,1,2},则x[k]和h[k]的4点循环卷积为（ ）。 A: {2,15,8,17; k=0,1,2,3} B: {5,8,15,2,12; k=0,1,2,3,4,5} C: {12,2,15,8,5; k=0,1,2,3,4,5} D: {17,8,15,2; k=0,1,2,3}

已知序列x[k]=3k+2，0≤k≤9，h[k]={1，3，2；k=0，1，2}，试按L=7对序列x[k]分段，并分别利用重叠相加法与重叠保留法计算序列线性卷积y[k]=x[k]*h[k]。

main() { int k,P; int s[]={1,-9,7,2,-10,3}; for(p=0,k=P;p＜6;p++) if(s＞s[k])k=p; printf("%d\n",k); } 程序运行结果是：______

下面程序的输出结果为_____。 void main( ) { int a&#91;8&#93; , k, s=0; for( k=0; k<8; k++ ) a&#91;k&#93; = k; for( k=0; k<8/2; k++ ) a&#91;k&#93; = a&#91;8-1-k&#93; ; for( k=0; k<8/2; k++ ) s = s+a&#91;k&#93;; printf("%d",s); }

10. 以下程序的输出结果是____________. void main() { char w&#91;&#93;&#91;10&#93;={"ABCD","EFGH","IJKL","MNOP"},k; for(k=1;k<3;k++) printf("%s ",w&#91;k&#93;); }