第1章 扩频通信系统的算法分析与实现 1
1.1 扩频通信系统的仿真 1
1.2 伪随机码的产生 1
1.2.1 M序列 2
1.2.2 伪随机数序列相关函数 3
1.2.3 Gold序列 6
1.3 直接序列扩频系统 7
1.4 利用MATLAB仿真演示直扩信号抑制余弦干扰 8
1.5 跳频扩频系统 10
1.6 BFSK/FH系统性能仿真 11
第2章 图像的复原算法分析与实现 15
2.1 图像复原概述 15
2.2 图像的噪声 16
2.3 图像复原方法 19
2.3.1 复原的模型 20
2.3.2 无约束复原法 20
2.3.3 有约束复原法 21
2.3.4 复原法的评估 21
2.4 MATLAB图像的复原方法 21
2.4.1 逆滤波复原法 21
2.4.2 维纳滤波复原法 23
第3章 通信系统设计的MATLAB实现 26
3.1 设计通信系统的发射机 26
3.1.1 利用直接序列扩频技术设计发射机 26
3.1.2 利用IS-95前向链路技术设计发射机 27
3.1.3 利用OFDM技术设计发射机 30
3.2 设计通信系统的接收机 32
3.2.1 利用直接序列扩频技术设计接收机 32
3.2.2 利用IS-95前向链路技术设计接收机 33
3.2.3 利用OFDM技术设计接收机 33
3.3 通信系统的MATLAB实现 34
第4章 模拟滤波器算法分析与设计 43
4.1 模拟滤波器离散化分析 43
4.1.1 冲激响应不变法分析 43
4.1.2 双线性变换法分析 44
4.2 模拟滤波器的最小阶数选择 46
4.2.1 Butterworth模拟滤波器阶数选择函数 46
4.2.2 Chebyshev Ⅰ型模拟滤波器阶数选择函数 47
4.2.3 Chebyshev Ⅱ型模拟滤波器阶数选择函数 47
4.3 模拟滤波器的性能测试 49
4.4 模拟滤波器的设计 52
4.4.1 模拟滤波器设计步骤 52
4.4.2 模拟滤波器设计函数 54
第5章 神经网络模糊控制设计与应用 62
5.1 神经网络模糊控制器的结构 62
5.2 神经网络的特征 63
5.3 神经网络模糊控制器的应用 65
5.3.1 控制器 66
5.3.2 控制器自校正 66
5.4 神经模糊控制应用于洗衣机中 67
5.4.1 洗衣机的模糊控制 68
5.4.2 洗衣机的神经网络模糊控制器的设计 69
第6章 故障信号检测分析与实现 73
6.1 故障信号检测的理论分析 73
6.2 实验结果与分析 75
6.2.1 利用小波分析检测传感器故障 75
6.2.2 小波类型的选择对检测突变信号的影响 78
6.3 小波类型选择 82
第7章 现代控制系统算法分析与实现 83
7.1 可控性分析 83
7.1.1 连续系统的完全可控性 83
7.1.2 离散系统的可控性 84
7.1.3 连续系统的状态完全可控标准形式 85
7.1.4 连续系统的输出可控性 87
7.2 可观测性分析 89
7.2.1 线性离散系统的完全可观测性 89
7.2.2 连续系统的完全可观测性 90
7.2.3 连续系统的完全可观测标准形 92
7.3 系统的极点配置 94
7.3.1 极点配置的MATLAB函数 94
7.3.2 极点配置示例分析 94
7.4 系统状态观测器设计 97
7.4.1 状态观测器的MATLAB函数 97
7.4.2 状态观测器设计示例 97
第8章 数字图像的运算分析与实现 100
8.1 图像的点运算 100
8.1.1 线性点运算 100
8.1.2 分段线性点运算 102
8.1.3 非线性变换 103
8.1.4 直方图修正 104
8.2 图像的代数运算 108
8.2.1 图像加法运算 108
8.2.2 图像减法运算 111
8.2.3 图像乘法运算 113
8.2.4 图像除法运算 114
第9章 离散时间信号算法分析与实现 116
9.1 离散时间信号在MATLAB中的运算 116
9.1.1 离散时间信号的基本运算 116
9.1.2 离散时间系统的响应 117
9.1.3 离散时间系统的单位取样响应 118
9.1.4 离散时间信号的卷积和运算 121
9.2 信号抽样及抽样定理 123
9.2.1 信号抽样分析 123
9.2.2 抽样定理分析 125
9.2.3 信号重建分析 126
第10章 自组织神经网络的函数实现 130
10.1 创建函数 130
10.2 学习函数 133
10.3 竞争传递函数 138
10.4 初始化函数 139
10.5 距离函数 139
10.6 训练竞争层函数 142
10.7 绘图函数 142
10.8 结构函数 143
第11章 通信系统滤波器设计与实现 145
11.1 模拟滤波器MATLAB函数 145
11.1.1 设计模拟滤波器 145
11.1.2 切比雪夫Ⅱ型滤波器 147
11.1.3 椭圆滤波器 149
11.1.4 Bessel滤波器 150
11.1.5 求模拟滤波器的最小阶 151
11.1.6 滤波器的传递函数 154
11.2 数字滤波器MATLAB函数 159
11.2.1 窗函数 160
11.2.2 数字滤波器频率响应函数 162
11.3 特殊滤波器MATLAB函数 169
11.3.1 rcosfir函数 170
11.3.2 rcosiir函数 170
第12章 控制系统根轨迹校正分析与实现 172
12.1 控制系统性能指标 172
12.1.1 性能指标的分类 172
12.1.2 二阶系统频域指标与时域指标的关系 172
12.2 校正基本概念 173
12.2.1 校正的概念 173
12.2.2 校正的方式 173
12.3 根轨迹校正法 175
12.3.1 根轨迹校正法串联超前校正 175
12.3.2 根轨迹的串联滞后校正 178
12.3.3 根轨迹的串联超前滞后校正 182
第13章 图像的几何运算分析与实现 186
13.1 齐次坐标 186
13.2 灰度插值 187
13.2.1 最近邻插值 187
13.2.2 双线性插值 188
13.2.3 双三次插值 189
13.2.4 MATLAB实现 189
13.3 图像平移 190
13.4 图像旋转 193
13.5 图像比例缩放 195
第14章 IIR滤波器设计与实现 200
14.1 从模拟滤波器设计IIR滤波器 200
14.1.1 冲激响应不变法 200
14.1.2 双线性变换法 203
14.2 IIR滤波器的设计方法 206
14.2.1 经典设计法 206
14.2.2 直接设计法 209
14.3 高通滤波器的设计 212
14.3.1 模拟低通-数字高通变换 212
14.3.2 数字低通-数字高通变换 214
第15章 自组织特征映射网络算法分析与应用 215
15.1 自组织特征映射网络模型 215
15.2 自组织特征映射网络结构 217
15.3 自组织特征映射网络设计 217
15.3.1 SOFM的构建 217
15.3.2 SOFM的训练 218
15.4 自组织特征映射网络应用 220
15.4.1 自组织特征映射网络在识别分类中的应用 220
154.2 SOFM在人口分类中的应用 222
第16章 模型预测控制设计与实现 226
16.1 系统辨识 226
16.2 广义预测控制 227
16.2.1 j步最优预测 227
16.2.2 C（z 1）=1时的广义预测控制 228
16.3 MATLAB实现 228
16.3.1 对象参数己知时（GPC算法） 228
16.3.2 对象参数未知时（GPC自适应算法） 231
16.3.3 C（z 1）≠1时的广义预测控制 234
第17章 通信系统模拟线性调制算法分析与实现 241
17.1 双边带调幅与解调 241
17.1.1 双边带调幅 241
17.1.2 双边带解调 244
17.2 常规双边带调幅 246
17.3 抑制载波双边带调幅 247
17.4 单边带调幅与解调 250
17.4.1 希尔伯特变换 250
17.4.2 单边带调幅 251
17.4.3 单边带解调 253
第18章 控制系统频域校正分析与实现 257
18.1 频域响应校正法 257
18.2 频域法的串联超前校正 257
18.2.1 相位超前校正装置 257
18.2.2 超前校正设计方法 258
18.3 频域法的串联滞后校正 261
18.3.1 相位滞后校正装置 261
18.3.2 Bode图滞后校正设计方法 261
18.4 频域串联滞后超前校正 265
18.4.1 滞后超前校正装置 265
18.4.2 Bode图滞后超前校正设计方法 266
18.5 反馈校正 270
第19章 图像的编码算法分析与实现 276
19.1 图像压缩编码基础 276
19.1.1 图像压缩编码的必要性 276
19.1.2 图像压缩编码的可能性 276
19.1.3 图像压缩编码的性能指标 277
19.1.4 保真度准则的评价 279
19.1.5 压缩编码的分类 280
19.2 熵编码 281
19.2.1 哈夫曼编码 281
19.2.2 香农编码 288
19.2.3 算术编码 290
第20章 信号变换算法分析与实现 294
20.1 快速傅里叶变换 294
20.1.1 快速傅里叶变换的性质 294
20.1.2 快速傅里叶变换及其应用 303
20.1.3 运用快速傅里叶变换进行简单滤波 307
20.2 离散余弦变换 309
20.3 Chirp Z变换 311
20.4 离散希尔伯特变换 313
第21章 神经网络的最小方差自校正控制 316
21.1 神经网络控制结构 316
21.1.1 神经网络监督控制 316
21.1.2 神经网络预测控制 317
21.1.3 神经网络自适应评判控制 318
21.2 最小方差自校正控制 319
21.2.1 最小方差控制 319
21.2.2 最小方差间接自校正控制 323
21.2.3 最小方差直接自校正控制 326
第22章 BAM与BSB网络算法分析与实现 330
22.1 双向联想记忆神经网络 330
22.1.1 BAM网络结构与原理 330
22.1.2 能量函数与稳定性分析 331
22.1.3 BAM网络的权值设计 332
22.1.4 BAM网络的应用 332
22.2 盒中脑模型网络 334
22.2.1 盒中脑模型的描述 334
22.2.2 盒中脑模型的实现 335
第23章 滤波器设计原理和实现方法 338
23.1 自适应滤波器 338
23.1.1 自适应滤波器设计原理 338
23.1.2 自适应滤波器在MATLAB中的应用 339
23.2 格型滤波器 342
23.2.1 全零点格型滤波器 342
23.2.2 全极点格型滤波器 345
23.2.3 零极点的Lattice结构 345
23.3 线性预测滤波器 346
23.3.1 线性预测滤波器模型 346
23.3.2 线性预测滤波器设计 349
第24章 基于形态学的图像处理技术 354
24.1 数学形态学概述 354
24.2 数学形态学的基本概念 355
24.3 数学形态学的分类 355
24.3.1 二值形态学 355
24.3.2 灰度数学形态学 356
24.3.3 模糊数学形态学 356
24.4 形态学的基本运算 357
24.4.1 边界像素 358
24.4.2 结构元素 358
24.4.3 膨胀与腐蚀 362
24.4.4 开运算与闭运算 366
24.4.5 形态学重构 368
第25章 Elman网络算法分析与实现 370
25.1 Elman网络结构 370
25.2 修正网络权值的学习算法 371
25.3 稳定性推导 373
25.4 对角递归网络稳定时学习速率的确定 374
25.5 Elman神经网络与训练 375
25.6 Elman神经网络的应用 377
第26章 自动控制实际系统的分析设计 386
26.1 传递函数模型分析 386
26.2 传递函数模型的MATLAB实现 387
26.3 状态空间模型分析 390
26.4 状态空间模型的MATLAB实现 390
26.5 零极点增益模型分析 392
26.6 零极点增益模型的MATLAB实现 393
第27章 图像编码算法的MATLAB实现 396
27.1 变换编码 396
27.2 行程编程 398
27.2.1 基本原理 398
27.2.2 自身特点 399
27.2.3 算法局限性 399
27.3 预测编码 401
27.3.1 DPCM编码 402
27.3.2 最佳线性预测编码法 406
27.3.3 增量调制编码 410
第28章 信号的小波分析与处理 411
28.1 信号分析 411
28.1.1 分离信号的不同成分 411
28.1.2 识别某一频率上的信号 414
28.1.3 识别信号的发展趋势 416
28.2 信号去噪 417
28.2.1 信号阈值去噪 417
28.2.2 信号阈值去噪应用 421
28.3 提升小波变换用于信号处理 423
28.3.1 提升小波变换概述 423
28.3.2 提升小波 423
28.3.3 提升小波在信号处理中的应用 429
第29章 LVQ神经网络算法分析与应用 432
29.1 学习向量量化的网络结构 432
29.2 学习向量量化的网络学习 432
29.2.1 学习向量量化的学习规则 432
29.2.2 学习向量量化的网络训练 434
29.3 学习向量量化的学习算法的改进 436
29.4 学习向量量化的网络应用 436
第30章 离散控制系统的算法分析与实现 440
30.1 离散控制系统的基本概念 440
30.1.1 离散控制系统的基本组成 440
30.1.2 数字控制系统的工作过程 441
30.1.3 离散控制系统的特点 441
30.2 离散信号的数字描述 442
30.2.1 采样过程及采样定理 442
30.2.2 保持器的数学描述 444
30.3 Z变换 446
30.3.1 离散信号的Z变换 446
30.3.2 Z变换及其逆变换 447
参考文献 453