(4)①y₃(t)的状态为S_A5S_B7，则k=4时，

　　(a)U₄=+1时，

　　　　y₄(t)的状态为S_A3S_B1。
　　(b)U₄=-1时，

　　　　y₄(t)的状态为S_A8S_B2。
　　②若y₃(t)的状态为S_A6S_B4，则k=4时，
　　　　

　　(a)U₄=+1时，
　　　　y₄(t)的状态为S_A3S_B1。
　　(b)U₄=-1时，
　　　　y₄(t)的状态为S_A3S_B2。
　　(5)①若y₄(t)的状态为S_A3S_B1，则k=5时，
　　　　
　　(a)U₅=+1时，
　　　　y₅(t)的状态为S_A1S_B3。
　　(b)U₅=-1时，
　　　　y₅(t)的状态为S_A2S_B8。
　　②若y₄(t)的状态为S_A8S_B2,则k=5时，
　　　
　　(a)U₅=+1时，
　　　　y₅(t)的状态为S_A1S_B3。
　　(b)U₅=-1时，
　　　　y₅(t)的状态为S_A2S_B8。
　　(6)若y₅(t)的状态为S_A2S_B8,则k=6时，
　　
　　(a)U₆=+1时，
　　　　y₆(t)的状态为S_A7S_B5。
　　(b)U₆=-1时，
　　　　y₆(t)的状态为S_A4S_B6。
　　由以上的推算可知，无须再进行推算k=7,8,9,…时的状态迁移；因为再推算下去只是前面推算的重复，只是X_kA、X_kB多了或2mπ(m=0,±1，±2，…)，而这并不影响y(t)所处的状态，由此可知，y(t)共有8种状态。S_A1S_B3、S_A7S_B5、S_A5S_B7、S_A3S_B1、S_A4S_B6、S_A6S_B4、S_A8S_B2、S_A2S_B8重新记为：S₁、S₂、S₃、S₄、S₅、S₆、S₇、S₈。
　　再考虑到每一个状态都只有2个次态(由U_k=+1、-1确定)，并假设U_k=+1、U_k=-1以等概率出现，那么状态迁移图中的每一步迁移概率都为p=1/2。这样，状态迁移图就如下图所示：

π-TFSK信号状态迁移图

3　π-TFSK时频调制信号状态迁移矩阵

　　由状态迁移可求出相应的状态迁移矩阵及其转置矩阵为：

　　其中第i行、第j列元素P_ij表示从状态i到状态j的一步迁移概率P(j/i,1)。
　　π-TFSK属于循环平稳随机过程。而对于循环平稳随机过程，每经历时间T，其状态会按照一定概率迁移到另一状态，其迁移规律和马尔科夫链相同^［2］。对于无后效马尔科夫链^［4］，有：

P(m)=［P(1)］m　　(11)

　　因而，对于π-TFSK，我们有二步迁移概率矩阵及其转置矩阵为：

　　三步迁移概率矩阵及其转置矩阵为：

　　四步迁移概率矩阵及其转置矩阵为：

　　可以算出，五步迁移概率矩阵及其转置矩阵分别为：

P(5)=P(1)　　(15)

P^T(5)=P^T(1)　　(16)

　　可以验证，