数字信号处理C语言程序集PDF电子书下载

第一篇 常用数字信号的产生 1

第一章 数字信号的产生 1

1.1 均匀分布的随机数 1

1.2 正态分布的随机数 3

1.3 指数分布的随机数 5

1.4 拉普拉斯（Laplace）分布的随机数 7

1.5 瑞利（Rayleigh）分布的随机数 9

1.6 对数正态分布的随机数 11

1.7 柯西（Cauchy）分布的随机数 13

1.8 韦伯（Weibull）分布的随机数 15

1.9 爱尔朗（Erlang）分布的随机数 17

1.1 0贝努里（Bernoulli）分布的随机数 19

1.1 1贝努里-高斯分布的随机数 21

1.1 2二项式分布的随机数 23

1.1 3泊松（Poisson）分布的随机数 25

1.1 4ARMA（p，q）模型数据的产生 27

1.1 5含有高斯白噪声的正弦组合信号的产生 30

1.1 6解析信号的产生 35

第二篇 数字信号处理 39

第一章 快速傅立叶变换 39

1.1 离散傅立叶变换 39

1.2 快速傅立叶变换 44

1.3 基4快速傅立叶变换 51

1.4 分裂基快速傅立叶变换 57

1.5 实序列快速傅立叶变换（一） 61

1.6 实序列快速傅立叶变换（二） 66

1.7 用一个N点复序列的FFT同时计算两个N点实序列离散傅立叶变换 70

1.8 共轭对称序列的快速傅立叶反变换 73

1.9 素因子快速傅立叶变换 80

1.1 0ChirpZ-变换算法 96

第二章 快速离散正交变换 102

2.1 快速哈特莱（Hartley）变换 102

2.2 基4快速哈特莱（Hartley）变换 106

2.3 分裂基快速哈特莱（Hartley）变换 110

2.4 快速离散余弦变换 115

2.5 快速离散余弦反变换 118

2.6 N=8点快速离散余弦变换 121

2.7 N=8点快速离散余弦反变换 125

2.8 快速离散正弦变换 129

2.9 快速沃尔什（Walsh）变换 133

2.1 0快速希尔伯特变换（一） 137

2.1 1快速希尔伯特变换（二） 141

第三章 快速卷积与相关 144

3.1 快速卷积 144

3.2 长序列的快速卷积 147

3.3 特别长序列的快速卷积 152

3.4 快速相关 158

第四章 数字滤波器的时域和频域响应 163

4.1 数字滤波器的频率响应 163

4.2 级联型数字滤波器的频率响应 166

4.3 数字滤波器的时域响应 171

4.4 直接型IIR数字滤波（一） 174

4.5 直接型IIR数字滤波（二） 177

4.6 级联型IIR数字滤波 181

4.7 并联型IIR数字滤波 185

5.1 巴特沃兹和切比雪夫数字滤波器的设计 189

第五章 IIR数字滤波器的设计 189

5.2 任意幅度IIR数字滤波器的优化设计 208

第六章 FIR数字滤波器的设计 227

6.1 窗函数方法 227

6.2 频域最小误差平方设计 238

6.3 切比雪夫逼近方法 242

第三篇 随机数字信号处理 264

第一章 经典谱估计 264

1.1 功率谱估计的周期图方法 264

1.2 功率谱估计的相关方法 271

第二章 现代谱估计 280

2.1 求解一般托布利兹方程组的莱文森算法 280

2.2 求解对称正定方程组的乔里斯基算法 283

2.3 求解尤利-沃克方程的莱文森-德宾算法 287

2.4 计算ARMA模型的功率谱密度 289

2.5 尤利-沃克谱估计算法 292

2.6 协方差谱估计算法 297

2.7 Burg谱估计算法 303

2.8 最大似然谱估计算法 308

第三章 时-频分析 314

3.1 维格纳（Wigner）分布 314

3.2 离散小波变换 318

第四章 随机信号的数字滤波 330

4.1 维纳（Wiener）数字滤波 330

4.2 卡尔曼（Kalman）数字滤波 335

4.3 最小均方（LMS）自适应数字滤波 341

4.4 归一化LMS自适应数字滤波 344

4.5 递推最小二乘（RLS）自适应数字滤波 348

1.1 图像读取、存储与显示 352

第四篇 数字图像处理 352

第一章 图像基本运算 352

1.2 图像旋转 366

1.3 图像灰度级直方图的计算 368

1.4 图像二值化的固定阀值法 371

1.5 图像二值化的自适应阀值法 372

第二章 图像增强 376

2.1 图像直方图均衡 376

2.2 中值滤波 378

2.3 图像锐化 382

2.4 图像平滑 383

第三章 图像边缘检测 386

3.1 Roberts算子边缘检测 386

3.2 拉普拉斯算子边缘检测 388

3.3 Sobel算子边缘检测 390

3.4 Robinson算子边缘检测 392

3.5 Kirsch算子边缘检测 394

3.6 Prewitt算子边缘检测 396

第四章 图像细化 399

4.1 Hilditch细化算法 399

4.2 Pavlidis细化算法 404

4.3 Rosenfeld细化算法 410

第五篇 人工神经网络 416

第一章 神经网络模型 416

1.1 多层感知器神经网络 416

1.2 离散Hopfield神经网络 425

1.3 连续Hopfield神经网络 434

1.4 Tank-Hopfield线性规划神经网络 437

参考文献 442