随机信号分析及应用
￥ 8.84 3.5折 ￥ 25 九五品
仅1件
作者潘建寿 等 著
出版社清华大学出版社
ISBN9787302243533
出版时间2011-03
版次1
装帧平装
开本16开
纸张胶版纸
页数207页
字数99999千字
定价25元
上书时间2024-07-01
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:随机信号分析及应用
定价：25.00元
作者:潘建寿 等 著
出版社：清华大学出版社
出版日期：2011-03-01
ISBN：9787302243533
字数：345000
页码：207
版次：1
装帧：平装
开本：16开
商品重量：
编辑推荐
《随机信号分析及应用》是高等院校信息与通信工程系列教材之一。
内容提要
《高等院校信息与通信工程系列教材：随机信号分析及应用》共分6章，每章配有适量习题。章介绍学习随机过程的知识；第2章在讨论随机过程的概念和性质的基础上，介绍了几种常用的随机过程；第3章和第4章沿着理论、方法、应用的主线索，分别讨论了乎稳随机过程的相关分析、功率谱和随机信号统计特性的实验分析（包括参数估计、谱估计、分布函数估计、随机过程的模型及随机过程的模拟等）；第5章讨论了随机信号通过系统（包括通过线性系统、带通系统和非线性系统）的分析；第6章介绍了随机过程的理论和方法在信号处理中的相关应用。 《高等院校信息与通信工程系列教材：随机信号分析及应用》可成为普通高校电子信息类、通信类、电子类等专业的本科生教材，并可供相关专业的研究生及工程技术人员参考。
目录
章 随机过程基础1.1 概率论中的几个概念与公式1.1.1 概率的概念1.1.2 几个重要的概率公式1.1.3 事件独立、互斥与统计独立1.2 随机变量1.2.1 随机变量的概念1.2.2 随机变量的概率函数1.2.3 条件分布与独立性1.2.4 几个重要的概率分布1.2.5 随机变量的函数及其分布1.3 随机变量？数字特征1.3.1 数学期望1.3.2 方差1.3.3 数学期望和方差的几个常用性质1.3.4 相关系数与协方差1.3.5 统计独立、不相关与正交的概念1.3.6 矩与数字特征1.4 特征函数及其与矩的关系1.4.1 特征函数的定义及性质1.4.2 特征函数与矩的关系1.4.3 多维随机变量的特征函数与联合矩1.4.4 举例1.5 极限定理1.5.1 随机变量序列的收敛性1.5.2 大数定律1.5.3 中心？限定理1.6 希尔伯特变换1.6.1 希尔伯特变换的定义及物理意义1.6.2 希尔伯特变换的性质习题第2章 随机过程2.1 随机过程的基本概念及定义2.2 随机过程的统计描述2.2.1 随机过程的概率分布2.2.2 随机过程的数字特征——时间t的确知函数2.2.3 随机过程的特征函数2.3 乎稳随机过程2.3.1 平稳随机过程的概念及数字特征2.3.2 遍历性过程2.4 几种常用的随机过程2.4.1 独立随机过程与白噪声2.4.2 白噪声过程2.4.3 正态随机过程2.4.4 马尔可夫过程2.4.5 独立增量过程习题第3章 平稳随机过程的相关分析与谱分析3.1 平稳过程的相关函数及其性质3.1.1 自相关函数、自协方差函数及其性质3.1.2 互相关函数、互协方差函数及其性质3.1.3 相关系数和相关时间3.1.4 时间自相关函数3.2 平稳随机过程的功率谱密度及其性质3.2.1 功率谱密度的概念和定义3.2.2 功率谱密度的性质3.2.3 互功率谱密度3.3 相关函数与功率谱密度的关系3.3.1 维纳一辛钦定理3.3.2 关于维纳一辛钦定理的再讨论3.3.3 互相关函数与互功率谱密度3.4 平稳随机过程的采样3.4.1 平稳随机过程的采样定理3.4.2 采样过程的功率谱密度习题第4章 随机信号统计特性的统计实验分析4.1 引言……第5章 随机信号通过系统的分析第6章 随机过程的理论和方法在信号处理中的应用参考文献
作者介绍
在日常生活中，人们能够区别周围不同的物体，是因为这些物体具有不同的特征，而识别过程则是将这些特征与称为模式的东西进行匹配。一般而言，模式所指的不是事物本身，而是我们从事物获得的信息（在模式识别领域，称这些信息为特征）。我们可以利用这些信息来识别和区分物体，并将这类工作称为模式识别。推而广之，称为模式的信息不仅是可视觉观察的，比如物体的形状、颜色、大小、高低等；而且是可听知的，如鸟叫和人语、玻璃破碎声与金属撞击声等；也可以是闻知的，如煤气泄漏气味和汽油泄漏气味；还可以是触觉感知的，如中医师的把脉；甚至是可以推理而知的，当然更可以是如上所述内容的混合体，典型的如中医师就是通过摸、查、听、看、闻等手段推知病人的身体健康状况的；还有更为复杂和抽象的模式信息，这些信息通常表现为对原始信息经过变换、处理后的数据，如医生可以根据各项化验指标判断疾病的种类等。 在用计算机进行模式识别时，从事物中获得的信息表现为某种形式组织的数据。利用这些原始的数据“直接”进行模式识别往往不是很有效的，因此需要对原始数据进行处理或变换，以期得到能反映识别本质的特征。通常的模式识别，是在特征空间上进行的。值得指出的是，基于不同目的的识别应用，特征的选择不是的，特征的选取方法也是多种多样的。 从数学上看，模式识别包含有由特征和属性所描述的对象的数学模型，因此，它本质上是用数学解决实际问题。有多种进行模式识别的方法，如数据聚类、统计分类、神经网络、支持向量机等。本节讨论的随机信号分析的理论和方法在模式识别中的应用，主要涉及统计模式识别的方法。 ……
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价