作 者:李國勇 定 價:49.8 齣 版 社:電子工業齣版社 齣版日期:2013年05月01日 頁 數:367 裝 幀:平裝 ISBN:9787121202841 ●●篇 神經網絡控製及其MATLAB實現
●第1章 神經網絡理論 (1)
●1.1 神經網絡的基本概念 (2)
●1.1.1 生物神經元的結構與功能特點 (2)
●1.1.2 人工神經元模型 (3)
●1.1.3 神經網絡的結構 (5)
●1.1.4 神經網絡的工作方式 (6)
●1.1.5 神經網絡的學習 (6)
●1.1.6 神經網絡的分類 (9)
●1.2 典型神經網絡的模型 (9)
●1.2.1 MP模型 (9)
●1.2.2 感知機 (11)
●1.2.3 自適應綫性神經網絡 (15)
●1.2.4 BP神經網絡 (17)
●1.2.5 徑嚮基神經網絡 (27)
●1.2.6 競爭學習神經網絡 (31)
●1.2.7 學習嚮量量化神經網絡 (40)
●1.2.8 Elman神經網絡 (41)
●1.2.9 Hopfield神經網絡 (42)
●部分目錄
內容簡介
本書係統地論述瞭神經網絡控製、模糊邏輯控製和模型預測控製的基本概念、工作原理、控製算法,以及利用MATLAB語言、MATLAB工具箱函數和Simulink對其實現的方法。書中取材優選實用,講解深入淺齣,各章均有相應的例題,並提供瞭大量用MATLAB/Simulink實現的仿真實例,便於讀者掌握和鞏固所學知識。
《精通信號處理:理論、算法與MATLAB實踐》(第二版) 內容簡介 本書深入淺齣地闡述瞭信號處理的核心理論,係統介紹瞭各類經典與現代的信號處理算法,並結閤MATLAB語言,提供瞭豐富的實例和詳盡的實現步驟,旨在幫助讀者建立紮實的信號處理知識體係,掌握實際應用能力。全書共分為四個部分,涵蓋瞭信號與係統的基礎、離散時間信號處理、傅裏葉變換及其應用,以及現代信號處理技術。 第一部分:信號與係統的基礎 本部分旨在為讀者搭建理解信號處理的基石。我們從信號的定義、分類及其基本性質入手,介紹連續時間信號和離散時間信號的數學錶示方法,如衝激信號、階躍信號、指數信號等。接著,我們將深入探討係統的概念,包括綫性時不變(LTI)係統、因果係統、穩定係統等關鍵特性。通過詳細講解捲積運算,揭示LTI係統在輸入信號作用下的輸齣特性。此外,本部分還將介紹信號的能量和功率概念,為後續信號分析打下基礎。通過直觀的圖示和嚴謹的數學推導,讀者能夠清晰地理解信號與係統之間的內在聯係。 第二部分:離散時間信號處理 本部分將重點聚焦於離散時間信號的處理,這是數字信號處理的核心。我們將首先介紹離散時間傅裏葉變換(DTFT),闡述其作為連續時間傅裏葉變換(CTFT)在離散時間信號上的類比,並探討其在頻域分析中的作用。在此基礎上,我們將引入離散傅裏葉變換(DFT),詳細介紹其計算方法(如FFT算法的原理和不同實現方式),以及它在實際信號分析中的重要應用,例如頻譜分析、濾波器設計等。 在濾波器設計方麵,本書將係統介紹無限脈衝響應(IIR)濾波器和有限脈衝響應(FIR)濾波器。對於IIR濾波器,我們將深入講解雙綫性變換法、脈衝不變法等經典設計方法,並討論其設計原則和性能權衡。對於FIR濾波器,我們將重點介紹窗函數法和頻率采樣法,分析不同窗函數對濾波器性能的影響,並介紹Parks-McClellan算法等最優設計方法。本書還將詳細闡述濾波器的分類,如低通、高通、帶通和帶阻濾波器,以及它們在信號去噪、信號分離等方麵的應用。 此外,本部分還將介紹抽樣定理,包括奈奎斯特抽樣準則和過采樣、欠采樣等概念,並討論采樣率選擇對信號信息損失的影響。還會涉及插值和抽取技術,解釋如何在不同采樣率的離散信號之間進行轉換,以及其在多速率信號處理中的應用。 第三部分:傅裏葉變換及其應用 本部分將圍繞傅裏葉變換這一強大的數學工具,深入探討其在信號分析和處理中的廣泛應用。除瞭在第二部分已經介紹的DTFT和DFT,這裏將進一步拓展。我們將詳細介紹傅裏葉級數(FS)和傅裏葉變換(FT)的理論基礎,包括周期信號和非周期信號的分解,以及它們在時域和頻域之間的轉換。 本部分將重點關注傅裏葉變換在頻譜分析中的應用,包括如何通過頻譜圖揭示信號的頻率成分、周期性以及能量分布。我們將分析不同信號的頻譜特性,例如正弦波、方波、方脈衝等。 此外,本書還將深入講解傅裏葉變換在捲積定理中的應用。捲積是描述LTI係統輸齣的重要數學運算,而在頻域中,捲積運算可以簡化為乘法運算,這極大地簡化瞭係統分析和濾波器設計。本書將通過大量實例展示如何利用傅裏葉變換來高效地計算捲積。 對於隨機信號的處理,本部分將引入功率譜密度(PSD)的概念,解釋如何通過功率譜密度來描述隨機信號的頻率成分的功率分布。我們將介紹如何利用DFT來估計信號的功率譜密度,並討論不同估計方法(如周期圖法、Welch法)的優缺點。 第四部分:現代信號處理技術 本部分將聚焦於一些現代的、更高級的信號處理技術,以滿足當前復雜應用的需求。 我們將介紹小波變換。小波變換相比於傅裏葉變換,具有時間和頻率局部化的能力,能夠更好地分析非平穩信號,即信號的頻率成分隨時間變化的信號。本書將介紹連續小波變換(CWT)和離散小波變換(DWT),包括不同的小波族(如Haar、Daubechies、Mexican Hat)及其特點。我們將詳細闡述小波分解和重構的過程,以及其在信號去噪、特徵提取、圖像壓縮等領域的應用。 接著,我們將探討自適應信號處理。自適應信號處理算法能夠根據輸入信號的統計特性自動調整其參數,以達到最佳的處理效果。本書將重點介紹LMS(Least Mean Squares)算法和RLS(Recursive Least Squares)算法。我們將詳細推導這些算法的原理,並分析其收斂速度和性能。自適應信號處理在噪聲抵消(ANC)、迴聲消除、信道均衡等領域具有廣泛應用,本書將通過實例進行說明。 此外,本部分還將簡要介紹盲信號分離(Blind Source Separation, BSS)的基本概念。盲信號分離的目標是在不知道原始信號及其混閤方式的情況下,將混閤後的信號分離成原始信號。我們將介紹獨立成分分析(ICA)等主要BSS技術的基本原理,並探討其在語音信號分離、醫學信號處理等方麵的潛在應用。 MATLAB實踐 貫穿全書的“MATLAB實踐”部分是本書的一大特色。針對每一個理論概念和算法,本書都提供瞭詳細的MATLAB實現代碼示例。這些示例程序從簡到繁,循序漸進,旨在幫助讀者將理論知識轉化為實際操作。每一個代碼示例都附有清晰的注釋,解釋瞭代碼的功能、關鍵函數的使用以及程序的運行邏輯。讀者可以通過運行這些代碼,觀察仿真結果,加深對信號處理原理的理解。 本書的MATLAB部分將充分利用MATLAB強大的信號處理工具箱(Signal Processing Toolbox)和科學計算能力。讀者將學習如何使用MATLAB進行信號的生成與分析、濾波器設計與仿真、頻譜分析、小波變換、自適應濾波器的實現等。此外,還將介紹如何利用MATLAB的可視化工具(如`plot`、`fft`、`spectrogram`等函數)來直觀地展示信號的時域、頻域特性以及處理結果。 本書特色 理論與實踐深度結閤: 既有嚴謹的數學推導和理論闡述,又有大量與理論相對應的MATLAB實現,讓讀者能夠學以緻用。 循序漸進的教學設計: 內容從基礎概念逐步深入到高級算法,適閤不同層次的讀者。 豐富的實例驅動: 大量實際應用場景的案例分析,幫助讀者理解信號處理在工程中的價值。 MATLAB工具箱的有效利用: 充分展示MATLAB在信號處理領域的強大功能,賦能讀者解決實際問題。 清晰易懂的語言風格: 采用簡潔明瞭的語言,配閤直觀的圖示,降低學習難度。 適用讀者 電子工程、通信工程、計算機科學、自動化、控製工程等相關專業的本科生和研究生。 從事信號處理、通信係統、圖像處理、模式識彆、數據分析等領域的研究人員和工程師。 希望係統學習信號處理理論並掌握MATLAB實踐技能的自學者。 本書緻力於成為讀者在信號處理領域學習和探索的寶貴資源,幫助讀者在理論理解和工程實踐上都取得顯著進步。
作為一個曾經在學術界摸爬滾打多年,如今又投身於工業界實踐的工程師,我深知理論知識的深度和實踐操作的重要性。很多時候,一本優秀的教材不僅僅是傳授知識,更重要的是引導讀者建立起解決問題的思維模式。我希望這本書能夠在這方麵做得齣色,它不僅僅會告訴你“是什麼”,更會告訴你“為什麼”以及“怎麼做”。尤其是在“MATLAB實現”這部分,我期待能夠看到清晰的代碼結構,有注釋的、可運行的示例,甚至是一些常用的工具箱函數的介紹。我希望通過這本書的學習,不僅能夠掌握神經模糊預測控製的核心算法,還能夠熟練運用MATLAB來完成相關的仿真和調試工作,從而能夠更自信地將這些先進技術應用到實際的工程項目中。這本書的第三版,讓我對它在內容上的更新和深化充滿瞭期待,相信它能夠提供更貼閤當下技術發展趨勢的內容。