产生高斯分布和均匀分布的平稳随机过程，其均值为各自学号后两位的1/4，方差为各自学号的后两位，产生信号长度分别为1000，5000，10000。

生成高斯分布和均匀分布的平稳随机过程涉及到统计模拟和随机数生成。这里我们将描述如何使用Python的numpy库来创建这种类型的随机信号。

首先，我们需要假设学号是一个整数，并且每位数字代表了分配给每个随机信号的不同参数。对于高斯分布（正态分布），我们使用`numpy.random.normal()`函数，它接受均值（μ）和标准差（σ）作为参数。而对于均匀分布，我们用`numpy.random.uniform()`。

import numpy as np

# 假设学号列表（为了简化示例，我们可以手动指定）
student_ids = [123, 456, 789]  # 这里仅作演示，实际应用中应从数据库或其他来源获取
lengths = [1000, 5000, 10000]

# 计算均值和方差
gaussian_means = [id % 10 / 4 for id in student_ids]
gaussian_vars = [int(id[-2:]) for id in student_id]  # 取最后两位为方差

uniform_low = [id // 100 * 0.01 for id in student_ids]  # 取学号前两位除以100作为范围起点
uniform_high = uniform_low + [0.01] * len(student_ids)  # 统一加到终点

# 生成高斯分布和均匀分布的随机序列
gaussian_signals = {
    length: np.random.normal(mean, var, size=length)
    for length, mean, var in zip(lengths, gaussian_means, gaussian_vars)
}

uniform_signals = {
    length: np.random.uniform(low=low, high=high, size=length)
    for length, low, high in zip(lengths, uniform_low, uniform_high)
}