幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

自適應信號處理

  • 作者：郭業才//胡國樂|責編:劉露
  • 出版社：合肥工業大學
  • ISBN：9787565064548
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：336
人民幣：RMB 50 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    自適應信號處理是一種功能強大的現代信號處理方法。本書對自適應系統的基本理論進行了闡述，對自適應演算法與結構、變換域自適應演算法（包括Z域自適應濾波器、頻域自適應濾波演算法和小波域自適應濾波演算法）和自適應遞歸（包括IIRLMS濾波器、超穩定自適應遞歸濾波器和IIR遞歸SER濾波器）和格型濾波器（包括LMS格型濾波器和SER格型濾波器）等進行了深入剖析，分析了自適應格型濾波器的一般結構和正交化自適應濾波器（包括基於離散傅里葉變換和基於格型正交化二階Volterra的自適應濾波器），研究了自適應通道均衡演算法（包括基於峰值失真準則和最小均方誤差準則的均衡器、判決引導均衡器、判決反饋均衡器及數據機與自適應均衡器連接及基於LMS演算法的OFDM系統均衡演算法，研究了自適應盲源分離演算法（包括盲源分離數學模型，盲源分離的約束條件、分離準則和評價準則及基於改進分離性能指標、融合動量項符號梯度及基於改進FastICA的盲源分離演算法），闡釋並研究了自適應陣列信號處理理論與演算法（包括自適應天線陣列、基於常數模演算法的波束形成、基於樣本矩陣求逆法的分快自適應波束形成、近場線性約束最小方差自適應頻率不變波束形成及基於混響環境下麥克風陣列分頻波束形成等演算法）。最後，研究了卷積神經網路磁共振成像演算法（包括多尺度擴張殘差網路壓縮感知磁共振圖像重建演算法、基於圖像域和梯度域卷積神經網路的壓縮感知磁共振圖像重建演算法以及圖像域和梯度域特徵融合演算法）。
    本書內容由淺入深、條理清楚、層次分明，按內容遞進規律安排篇章結構，論述嚴謹，既有理論分析又有對物理概念的闡釋；既有前沿理論與成果又有基礎理論作鋪墊；既有複雜抽象概念又有直觀形象的幾何解釋和生動案例。
    本書可作為通信、雷達、控制、聲吶、圖像處理、電腦視覺、地震勘探、生物醫學和振動工程等學科領域科研院所和工程技術人員解決工程實際問題的參考書，也可作為高等學校相關專業高年級本科生和研究生教材。
作者介紹
郭業才//胡國樂|責編:劉露
目錄
第1章  自適應系統基本理論
  1.1  自適應與自適應系統
    1.1.1  自適應概念
    1.1.2  自適應系統及其特性
    1.1.3  開環與閉環自適應系統
  1.2  自適應線性組合器
    1.2.1  輸入信號與權向量
    1.2.2  期望響應與誤差
    1.2.3  性能函數
    1.2.4  梯度與最小均方誤差
    1.2.5  誤差與輸入分量的去相關
  1.3  二次型性能表面
    1.3.1  輸入相關矩陣的正則形式
    1.3.2  輸入相關矩陣的特徵值與特徵向量
    1.3.3  特徵向量與特徵值的幾何意義
  1.4  性能表面的搜索方法
    1.4.1  梯度搜索演算法的基本思想
    1.4.2  牛頓法梯度搜索
    1.4.3  最速下降法梯度搜索
    1.4.4  最速下降法與牛頓法的比較
  1.5  梯度估值及其對自適應過程的影響
    1.5.1  單權系統的微商與性能損失
    1.5.2  多權向量系統的微商測量與性能損失
    1.5.3  梯度估值的方差
    1.5.4  對權向量解的影響
    1.5.5  超量均方誤差與時間常數
    1.5.6  失調
    1.5.7  牛頓法與最速下降法性能的比較
    1.5.8  總失調及其他一些實際考慮
第2章  自適應演算法與結構
  2.1  LMS演算法
    2.1.1  LMS演算法的導出
    2.1.2  權向量的收斂
    2.1.3  學習曲線
    2.1.4  權向量解的雜訊
    2.1.5  失調
    2.1.6  性能比較
    2.1.7  改進的LMS演算法
  2.2  其他自適應演算法
    2.2.1  一種理想演算法的LMS/Newton演算法
    2.2.2  序貫回歸演算法
    2.2.3  遞推最小二乘（RLS）演算法
    2.2.4  樣本矩陣求逆（SMI）演算法
    2.2.5  仿射組合自適應濾波演算法
第3章  變換域自適應濾波器
  3.1  Z域自適應信號處理
    3.1.1  Z變換
    3.1.2  傳輸函數
    3.1.3  頻率響應
    3.1.4  衝激響應

    3.1.5  逆Z變換
    3.1.6  相關函數與功率譜
    3.1.7  性能函數
  3.2  頻域自適應濾波器
    3.2.1  塊自適應濾波演算法及基本特性
    3.2.2  頻域自適應濾波演算法
    3.2.3  FAF演算法的性能分析
  3.3  小波域自適應濾波器
    3.3.1  正交小波變換理論
    3.3.2  小波域自適應均衡理論
第4章  自適應遞歸與格型濾波器
  4.1  自適應遞歸濾波器
  4.2  自適應格型濾波器結構
  4.3  自適應格型預測器
    4.3.1  LMS自適應格型預測器
    4.3.2  SER自適應格型預測器
  4.4  正交信號的自適應濾波器
    4.4.1  基於離散傅里葉變換的自適應濾波器
    4.4.2  基於格型正交化的二階Volterra自適應濾波器
第5章  自適應均衡
  5.1  碼間干擾
    5.1.1  基帶脈衝傳輸系統與碼間干擾
    5.1.2  無碼間干擾基帶傳輸特性
  5.2  存在雜訊和ISI時最佳接收機
    5.2.1  誤碼率最小準則
    5.2.2  信噪比最大準則
    5.2.3  最佳檢測器
  5.3  通道均衡
    5.3.1  基帶傳輸系統的等效傳輸模型
    5.3.2  置零條件
  5.4  線性均衡
    5.4.1  通道的離散時間模型
    5.4.2  基於峰值失真準則的迫零均衡器
    5.4.3  基於最小均方誤差準則的均衡器
  5.5  判決策略自適應均衡器
    5.5.1  判決引導自適應均衡器
    5.5.2  判決反饋自適應均衡器
  5.6  數據機和自適應均衡器的連接
  5.7  基於LMS演算法的OFDM系統均衡演算法
    5.7.1  OFDM通信系統基本模型
    5.7.2  OFDM頻域均衡原理
    5.7.3  基於LMS演算法的OFDM系統均衡演算法
第6章  自適應盲源分離
  6.1  盲源分離的數學模型
    6.1.1  線性瞬時混疊模型
    6.1.2  線性卷積混疊模型
  6.2  盲源分離的約束條件
  6.3  信號預處理
    6.3.1  去均值
    6.3.2  白化

  6.4  盲源分離準則
    6.4.1  最小互信息準則
    6.4.2  信息傳輸最大化或負熵最大化
    6.4.3  最大似然準則
  6.5  盲源分離演算法的評價準則
  6.6  基於改進分離性能指標的自適應盲源分離演算法
    6.6.1  常見的自適應盲源分離演算法
    6.6.2  基於改進分離性能指標參數的盲源分離演算法
    6.6.3  基於改進分離性能指標參數的自然梯度盲源分離演算法
    6.6.4  基於改進分離性能指標參數的EASI盲分離演算法
  6.7  基於融合動量項的符號梯度盲源分離演算法
    6.7.1  符號梯度盲源分離演算法
    6.7.2  融合動量項的符號自然梯度演算法
  6.8  基於改進FastICA的卷積盲源分離演算法
    6.8.1  基於瞬時混合FastICA演算法的盲源分離演算法
    6.8.2  時域卷積混合信號分離演算法
    6.8.3  模擬實驗及結果分析
第7章  自適應陣列信號處理
  7.1  陣列原理
    7.1.1  空間信號
    7.1.2  調製解調
    7.1.3  陣列信號模型
    7.1.4  陣列天線接收信號向量
    7.1.5  空間採樣
  7.2  波束形成
    7.2.1  波束響應與波束模式
    7.2.2  波束形成器增益
    7.2.3  空間匹配濾波器
    7.2.4  陣列孔徑和波束形成解析度
    7.2.5  錐化截取波束形成
  7.3  最佳陣列處理方法
    7.3.1  最佳波束形成器
    7.3.2  最佳波束形成器的特徵根分析
    7.3.3  干擾消除性能
    7.3.4  錐化截取最佳波束形成
    7.3.5  廣義旁瓣消除器
  7.4  自適應天線系統
    7.4.1  自適應陣列的最佳權向量
    7.4.2  自適應演算法
  7.5  基於常數模演算法的陣列波束形成演算法
    7.5.1  最速下降常數模演算法
    7.5.2  最小二乘常數模演算法
  7.6  樣本矩陣求逆自適應波束形成演算法
    7.6.1  樣本矩陣求逆
    7.6.2  SMI波束形成器的對角線載入
    7.6.3  基於最小二乘法的SMI波束形成演算法
  7.7  恆模陣列
    7.7.1  自適應雜訊對消
    7.7.2  恆模陣列與對消器的組合
    7.7.3  恆模陣列的性能分析

    7.7.4  級聯的恆模陣列與對消器組合
    7.7.5  輸出信干噪比和信噪比
  7.8  近場線性約束最小方差自適應頻率不變波束形成
    7.8.1  問題描述
    7.8.2  加權頻率不變波束形成演算法
    7.8.3  自適應加權頻率不變波束形成演算法
    7.8.4  實驗與結果分析
  7.9  基於混響環境下麥克風陣列分頻波束形成演算法
    7.9.1  麥克風陣列波束形成演算法
    7.9.2  基於混響環境下分頻維納濾波器的LCMV波束形成演算法
    7.9.3  性能評價指標
    7.9.4  實驗與結果分析
第8章  卷積神經網路磁共振成像演算法
  8.1  壓縮感知MRI
    8.1.1  壓縮感知理論
    8.1.2  K空間、採樣模板和數據預處理
    8.1.3  CSMRI成像過程
  8.2  卷積神經網路
    8.2.1  卷積運算
    8.2.2  卷積神經網路結構和訓練流程
  8.3  基於多尺度擴張殘差網路的CSMRI演算法
    8.3.1  基於深度卷積神經網路的CSMRI模型
    8.3.2  多尺度擴張殘差網路
    8.3.3  模擬實驗與結果分析
  8.4  基於圖像域和梯度域卷積神經網路的CSMRI演算法
    8.4.1  梯度域
    8.4.2  基於圖像域和梯度域卷積神經網路的CSMRI演算法
    8.4.3  模擬實驗與結果分析
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032