目 錄
第1章 擴頻通信系統(tǒng)的算法分析與實現\t1
1．1 擴頻通信系統(tǒng)的仿真\t1
1．2 偽隨機碼的產生\t1
1．2．1 M序列\(zhòng)t2
1．2．2 偽隨機數序列相關函數\t3
1．2．3 Gold序列\(zhòng)t6
1．3 直接序列擴頻系統(tǒng)\t7
1．4 利用MATLAB仿真演示直擴信號抑制余弦干擾\t8
1．5 跳頻擴頻系統(tǒng)\t10
1．6 BFSK/FH系統(tǒng)性能仿真\t11
第2章 圖像的復原算法分析與實現\t15
2．1 圖像復原概述\t15
2．2 圖像的噪聲\t16
2．3 圖像復原方法\t19
2．3．1 復原的模型\t20
2．3．2 無約束復原法\t20
2．3．3 有約束復原法\t21
2．3．4 復原法的評估\t21
2．4 MATLAB圖像的復原方法\t21
2．4．1 逆濾波復原法\t21
2．4．2 維納濾波復原法\t23
第3章 通信系統(tǒng)設計的MATLAB實現\t26
3．1 設計通信系統(tǒng)的發(fā)射機\t26
3．1．1 利用直接序列擴頻技術設計發(fā)射機\t26
3．1．2 利用IS-95前向鏈路技術設計發(fā)射機\t27
3．1．3 利用OFDM技術設計發(fā)射機\t30
3．2 設計通信系統(tǒng)的接收機\t32
3．2．1 利用直接序列擴頻技術設計接收機\t32
3．2．2 利用IS-95前向鏈路技術設計接收機\t33
3．2．3 利用OFDM技術設計接收機\t33
3．3 通信系統(tǒng)的MATLAB實現\t34
第4章 模擬濾波器算法分析與設計\t43
4．1 模擬濾波器離散化分析\t43
4．1．1 沖激響應不變法分析\t43
4．1．2 雙線性變換法分析\t44
4．2 模擬濾波器的最小階數選擇\t46
4．2．1 Butterworth模擬濾波器階數選擇函數\t46
4．2．2 Chebyshev I型模擬濾波器階數選擇函數\t47
4．2．3 Chebyshev II型模擬濾波器階數選擇函數\t47
4．3 模擬濾波器的性能測試\t49
4．4 模擬濾波器的設計\t52
4．4．1 模擬濾波器設計步驟\t52
4．4．2 模擬濾波器設計函數\t54
第5章 神經網絡模糊控制設計與應用\t62
5．1 神經網絡模糊控制器的結構\t62
5．2 神經網絡的特征\t63
5．3 神經網絡模糊控制器的應用\t65
5．3．1 控制器\t66
5．3．2 控制器自校正\t66
5．4 神經模糊控制應用于洗衣機中\(zhòng)t67
5．4．1 洗衣機的模糊控制\t68
5．4．2 洗衣機的神經網絡模糊控制器的設計\t69
第6章 故障信號檢測分析與實現\t73
6．1 故障信號檢測的理論分析\t73
6．2 實驗結果與分析\t75
6．2．1 利用小波分析檢測傳感器故障\t75
6．2．2 小波類型的選擇對檢測突變信號的影響\t78
6．3 小波類型選擇\t82
第7章 現代控制系統(tǒng)算法分析與實現\t83
7．1 可控性分析\t83
7．1．1 連續(xù)系統(tǒng)的完全可控性\t83
7．1．2 離散系統(tǒng)的可控性\t84
7．1．3 連續(xù)系統(tǒng)的狀態(tài)完全可控標準形式\t85
7．1．4 連續(xù)系統(tǒng)的輸出可控性\t87
7．2 可觀測性分析\t89
7．2．1 線性離散系統(tǒng)的完全可觀測性\t89
7．2．2 連續(xù)系統(tǒng)的完全可觀測性\t90
7．2．3 連續(xù)系統(tǒng)的完全可觀測標準形\t92
7．3 系統(tǒng)的極點配置\t94
7．3．1 極點配置的MATLAB函數\t94
7．3．2 極點配置示例分析\t94
7．4 系統(tǒng)狀態(tài)觀測器設計\t97
7．4．1 狀態(tài)觀測器的MATLAB函數\t97
7．4．2 狀態(tài)觀測器設計示例\t97
第8章 數字圖像的運算分析與實現\t100
8．1 圖像的點運算\t100
8．1．1 線性點運算\t100
8．1．2 分段線性點運算\t102
8．1．3 非線性變換\t103
8．1．4 直方圖修正\t104
8．2 圖像的代數運算\t108
8．2．1 圖像加法運算\t108
8．2．2 圖像減法運算\t111
8．2．3 圖像乘法運算\t113
8．2．4 圖像除法運算\t114
第9章 離散時間信號算法分析與實現\t116
9．1 離散時間信號在MATLAB中的運算\t116
9．1．1 離散時間信號的基本運算\t116
9．1．2 離散時間系統(tǒng)的響應\t117
9．1．3 離散時間系統(tǒng)的單位取樣響應\t118
9．1．4 離散時間信號的卷積和運算\t121
9．2 信號抽樣及抽樣定理\t123
9．2．1 信號抽樣分析\t123
9．2．2 抽樣定理分析\t125
9．2．3 信號重建分析\t126
第10章 自組織神經網絡的函數實現\t130
10．1 創(chuàng)建函數\t130
10．2 學習函數\t133
10．3 競爭傳遞函數\t138
10．4 初始化函數\t139
10．5 距離函數\t139
10．6 訓練競爭層函數\t142
10．7 繪圖函數\t142
10．8 結構函數\t143
第11章 通信系統(tǒng)濾波器設計與實現\t145
11．1 模擬濾波器MATLAB函數\t145
11．1．1 設計模擬濾波器\t145
11．1．2 切比雪夫II型濾波器\t147
11．1．3 橢圓濾波器\t149
11．1．4 Bessel濾波器\t150
11．1．5 求模擬濾波器的最小階\t151
11．1．6 濾波器的傳遞函數\t154
11．2 數字濾波器MATLAB函數\t159
11．2．1 窗函數\t160
11．2．2 數字濾波器頻率響應函數\t162
11．3 特殊濾波器MATLAB函數\t169
11．3．1 rcosfir函數\t170
11．3．2 rcosiir函數\t170
第12章 控制系統(tǒng)根軌跡校正分析與實現\t172
12．1 控制系統(tǒng)性能指標\t172
12．1．1 性能指標的分類\t172
12．1．2 二階系統(tǒng)頻域指標與時域指標的關系\t172
12．2 校正基本概念\t173
12．2．1 校正的概念\t173
12．2．2 校正的方式\t173
12．3 根軌跡校正法\t175
12．3．1 根軌跡校正法串聯(lián)超前校正\t175
12．3．2 根軌跡的串聯(lián)滯后校正\t178
12．3．3 根軌跡的串聯(lián)超前滯后校正\t182
第13章 圖像的幾何運算分析與實現\t186
13．1 齊次坐標\t186
13．2 灰度插值\t187
13．2．1 最近鄰插值\t187
13．2．2 雙線性插值\t188
13．2．3 雙三次插值\t189
13．2．4 MATLAB實現\t189
13．3 圖像平移\t190
13．4 圖像旋轉\t193
13．5 圖像比例縮放\t195
第14章 IIR濾波器設計與實現\t200
14．1 從模擬濾波器設計IIR濾波器\t200
14．1．1 沖激響應不變法\t200
14．1．2 雙線性變換法\t203
14．2 IIR濾波器的設計方法\t206
14．2．1 經典設計法\t206
14．2．2 直接設計法\t209
14．3 高通濾波器的設計\t212
14．3．1 模擬低通-數字高通變換\t212
14．3．2 數字低通-數字高通變換\t214
第15章 自組織特征映射網絡算法分析與應用\t215
15．1 自組織特征映射網絡模型\t215
15．2 自組織特征映射網絡結構\t217
15．3 自組織特征映射網絡設計\t217
15．3．1 SOFM的構建\t217
15．3．2 SOFM的訓練\t218
15．4 自組織特征映射網絡應用\t220
15．4．1 自組織特征映射網絡在識別分類中的應用\t220
15．4．2 SOFM在人口分類中的應用\t222
第16章 模型預測控制設計與實現\t226
16．1 系統(tǒng)辨識\t226
16．2 廣義預測控制\t227
16．2．1 j步最優(yōu)預測\t227
16．2．2 C(z-1)=1時的廣義預測控制\t228
16．3 MATLAB實現\t228
16．3．1 對象參數已知時（GPC算法）\t228
16．3．2 對象參數未知時（GPC自適應算法）\t231
16．3．3 C(z-1)≠1時的廣義預測控制\t234
第17章 通信系統(tǒng)模擬線性調制算法分析與實現\t241
17．1 雙邊帶調幅與解調\t241
17．1．1 雙邊帶調幅\t241
17．1．2 雙邊帶解調\t244
17．2 常規(guī)雙邊帶調幅\t246
17．3 抑制載波雙邊帶調幅\t247
17．4 單邊帶調幅與解調\t250
17．4．1 希爾伯特變換\t250
17．4．2 單邊帶調幅\t251
17．4．3 單邊帶解調\t253
第18章 控制系統(tǒng)頻域校正分析與實現\t257
18．1 頻域響應校正法\t257
18．2 頻域法的串聯(lián)超前校正\t257
18．2．1 相位超前校正裝置\t257
18．2．2 超前校正設計方法\t258
18．3 頻域法的串聯(lián)滯后校正\t261
18．3．1 相位滯后校正裝置\t261
18．3．2 Bode圖滯后校正設計方法\t261
18．4 頻域串聯(lián)滯后超前校正\t265
18．4．1 滯后超前校正裝置\t265
18．4．2 Bode圖滯后超前校正設計方法\t266
18．5 反饋校正\t270
第19章 圖像的編碼算法分析與實現\t276
19．1 圖像壓縮編碼基礎\t276
19．1．1 圖像壓縮編碼的必要性\t276
19．1．2 圖像壓縮編碼的可能性\t276
19．1．3 圖像壓縮編碼的性能指標\t277
19．1．4 保真度準則的評價\t279
19．1．5 壓縮編碼的分類\t280
19．2 熵編碼\t281
19．2．1 哈夫曼編碼\t281
19．2．2 香農編碼\t288
19．2．3 算術編碼\t290
第20章 信號變換算法分析與實現\t294
20．1 快速傅里葉變換\t294
20．1．1 快速傅里葉變換的性質\t294
20．1．2 快速傅里葉變換及其應用\t303
20．1．3 運用快速傅里葉變換進行簡單濾波\t307
20．2 離散余弦變換\t309
20．3 Chirp Z變換\t311
20．4 離散希爾伯特變換\t313
第21章 神經網絡的最小方差自校正控制\t316
21．1 神經網絡控制結構\t316
21．1．1 神經網絡監(jiān)督控制\t316
21．1．2 神經網絡預測控制\t317
21．1．3 神經網絡自適應評判控制\t318
21．2 最小方差自校正控制\t319
21．2．1 最小方差控制\t319
21．2．2 最小方差間接自校正控制\t323
21．2．3 最小方差直接自校正控制\t326
第22章 BAM與BSB網絡算法分析與實現\t330
22．1 雙向聯(lián)想記憶神經網絡\t330
22．1．1 BAM網絡結構與原理\t330
22．1．2 能量函數與穩(wěn)定性分析\t331
22．1．3 BAM網絡的權值設計\t332
22．1．4 BAM網絡的應用\t333
22．2 盒中腦模型網絡\t334
22．2．1 盒中腦模型的描述\t335
22．2．2 盒中腦模型的實現\t335
第23章 濾波器設計原理和實現方法\t338
23．1 自適應濾波器\t338
23．1．1 自適應濾波器設計原理\t338
23．1．2 自適應濾波器在MATLAB中的應用\t339
23．2 格型濾波器\t342
23．2．1 全零點格型濾波器\t342
23．2．2 全極點格型濾波器\t345
23．2．3 零極點的Lattice結構\t345
23．3 線性預測濾波器\t346
23．3．1 線性預測濾波器模型\t346
23．3．2 線性預測濾波器設計\t349
第24章 基于形態(tài)學的圖像處理技術\t354
24．1 數學形態(tài)學概述\t354
24．2 數學形態(tài)學的基本概念\t355
24．3 數學形態(tài)學的分類\t355
24．3．1 二值形態(tài)學\t355
24．3．2 灰度數學形態(tài)學\t356
24．3．3 模糊數學形態(tài)學\t356
24．4 形態(tài)學的基本運算\t357
24．4．1 邊界像素\t358
24．4．2 結構元素\t358
24．4．3 膨脹與腐蝕\t362
24．4．4 開運算與閉運算\t366
24．4．5 形態(tài)學重構\t368
第25章 Elman網絡算法分析與實現\t370
25．1 Elman網絡結構\t370
25．2 修正網絡權值的學習算法\t371
25．3 穩(wěn)定性推導\t373
25．4 對角遞歸網絡穩(wěn)定時學習速率的確定\t374
25．5 Elman神經網絡與訓練\t375
25．6 Elman神經網絡的應用\t377
第26章 自動控制實際系統(tǒng)的分析設計\t386
26．1 傳遞函數模型分析\t386
26．2 傳遞函數模型的MATLAB實現\t387
26．3 狀態(tài)空間模型分析\t390
26．4 狀態(tài)空間模型的MATLAB實現\t390
26．5 零極點增益模型分析\t392
26．6 零極點增益模型的MATLAB實現\t393
第27章 圖像編碼算法的MATLAB實現\t396
27．1 變換編碼\t396
27．2 行程編程\t398
27．2．1 基本原理\t398
27．2．2 自身特點\t399
27．2．3 算法局限性\t399
27．3 預測編碼\t401
27．3．1 DPCM編碼\t402
27．3．2 最佳線性預測編碼法\t406
27．3．3 增量調制編碼\t410
第28章 信號的小波分析與處理\t411
28．1 信號分析\t411
28．1．1 分離信號的不同成分\t411
28．1．2 識別某一頻率上的信號\t414
28．1．3 識別信號的發(fā)展趨勢\t416
28．2 信號去噪\t417
28．2．1 信號閾值去噪\t417
28．2．2 信號閾值去噪應用\t421
28．3 提升小波變換用于信號處理\t423
28．3．1 提升小波變換概述\t423
28．3．2 提升小波\t423
28．3．3 提升小波在信號處理中的應用\t429
第29章 LVQ神經網絡算法分析與應用\t432
29．1 學習向量量化的網絡結構\t432
29．2 學習向量量化的網絡學習\t432
29．2．1 學習向量量化的學習規(guī)則\t432
29．2．2 學習向量量化的網絡訓練\t434
29．3 學習向量量化的學習算法的改進\t436
29．4 學習向量量化的網絡應用\t436
第30章 離散控制系統(tǒng)的算法分析與實現\t440
30．1 離散控制系統(tǒng)的基本概念\t440
30．1．1 離散控制系統(tǒng)的基本組成\t440
30．1．2 數字控制系統(tǒng)的工作過程\t441
30．1．3 離散控制系統(tǒng)的特點\t441
30．2 離散信號的數字描述\t442
30．2．1 采樣過程及采樣定理\t442
30．2．2 保持器的數學描述\t444
30．3 Z變換\t446
30．3．1 離散信號的Z變換\t446
30．3．2 Z變換及其逆變換\t447
參考文獻\t453
鄂公網安備 42010302001612號 