中圖網(wǎng)小程序
一鍵登錄
更方便
中圖價(jià):¥50.0
加入購物車
信號(hào)處理教程 版權(quán)信息
- ISBN：9787115535214
- 條形碼：9787115535214 ; 978-7-115-53521-4
- 裝幀：簡裝本
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
信號(hào)處理教程 本書特色
適讀人群 ：本書可以作為普通高等院校本科生及研究生教材，也可作為自學(xué)用書。1.脈絡(luò)清晰、系統(tǒng)性強(qiáng)。2.深入淺出、可懂性強(qiáng)。3.案例豐富、實(shí)用性強(qiáng)。4.內(nèi)容優(yōu)化、先進(jìn)性強(qiáng)。本書的編寫做到結(jié)構(gòu)合理、層次分明、表述清楚、深入淺出，確保符合教學(xué)規(guī)律和認(rèn)知規(guī)律，體現(xiàn)以學(xué)生為中心。
信號(hào)處理教程 內(nèi)容簡介
全書共分8章，分別介紹了章 數(shù)字信號(hào)處理基礎(chǔ)、第2章 隨機(jī)信號(hào)譜評(píng)估、第3章 很優(yōu)濾波、第4章 自適應(yīng)濾波、第5章 自適應(yīng)濾波器的算子理論及其應(yīng)用、第6章 多抽樣率信號(hào)處理與濾波器組、第7章 小波變換、第8章 人工神經(jīng)網(wǎng)絡(luò)。
信號(hào)處理教程 目錄
第1章 信號(hào)處理基礎(chǔ) 1
1．1 離散時(shí)間信號(hào)與系統(tǒng) 1
1．1．1 離散時(shí)間信號(hào) 1
1．1．2 離散時(shí)間系統(tǒng) 6
1．1．3 Z變換與系統(tǒng)函數(shù) 9
1．1．4 系統(tǒng)的因果性和穩(wěn)定性 16
1．1．5 序列傅里葉變換與系統(tǒng)頻響 17
1．1．6 離散傅里葉變換 20
1．1．7 IIR系統(tǒng)與FIR系統(tǒng) 25
1．2 隨機(jī)信號(hào)基礎(chǔ) 27
1．2．1 隨機(jī)過程及其特征描述 27
1．2．2 相關(guān)函數(shù)與功率譜 31
1．2．3 白噪聲過程和諧波過程 36
1．2．4 平穩(wěn)隨機(jī)信號(hào)的有理分式模型 39
1．2．5 平穩(wěn)隨機(jī)信號(hào)通過線性系統(tǒng)的定理 41
1．2．6 譜分解定理及三種模型的適應(yīng)性 44
1．3 估計(jì)理論基礎(chǔ) 48
1．3．1 估計(jì)的偏差 48
1．3．2 估計(jì)的方差 49
1．3．3 估計(jì)的均方誤差與一致估計(jì) 50
1．3．4 自相關(guān)函數(shù)的估計(jì)方法 51
第2章 隨機(jī)信號(hào)譜估計(jì) 54
2．1 概述 54
2．2 古典譜估計(jì) 55
2．2．1 相關(guān)法譜估計(jì) 55
2．2．2 周期圖法譜估計(jì) 57
2．2．3 古典譜估計(jì)的改進(jìn) 58
2．3 AR模型法譜估計(jì) 62
2．3．1 AR模型階次的確定 62
2．3．2 尤勒-沃克方程 63
2．3．3 萊文森-杜賓快速遞推算法 70
2．3．4 格型預(yù)測(cè)誤差濾波器與伯格遞推算法 73
2．3．5 自相關(guān)法與尤勒-沃克法的等效性 82
2．3．6 改進(jìn)協(xié)方差法 84
2．4 MA模型法譜估計(jì) 87
2．4．1 MA模型的正則方程 87
2．4．2 用高階AR模型近似MA模型 89
2．5 ARMA模型法譜估計(jì) 91
2．5．1 ARMA模型的正則方程 91
2．5．2 用高階AR模型近似ARMA模型 93
2．6 基于矩陣特征分解的譜估計(jì) 97
2．6．1 相關(guān)矩陣的特征分解 97
2．6．2 皮薩倫科諧波分解法 101
2．6．3 多信號(hào)分類法 103
2．7 高階譜及其估計(jì) 104
2．7．1 特征函數(shù)與高階矩 105
2．7．2 累量生成函數(shù)與高階累量 106
2．7．3 高階累量與高階矩 106
2．7．4 高階累量與高階譜（多譜） 108
2．7．5 高階累量和多譜的性質(zhì) 111
2．7．6 高階累量和多譜估計(jì) 113
2．7．7 基于高階累量的模型參數(shù)估計(jì) 114
2．7．8 多譜的應(yīng)用 115
第3章 *優(yōu)濾波 116
3．1 維納濾波 116
3．1．1 概述 116
3．1．2 FIR維納濾波器 116
3．1．3 聯(lián)合過程估計(jì) 120
3．1．4 IIR維納濾波器 121
3．2 卡爾曼濾波 131
3．2．1 概述 131
3．2．2 卡爾曼濾波的遞推算法 133
3．2．3 向量卡爾曼濾波 138
第4章 自適應(yīng)濾波 142
4．1 概述 142
4．2 FIR自適應(yīng)濾波器 144
4．2．1 均方誤差性能曲面 144
4．2．2 梯度下降法 153
4．2．3 *小均方算法 164
4．2．4 梯度類算法的改進(jìn)算法 170
4．2．5 遞歸*小二乘算法 173
4．3 梯度自適應(yīng)格型算法 177
4．4 IIR自適應(yīng)濾波器 180
4．4．1 輸出誤差法 181
4．4．2 方程誤差法 183
4．5 拉蓋爾自適應(yīng)濾波器 185
4．5．1 拉蓋爾橫向?yàn)V波器 185
4．5．2 基于拉蓋爾格型的聯(lián)合過程估計(jì) 186
4．5．3 梯度自適應(yīng)拉蓋爾格型算法 188
4．6 自適應(yīng)濾波的應(yīng)用 189
4．6．1 自適應(yīng)預(yù)測(cè) 189
4．6．2 自適應(yīng)干擾對(duì)消 190
4．6．3 自適應(yīng)系統(tǒng)辨識(shí) 192
4．6．4 自適應(yīng)信道均衡 193
第5章 多抽樣率信號(hào)處理與濾波器組 194
5．1 抽取與插值 194
5．1．1 信號(hào)的抽取 194
5．1．2 信號(hào)的插值 197
5．1．3 分?jǐn)?shù)倍抽樣率轉(zhuǎn)換 198
5．1．4 抽取與插值的應(yīng)用 198
5．2 多相濾波器 200
5．2．1 多相表示 200
5．2．2 等效關(guān)系與互聯(lián) 203
5．2．3 抽取與插值的多相濾波器結(jié)構(gòu) 206
5．2．4 利用多相分解設(shè)計(jì)帶通濾波器組 209
5．3 濾波器組基礎(chǔ) 212
5．3．1 濾波器組的基本概念 212
5．3．2 *大均勻抽樣濾波器組 214
5．3．3 正交鏡像濾波器組 214
5．3．4 互補(bǔ)型濾波器 216
5．3．5 第M帶濾波器 217
5．3．6 半帶濾波器 219
5．4 兩通道濾波器組 220
5．4．1 信號(hào)的理想重建 220
5．4．2 FIR正交鏡像濾波器組 222
5．4．3 IIR正交鏡像濾波器組 224
5．4．4 共軛正交鏡像濾波器組 227
5．4．5 共軛正交鏡像濾波器組的正交性 229
5．4．6 雙正交濾波器組 230
第6章 小波變換 234
6．1 傅里葉變換與短時(shí)傅里葉變換 234
6．1．1 傅里葉變換及其局限性 234
6．1．2 短時(shí)傅里葉變換及其局限性 234
6．2 連續(xù)小波變換與反變換 235
6．2．1 小波變換的定義 235
6．2．2 小波變換的特點(diǎn) 238
6．2．3 小波變換的性質(zhì) 242
6．2．4 小波反變換 244
6．2．5 重建核與重建核方程 245
6．3 離散小波變換及小波標(biāo)架 246
6．3．1 離散小波變換 246
6．3．2 小波標(biāo)架理論 248
6．3．3 離散小波變換的重建核與重建核方程 252
6．4 離散小波變換的多分辨率分析 253
6．4．1 多分辨率分析的引入 253
6．4．2 二尺度差分方程 260
6．4．3 Mallat算法 262
6．4．4 正交小波 266
6．4．5 雙正交小波 268
第7章 人工神經(jīng)網(wǎng)絡(luò) 269
7．1 概述 269
7．1．1 人工神經(jīng)元模型 270
7．1．2 人工神經(jīng)網(wǎng)絡(luò)模型 272
7．1．3 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 272
7．2 多層前向神經(jīng)網(wǎng)絡(luò) 274
7．2．1 前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 274
7．2．2 前向神經(jīng)網(wǎng)絡(luò)的分類能力 274
7．2．3 多層前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法——誤差修正學(xué)習(xí) 275
7．2．4 徑向基函數(shù)網(wǎng)絡(luò) 282
7．3 自組織神經(jīng)網(wǎng)絡(luò) 283
7．3．1 自組織聚類 284
7．3．2 自組織特征映射 288
7．3．3 自組織主分量分析 290
7．4 霍普菲爾德神經(jīng)網(wǎng)絡(luò) 296
7．4．1 聯(lián)想存儲(chǔ)器與反饋網(wǎng)絡(luò) 296
7．4．2 離散霍普菲爾德網(wǎng)絡(luò) 297
7．4．3 聯(lián)想存儲(chǔ)器及其學(xué)習(xí) 299
7．4．4 連續(xù)霍普菲爾德網(wǎng)絡(luò) 301
參考文獻(xiàn) 303
1．1 離散時(shí)間信號(hào)與系統(tǒng) 1
1．1．1 離散時(shí)間信號(hào) 1
1．1．2 離散時(shí)間系統(tǒng) 6
1．1．3 Z變換與系統(tǒng)函數(shù) 9
1．1．4 系統(tǒng)的因果性和穩(wěn)定性 16
1．1．5 序列傅里葉變換與系統(tǒng)頻響 17
1．1．6 離散傅里葉變換 20
1．1．7 IIR系統(tǒng)與FIR系統(tǒng) 25
1．2 隨機(jī)信號(hào)基礎(chǔ) 27
1．2．1 隨機(jī)過程及其特征描述 27
1．2．2 相關(guān)函數(shù)與功率譜 31
1．2．3 白噪聲過程和諧波過程 36
1．2．4 平穩(wěn)隨機(jī)信號(hào)的有理分式模型 39
1．2．5 平穩(wěn)隨機(jī)信號(hào)通過線性系統(tǒng)的定理 41
1．2．6 譜分解定理及三種模型的適應(yīng)性 44
1．3 估計(jì)理論基礎(chǔ) 48
1．3．1 估計(jì)的偏差 48
1．3．2 估計(jì)的方差 49
1．3．3 估計(jì)的均方誤差與一致估計(jì) 50
1．3．4 自相關(guān)函數(shù)的估計(jì)方法 51
第2章 隨機(jī)信號(hào)譜估計(jì) 54
2．1 概述 54
2．2 古典譜估計(jì) 55
2．2．1 相關(guān)法譜估計(jì) 55
2．2．2 周期圖法譜估計(jì) 57
2．2．3 古典譜估計(jì)的改進(jìn) 58
2．3 AR模型法譜估計(jì) 62
2．3．1 AR模型階次的確定 62
2．3．2 尤勒-沃克方程 63
2．3．3 萊文森-杜賓快速遞推算法 70
2．3．4 格型預(yù)測(cè)誤差濾波器與伯格遞推算法 73
2．3．5 自相關(guān)法與尤勒-沃克法的等效性 82
2．3．6 改進(jìn)協(xié)方差法 84
2．4 MA模型法譜估計(jì) 87
2．4．1 MA模型的正則方程 87
2．4．2 用高階AR模型近似MA模型 89
2．5 ARMA模型法譜估計(jì) 91
2．5．1 ARMA模型的正則方程 91
2．5．2 用高階AR模型近似ARMA模型 93
2．6 基于矩陣特征分解的譜估計(jì) 97
2．6．1 相關(guān)矩陣的特征分解 97
2．6．2 皮薩倫科諧波分解法 101
2．6．3 多信號(hào)分類法 103
2．7 高階譜及其估計(jì) 104
2．7．1 特征函數(shù)與高階矩 105
2．7．2 累量生成函數(shù)與高階累量 106
2．7．3 高階累量與高階矩 106
2．7．4 高階累量與高階譜（多譜） 108
2．7．5 高階累量和多譜的性質(zhì) 111
2．7．6 高階累量和多譜估計(jì) 113
2．7．7 基于高階累量的模型參數(shù)估計(jì) 114
2．7．8 多譜的應(yīng)用 115
第3章 *優(yōu)濾波 116
3．1 維納濾波 116
3．1．1 概述 116
3．1．2 FIR維納濾波器 116
3．1．3 聯(lián)合過程估計(jì) 120
3．1．4 IIR維納濾波器 121
3．2 卡爾曼濾波 131
3．2．1 概述 131
3．2．2 卡爾曼濾波的遞推算法 133
3．2．3 向量卡爾曼濾波 138
第4章 自適應(yīng)濾波 142
4．1 概述 142
4．2 FIR自適應(yīng)濾波器 144
4．2．1 均方誤差性能曲面 144
4．2．2 梯度下降法 153
4．2．3 *小均方算法 164
4．2．4 梯度類算法的改進(jìn)算法 170
4．2．5 遞歸*小二乘算法 173
4．3 梯度自適應(yīng)格型算法 177
4．4 IIR自適應(yīng)濾波器 180
4．4．1 輸出誤差法 181
4．4．2 方程誤差法 183
4．5 拉蓋爾自適應(yīng)濾波器 185
4．5．1 拉蓋爾橫向?yàn)V波器 185
4．5．2 基于拉蓋爾格型的聯(lián)合過程估計(jì) 186
4．5．3 梯度自適應(yīng)拉蓋爾格型算法 188
4．6 自適應(yīng)濾波的應(yīng)用 189
4．6．1 自適應(yīng)預(yù)測(cè) 189
4．6．2 自適應(yīng)干擾對(duì)消 190
4．6．3 自適應(yīng)系統(tǒng)辨識(shí) 192
4．6．4 自適應(yīng)信道均衡 193
第5章 多抽樣率信號(hào)處理與濾波器組 194
5．1 抽取與插值 194
5．1．1 信號(hào)的抽取 194
5．1．2 信號(hào)的插值 197
5．1．3 分?jǐn)?shù)倍抽樣率轉(zhuǎn)換 198
5．1．4 抽取與插值的應(yīng)用 198
5．2 多相濾波器 200
5．2．1 多相表示 200
5．2．2 等效關(guān)系與互聯(lián) 203
5．2．3 抽取與插值的多相濾波器結(jié)構(gòu) 206
5．2．4 利用多相分解設(shè)計(jì)帶通濾波器組 209
5．3 濾波器組基礎(chǔ) 212
5．3．1 濾波器組的基本概念 212
5．3．2 *大均勻抽樣濾波器組 214
5．3．3 正交鏡像濾波器組 214
5．3．4 互補(bǔ)型濾波器 216
5．3．5 第M帶濾波器 217
5．3．6 半帶濾波器 219
5．4 兩通道濾波器組 220
5．4．1 信號(hào)的理想重建 220
5．4．2 FIR正交鏡像濾波器組 222
5．4．3 IIR正交鏡像濾波器組 224
5．4．4 共軛正交鏡像濾波器組 227
5．4．5 共軛正交鏡像濾波器組的正交性 229
5．4．6 雙正交濾波器組 230
第6章 小波變換 234
6．1 傅里葉變換與短時(shí)傅里葉變換 234
6．1．1 傅里葉變換及其局限性 234
6．1．2 短時(shí)傅里葉變換及其局限性 234
6．2 連續(xù)小波變換與反變換 235
6．2．1 小波變換的定義 235
6．2．2 小波變換的特點(diǎn) 238
6．2．3 小波變換的性質(zhì) 242
6．2．4 小波反變換 244
6．2．5 重建核與重建核方程 245
6．3 離散小波變換及小波標(biāo)架 246
6．3．1 離散小波變換 246
6．3．2 小波標(biāo)架理論 248
6．3．3 離散小波變換的重建核與重建核方程 252
6．4 離散小波變換的多分辨率分析 253
6．4．1 多分辨率分析的引入 253
6．4．2 二尺度差分方程 260
6．4．3 Mallat算法 262
6．4．4 正交小波 266
6．4．5 雙正交小波 268
第7章 人工神經(jīng)網(wǎng)絡(luò) 269
7．1 概述 269
7．1．1 人工神經(jīng)元模型 270
7．1．2 人工神經(jīng)網(wǎng)絡(luò)模型 272
7．1．3 人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí) 272
7．2 多層前向神經(jīng)網(wǎng)絡(luò) 274
7．2．1 前向神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 274
7．2．2 前向神經(jīng)網(wǎng)絡(luò)的分類能力 274
7．2．3 多層前向神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法——誤差修正學(xué)習(xí) 275
7．2．4 徑向基函數(shù)網(wǎng)絡(luò) 282
7．3 自組織神經(jīng)網(wǎng)絡(luò) 283
7．3．1 自組織聚類 284
7．3．2 自組織特征映射 288
7．3．3 自組織主分量分析 290
7．4 霍普菲爾德神經(jīng)網(wǎng)絡(luò) 296
7．4．1 聯(lián)想存儲(chǔ)器與反饋網(wǎng)絡(luò) 296
7．4．2 離散霍普菲爾德網(wǎng)絡(luò) 297
7．4．3 聯(lián)想存儲(chǔ)器及其學(xué)習(xí) 299
7．4．4 連續(xù)霍普菲爾德網(wǎng)絡(luò) 301
參考文獻(xiàn) 303
展開全部
信號(hào)處理教程 作者簡介
張玲華，教授，博士生導(dǎo)師，主持國家自然科學(xué)基金項(xiàng)目、江蘇省高！扒嗨{(lán)工程”中青年學(xué)術(shù)帶頭人課題及合作項(xiàng)目的研究。近年內(nèi)以第一作者在IEE Electronics Letters、JOURNAL OF ELECTRONICS(CHINA) 《電子信息學(xué)報(bào)》《通信學(xué)報(bào)》等重要學(xué)術(shù)刊物及國際學(xué)術(shù)會(huì)議上發(fā)表論文十余篇。
書友推薦
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
朝聞道
- >
史學(xué)評(píng)論
- >
回憶愛瑪儂
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
羅庸西南聯(lián)大授課錄
- >
小考拉的故事-套裝共3冊(cè)
- >
羅曼·羅蘭讀書隨筆-精裝
本類暢銷
