自適應(yīng)盲信號(hào)與圖像處理

內(nèi)容概要

本書從理論和實(shí)踐的角度提供了自適應(yīng)盲信號(hào)處理技術(shù)和算法的廣泛內(nèi)容，并包含許多圖解的實(shí)例、計(jì)算機(jī)仿真結(jié)果、圖表及概念模型。其主要目的是推導(dǎo)和介紹在實(shí)踐中工作良好的有效、簡單的自適應(yīng)算法。并盡量以通用或靈活的方式介紹概念、模型和算法，以便能在特殊應(yīng)用中采用這些方法和算法。    本書適合于高年級(jí)的本科生、研究生以及從事雷達(dá)、聲吶、噪聲控制、通信、電子、計(jì)算機(jī)科學(xué)等多個(gè)領(lǐng)域的工程技術(shù)人員閱讀。

作者簡介

Andrzej CICHOCKI博士，日本Riken腦科學(xué)研究所高級(jí)腦信號(hào)處理研究室主任。
    Shun-ichi AMARI博士，日本Riken腦科學(xué)研究所所長。

書籍目錄

第1章  盲信號(hào)處理導(dǎo)論：問題及應(yīng)用  1.1  問題的表達(dá)——概述  1.2  盲信號(hào)處理和半盲信號(hào)處理的潛在應(yīng)用第2章  解線性代數(shù)方程系統(tǒng)及相關(guān)問題  2.1  線性方程系統(tǒng)問題的表述  2.2  最小二乘問題  2.3  線性方程系統(tǒng)的最小絕對(duì)偏差（1-范數(shù)）解  2.4  總體最小二乘和數(shù)據(jù)最小二乘問題  2.5  稀疏信號(hào)表示和最小1-范數(shù)解第3章  主/次分量分析及相關(guān)問題  3.1  簡介  3.2  PCA的基本性質(zhì)  3.3  用最優(yōu)壓縮-重構(gòu)原理提取主分量  3.4  基本代價(jià)函數(shù)和PCA的自適應(yīng)算法  3.5  穩(wěn)健PCA  3.6  次分量順序提取的自適應(yīng)學(xué)習(xí)算法  3.7  用于估計(jì)主分量，次分量及其子空間的統(tǒng)一并行算法  3.8  與PCA相關(guān)的奇異值分解和基本矩陣子空間  3.9  用于有色源的盲源分離多級(jí)PCA  附錄A  用于實(shí)和復(fù)值PCA的基本神經(jīng)網(wǎng)絡(luò)算法  附錄B  用于復(fù)值PCA的層次神經(jīng)網(wǎng)絡(luò)第4章  盲解相關(guān)和用于穩(wěn)健  盲辨識(shí)的二階統(tǒng)計(jì)量  4.1  空間解相關(guān)-白化變換  4.2  基于EVD和GEVD的二階統(tǒng)計(jì)量盲辨識(shí)  4.3  基于對(duì)稱EVD/SVD的改進(jìn)SOS盲辨識(shí)算法  4.4  聯(lián)合對(duì)角化——穩(wěn)健的SOBI算法  4.5  相關(guān)抵消  附錄A  AMARI自然梯度和ATICK-REDLICH公式的穩(wěn)定性  附錄B  有界分離矩陣FROBENIUS范數(shù)的梯度下降算法  附錄C  JADE算法  附錄D  穩(wěn)健的SOBI算法的MATLAB實(shí)現(xiàn)第5章  盲信號(hào)提取的統(tǒng)計(jì)信號(hào)處理方法第6章  自然梯度方法用于獨(dú)立分量分析第7章  ICA的局部自適應(yīng)算法與實(shí)現(xiàn)第8章  有噪數(shù)據(jù)的BSS和ICA的穩(wěn)健技術(shù)第9章  多通道盲解卷積:自然梯度方法第10章  估計(jì)函數(shù)及ICA和解卷積的超有效性第11章  利用狀態(tài)空間方法進(jìn)行線性盲濾波和盲分離第12章  非線性狀態(tài)空間模型——半盲信號(hào)處理第13章  附錄：數(shù)學(xué)預(yù)備知識(shí)第14章  符號(hào)和縮略詞匯編參考文獻(xiàn)

編輯推薦

　　·從理論和實(shí)際的觀點(diǎn)、介紹了大量的盲信號(hào)處理的技術(shù)和算法?！　　ぬ岢隽?0多個(gè)簡化算法、這些算法很容易由讀者修改以利于解決他們的實(shí)際問題?！　　ぬ峁┝嗽S多圖解的實(shí)例、計(jì)算機(jī)仿真結(jié)果、圖表及概念模型。

圖書封面

圖書標(biāo)簽Tags

無

評(píng)論、評(píng)分、閱讀與下載

---

    自適應(yīng)盲信號(hào)與圖像處理 PDF格式下載

---