第一章 MATLAB工具箱概论 1
1.1 MATLAB发展简介 1
1.2 工具箱简介 1
1.3 如何获取MATLAB的最新信息 5
第二章 控制系统工具箱 6
2.1 简介与安装 6
2.1.1 简介 6
2.1.2 安装 6
2.2 控制系统的数学描述 7
2.2.1 连续系统 7
2.2.2 离散系统 9
2.3 模型的转换与连接 10
2.3.1 模型转换 10
2.3.2 系统模型的连接 12
2.3.3 模型降阶与实现 15
2.3.4 模型属性函数 16
2.4 控制系统分析 17
2.4.1 时间响应 17
2.4.2 频率响应 19
2.4.3 根轨迹 21
2.4.4 极点配置 21
2.4.5 线性二次型调节器和估计器设计 22
2.5 控制系统响应及分析图形的绘制 24
2.6 设计实例 25
2.6.1 飞机航向阻尼器设计 26
2.6.2 硬盘读写头控制器设计 34
2.6.3 Kalman滤波器设计 41
2.7 计算结果的可靠性分析 48
第三章 信号处理工具箱 50
3.1 引言 50
3.2 用MATLAB进行信号处理的基本知识 50
3.2.1 信号处理工具箱的主要特征 50
3.2.2 信号表示方法 51
3.2.3 产生波形 51
3.2.4 周期波形 53
3.2.5 Sinc函数 54
3.2.6 Dirichlet函数 54
3.2.7 产生数据 55
3.3 滤波器的实现与分析 55
3.3.1 卷积与滤波 55
3.3.2 滤波器与传递函数 56
3.3.3 用filter函数进行滤波 56
3.3.4 脉冲响应 57
3.3.5 滤波器的执行与初始条件 57
3.3.6 其它的一些滤波函数 58
3.3.7 频率响应 59
3.3.8 零极点分析 62
3.4 线性系统模型 62
3.4.1 离散系统模型 63
3.4.2 连续系统模型 67
3.4.3 线性系统转换 68
3.5 滤波器设计 68
3.5.1 滤波器性能说明 68
3.5.2 IIR滤波器设计 69
3.5.3 FIR滤波器设计 73
3.6 信号变换 80
3.6.1 离散傅立叶变换 80
3.6.2 chirp z变换 81
3.6.3 离散因果变换 82
3.6.4 Hilbert变换 83
3.7 统计信号处理 83
3.7.1 互相关和协方差 84
3.7.2 偏差和标准化 84
3.7.3 多通道 85
3.7.4 谱密度 85
3.7.5 wclch方法 85
3.7.6 功率谱密度函数 88
3.7.7 Parseval定理 89
3.7.8 互谱密度函数 89
3.7.9 置信区间 89
3.7.10 传递函数估计 90
3.7.11 用于函数 90
3.8 窗函数 91
3.8.1 基本窗 91
3.8.2 升余弦窗 92
3.8.3 凯瑟窗 92
3.8.4 FIR设计中的凯瑟窗 93
3.8.5 切比雪夫窗 94
3.9 参数化模型 95
3.9.1 时域模型 95
3.9.2 频域模型 98
第四章 优化工具箱简介 100
4.1 优化工具箱概述 100
4.1.1 简介 100
4.1.2 安装 101
4.1.3 举例 101
4.1.4 缺省参数设置 106
4.1.5 表达式优化 107
4.1.6 常见问题及推荐的解决办法 107
4.2 算法介绍 108
4.2.1 参数优化问题 108
4.2.2 无限定条件优化 109
4.2.3 拟牛顿法实现 110
4.2.4 最小二乘优化 111
4.2.5 非线性最小二乘实现 112
4.2.6 限定条件下的优化 113
4.2.7 SQP实现 114
4.3 实例 115
4.3.1 工具箱的使用举例 115
4.3.2 Banana函数最小化示例程序 121
第五章 神经网络工具箱 124
5.1 视经网络工具箱简介 124
5.1.1 神经网络简述 124
5.1.2 神经网络工具箱概述 124
5.2 感知器 125
5.2.1 重要的感知器神经网络函数 125
5.2.2 感知器神经元模型 125
5.2.3 感知器神经网络详解 126
5.3 线性神经网络 140
5.3.1 重要的线性神经网络函数 140
5.3.2 线性神经元模型 140
5.3.3 线性神经网络详解 141
5.3.4 自适应网络 143
5.3.5 线性神经网络的设计实例 143
5.4 BP网络 149
5.4.1 重要的BP网络函数 149
5.4.2 BP神经元模型 149
5.4.3 BP神经网络详解 150
5.4.4 BP算法的改进及其设计实例 156
5.5 径向基函数网络 165
5.5.1 重要的径向基函数网络函数 165
5.5.2 径向基函数神经元模型 165
5.5.3 径向基函数网络的网络结构 166
5.5.4 径向基函数网络的设计及实例 166
5.6 关联学习算法 169
5.6.1 重要的关联学习算法函数 169
5.6.2 Hebb学习规则 169
5.6.3 Hebb学习规则设计实例 170
5.6.4 Instar学习规则设计实例 172
5.6.5 Kohonen学习规则设计实例 174
5.6.6 Outstar学习规则设计实例 175
5.7 自组织网络 176
5.7.1 自组织特征映射模型简介 176
5.7.2 重要的自组织网络 176
5.7.3 自组织网络详解 177
5.7.4 竞争学习网络设计实例 178
5.7.5 自组织特征映射 180
5.7.6 自组织特征映射设计实例 181
5.8 学习向量量化 182
5.8.1 重要的LVQ函数 183
5.8.2 LVQ神经网络的网络结构 183
5.9 回归网络 184
5.9.1 重要的回归网络函数 185
5.9.2 回归神经网络的网络结构 185
5.9.3 Elman网络的初始化 185
5.9.4 Elman网络的训练 186
5.9.5 Hopfield网络 186
5.10 神经网络的应用实例 189
5.10.1 利用线性网络进行线性预测 189
5.10.2 利用线性网络进行自适应预测 192
5.10.3 线性系统辨识 195
5.10.4 自适应系统辨识 198
5.10.5 非线性系统辨识 201
5.10.6 非线性系统的反馈线性化 202
5.10.7 特征识别 205
5.11 神经网络库函数详解 209
第六章 模糊推理系统工具箱 258
6.1 模糊推理系统工具箱简介 258
6.1.1 模糊集合理论简述 258
6.1.2 模糊推理系统工具箱的内容 259
6.2 模糊推理系统工具箱使用入门 259
6.3 模糊推理系统工具箱函数详解 260