Современный анализ сигналов и обработка Zhang Xudong Цифровой анализ сигналов и метод обработки.
Вес товара: ~0.7 кг. Указан усредненный вес, который может отличаться от фактического. Не включен в цену, оплачивается при получении.
Описание товара
D4
Название: современный анализ и обработку сигнала
Цена: 99,00 юань
Автор: Чжан Ксудон
Книга: 16
Пресса: издательство Tsinghua University Press
Время публикации: 2018-07-21
Номер ISBN: 9787302486008
Эта книга систематически и глубоко введение в основы современного анализа и обработки цифровых сигналов и некоторых широко используемых алгоритмов. Первые 4 главы вводят важные основы для изучения и изучения современной обработки цифровых сигналов, включая модель случайного сигнала, резюме теории оценки, теорию оптимальных фильтров, фильтр маленьких квадратов и фильтр Калмана. Это содержимое является основным знанием статистических методов обработки сигналов; Глава 4 части 2 подробно обсуждается несколько типов широко используемых типичных алгоритмов, включая алгоритмы адаптивной фильтрации, алгоритмы оценки спектра мощности, статистику высокого порядка и циклические статистики, а также разделение сигналов слепых источников; Часть 3 включает в себя частотный анализ, принцип вейвлет-преобразования, а также применение и разреженное анализ и восприятие сжатия сигналов. В этой книге подробно рассказывается о некоторых передовых темах, которые привлекли широко распространенное внимание в последние годы, такие как алгоритмы EM, фильтрация частиц, независимый анализ компонентов, подпространственные методы для разделения слепых источников, редкое представление и восприятие сжатия и т. Д. Некоторое предварительное содержание пространственной обработки сигнала, а не в раздельных вмещениях. В письменной форме эта книга обращает внимание на продвинутность и систематическую контент, а также читаемость контента.
Глава 0
0,1 Основное содержание этой книги
0,2 Несколько применений применения современной обработки сигналов
0,3 Обсуждение по некоторым основным вопросам обработки сигналов
0,4 Краткий исторический обзор
Статистический метод обработки сигнала в томе 1
Глава 1 Основы и модели случайных сигналов
1.1 Основы случайных сигналов
1.1.1. Представление функции плотности вероятности стохастических процессов
1.1.2 Основные характеристики стохастических процессов
1.2 Матричные особенности случайных векторов сигнала
1.2.1 Матрица автокорреляции
1.2.2 Матрица кросс-корреляции
1.2.3 Массив корреляции векторного сигнала
1.3 Общая реализация сигнала
13.1 самостоятельно распределенный и белый шум
1.3.2 Сложный синус плюс шум
1.3.3 Настоящий гауссовый процесс
*1.3.4 Гауссовый процесс
*1.3.5 смешанный гауссовый процесс
1.3.6 Gaussian-Markov Process
1.4 Расширение случайных сигналов
1.4.1 Ортогональное расширение случайных сигналов
1.4.2 Ортогонализация базовых векторных наборов
1.4,3 кль преобразование
*1.4.4 Анализ основных компонентов
1.4.5 Случайный сигнал представлен ортогональным набором случайных последовательностей
1.5 Спектральная плотность мощности случайных сигналов
1.5.1 Определение и свойства спектральной плотности мощности
1.5.2 Случайные сигналы проходят через линейную систему
1.5.3 Связь между непрерывными случайными сигналами и дискретными случайными сигналами
1.6 рациональная дробная модель случайных сигналов
1.6.1 Теорема спектрального разложения
1.6.2 Модель ARMA для случайных сигналов
1.6.3 Дальнейшее обсуждение представленного сигнала о случайном сигнале
1.6.4 Связь между автокорреляцией и параметрами модели
*1.6.5 Расширение модели ARMA—— модель Аримы
1.7 Сводка и дальнейшее чтение
упражнение
Рекомендации
Глава 2 Теоретические основы оценки
2.1 Основная классическая проблема оценки
2.1.1 Основные концепции и параметры производительности классической оценки
2.1.2 Несколько часто используемых оценок
2.2 Нижний мир Крам-Ро
2.3 Оценка большой вероятности (MLE)
2.4 Байесовская оценка
2.4.1 Небольшая средняя квадратная ошибка байесовская оценка
2.4.2 Другие формы байесовской оценки
2.5 Линейная байесовская оценка
2.6 Оценка квадратов посмотрите
2.6.1 Оценка взвешенной oddsquares
2.6.2. Регуляризованная оценка наименьших квадратов
2,6,3 LS Оценка сложных данных
*2.7EM Algorithm
2.7.1 Особые случаи и расширения EM -алгоритма
2.7.2 Решение алгоритма EM для гауссовой гибридной модели
2.8 Резюме и дальнейшее чтение
упражнение
Рекомендации
Глава 3 Отличный фильтр
3.1 Фильтрация винера
3.1.1 фильтрация Wiener в практических проблемах
3.1.2 Получение фильтрации винера с точки зрения теории оценки
3.1.3 Фильтр Wiener orthogonal Principle
3.1.4FIR Wiener Filter
3.1.5iir Винер фильтр
3.1.6 Пример приложения—— Лучший линейный эквалайзер для системы связи
*3.2 Формирование луча и фильтрации винера
3.2.1 Основные знания формирования луча массива
3.2.2 Фильтрация и формирование луча и формирование луча
3.2.3MVDR Beamer
3.3 Оптимальный линейный прогноз
3.3.1 Продление линейного прогноза
3.3.2 обратный линейный прогноз
3.3.3levinson-Durbin Algorithm
3.3.4 Фильтр ошибок прогнозирования сетки
3.3.5 Свойства фильтра ошибок прогнозирования
*3.4 Продвижение структуры решетки фильтра
3.4.1AR модель и полная сетка с полюсом
3.4.2CHOLESKY DECUSPOUTION
3.4.3 Структура сетки фильтра Wiener
3.5 фильтр наименьших квадратов
3.5.1. Граничная проблема фильтрации LS
3.5.2 Принцип ортогональности LS
3.5.3 Несколько свойств фильтра наименьших квадратов
3.5.4 Линейный прогноз наименьших квадратов
3.5.5. Регулярная фильтрация наименьших квадратов
*3.5.6 Фильтрация наименьших квадратов на основе нелинейных функций
3.6 Расчет декомпозиции единственного значения.
*3.7
3.8 Резюме и дальнейшее чтение
Глава 3 ПРИЛОЖЕНИЕ ПЛОХОЕ ВРЕМЕНИ ФИЛЬТРЕ
упражнение
Рекомендации
Глава 4 Фильтрация Калмана и ее расширение
4.1 Скалярная фильтрация Калмана
4.1.1 Оптимальная рекурсивная оценка скалярных случайных состояний
4.1.2 Сравнение с фильтром Wiener
4.2 Стандартная фильтрация Vector Form Form
4.2.1 Модель фильтрации Vector Kalman
4.2.2 Vector Kalman фильтрация деривации
*4.3 Некоторые вариации фильтра Калмана
4.3.1 Калман фильтры для различных форм уравнения состояния
4.3.2 Kalman Predictor
4.3.3 Информационный фильтр Калмана
4.3.4 Устойчивый фильтр Калмана
4.3.5 Калман QR -разложенный фильтр
4.3.6 Простая и не эксплуатирующая система питания
4.4 Один из нелинейных фильтраций Калмана: расширенная фильтрация Калмана (EKF)
*4.5 Калман Нелинейная фильтрация: фильтрация Калмана.
4.5.1 не трассировочное преобразование (UT)
4.5.2 UKF для нелинейных систем аддитивного шума
4.5.3 UKF для общих нелинейных систем
4.6 Байесовская фильтрация
*4.7 Фильтрация частиц
4.7.1 Моделирование Монте -Карло и выборка важности последовательности
4.7.2 Алгоритм фильтрации частиц.
4.7.3 Улучшение фильтрации частиц—— Гауссовая фильтрация частиц
4.8 Резюме и дальнейшее чтение этой главы
упражнение
Рекомендации
Глава 5 Адаптивный фильтр
5.1 Классификация и применение адаптивной фильтрации
5.2 Метод крутого спускания
5,3 л. Алгоритм адаптивной фильтрации
5.3.1LMS Алгоритм
5.3.2 Анализ конвергенции алгоритма LMS
5.3.3 Некоторые улучшенные алгоритмы LMS
*5.3.4 Sparse LMS -алгоритм
*5.3.5 Алгоритм имитационной проекции
5.4 Рекурсивный алгоритм LS (RLS)
5.4.1 Основной алгоритм RLS
5.4.2 Анализ конвергенции алгоритма RLS
Результаты моделирования алгоритмов 5,5 лм и RLS для адаптивного эквалайзера
5.6 Рекурсивный и LS GRID -фильтр LS
5.6.1 Используйте метод оператора векторного пространства для представления фильтра LS
5.6.2 Орден на рекурсивный мужчина проекционного оператора
5.6.3 рекурсивная формула оператора проекции
5.6.4 Алгоритм сетки наименьших квадратов (LSL)
*5.7 Алгоритм адаптивного фильтрации Fast Horizontal LS (FTF)
5.7.14 Основные фильтры
5.7.2 Обновление оператора горизонтального фильтра
5.7.3 FTF -алгоритм
*5,8QR разложения алгоритм RLS
5.8.1 Алгоритм разложения LDU RLS
5.8.2 Соответствующая связь между RLS и фильтрацией Калмана
*5.9 Адаптивный фильтр со структурой IIR
*5.10 Примеры нелинейной адаптивной фильтрации
5.11 Примеры применения адаптивных фильтров
5.11.1 Обсуждение адаптивного выравнивания
5.11.2 Применение отмены адаптивных помех
*5.11.3 Алгоритм адаптивного формирования луча
*5.12 Пример алгоритма адаптивного фильтрации без ожидаемого ответа: Слепая выравнивание
5.12.1 Алгоритм постоянного режима (CMA)
5.12.2 Алгоритм слепого равновесия класса (алгоритм Bussgang)
5.12.3 Введение в алгоритм слепого отклонения
5.13 Резюме и дальнейшее чтение
упражнение
Рекомендации
Глава 6 Оценка спектра мощности
6.1 Классический метод оценки спектральной оценки
6.1.1 Метод периодической диаграммы
6.1.2 Улучшенная периодическая таблица
6.1.3blackman-Tukey Метод
6.2 Спектральная оценка модели AR
6.2.1 Большая оценка спектра энтропии
6.2.2 Метод ковариации для спектральной оценки модели AR
6.2.3 Улучшенный метод ковариации
6.2.4 Метод автокорреляции
6.2.5burg алгоритм
6.2.6 Дальнейшее обсуждение спектра модели AR
6.3 Проблема выбора заказа системной модели
6,4 млн. Модель спектральной оценки
6.5 Спектральная оценка модели ARMA
6.5.1. Улучшение метода уравнения Yulewalker
*6.5.2Akaike нелинейный итерационное алгоритм
*6.6 Оценка спектра небольшой дисперсии
6.7 Оценка частоты с использованием пространства функций
6.7.1 разложение спектра Pisarenko
6.7.2 МАССИЧЕСКИЙ МЕТОД
6.7.3 Оценка порядка модели
*6.8esprit Algorithm
6.8.1 Основной алгоритм ESPRIT
6.8.2lsesprit и Tlsesprit Algoritms
*6.9 Оценка DOA пространственных линейных массивов
6.10 Некоторые экспериментальные результаты оценки спектра мощности
6.10.1 Сравнение моделирования классических методов и методов модели AR для разных типов сигналов
6.10.2 Экспериментальные результаты оценки гармоники
6.11 Резюме и дальнейшее чтение
упражнение
Рекомендации
Глава 7: Характеристики сигнала и применение стационарной статистики 2-го порядка
7.1 Статистика высокого порядка и спектр сигналов высокого порядка
7.1.1 Определение кумулятивных величин высокого порядка и моментов высокого порядка
7.1.2 Несколько математических свойств кумулятивных величин высокого порядка
7.1.3 Определение спектров высшего порядка
7.1.4 Спектр высокого порядка линейных негауссовых процессов
7.1.5 Спектр расширенного порядка нелинейных процессов
*7.2 Оценка статистики высокого порядка и спектров высшего порядка
7.2.1 Оценка статистики высокого порядка
7.2.2 Оценка B-R спектров более высокого порядка
7.2.3 Метод косвенной оценки спектров высшего порядка
7.2.4 Применение расширенного спектра
*7.3 Спектральный анализ корреляции периодических стационарных сигналов
7.3.1 Концепция велосипедного стационарного сигнала
7.3.2 Спектральная корреляционная функция периодического стационарного сигнала
7.3.3 Функции спектральной корреляции обычно настроенных сигналов в инженерии связи
7.3.4 Оценка спектральных корреляционных функций
*7.4 Характеристики энтропии случайных сигналов
7.4.1 Определение и основность энтропии
7.4.2kl дивергенция, взаимная информация и отрицательная энтропия
7.4.3 Приблизительный расчет энтропии
7.5 Сводка и дальнейшее прочтение этой главы
упражнение
Рекомендации
Глава 8 Анализ скрытых переменных в обработке сигнала
8.1 Анализ основных компонентов онлайн
8.1.1 Обобщенный алгоритм хебиана
8.1.2 Алгоритм отслеживания подпространства проекции.——PAST
8.2 Отбеливание и ортогонализация сигнальных векторов
8.2.1 Отбеливание сигнальных векторов
8.2.2 Ортогонализация векторных наборов
8.3 Описание проблемы разделения слепых источников
8.4 Независимый анализ компонентов——ICA
8.4.1 Основные принципы и критерии для независимого анализа компонентов
8.4.2 Алгоритм фиксированной точки—&Mdash; Fastica
8.4.3 Естественный алгоритм градиента
8.4.4 нелинейный алгоритм PCA
*8.5 BSS с использованием статистики 2 -го порядка
8.5.1 Соби Алгоритм
8.5.2 ВВЕДЕНИЕ В ДРУГИЕ АЛГОРИТМЫ СТАТИСТИЧЕСКОГО СЛУЧА
*8.6 Служба смешанного слепого источника разделения
8.6.1 Свожденная смешанная модель
8.6.2 Модель разделения сверточного смешивания
8.6.3 Введение в алгоритм разделения смешивания свертки
*8.7 Введение в другие методы BSS
*8.8 Примеры экспериментов по применению и моделированию
8.9 Резюме и дальнейшее чтение этой главы
упражнение
Рекомендации
Частотный анализ и редкое представление тома 2
Глава 9 Анализ Времени и частоты
9.1 Подготовительное знание анализа времени и частоты
9.1.1 Преобразование Фурье и его ограничения
9.1.2 Несколько основных концепций анализа времени и частоты
9.1.3 Framework и Reisz на основе
9.2 Краткое преобразование Фурье Фурье
9.2.1 Определение и свойства STFT
*9.2.2 Численное расчет STFT
9.3 ГАБОР расширяется
9.3.1 Непрерывное расширение Габора
9.3.2 Дискретное расширение цикла Габора
*9.4 Фракция Фурье преобразование
9.4.1 Определение и свойства FRFT
9.4.2 Численное расчет FRFT
9.4.3 Краткое описание применения FRFT
9.5wignerville Distribution
9.5.1 Определение и свойства непрерывного распределения Wigher-ville
Некоторые примеры и проблемы 9.5.2wvd
9.5.3 Расчет WVD через дискретные сигналы
*9.5.4radonwigner
*9.6 Общее время распределения времени: класс Cohen
9.6.1 нечеткая функция
9.6.2 Определение и экземпляр класса COHEN
*9.7 нечеткие функции снова обсуждаются
9.8 Резюме и дальнейшее чтение
упражнение
Рекомендации
Глава 10 Введение в принципы и приложения преобразования вейвлет
10.1 Непрерывное вейвлет -трансформация
10.1.1cwt определение
10.1.2cwt свойства
10.1.3 несколько вейвлет -примеров
10.1.4 Индекс Липшиц и вейвлет -преобразование
10.2 ВЕБЕРЕТА
10.3 Анализ с несколькими разрешениями и ортогональная вейвлет
10.3.1 Концепция анализа с несколькими разрешениями
10.3.2 строительство вейвлет -базы
10.3.3 Алгоритм Mallat для дискретного вейвлет -преобразования
10.4 Двойное ортогональное вейвлет -трансформация
10.5 Пример вейвлет
10.5.1 Daubechies жесткая поддержка вейвлет
10.5.2 Двойной ортогональный вейвлет -фундаментальный пример
10.6 Многомерное вейвлет -изменение пространства
10.6.1 Двумерное вейвлет-трансформация
10.6.2 Модель вейвлет -преобразования цифровых изображений
10.7 Разложение вейвлет -пакета
*10.8 Граничные задачи в дискретном вейвлет
*10.9 Повышение и целочисленное вейвлет -преобразование
10.9.1 Основные методы улучшения вейвлет -трансформации
10.9.2 Метод улучшения для построения вейвлет -базы
10.9.3 несколько примеров вейвлет -преобразований, реализованных путем улучшения
10.9.4 целочисленное вейвлет -трансформация
*10.10 Пример приложения приложения вейвлет -преобразования: сжатие изображения
10.10.1 Представление дерева и кодирование домена вейвлет -преобразования изображений
10.10.2 Встроенное вейвлет -нулевое кодирование дерева
*Другие приложения 10.11 вейвлет -преобразования
10.11.1 Вейвлет -шумоподавление
10.11.2 Введение в другие приложения
10.12 Резюме и дальнейшее чтение
упражнение
Глава 10 Приложение субтитры
Рекомендации
*Глава 11 Разреженное представление и восприятие сжатия сигналов
11.1 Математические основы разреженного представления сигнала
11.1.1 Выпуклые наборы и выпуклые функции
11.1.2 Норма
11.1.3 нулевое пространство и редкость матрицы
11.2 Sparse Model Пример сигнала
11.2.1 Проблема восприятия сжатия
11.2.2 Проблема регрессии Лассо——LASSO
11.2.3 Сравнение различных разреженных проблем
11.3 Sparsy Model Presention сигналов
11.4 Основная теория редкого восстановления
11.4.1 (P0) Решение
11.4.2 (P1) Решение
11.4.3(Pε 1) решение проблемы
11.5 Сжатое восприятие и матрица восприятия
11.6 Введение в алгоритм разреженного восстановления
11.6.1 жадный алгоритм
11.6.2 Алгоритм LAR
11.6.3 Алгоритм спуска LASSO's Loop
11.6.4 Метод ближайшего соседа и итерационный алгоритм сокращения
11.6.5 Итеративный взвешенный алгоритм наименьших квадратов——IRLS
11.6.6 Онлайн -алгоритм восстановления онлайн
11.7 Несколько примеров применения сигнального восстановления
11.8 Резюме и дальнейшее чтение этой главы
упражнение
Рекомендации
Приложение Основы теории матрицы
Приложение B Сводка методов оптимизации
Сокращенное название
индекс