版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
蒙特卡洛方法:也稱(chēng)為統(tǒng)計(jì)試驗(yàn)方法,它是采用統(tǒng)計(jì)的抽樣理論來(lái)近似求解數(shù)學(xué)問(wèn)題或物理問(wèn)題,它即可以求解概率問(wèn)題,也可以求解非概率問(wèn)題,蒙特卡洛方法是系統(tǒng)模擬的重要方法。蒙特卡洛方法:1用一個(gè)例子來(lái)說(shuō)明蒙特卡洛的基本思想:用一個(gè)例子來(lái)說(shuō)明蒙特卡洛的基本思想:2蒙特卡洛模擬的基本步驟建立合適的概率模型進(jìn)行多次重復(fù)試驗(yàn)對(duì)重復(fù)試驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析(估計(jì)頻率、均值等)、分析精度重復(fù)試驗(yàn)的次數(shù)稱(chēng)為蒙特卡洛仿真次數(shù),試驗(yàn)次數(shù)越多,精度越高蒙特卡洛方法可以求解復(fù)雜系統(tǒng)的計(jì)算問(wèn)題,如雷達(dá)檢測(cè)系統(tǒng)的檢測(cè)概率蒙特卡洛模擬的基本步驟建立合適的概率模型進(jìn)行多次重復(fù)試驗(yàn)對(duì)重3二、隨機(jī)序列的產(chǎn)生1、均勻隨機(jī)數(shù)的產(chǎn)生利用MATLAB函數(shù)x=rand(m,n)x=rand(100,1)二、隨機(jī)序列的產(chǎn)生1、均勻隨機(jī)數(shù)的產(chǎn)生利用MATLAB函數(shù)x42、任意分布隨機(jī)數(shù)的產(chǎn)生反函數(shù)法變換法(1)反函數(shù)法定理:如果隨機(jī)變量X具有連續(xù)分布函數(shù)FX(x),而r=是(0,1)上均勻分布的隨機(jī)變量,則X=Fx-1(r)由此等式,根據(jù)(0,1)隨機(jī)序列可以產(chǎn)生服從分布fX(x)的隨機(jī)序列xi2、任意分布隨機(jī)數(shù)的產(chǎn)生反函數(shù)法(1)反函數(shù)法定理:如果隨機(jī)5舉例:指數(shù)分布隨機(jī)數(shù)的產(chǎn)生或舉例:指數(shù)分布隨機(jī)數(shù)的產(chǎn)生或6%指數(shù)分布隨機(jī)數(shù)的產(chǎn)生N=200;r=rand(N,1);l=0.1;x=-log(r)/l;plot(x);%指數(shù)分布隨機(jī)數(shù)的產(chǎn)生7瑞利分布:瑞利分布:8%產(chǎn)生瑞利分布隨機(jī)數(shù)N=500;sigma=1;r=rand(N,1);x=sigma*sqrt(-2*log(r));subplot(2,1,1);plot(x);y=ksdensity(x)subplot(2,1,2);plot(y);%產(chǎn)生瑞利分布隨機(jī)數(shù)9韋泊分布雷達(dá)地雜波或海浪雜波服從該分布%產(chǎn)生韋泊分布隨機(jī)數(shù)N=500;b=1;a=1.2;r=rand(N,1);x=b*(-log(r)).^(1/a);subplot(2,1,1);plot(x);y=ksdensity(x)subplot(2,1,2);plot(y);韋泊分布雷達(dá)地雜波或海浪雜波服從該分布%產(chǎn)生韋泊分布隨機(jī)數(shù)10(2)變換法N(m,2)的正態(tài)隨機(jī)數(shù)的產(chǎn)生(2)變換法N(m,2)的正態(tài)隨機(jī)數(shù)的產(chǎn)生113MATLAB的隨機(jī)數(shù)生成函數(shù)1)獨(dú)立同分布白噪聲序列的產(chǎn)生(1)(0,1)均勻分布的白噪聲序列rand()用法:x=rand(m,n)功能:產(chǎn)生mn的均勻分布隨機(jī)數(shù)矩陣,例如,x=rand(100,1),產(chǎn)生一個(gè)100個(gè)樣本的均勻分布白噪聲列矢量。3MATLAB的隨機(jī)數(shù)生成函數(shù)1)獨(dú)立同分布白噪聲序12(2)正態(tài)分布白噪聲序列randn()用法:x=randn(m,n)功能:產(chǎn)生mn的標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)矩陣,例如,x=randn(100,1),產(chǎn)生一個(gè)100個(gè)樣本的正態(tài)分布白噪聲列矢量。如果要產(chǎn)生服從N(,2)分布的隨機(jī)矢量,則可以通過(guò)標(biāo)準(zhǔn)正態(tài)隨機(jī)矢量來(lái)產(chǎn)生,MATLAB的語(yǔ)句為:x=+.*randn(100,1)。(2)正態(tài)分布白噪聲序列randn()13(3)韋伯分布白噪聲序列weibrnd()用法:x=weibrnd(A,B,m,n);功能:產(chǎn)生mn的韋伯分布隨機(jī)數(shù)矩陣,其中A、B是韋伯分布的兩個(gè)參數(shù)。例如,x=weibrnd(1,1.5,100,1),產(chǎn)生一個(gè)100個(gè)樣本的韋分布白噪聲列矢量,韋伯分布參數(shù)a=1,b=1.5。其他分布的隨機(jī)數(shù)產(chǎn)生函數(shù)還有瑞利分布、伽瑪分布、指數(shù)分布等,在此不一一列舉。(3)韋伯分布白噪聲序列weibrnd()144、相關(guān)正態(tài)隨機(jī)矢量的產(chǎn)生產(chǎn)生N維正態(tài)隨機(jī)矢量,要求服從如下概率密度其中K為協(xié)方差矩陣是對(duì)稱(chēng)正定矩陣4、相關(guān)正態(tài)隨機(jī)矢量的產(chǎn)生產(chǎn)生N維正態(tài)隨機(jī)矢量,要求服從如下15基本方法是先產(chǎn)生零均值、單位方差,且各個(gè)分量相互獨(dú)立的標(biāo)準(zhǔn)正態(tài)隨機(jī)矢量U,然后做變換X=AU+M基本方法是先產(chǎn)生零均值、單位方差,且各個(gè)分量相互獨(dú)立的標(biāo)準(zhǔn)正16其中A由協(xié)方差矩陣K確定A可以用矩陣分解函數(shù)得到Chol()其中A由協(xié)方差矩陣K確定A可以用矩陣分解函數(shù)得到Chol()175相關(guān)正態(tài)隨機(jī)序列的產(chǎn)生----已知相關(guān)函數(shù)產(chǎn)生一個(gè)正態(tài)隨機(jī)序列,要求相關(guān)函數(shù)滿(mǎn)足a<1產(chǎn)生公式5相關(guān)正態(tài)隨機(jī)序列的產(chǎn)生----已知相關(guān)函數(shù)產(chǎn)生一個(gè)正態(tài)隨18a=0.8;sigma=2;N=500;u=randn(N,1);x(1)=sigma*u(1)/sqrt(1-a^2);fori=2:Nx(i)=a*x(i-1)+sigma*u(i);endplot(x);MATLAB程序a=0.8;MATLAB程序19如果要產(chǎn)生任意形式的相關(guān)函數(shù)的相關(guān)正態(tài)隨機(jī)序列根據(jù)相關(guān)函數(shù)確定協(xié)方差矩陣對(duì)協(xié)方差矩陣進(jìn)行矩陣分解產(chǎn)生N維標(biāo)準(zhǔn)正態(tài)隨機(jī)矢量做變換X=AU+M在進(jìn)行矩陣分解時(shí)可以利用MATLAB的Cholesky矩陣分解函數(shù)chol(),利用chol()函數(shù)可以直接得到A矩陣如果要產(chǎn)生任意形式的相關(guān)函數(shù)的相關(guān)正態(tài)隨機(jī)序列根據(jù)相關(guān)函數(shù)確20隨機(jī)信號(hào)分析的MATLAB函數(shù)一、特征估計(jì)對(duì)于各態(tài)歷經(jīng)過(guò)程,我們可以通過(guò)對(duì)隨機(jī)序列的一條樣本函數(shù)來(lái)獲得該過(guò)程的統(tǒng)計(jì)特性,利用MATLAB的統(tǒng)計(jì)分析函數(shù)我們可以分析隨機(jī)序列的統(tǒng)計(jì)特性。在以下的介紹中,我們假定隨機(jī)序列X(n)和Y(n)是各態(tài)歷經(jīng)過(guò)程,他們的樣本分別為x(n)和y(n),其中n=0,1,2,…N-1。隨機(jī)信號(hào)分析的MATLAB函數(shù)一、特征估計(jì)對(duì)于各態(tài)歷經(jīng)過(guò)程,211均值函數(shù)mean()用法:m=mean(x)功能:返回X(n)按估計(jì)的均值,其中x為樣本序列x(n)(n=1,2,…,N-1)構(gòu)成的數(shù)據(jù)矢量。2方差函數(shù)var()用法:sigma2=var(x)功能:返回X(n)按估計(jì)的方差,這一估計(jì)是無(wú)偏估計(jì)。在實(shí)際中也經(jīng)常采用下式估計(jì)方差,1均值函數(shù)mean()2方差函數(shù)var()22互相關(guān)函數(shù)的估計(jì)3互相關(guān)函數(shù)估計(jì)xcorrc=xcorr(x,y)c=xcorr(x)c=xcorr(x,y,'option')c=xcorr(x,'option')xcorr(x,y)計(jì)算X與Y的互相關(guān),矢量X表示序列x(n),矢量Y表示序列y(n)。xcorr(x)計(jì)算X的自相關(guān)。option選項(xiàng)是:互相關(guān)函數(shù)的估計(jì)3互相關(guān)函數(shù)估計(jì)xcorr23'biased''unbiased''coeff''none'Normalizesthesequencesotheautocorrelationsatzerolagareidentically1.0tousetheraw,unscaledcross-correlations(default)'biased'Normalizesthesequen24功率譜估計(jì)功率譜估計(jì)25隨機(jī)信號(hào)分析實(shí)驗(yàn)課件264概率密度估計(jì)概率密度的估計(jì)有兩個(gè)函數(shù):ksdensity(),hist()ksdensity()函數(shù)直接估計(jì)隨機(jī)序列概率密度的估計(jì),它的用法是:[f,xi]=ksdensity(x)它的功能是估計(jì)用矢量x表示的隨機(jī)序列在xi處的概率密度f(wàn)。也可以指定xi,估計(jì)對(duì)應(yīng)點(diǎn)的概率密度值,用法為:f=ksdensity(x,xi)4概率密度估計(jì)概率密度的估計(jì)有兩個(gè)函數(shù):ksdensity27MATLAB程序如下:a=0.8;sigma=2;N=200;u=randn(N,1);x(1)=sigma*u(1)/sqrt(1-a^2);fori=2:Nx(i)=a*x(i-1)+sigma*u(i);end[f,xi]=ksdensity(x);plot(xi,f);xlabel('x');ylabel('f(x)');axis([-151500.13]);MATLAB程序如下:28直方圖hist(),他的用法為hist(y,x),他的功能是畫(huà)出用矢量y表示的隨機(jī)序列的直方圖,參數(shù)x表示計(jì)算直方圖劃分的單元,也是用矢量表示。例產(chǎn)生一組隨機(jī)序列,并畫(huà)出他的直方圖。MATLAB程序如下:x=-2.9:0.1:2.9;y=normrnd(0,1,1000,1);hist(y,x);以上程序產(chǎn)生1000個(gè)標(biāo)準(zhǔn)正態(tài)隨機(jī)數(shù),畫(huà)出的直方圖如圖所示。直方圖hist(),他的用法為hist(y,x),他的功能是29隨機(jī)信號(hào)分析實(shí)驗(yàn)課件30蒙特卡洛方法:也稱(chēng)為統(tǒng)計(jì)試驗(yàn)方法,它是采用統(tǒng)計(jì)的抽樣理論來(lái)近似求解數(shù)學(xué)問(wèn)題或物理問(wèn)題,它即可以求解概率問(wèn)題,也可以求解非概率問(wèn)題,蒙特卡洛方法是系統(tǒng)模擬的重要方法。蒙特卡洛方法:31用一個(gè)例子來(lái)說(shuō)明蒙特卡洛的基本思想:用一個(gè)例子來(lái)說(shuō)明蒙特卡洛的基本思想:32蒙特卡洛模擬的基本步驟建立合適的概率模型進(jìn)行多次重復(fù)試驗(yàn)對(duì)重復(fù)試驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析(估計(jì)頻率、均值等)、分析精度重復(fù)試驗(yàn)的次數(shù)稱(chēng)為蒙特卡洛仿真次數(shù),試驗(yàn)次數(shù)越多,精度越高蒙特卡洛方法可以求解復(fù)雜系統(tǒng)的計(jì)算問(wèn)題,如雷達(dá)檢測(cè)系統(tǒng)的檢測(cè)概率蒙特卡洛模擬的基本步驟建立合適的概率模型進(jìn)行多次重復(fù)試驗(yàn)對(duì)重33二、隨機(jī)序列的產(chǎn)生1、均勻隨機(jī)數(shù)的產(chǎn)生利用MATLAB函數(shù)x=rand(m,n)x=rand(100,1)二、隨機(jī)序列的產(chǎn)生1、均勻隨機(jī)數(shù)的產(chǎn)生利用MATLAB函數(shù)x342、任意分布隨機(jī)數(shù)的產(chǎn)生反函數(shù)法變換法(1)反函數(shù)法定理:如果隨機(jī)變量X具有連續(xù)分布函數(shù)FX(x),而r=是(0,1)上均勻分布的隨機(jī)變量,則X=Fx-1(r)由此等式,根據(jù)(0,1)隨機(jī)序列可以產(chǎn)生服從分布fX(x)的隨機(jī)序列xi2、任意分布隨機(jī)數(shù)的產(chǎn)生反函數(shù)法(1)反函數(shù)法定理:如果隨機(jī)35舉例:指數(shù)分布隨機(jī)數(shù)的產(chǎn)生或舉例:指數(shù)分布隨機(jī)數(shù)的產(chǎn)生或36%指數(shù)分布隨機(jī)數(shù)的產(chǎn)生N=200;r=rand(N,1);l=0.1;x=-log(r)/l;plot(x);%指數(shù)分布隨機(jī)數(shù)的產(chǎn)生37瑞利分布:瑞利分布:38%產(chǎn)生瑞利分布隨機(jī)數(shù)N=500;sigma=1;r=rand(N,1);x=sigma*sqrt(-2*log(r));subplot(2,1,1);plot(x);y=ksdensity(x)subplot(2,1,2);plot(y);%產(chǎn)生瑞利分布隨機(jī)數(shù)39韋泊分布雷達(dá)地雜波或海浪雜波服從該分布%產(chǎn)生韋泊分布隨機(jī)數(shù)N=500;b=1;a=1.2;r=rand(N,1);x=b*(-log(r)).^(1/a);subplot(2,1,1);plot(x);y=ksdensity(x)subplot(2,1,2);plot(y);韋泊分布雷達(dá)地雜波或海浪雜波服從該分布%產(chǎn)生韋泊分布隨機(jī)數(shù)40(2)變換法N(m,2)的正態(tài)隨機(jī)數(shù)的產(chǎn)生(2)變換法N(m,2)的正態(tài)隨機(jī)數(shù)的產(chǎn)生413MATLAB的隨機(jī)數(shù)生成函數(shù)1)獨(dú)立同分布白噪聲序列的產(chǎn)生(1)(0,1)均勻分布的白噪聲序列rand()用法:x=rand(m,n)功能:產(chǎn)生mn的均勻分布隨機(jī)數(shù)矩陣,例如,x=rand(100,1),產(chǎn)生一個(gè)100個(gè)樣本的均勻分布白噪聲列矢量。3MATLAB的隨機(jī)數(shù)生成函數(shù)1)獨(dú)立同分布白噪聲序42(2)正態(tài)分布白噪聲序列randn()用法:x=randn(m,n)功能:產(chǎn)生mn的標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)矩陣,例如,x=randn(100,1),產(chǎn)生一個(gè)100個(gè)樣本的正態(tài)分布白噪聲列矢量。如果要產(chǎn)生服從N(,2)分布的隨機(jī)矢量,則可以通過(guò)標(biāo)準(zhǔn)正態(tài)隨機(jī)矢量來(lái)產(chǎn)生,MATLAB的語(yǔ)句為:x=+.*randn(100,1)。(2)正態(tài)分布白噪聲序列randn()43(3)韋伯分布白噪聲序列weibrnd()用法:x=weibrnd(A,B,m,n);功能:產(chǎn)生mn的韋伯分布隨機(jī)數(shù)矩陣,其中A、B是韋伯分布的兩個(gè)參數(shù)。例如,x=weibrnd(1,1.5,100,1),產(chǎn)生一個(gè)100個(gè)樣本的韋分布白噪聲列矢量,韋伯分布參數(shù)a=1,b=1.5。其他分布的隨機(jī)數(shù)產(chǎn)生函數(shù)還有瑞利分布、伽瑪分布、指數(shù)分布等,在此不一一列舉。(3)韋伯分布白噪聲序列weibrnd()444、相關(guān)正態(tài)隨機(jī)矢量的產(chǎn)生產(chǎn)生N維正態(tài)隨機(jī)矢量,要求服從如下概率密度其中K為協(xié)方差矩陣是對(duì)稱(chēng)正定矩陣4、相關(guān)正態(tài)隨機(jī)矢量的產(chǎn)生產(chǎn)生N維正態(tài)隨機(jī)矢量,要求服從如下45基本方法是先產(chǎn)生零均值、單位方差,且各個(gè)分量相互獨(dú)立的標(biāo)準(zhǔn)正態(tài)隨機(jī)矢量U,然后做變換X=AU+M基本方法是先產(chǎn)生零均值、單位方差,且各個(gè)分量相互獨(dú)立的標(biāo)準(zhǔn)正46其中A由協(xié)方差矩陣K確定A可以用矩陣分解函數(shù)得到Chol()其中A由協(xié)方差矩陣K確定A可以用矩陣分解函數(shù)得到Chol()475相關(guān)正態(tài)隨機(jī)序列的產(chǎn)生----已知相關(guān)函數(shù)產(chǎn)生一個(gè)正態(tài)隨機(jī)序列,要求相關(guān)函數(shù)滿(mǎn)足a<1產(chǎn)生公式5相關(guān)正態(tài)隨機(jī)序列的產(chǎn)生----已知相關(guān)函數(shù)產(chǎn)生一個(gè)正態(tài)隨48a=0.8;sigma=2;N=500;u=randn(N,1);x(1)=sigma*u(1)/sqrt(1-a^2);fori=2:Nx(i)=a*x(i-1)+sigma*u(i);endplot(x);MATLAB程序a=0.8;MATLAB程序49如果要產(chǎn)生任意形式的相關(guān)函數(shù)的相關(guān)正態(tài)隨機(jī)序列根據(jù)相關(guān)函數(shù)確定協(xié)方差矩陣對(duì)協(xié)方差矩陣進(jìn)行矩陣分解產(chǎn)生N維標(biāo)準(zhǔn)正態(tài)隨機(jī)矢量做變換X=AU+M在進(jìn)行矩陣分解時(shí)可以利用MATLAB的Cholesky矩陣分解函數(shù)chol(),利用chol()函數(shù)可以直接得到A矩陣如果要產(chǎn)生任意形式的相關(guān)函數(shù)的相關(guān)正態(tài)隨機(jī)序列根據(jù)相關(guān)函數(shù)確50隨機(jī)信號(hào)分析的MATLAB函數(shù)一、特征估計(jì)對(duì)于各態(tài)歷經(jīng)過(guò)程,我們可以通過(guò)對(duì)隨機(jī)序列的一條樣本函數(shù)來(lái)獲得該過(guò)程的統(tǒng)計(jì)特性,利用MATLAB的統(tǒng)計(jì)分析函數(shù)我們可以分析隨機(jī)序列的統(tǒng)計(jì)特性。在以下的介紹中,我們假定隨機(jī)序列X(n)和Y(n)是各態(tài)歷經(jīng)過(guò)程,他們的樣本分別為x(n)和y(n),其中n=0,1,2,…N-1。隨機(jī)信號(hào)分析的MATLAB函數(shù)一、特征估計(jì)對(duì)于各態(tài)歷經(jīng)過(guò)程,511均值函數(shù)mean()用法:m=mean(x)功能:返回X(n)按估計(jì)的均值,其中x為樣本序列x(n)(n=1,2,…,N-1)構(gòu)成的數(shù)據(jù)矢量。2方差函數(shù)var()用法:sigma2=var(x)功能:返回X(n)按估計(jì)的方差,這一估計(jì)是無(wú)偏估計(jì)。在實(shí)際中也經(jīng)常采用下式估計(jì)方差,1均值函數(shù)mean()2方差函數(shù)var()52互相關(guān)函數(shù)的估計(jì)3互相關(guān)函數(shù)估計(jì)xcorrc=xcorr(x,y)c=xcorr(x)c=xcorr(x,y,'option')c=xcorr(x,'option')xcorr(x,y)計(jì)算X與Y的互相關(guān),矢量X表示序列x(n),矢量Y表示序列y(n)。xcorr(x)計(jì)算X的自相關(guān)。option選項(xiàng)是:互相關(guān)函數(shù)的估計(jì)3互相關(guān)函數(shù)估計(jì)xcorr53'biased''unbiased''coeff''none'Normalizesthesequencesotheautocorrelationsatzerolagareidentically1.0tousetheraw,unscaledcross-correlations
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 《工業(yè)機(jī)器人原理及應(yīng)用》教學(xué)大綱
- 2024-2025學(xué)年小學(xué)生體能游戲的分層教學(xué)設(shè)計(jì)
- Lesson103-104 The French test(教學(xué)設(shè)計(jì))-2023-2024學(xué)年新概念第一冊(cè)
- 骨科護(hù)理知識(shí)試題
- Unit 7 課時(shí)練習(xí)教學(xué)設(shè)計(jì) 2023-2024學(xué)年人教版英語(yǔ)七年級(jí)下冊(cè)
- 2022屆A佳教育大聯(lián)盟高一物理第二學(xué)期期末達(dá)標(biāo)檢測(cè)模擬試題含解析
- 2021-2022學(xué)年浙南名校聯(lián)盟物理高一第二學(xué)期期末調(diào)研試題含解析
- 2023年火車(chē)自動(dòng)采樣設(shè)備項(xiàng)目成效分析報(bào)告
- 2023年汽車(chē)點(diǎn)煙器項(xiàng)目綜合評(píng)估報(bào)告
- 人教版高一信息技術(shù)必修一教學(xué)設(shè)計(jì) 3.3 圖文混排
- 合理檢查、合理治療、合理用藥管理措施
- 關(guān)信平 社會(huì)政策概論 教案
- 汽油安全說(shuō)明書(shū)
- 機(jī)器人輔助下前列腺癌根治術(shù)的配合演示精品PPT課課件
- 采礦學(xué)課程設(shè)計(jì)_圖文
- 永煤集團(tuán)順和煤礦液壓銷(xiāo)齒彎道推車(chē)機(jī)技術(shù)規(guī)格書(shū)
- 人教版九年級(jí)數(shù)學(xué)上冊(cè)第二十四章 圓復(fù)習(xí)測(cè)試題及答案
- 微課拍攝腳本模板
- r-studio如何使用
- 小升初幼升小簡(jiǎn)歷模板
- 三體系內(nèi)審檢查表(共58頁(yè)).doc
評(píng)論
0/150
提交評(píng)論