信号处理教程
出版时间:
2020-09
版次:
1
ISBN:
9787115535214
定价:
59.80
装帧:
平装
开本:
16开
页数:
304页
8人买过
-
全书共分8章,分别介绍了第1章 数字信号处理基础、第2章 随机信号谱评估、第3章 **滤波、第4章 自适应滤波、第5章 自适应滤波器的算子理论及其应用、第6章 多抽样率信号处理与滤波器组、第7章 小波变换、第8章 人工神经网络。 张玲华,教授,博士生导师,主持国家自然科学基金项目、江苏省高校“青蓝工程”中青年学术带头人课题及合作项目的研究。近年内以第一作者在IEE Electronics Letters、JOURNAL OF ELECTRONICS(CHINA) 《电子信息学报》《通信学报》等重要学术刊物及国际学术会议上发表论文十余篇。 第1章 信号处理基础 1
1.1 离散时间信号与系统 1
1.1.1 离散时间信号 1
1.1.2 离散时间系统 6
1.1.3 Z变换与系统函数 9
1.1.4 系统的因果性和稳定性 16
1.1.5 序列傅里叶变换与系统频响 17
1.1.6 离散傅里叶变换 20
1.1.7 IIR系统与FIR系统 25
1.2 随机信号基础 27
1.2.1 随机过程及其特征描述 27
1.2.2 相关函数与功率谱 31
1.2.3 白噪声过程和谐波过程 36
1.2.4 平稳随机信号的有理分式模型 39
1.2.5 平稳随机信号通过线性系统的定理 41
1.2.6 谱分解定理及三种模型的适应性 44
1.3 估计理论基础 48
1.3.1 估计的偏差 48
1.3.2 估计的方差 49
1.3.3 估计的均方误差与一致估计 50
1.3.4 自相关函数的估计方法 51
第2章 随机信号谱估计 54
2.1 概述 54
2.2 古典谱估计 55
2.2.1 相关法谱估计 55
2.2.2 周期图法谱估计 57
2.2.3 古典谱估计的改进 58
2.3 AR模型法谱估计 62
2.3.1 AR模型阶次的确定 62
2.3.2 尤勒-沃克方程 63
2.3.3 莱文森-杜宾快速递推算法 70
2.3.4 格型预测误差滤波器与伯格递推算法 73
2.3.5 自相关法与尤勒-沃克法的等效性 82
2.3.6 改进协方差法 84
2.4 MA模型法谱估计 87
2.4.1 MA模型的正则方程 87
2.4.2 用高阶AR模型近似MA模型 89
2.5 ARMA模型法谱估计 91
2.5.1 ARMA模型的正则方程 91
2.5.2 用高阶AR模型近似ARMA模型 93
2.6 基于矩阵特征分解的谱估计 97
2.6.1 相关矩阵的特征分解 97
2.6.2 皮萨伦科谐波分解法 101
2.6.3 多信号分类法 103
2.7 高阶谱及其估计 104
2.7.1 特征函数与高阶矩 105
2.7.2 累量生成函数与高阶累量 106
2.7.3 高阶累量与高阶矩 106
2.7.4 高阶累量与高阶谱(多谱) 108
2.7.5 高阶累量和多谱的性质 111
2.7.6 高阶累量和多谱估计 113
2.7.7 基于高阶累量的模型参数估计 114
2.7.8 多谱的应用 115
第3章 最优滤波 116
3.1 维纳滤波 116
3.1.1 概述 116
3.1.2 FIR维纳滤波器 116
3.1.3 联合过程估计 120
3.1.4 IIR维纳滤波器 121
3.2 卡尔曼滤波 131
3.2.1 概述 131
3.2.2 卡尔曼滤波的递推算法 133
3.2.3 向量卡尔曼滤波 138
第4章 自适应滤波 142
4.1 概述 142
4.2 FIR自适应滤波器 144
4.2.1 均方误差性能曲面 144
4.2.2 梯度下降法 153
4.2.3 最小均方算法 164
4.2.4 梯度类算法的改进算法 170
4.2.5 递归最小二乘算法 173
4.3 梯度自适应格型算法 177
4.4 IIR自适应滤波器 180
4.4.1 输出误差法 181
4.4.2 方程误差法 183
4.5 拉盖尔自适应滤波器 185
4.5.1 拉盖尔横向滤波器 185
4.5.2 基于拉盖尔格型的联合过程估计 186
4.5.3 梯度自适应拉盖尔格型算法 188
4.6 自适应滤波的应用 189
4.6.1 自适应预测 189
4.6.2 自适应干扰对消 190
4.6.3 自适应系统辨识 192
4.6.4 自适应信道均衡 193
第5章 多抽样率信号处理与滤波器组 194
5.1 抽取与插值 194
5.1.1 信号的抽取 194
5.1.2 信号的插值 197
5.1.3 分数倍抽样率转换 198
5.1.4 抽取与插值的应用 198
5.2 多相滤波器 200
5.2.1 多相表示 200
5.2.2 等效关系与互联 203
5.2.3 抽取与插值的多相滤波器结构 206
5.2.4 利用多相分解设计带通滤波器组 209
5.3 滤波器组基础 212
5.3.1 滤波器组的基本概念 212
5.3.2 最大均匀抽样滤波器组 214
5.3.3 正交镜像滤波器组 214
5.3.4 互补型滤波器 216
5.3.5 第M带滤波器 217
5.3.6 半带滤波器 219
5.4 两通道滤波器组 220
5.4.1 信号的理想重建 220
5.4.2 FIR正交镜像滤波器组 222
5.4.3 IIR正交镜像滤波器组 224
5.4.4 共轭正交镜像滤波器组 227
5.4.5 共轭正交镜像滤波器组的正交性 229
5.4.6 双正交滤波器组 230
第6章 小波变换 234
6.1 傅里叶变换与短时傅里叶变换 234
6.1.1 傅里叶变换及其局限性 234
6.1.2 短时傅里叶变换及其局限性 234
6.2 连续小波变换与反变换 235
6.2.1 小波变换的定义 235
6.2.2 小波变换的特点 238
6.2.3 小波变换的性质 242
6.2.4 小波反变换 244
6.2.5 重建核与重建核方程 245
6.3 离散小波变换及小波标架 246
6.3.1 离散小波变换 246
6.3.2 小波标架理论 248
6.3.3 离散小波变换的重建核与重建核方程 252
6.4 离散小波变换的多分辨率分析 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 双正交小波 268
第7章 人工神经网络 269
7.1 概述 269
7.1.1 人工神经元模型 270
7.1.2 人工神经网络模型 272
7.1.3 人工神经网络的学习 272
7.2 多层前向神经网络 274
7.2.1 前向神经网络的结构 274
7.2.2 前向神经网络的分类能力 274
7.2.3 多层前向神经网络的学习算法――误差修正学习 275
7.2.4 径向基函数网络 282
7.3 自组织神经网络 283
7.3.1 自组织聚类 284
7.3.2 自组织特征映射 288
7.3.3 自组织主分量分析 290
7.4 霍普菲尔德神经网络 296
7.4.1 联想存储器与反馈网络 296
7.4.2 离散霍普菲尔德网络 297
7.4.3 联想存储器及其学习 299
7.4.4 连续霍普菲尔德网络 301
参考文献 303
-
内容简介:
全书共分8章,分别介绍了第1章 数字信号处理基础、第2章 随机信号谱评估、第3章 **滤波、第4章 自适应滤波、第5章 自适应滤波器的算子理论及其应用、第6章 多抽样率信号处理与滤波器组、第7章 小波变换、第8章 人工神经网络。
-
作者简介:
张玲华,教授,博士生导师,主持国家自然科学基金项目、江苏省高校“青蓝工程”中青年学术带头人课题及合作项目的研究。近年内以第一作者在IEE Electronics Letters、JOURNAL OF ELECTRONICS(CHINA) 《电子信息学报》《通信学报》等重要学术刊物及国际学术会议上发表论文十余篇。
-
目录:
第1章 信号处理基础 1
1.1 离散时间信号与系统 1
1.1.1 离散时间信号 1
1.1.2 离散时间系统 6
1.1.3 Z变换与系统函数 9
1.1.4 系统的因果性和稳定性 16
1.1.5 序列傅里叶变换与系统频响 17
1.1.6 离散傅里叶变换 20
1.1.7 IIR系统与FIR系统 25
1.2 随机信号基础 27
1.2.1 随机过程及其特征描述 27
1.2.2 相关函数与功率谱 31
1.2.3 白噪声过程和谐波过程 36
1.2.4 平稳随机信号的有理分式模型 39
1.2.5 平稳随机信号通过线性系统的定理 41
1.2.6 谱分解定理及三种模型的适应性 44
1.3 估计理论基础 48
1.3.1 估计的偏差 48
1.3.2 估计的方差 49
1.3.3 估计的均方误差与一致估计 50
1.3.4 自相关函数的估计方法 51
第2章 随机信号谱估计 54
2.1 概述 54
2.2 古典谱估计 55
2.2.1 相关法谱估计 55
2.2.2 周期图法谱估计 57
2.2.3 古典谱估计的改进 58
2.3 AR模型法谱估计 62
2.3.1 AR模型阶次的确定 62
2.3.2 尤勒-沃克方程 63
2.3.3 莱文森-杜宾快速递推算法 70
2.3.4 格型预测误差滤波器与伯格递推算法 73
2.3.5 自相关法与尤勒-沃克法的等效性 82
2.3.6 改进协方差法 84
2.4 MA模型法谱估计 87
2.4.1 MA模型的正则方程 87
2.4.2 用高阶AR模型近似MA模型 89
2.5 ARMA模型法谱估计 91
2.5.1 ARMA模型的正则方程 91
2.5.2 用高阶AR模型近似ARMA模型 93
2.6 基于矩阵特征分解的谱估计 97
2.6.1 相关矩阵的特征分解 97
2.6.2 皮萨伦科谐波分解法 101
2.6.3 多信号分类法 103
2.7 高阶谱及其估计 104
2.7.1 特征函数与高阶矩 105
2.7.2 累量生成函数与高阶累量 106
2.7.3 高阶累量与高阶矩 106
2.7.4 高阶累量与高阶谱(多谱) 108
2.7.5 高阶累量和多谱的性质 111
2.7.6 高阶累量和多谱估计 113
2.7.7 基于高阶累量的模型参数估计 114
2.7.8 多谱的应用 115
第3章 最优滤波 116
3.1 维纳滤波 116
3.1.1 概述 116
3.1.2 FIR维纳滤波器 116
3.1.3 联合过程估计 120
3.1.4 IIR维纳滤波器 121
3.2 卡尔曼滤波 131
3.2.1 概述 131
3.2.2 卡尔曼滤波的递推算法 133
3.2.3 向量卡尔曼滤波 138
第4章 自适应滤波 142
4.1 概述 142
4.2 FIR自适应滤波器 144
4.2.1 均方误差性能曲面 144
4.2.2 梯度下降法 153
4.2.3 最小均方算法 164
4.2.4 梯度类算法的改进算法 170
4.2.5 递归最小二乘算法 173
4.3 梯度自适应格型算法 177
4.4 IIR自适应滤波器 180
4.4.1 输出误差法 181
4.4.2 方程误差法 183
4.5 拉盖尔自适应滤波器 185
4.5.1 拉盖尔横向滤波器 185
4.5.2 基于拉盖尔格型的联合过程估计 186
4.5.3 梯度自适应拉盖尔格型算法 188
4.6 自适应滤波的应用 189
4.6.1 自适应预测 189
4.6.2 自适应干扰对消 190
4.6.3 自适应系统辨识 192
4.6.4 自适应信道均衡 193
第5章 多抽样率信号处理与滤波器组 194
5.1 抽取与插值 194
5.1.1 信号的抽取 194
5.1.2 信号的插值 197
5.1.3 分数倍抽样率转换 198
5.1.4 抽取与插值的应用 198
5.2 多相滤波器 200
5.2.1 多相表示 200
5.2.2 等效关系与互联 203
5.2.3 抽取与插值的多相滤波器结构 206
5.2.4 利用多相分解设计带通滤波器组 209
5.3 滤波器组基础 212
5.3.1 滤波器组的基本概念 212
5.3.2 最大均匀抽样滤波器组 214
5.3.3 正交镜像滤波器组 214
5.3.4 互补型滤波器 216
5.3.5 第M带滤波器 217
5.3.6 半带滤波器 219
5.4 两通道滤波器组 220
5.4.1 信号的理想重建 220
5.4.2 FIR正交镜像滤波器组 222
5.4.3 IIR正交镜像滤波器组 224
5.4.4 共轭正交镜像滤波器组 227
5.4.5 共轭正交镜像滤波器组的正交性 229
5.4.6 双正交滤波器组 230
第6章 小波变换 234
6.1 傅里叶变换与短时傅里叶变换 234
6.1.1 傅里叶变换及其局限性 234
6.1.2 短时傅里叶变换及其局限性 234
6.2 连续小波变换与反变换 235
6.2.1 小波变换的定义 235
6.2.2 小波变换的特点 238
6.2.3 小波变换的性质 242
6.2.4 小波反变换 244
6.2.5 重建核与重建核方程 245
6.3 离散小波变换及小波标架 246
6.3.1 离散小波变换 246
6.3.2 小波标架理论 248
6.3.3 离散小波变换的重建核与重建核方程 252
6.4 离散小波变换的多分辨率分析 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 双正交小波 268
第7章 人工神经网络 269
7.1 概述 269
7.1.1 人工神经元模型 270
7.1.2 人工神经网络模型 272
7.1.3 人工神经网络的学习 272
7.2 多层前向神经网络 274
7.2.1 前向神经网络的结构 274
7.2.2 前向神经网络的分类能力 274
7.2.3 多层前向神经网络的学习算法――误差修正学习 275
7.2.4 径向基函数网络 282
7.3 自组织神经网络 283
7.3.1 自组织聚类 284
7.3.2 自组织特征映射 288
7.3.3 自组织主分量分析 290
7.4 霍普菲尔德神经网络 296
7.4.1 联想存储器与反馈网络 296
7.4.2 离散霍普菲尔德网络 297
7.4.3 联想存储器及其学习 299
7.4.4 连续霍普菲尔德网络 301
参考文献 303
查看详情
-
全新
四川省成都市
平均发货49小时
成功完成率85.86%
-
7
全新
河南省商丘市
平均发货16小时
成功完成率92.42%
-
全新
河北省保定市
平均发货15小时
成功完成率88.27%
-
全新
河北省保定市
平均发货15小时
成功完成率89.4%
-
全新
河北省保定市
平均发货14小时
成功完成率89.53%
-
7
全新
河南省商丘市
平均发货16小时
成功完成率92.42%
-
全新
广东省广州市
平均发货17小时
成功完成率94.57%
-
全新
河北省保定市
平均发货18小时
成功完成率80.24%
-
全新
重庆市綦江区
平均发货17小时
成功完成率80.86%
-
全新
天津市津南区
平均发货13小时
成功完成率85.07%
-
全新
广东省广州市
平均发货17小时
成功完成率92.69%
-
全新
广东省广州市
平均发货16小时
成功完成率92.54%
-
全新
广东省广州市
平均发货17小时
成功完成率94.61%
-
全新
-
全新
天津市河北区
平均发货25小时
成功完成率85.01%
-
信号处理教程
正版图书。概不议价!请勿催单!急单勿拍!!!套装书请咨询后再拍。小本生意,经营不易,喜欢申请违约金和退款的同行与书友请绕行
全新
湖南省邵阳市
平均发货3小时
成功完成率84.53%
-
全新
北京市西城区
平均发货11小时
成功完成率93.67%
-
2
全新
江苏省无锡市
平均发货10小时
成功完成率96.77%
-
信号处理教程
大中专理科计算机 数字信号处理无论在理论上还是在工程应用中,都是目前发展较快的学科。本书条理清晰、深入浅出,配有大量的例题,便于教学、便于自学。 新华书店全新正版书籍
全新
江苏省无锡市
平均发货8小时
成功完成率96.32%
-
全新
天津市河东区
平均发货25小时
成功完成率87.88%
-
全新
江苏省无锡市
平均发货15小时
成功完成率95.71%
-
全新
河南省开封市
平均发货19小时
成功完成率85.86%
-
5
全新
北京市丰台区
平均发货28小时
成功完成率86.24%
-
2
全新
河北省保定市
平均发货15小时
成功完成率92.03%
-
全新
浙江省嘉兴市
平均发货13小时
成功完成率94.59%
-
全新
北京市海淀区
平均发货9小时
成功完成率97.6%
-
全新
四川省成都市
平均发货7小时
成功完成率98.74%
-
信号处理教程
按标题名购买,批量下载图片有时不对应,多本图片为其中一本,有问题请联系客服。
全新
河北省保定市
平均发货26小时
成功完成率89.77%
-
全新
北京市西城区
平均发货16小时
成功完成率91.33%
-
全新
浙江省嘉兴市
平均发货9小时
成功完成率95.35%
-
信号处理教程、
全新正版书籍,假一罚十(图片为标准图,仅供参考。以标题为准,不了解的可以询问客服。)
全新
北京市朝阳区
平均发货12小时
成功完成率96.73%
-
信号处理教程!
全新正版书籍,假一罚十(图片为标准图,仅供参考。以标题为准,不了解的可以询问客服。)
全新
北京市朝阳区
平均发货12小时
成功完成率96.73%
-
全新
北京市海淀区
平均发货15小时
成功完成率87.81%
-
全新
广东省广州市
平均发货7小时
成功完成率89.57%
-
全新
江苏省南京市
平均发货7小时
成功完成率95.63%
-
全新
江苏省南京市
平均发货15小时
成功完成率81.79%
-
信号处理教程
保证正版现货,二十四小时发货,下单前请咨询客服确认库存
全新
北京市房山区
平均发货17小时
成功完成率78.5%
-
全新
山东省淄博市
平均发货26小时
成功完成率90.04%
-
全新
北京市通州区
平均发货9小时
成功完成率93.68%
-
全新
江苏省南京市
平均发货15小时
成功完成率81.79%
-
信号处理教程
新华书店全新正版书籍。书名与图片不一致的,以书名为准。个别套装书为单本价格,详情请咨询客服下单。
全新
浙江省杭州市
平均发货12小时
成功完成率74.68%
-
全新
广东省广州市
平均发货7小时
成功完成率93.1%
-
全新
北京市通州区
平均发货9小时
成功完成率90.2%
-
2
全新
-
全新
江西省吉安市
平均发货46小时
成功完成率85.6%