顶部
收藏

工程信号处理


作者:
秦树人
定价:
0.00元
ISBN:
978-7-04-022840-3
版面字数:
0.000千字
开本:
暂无
全书页数:
暂无
装帧形式:
暂无
重点项目:
暂无
出版时间:
2008-04-15
读者对象:
高等教育
一级分类:
机械/能源类
二级分类:
机械设计制造及其自动化/机械工程/机械电子工程专业课
三级分类:
测试技术

本书系统、全面地介绍了现代信号处理的主要理论、具有代表性的方法以及一些典型应用,并保留了经典信号处理的部分内容。全书共9章,分为上、下两篇。上篇介绍线性、平稳信号处理,内容包括信号分析基础、现代谱分析法、自适应信号处理、高阶统计分析等。下篇介绍非线性、非平稳信号处理,内容包括独立分量分析、时频分析方法、小波分析、Hilbert-Huang变换、神经网络技术及应用等。

本书取材广泛,内容新颖,既阐述了现代信号处理的基础理论与概念,又反映了该学科的新进展。本书章节安排合理,论证清晰,每章都配有思考题,便于读者学习。本书可作为机械工程、电子、通信、自动化、计算机、物理、生物医学等学科相关教师、研究生的教材及参考用书,也可供工程技术人员自学或进修。

  • 绪论
  • 上篇 线性、平稳信号处理
    • 第1章 信号分析基础
      • 1.1 信号与系统
        • 1.1.1 信号与系统的定义
        • 1.1.2 信号的分类
        • 1.1.3 离散时间信号
      • 1.2 信号的时域和幅值域分析
        • 1.2.1 时域分析
        • 1.2.2 幅值域分析
      • 1.3 卷积与相关分析
      • 1.4 连续信号的频域分析
        • 1.4.1 周期信号的频谱
        • 1.4.2 非周期信号的频谱
      • 1.5 Z变换
        • 1.5.1 Z变换的定义
        • 1.5.2 Z变换的收敛域
        • 1.5.3 Z变换的性质
        • 1.5.4 逆Z变换
      • 1.6 数据采集原理
      • 1.7 离散傅里叶变换及快速傅里叶变换
        • 1.7.1 离散傅里叶变换
        • 1.7.2 快速傅里叶变换
      • 1.8 数字滤波器结构
        • 1.8.1 滤波器及其表示方法
        • 1.8.2 IIR滤波器的基本结构
        • 1.8.3 FIR滤波器的基本结构
      • 1.9 IIR滤波器设计
      • 1.10 FIR滤波器设计
      • 1.11 数字信号处理中的常见问题
      • 思考题
      • 参考文献
    • 第2章 现代谱分析方法
      • 2.1 奇异值分解和总体最小二乘法
        • 2.1.1 奇异值分解方法
        • 2.1.2 总体最小二乘法
      • 2.2 ARMA谱估计方法
        • 2.2.1 平稳ARMA过程
        • 2.2.2 ARMA过程的功率谱密度
        • 2.2.3 ARMA功率谱估计的两种线性方法
        • 2.2.4 修正Yule-Walker方程
        • 2.2.5 AR定阶与参数估计
        • 2.2.6 MA阶数确定
        • 2.2.7 MA参数估计
        • 2.2.8 AR有色噪声情况下的ARMA谱估计
      • 2.3 最大熵谱估计方法
        • 2.3.1 熵的定义及性质
        • 2.3.2 Burg最大熵谱分析及其与AR、ARMA谱估计的关系
        • 2.3.3 MEM2
        • 2.3.4 Levinson递推
        • 2.3.5 Burg算法
      • 2.4 最大似然谱估计方法
        • 2.4.1 阵列信号处理基础
        • 2.4.2 最大似然谱估计
      • 2.5 其他现代谱估计方法
        • 2.5.1 信号子空间与噪声子空间
        • 2.5.2 子空间-MUSIC方法
        • 2.5.3 子空间-ESPRIT方法
      • 2.6 倒谱
      • 思考题
      • 参考文献
    • 第3章 自适应信号处理
      • 3.1 LMS自适应滤波器
        • 3.1.1 最陡下降算法
        • 3.1.2 LMS自适应滤波算法
      • 3.2 RLS自适应滤波器
        • 3.2.1 基本RLS算法
        • 3.2.2 RLS算法的性能
      • 3.3 自适应滤波器的格型算法
        • 3.3.1 梯度格型滤波器
        • 3.3.2 格型算法的性能
      • 3.4 快速横向滤波器
        • 3.4.1 线性向量空间
        • 3.4.2 最小二乘更新关系
        • 3.4.3 前、后向预测误差滤波器
        • 3.4.4 向量空间关系
        • 3.4.5 横向滤波器算子更新
        • 3.4.6 快速横向滤波器时间更新
      • 3.5 自适应IIR滤波
        • 3.5.1 自适应IIR滤波器的分类
        • 3.5.2 基于梯度的方法
      • 3.6 自适应谱线增强器
        • 3.6.1 时域FIR自适应谱线增强器
        • 3.6.2 基于IIR格型陷波器的自适应谱线增强器
      • 3.7 自适应滤波方法在工程信号处理中的应用
      • 思考题
      • 参考文献
    • 第4章 高阶统计分析
      • 4.1 基本概念
        • 4.1.1 高阶累量的定义
        • 4.1.2 高斯过程的高阶累量
        • 4.1.3 随机过程的高阶累量
        • 4.1.4 累量与矩的转换关系
        • 4.1.5 高阶累量的基本性质
      • 4.2 高阶累量谱
        • 4.2.1 高阶累量谱的定义
        • 4.2.2 双谱及其基本性质
        • 4.2.3 离散确定信号的高阶谱
      • 4.3 高阶谱估计
        • 4.3.1 高阶谱的非参量估计法
        • 4.3.2 高阶谱的参量估计法
      • 4.4 高阶统计量与线性系统辨识
        • 4.4.1 基于自相关函数的线性系统辨识模型的多重性问题
        • 4.4.2 MA系统参数辨识
        • 4.4.3 MA系统阶数确定
        • 4.4.4 AR系统参数辨识
        • 4.4.5 AR系统阶数确定
        • 4.4.6 ARMA系统参数辨识
      • 4.5 基于高阶谱的信号重构
        • 4.5.1 信号频谱与高阶谱的关系
        • 4.5.2 基于双谱的信号重构
        • 4.5.3 基于倒谱的信号重构
      • 4.6 Wigner高阶谱
        • 4.6.1 Wigner高阶谱的定义
        • 4.6.2 随机过程的Wigner高阶谱
        • 4.6.3 Wigner双谱和三谱
      • 4.7 高阶谱在工程信号处理中的应用
        • 4.7.1 谐波恢复
        • 4.7.2 时延估计
        • 4.7.3 盲均衡
      • 思考题
      • 参考文献
  • 下篇 非线性、非平稳信号处理
    • 第5章 独立分量分析
      • 5.1 概述
        • 5.1.1 独立分量分析的概念
        • 5.1.2 独立分量分析与其他统计方法的比较
      • 5.2 独立分量分析的数学模型
        • 5.2.1 数学模型
        • 5.2.2 预处理
      • 5.3 独立分量分析的判据
        • 5.3.1 非高斯性的最大化
        • 5.3.2 互信息
        • 5.3.3 信息极大化判据
        • 5.3.4 极大似然判据
      • 5.4 独立分量分析的优化算法
        • 5.4.1 批处理算法
        • 5.4.2 结合神经网络的自适应算法
      • 5.5 独立分量分析的实现
        • 5.5.1 FastICA方法
        • 5.5.2 互信息算法
        • 5.5.3 JADE算法
      • 5.6 独立分量分析的应用
      • 思考题
      • 参考文献
    • 第6章 时频分析方法
      • 6.1 基本概念
        • 6.1.1 从傅里叶变换到时频分析
        • 6.1.2 信号的时宽与带宽
        • 6.1.3 解析信号与正交模型信号
        • 6.1.4 瞬时频率与群延迟
        • 6.1.5 不确定原理
      • 6.2 时频分布的一般理论
        • 6.2.1 时频分布的定义
        • 6.2.2 特征函数
        • 6.2.3 模糊函数
        • 6.2.4 时频分布的基本性质要求
      • 6.3 短时傅里叶变换
        • 6.3.1 连续短时傅里叶变换
        • 6.3.2 离散短时傅里叶变换
      • 6.4 Gabor展开
        • 6.4.1 连续Gabor展开
        • 6.4.2 离散Gabor展开
      • 6.5 Wigner-Ville分布
        • 6.5.1 连续Wigner-Ville分布
        • 6.5.2 离散Wigner-Ville分布
      • 6.6 Radon-Wigner变换
        • 6.6.1 Radon-Wigner变换的定义
        • 6.6.2 Radon-Wigner变换的性质
        • 6.6.3 Radon-Wigner的计算
      • 6.7 Cohen类时频分布
        • 6.7.1 定义
        • 6.7.2 Cohen类时频分布对核函数的要求
        • 6.7.3 Cohen类时频分布的四种等价形式
      • 6.8 时频分布的性能评价与改进
        • 6.8.1 时频聚集性
        • 6.8.2 交叉项抑制
        • 6.8.3 其他典型的时频分布
        • 6.8.4 核函数的设计
      • 6.9 时频分布的应用
        • 6.9.1 瞬时频率估计
        • 6.9.2 信号检测与分类
        • 6.9.3 基于Gabor变换的时频滤波及阶比分量提取
      • 思考题
      • 参考文献
    • 第7章 小波分析
      • 7.1 预备知识
        • 7.1.1 空间
        • 7.1.2 Hilbert空间上有界线性算子
        • 7.1.3 基、正交集与双正交基
      • 7.2 连续小波变换
        • 7.2.1 小波分析的基本思想
        • 7.2.2 连续小波变换的定义
        • 7.2.3 连续小波变换的性质
        • 7.2.4 与FT、STFT的比较
        • 7.2.5 小波逆变换及母小波应满足的基本条件
        • 7.2.6 重建核与重建核方程
        • 7.2.7 连续小波变换的数值算法
      • 7.3 离散化的小波变换及其理论框架
        • 7.3.1 二进小波变换
        • 7.3.2 离散栅格上的小波变换
        • 7.3.3 框架理论
        • 7.3.4 小波框架
        • 7.3.5 小波级数
      • 7.4 多分辨分析与离散正交小波变换
        • 7.4.1 多分辨分析理论
        • 7.4.2 尺度函数和小波函数的性质
        • 7.4.3 正交小波构造实例
        • 7.4.4 Mallat算法
        • 7.4.5 Mallat算法实现中的一些问题
        • 7.4.6 小波变换小结
      • 7.5 多采样滤波器组与小波变换
        • 7.5.1 多采样率信号处理的基础知识
        • 7.5.2 双通道多采样率滤波器组的理想重建条件
        • 7.5.3 正交镜像滤波器组
        • 7.5.4 共轭正交滤波器组
        • 7.5.5 正交滤波器组的设计
        • 7.5.6 双正交滤波器组与双正交小波
        • 7.5.7 常用小波的分类
      • 7.6 小波包理论
        • 7.6.1 小波包的定义及主要性质
        • 7.6.2 小波包的分解与重构
        • 7.6.3 最佳小波包分解
      • 7.7 二维小波分析
        • 7.7.1 二维连续与离散小波变换
        • 7.7.2 二维多分辨分析
        • 7.7.3 二维Mallat算法
      • 7.8 二代小波变换———提升小波变换
        • 7.8.1 基本原理
        • 7.8.2 提升实例
        • 7.8.3 快速算法
        • 7.8.4 整型小波变换
      • 7.9 小波分析在工程信号处理中的应用
      • 思考题
      • 参考文献
    • 第8章 Hilbert-Huang变换
      • 8.1 引言
      • 8.2 IMF概念的提出
        • 8.2.1 瞬时频率
        • 8.2.2 特征时间尺度
      • 8.3 EMD方法———筛法过程
      • 8.4 Hilbert谱和边际谱
      • 8.5 HHT中的曲线拟合问题
      • 8.6 HHT中的端点处理
      • 8.7 HHT在机械故障特征提取中的应用
      • 8.8 HHT在电力系统信号分析中的应用
      • 思考题
      • 参考文献
    • 第9章 神经网络技术及其在工程信号处理中的应用
      • 9.1 神经网络基础
        • 9.1.1 神经元模型
        • 9.1.2 神经网络的拓扑结构
        • 9.1.3 神经网络的学习规则
      • 9.2 典型结构的神经网络
        • 9.2.1 反向传播(BP)网络
        • 9.2.2 径向基函数(RBF)网络
        • 9.2.3 Hopfield网络
        • 9.2.4 自组织特征映射网络
        • 9.2.5 递归神经网络
      • 9.3 改进型BP算法
        • 9.3.1 BP算法的主要问题
        • 9.3.2 增加惯性
        • 9.3.3 修正BP算法(MBP算法)
        • 9.3.4 随机优化(RO)算法
        • 9.3.5 修正BP算法与随机优化算法的混合
        • 9.3.6 单纯形与BP算法的结合
      • 9.4 集成BP算法和多重结构神经网络(MNN)
        • 9.4.1 集成BP算法
        • 9.4.2 基于层次分类诊断模型的多重结构神经网络(MNN)
      • 9.5 神经网络技术在工程信号处理中的应用
        • 9.5.1 一种非线性动态系统的故障检测与分类方法
        • 9.5.2 神经网络方法用于盲信号处理
      • 思考题
      • 参考文献
  • 附录
    • 附录A 概率论与随机过程
    • 附录B 参数估计理论
    • 附录C 统计性能分析
    • 参考文献

相关图书