高級信號處理原理及套用

內容簡介

《高級信號處理原理及套用》是信號處理的高級教程，詳細介紹了信號處理的若干高級專題的基本理論，並提供了豐富的套用實例。全書共分10章，包括貝葉斯推理、隱馬爾可夫模型、維納濾波器、自適應濾波器、功率譜分析、主成分分析、獨立成分分析、小波變換、Hilbert－Huang變換、盲解卷積和信道均衡。

柏正堯主編的《高級信號處理原理及套用》適合於信號與信息處理、通信與信息系統、電路與系統、控制科學與工程、模式識別與智慧型系統、生物醫學工程等專業的碩士研究生和博士研究生閱讀，也可供相關領域的教師和廣大科技工作者參考。

圖書目錄

第1章貝葉斯推理

1.1貝葉斯估計理論

1.1.1貝葉斯定理

1.1.2貝葉斯推理的定義

1.1.3動態機率模型估計方法

1.1.4估計的性能指標

1.2貝葉斯估計

1.2.1最大後驗估計

1.2.2最大似然估計

1.2.3最小均方誤差估計

1.2.4最小平均絕對值誤差估計

1.2.5先驗機率密度對估計偏差和方差的影響

1.3最大期望算法

1.3.1似然函式的最大期望

1.3.2最大期望算法的推導及收斂性

1.4最小估計方差的Cramer—Rao界

1.4.1隨機參數的Cramer—Rao界

1.4.2參數向量的Cramer—Rao約束

1.5高斯混合模型

1.6貝葉斯分類

1.6.1二元分類

1.6.2分類誤差

1.6.3離散值參數的貝葉斯分類器

1.6.4有限狀態過程的貝葉斯分類

1.7隨機過程空間建模

1.7.1隨機過程的向量量化

1.7.2使用集簇高斯模型的向量量化

1.7.3向量量化器設計——K均值聚類

第2章隱馬爾可夫模型

2.1非平穩過程的統計模型

2.2HMM概述

2.2.1HMM與貝葉斯模型

2.2.2HMM的參數

2.2.3狀態觀測機率模型

2.2.4狀態轉移機率

2.2.5狀態時間格線圖

2.3HMM訓練

2.3.1前向—後向機率計算

2.3.2Baum—Welch模型再估計

2.3.3離散密度HMM訓練

2.3.4連續密度HMM

2.3.5高斯混合機率密度HMM

2.4用HMM進行信號解碼

2.4.1語音識別套用

2.4.2維特比算法

2.5噪聲的HMM

2.5.1噪聲信號的估計

2.5.2信號與噪聲模型的組合與分解

高級信號處理原理及套用

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條