压缩感知与稀疏滤波 大中专理科机械 (英)艾薇莎·卡米,(英)柳德米拉,(英)西蒙·古德维尔 新华正版
￥ 42.19 5.4折 ￥ 78 全新
库存26件
江苏无锡
认证卖家担保交易快速发货售后保障
作者(英)艾薇莎·卡米,(英)柳德米拉,(英)西蒙·古德维尔
出版社哈尔滨工业大学出版社
ISBN9787560386270
出版时间2022-03
版次1
装帧平装
开本16
页数496页
字数575千字
定价78元
货号xhwx_1202661388
上书时间2024-04-22
- 最新上架
商品详情
- 品相描述：全新
- 正版特价新书
- 商品描述
-
目录：
章 压缩感知与稀疏滤波简介
1.1 什么是压缩感知
1.2 经典案例：shannon-nyquist采样
1.3 压缩感知的基本理论
1.4 稀疏滤波和动态压缩感知
1.5 压缩感知的应用
1.6 结论
本章参文献
第2章 压缩感知的几何结构
2.1 引言
2.2 几何信号模型
2.3 线采样算子质及其应用
2.4 凸松弛的几何意义
2.5 迭代投影算法的几何意义
2.6 非线观测模型的扩展
2.7 结论
本章参文献
第3章 指数族噪声下的稀疏信号恢复
3.1 引言
3.2 背景知识
3.3 主要结果
3.4 结论
本章参文献
第4章 核范数优化及其在观测模型设定中的应用
4.1 引言
4.2 背景
4.3 核范数优化方法
4.4 观测模型误设问题
4.5 数值例子
4.6 结论
本章参文献
第5章 非负张量分解
5.1 引言
5.2 符号表示和研究意义
5.3 新型张量模型
5.4 新型非负、约束、张量因子分解
5.5 结论
本章参文献
第6章 认知无线电网络中的奈奎斯特欠采样和压缩感知
6.1 认知无线电网络
6.2 传统的频谱感知算法
6.3 宽带频谱感知算法
6.4 宽带自适应压缩感知框架
附录
本章参文献
第7章 稀疏非线mimo滤波与识别
7.1 引言
7.2 系统模型
7.3 稀疏多变量滤波算法
7.4 有限字母输入激发的稀疏mimo系统的盲识别和半盲识别
7.5 结论
本章参文献
第8章 卡尔曼滑的优化观点及其在鲁棒和稀疏估计中的应用
8.1 引言
8.2 优化规划和rts优化滑
8.3 非线过程和测量模型
8.4 空间
8.5 鲁棒卡尔曼滑
8.6 稀疏卡尔曼滑
8.7 结论
本章参文献
第9章 压缩系统识别
9.1 引言
9.2 贡献
9.3 预备工作
9.4 问题描述
9.5 压缩感知的卡尔曼滤波方法
9.6 压缩感知的sigma点滤波
9.7 信息熵界
9.8 数值研究
9.9 结论
9.10 定理的证明
本章参文献
0章 基于选择gossip算法的分布式近似和跟踪
10.1 引言
10.2 gossip算法
10.3 gossip向量
10.4 选择gossip算法
10.5 基于选择gossip算法的分布式跟踪
10.6 结论
本章参文献
1章 稀疏信号序列的递归重构
11.1 引言
11.2 符号表示和稀疏恢复背景
11.3 问题定义与相关工作
11.4 基于部分支撑集知识的稀疏重构
11.5 基于部分支撑集和信号值知识的稀疏重构
11.6 理论结果
11.7 实验
11.8 结论
本章参文献
2章 传感器网络中时变稀疏信号的估计
12.1 引言
12.2 系统模型与问题陈述
12.3 算法
12.4 结果
12.5 结论
本章参文献
3章 稀疏与压缩感知在单／多基达成像中的应用
13.1 引言
13.2 压缩感知概述
13.3 多基地sar测量模型
13.4 稀疏技术与压缩感知在雷达成像中的近期新应用
13.5 压缩感知sar的采样结构
13.6 一种质量测量方法：t％一均互相干因子
13.7 实验分析
13.8 结论
本章参文献
4章 针对音频重构的结构化稀疏贝叶斯建模
14.1 引言
14.2 音频重构
14.3 gabor信号分解
14.4 贝叶斯信号模型
14.5 结构化稀疏
14.6 推论
14.7 结果
14.8 结论
本章参文献
5章 用于语音识别的稀疏表示
15.1 引言
15.2 稀疏优化
15.3 基于典型样本的言语分类方法中的稀疏与正则化分析
15.4 abcs方法分类
15.5 稀疏表示的一个凸包方法
15.6 稀疏表示特征
15.7 sr电话识别特征(spif)
15.8 语音识别任务中基于典型样本的后验概率增强方法
本章参文献
内容简介：
自然界中的许多信号在某些变换域内是稀疏的或称为可压缩的，因此压缩感知技术可以利用比传统测量方法少得多的观测值来实现这类信号的高精度重构，从而解决现代信号处理中欠采样、数据稀少或缺失时的信号恢复问题。本书从压缩感知基本理论人手，详细介绍了压缩感知理论在认知无线电、非线mimo系统识别、卡尔曼滤波和滑、有限通信资源传感器网络信号重构、雷达成像以及语音识别等不同领域的具体应用。本书的每章都形成一个完整的独立体系，方便读者快速掌握相关的信号处理方法。
本书面向对稀疏信号处理各个方面及应用感兴趣的研究人员、学者和实践者，同时可以作为计算机科学、信息与通信工程等专业的教材。
— 没有更多了 —
以下为对购买帮助不大的评价