動(dòng)態(tài)數(shù)據(jù)建模與處理

內(nèi)容概要

全書(shū)從現(xiàn)代信號(hào)處理技術(shù)的理論、實(shí)現(xiàn)、應(yīng)用幾個(gè)方面著手，重點(diǎn)介紹現(xiàn)代信號(hào)處理技術(shù)的共性知識(shí)，討論信息獲取、處理及傳輸過(guò)程中的基本理論和基本方法，結(jié)合儀器科學(xué)與技術(shù)領(lǐng)域的特點(diǎn)，介紹現(xiàn)代信號(hào)處理的應(yīng)用和實(shí)現(xiàn)技術(shù)。主要內(nèi)容全部來(lái)源于相近學(xué)科近年來(lái)科研課題所涉及的實(shí)際技術(shù)問(wèn)題，包括時(shí)間序列分析、譜分析、自適應(yīng)信號(hào)處理、小波分析、神經(jīng)網(wǎng)絡(luò)技術(shù)、模式識(shí)別技術(shù)、模糊信息處理等。本書(shū)可作為現(xiàn)代信號(hào)處理有關(guān)的各專業(yè)研究生教材或教師教學(xué)參考書(shū)，也可作為相關(guān)專業(yè)的研究工作者和工程技術(shù)人員的參考書(shū)。

書(shū)籍目錄

第1章  隨機(jī)信號(hào)及其統(tǒng)計(jì)描述  1.1 隨機(jī)信號(hào)  1.2 隨機(jī)信號(hào)的功率譜  1.3 隨機(jī)信號(hào)通過(guò)線性系統(tǒng)  1.4 隨機(jī)信號(hào)的參數(shù)估計(jì)  1.5 相關(guān)函數(shù)的估計(jì)  思考與練習(xí)第2章  時(shí)間序列及其參數(shù)模型  2.1 回歸與差分方程  2.2 ARMA模型  2.3 ARMA過(guò)程的自相關(guān)函數(shù)  2.4 ARMA模型的參數(shù)估計(jì)  2.5 模型階數(shù)估計(jì)  2.6 時(shí)間序列預(yù)報(bào)  思考與練習(xí)第3章  譜分析  3.1 傳統(tǒng)功率譜估計(jì)  3.2 ARMA譜估計(jì)  3.3 最大熵譜估計(jì)  3.4 最大似然譜估計(jì)  思考與練習(xí)第4章  匹配濾波器  4.1 白噪聲背景下的匹配濾波器  4.2 非白噪聲下的匹配濾波器  4.3 離散時(shí)間序列的匹配濾波器  4.4 信號(hào)波形未知時(shí)構(gòu)造匹配濾波器方法  思考與練習(xí)第5章  維納濾波器  5.1 維納-霍夫積分方程及其求解  5.2 維納濾波器誤差與輸入信號(hào)正交性  5.3 離散維納濾波器  5.4 維納濾波用于信號(hào)預(yù)測(cè)  5.5 后驗(yàn)維納濾波  思考與練習(xí)第6章  自適應(yīng)濾波  6.1 緒論  6.2 自適應(yīng)最小均方程差濾波  6.3 自適應(yīng)最小二乘濾波  6.4 自適應(yīng)信息處理的應(yīng)用  思考與練習(xí)第7章  小波變換與多分辨率分析  7.1 時(shí)變信號(hào)與聯(lián)合時(shí)頻分析  7.2 連續(xù)小波變換  7.3 多分辨率分析  7.4 小波變換的數(shù)字計(jì)算與濾波器組  7.5 由濾波器確定尺度函數(shù)和小波函數(shù)  7.6 小波變換用于表征信號(hào)的突變性質(zhì)  7.7 信號(hào)的理想重建  思考與練習(xí)第8章  人工神經(jīng)網(wǎng)絡(luò)  8.1 緒論  8.2 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)  8.3 前饋型神經(jīng)網(wǎng)絡(luò)  8.4 反饋型神經(jīng)網(wǎng)絡(luò)  8.5 隨機(jī)型神經(jīng)網(wǎng)絡(luò)模型  8.6 自組織神經(jīng)網(wǎng)絡(luò)模型  8.7 神經(jīng)網(wǎng)絡(luò)軟件的實(shí)現(xiàn)  思考與練習(xí)第9章  模糊信息處理  9.1 模糊數(shù)學(xué)基礎(chǔ)  9.2 模糊聚類分析  9.3 模糊模式識(shí)別  9.4 模糊綜合評(píng)判  9.5 模糊推理  9.6 模糊控制  思考與練習(xí)參考文獻(xiàn)

圖書(shū)封面

評(píng)論、評(píng)分、閱讀與下載

---

    動(dòng)態(tài)數(shù)據(jù)建模與處理 PDF格式下載

---