第1章 系统概论 1
1.1 MATLAB概述 1
1.2 MATLAB的用户界面 2
1.2.1 命令窗口 2
1.2.2 命令历史窗口 2
1.2.3 工作内存浏览器 3
1.2.4 工具栏 4
1.2.5 主菜单 4
1.2.6 路径管理器 4
1.3 MATLAB的变量与符号 5
1.3.1 特殊变量 5
1.3.2 标点符号 5
1.4 M文件的编辑调试环境 8
1.4.1 编译器的安装和配置 8
1.4.2 编译器的使用 8
1.5 通用命令与常用数学函数 11
1.5.1 通用命令 11
1.5.2 常用数学函数 12
1.5.3 快捷键 13
1.6 MATLAB帮助系统 13
1.6.1 联机帮助系统 14
1.6.2 命令窗口查询帮助系统 15
第2章 MATLAB在函数可视化中的应用 18
2.1 多次叠绘、双纵坐标和多子图 18
2.2 视点控制和图形的旋动 22
2.3 特殊坐标轴的图形函数 23
2.4 四维表现图 28
2.5 动态图形 32
第3章 MATLAB在仿真建模中的应用 35
3.1 Simulink概述 35
3.2 创建模型 36
3.2.1 模型结构 36
3.2.2 创建模型的基本步骤 36
3.2.3 模型文件格式 37
3.2.4 模块的操作 37
3.3 运行仿真 40
3.3.1 使用窗口运行仿真 40
3.3.2 使用MATLAB命令运行仿真 44
3.3.3 实例分析 45
3.4 调试模型 47
3.4.1 Simulink调试器 47
3.4.2 命令行调试 48
3.4.3 在调试状态下运行仿真 49
3.4.4 设置断点 49
3.4.5 显示仿真的有关信息 50
3.5 改善仿真性能及精度 51
3.5.1 改善仿真性能的方法 51
3.5.2 实例分析 52
3.6 微分方程解算器 54
3.6.1 微分方程解算器介绍 54
3.6.2 实例分析 55
第4章 MATLAB在概率统计中的应用 57
4.1 概述 57
4.2 统计量的数字特征 58
4.2.1 简单的数学期望和均值 58
4.2.2 数据比较 59
4.2.3 方差和标准差 59
4.2.4 累积和累和 60
4.2.5 协方差与相关系数 61
4.2.6 偏斜度和峰度 62
4.3 常用统计分布量 63
4.3.1 期望和方差 63
4.3.2 概率密度函数 64
4.3.3 概率值函数（概率累积函数） 66
4.3.4 分值点函数（逆概率累积函数） 67
4.3.5 常见分布的随机数据的产生 68
4.4 参数估计 69
4.5 区间估计 70
4.5.1 高斯-牛顿法的非线性最小二乘数据拟合 70
4.5.2 非线性模型的参数置信区间 71
4.5.3 非线性拟合和预测的显示交互图形 72
4.5.4 非线性最小二乘预测置信区间 73
4.6 假设检验 74
4.6.1 已知正态总体方差，单个正态分布的均值u的假设检验（U检验法） 74
4.6.2 未知正态总体方差，单个正态总体的均值μ的假设检验（t检验法） 75
4.6.3 未知正态总体方差，两个正态总体的均值μ的假设检验（t检验法） 76
4.6.4 两个分布一致性的检验——秩和检验 77
4.6.5 中值检验 78
4.7 方差分析和回归分析 79
4.7.1 单因素试验的方差分析 79
4.7.2 双因素试验的方差分析 80
4.7.3 回归分析 81
4.8 统计图 82
4.8.1 直方图 82
4.8.2 角度扇形图 84
4.8.3 最小二乘拟合直线 85
4.8.4 显示数据采样的盒图 86
4.8.5 QQ图 86
4.9 使用统计工具GUI 87
4.9.1 统计工具箱中GUI概述 87
4.9.2 分布工具箱的GUI使用 87
第5章 MATLAB在计算方法中的应用 91
5.1 概述 91
5.2 插值和拟合 92
5.2.1 一维插值 92
5.2.2 二维插值 95
5.2.3 高维函数的插值 97
5.2.4 样条插值 100
5.2.5 样条函数用于数值积分和微分 102
5.2.6 编写常用的一些插值方法 103
5.3 微分和积分 104
5.3.1 数值微分 105
5.3.2 函数的数值积分 107
5.4 求解线性方程组 113
5.4.1 直接解法 113
5.4.2 迭代解法的形式 115
5.4.3 线性方程组的符号解法 119
5.4.4 稀疏矩阵技术 119
5.5 求解非线性方程组 123
5.5.1 直接解法 123
5.5.2 方程组解法 128
5.5.3 非线性方程（组）的符号解法 130
5.6 特征值问题 130
5.6.1 特征值函数 131
5.6.2 广义特征值分解 131
5.6.3 其他分解 132
5.7 微分方程组数值解 134
5.7.1 常微分方程组的初值求解 134
5.7.2 延迟微分方程组的数值解 141
5.7.3 常微分方程组的边界问题 142
第6章 MATLAB在遗传算法中的应用 145
6.1 概述 145
6.2 遗传算法简介 146
6.2.1 遗传算法的概念 146
6.2.2 遗传算法的运行过程 146
6.2.3 遗传算法的基本原理和方法 148
6.3 遗传算法工具箱函数 148
6.3.1 工具箱结构 148
6.3.2 遗传算法中的通用函数 150
6.4 遗传算法应用举例 162
6.4.1 简单一元函数优化实例 162
6.4.2 多元单峰函数的优化实例 166
6.4.3 多元多峰函数的优化实例 171
6.4.4 多目标优化问题 174
6.5 使用MATLAB遗传算法工具箱和直接搜索工具箱 178
6.5.1 工具箱概述 178
6.5.2 使用遗传算法工具GUI 179
6.5.3 使用直接搜索工具箱GUI 182
第7章 MATLAB在复变函数中的应用 185
7.1 复数和复矩阵的生成 185
7.1.1 复数的生成 185
7.1.2 创建复数矩阵 185
7.2 复数的运算 186
7.2.1 复数的实部和虚部 186
7.2.2 共轭复数 186
7.2.3 复数的模和辐角 186
7.2.4 复数的乘除法 187
7.2.5 复数的平方根 187
7.2.6 复数的幂运算 188
7.2.7 复数的指数和对数运算 188
7.2.8 复数的三角函数运算 188
7.2.9 复数方程求根 188
7.3 留数 189
7.4 Taylor级数展开 190
7.5 Laplace变换及其逆变换 191
7.6 Fourier变换及其逆变换 193
第8章 MATLAB在神经网络中的应用 195
8.1 MATLAB神经网络的图形用户界面 195
8.2 神经网络感知器的MATLAB实现 202
8.2.1 创建函数 202
8.2.2 显示函数 203
8.2.3 性能函数 205
8.2.4 学习函数 209
8.2.5 训练函数 210
8.3 BP神经网络的MATLAB实现 211
8.3.1 创建函数 212
8.3.2 传递函数 213
8.3.3 学习函数 214
8.3.4 训练函数 215
8.3.5 性能函数 215
8.3.6 绘图函数 216
8.4 线性神经网络的MATLAB实现 217
8.4.1 创建和设计函数 218
8.4.2 学习函数 218
8.4.3 性能函数 219
8.5 径向基神经网络的MATLAB实现 222
8.5.1 创建函数 222
8.5.2 符号变换函数 223
8.5.3 传递函数 224
8.5.4 计算矢量间的距离权函数 225
8.5.5 均方误差性能函数 226
8.6 自组织神经网络的MATLAB实现 226
8.6.1 创建函数 227
8.6.2 竞争传递函数 230
8.6.3 距离函数 231
8.6.4 学习函数 232
8.6.5 初始化函数 235
8.6.6 训练竞争层函数 235
8.6.7 绘图函数 235
8.6.8 结构函数 236
8.7 Hopfield神经网络的MATLAB实现 237
8.8 Elman神经网络的MATLAB实现 238
8.9 学习向量量化神经网络的MATLAB实现 240
第9章 MATLAB在信号处理中的应用 243
9.1 离散信号与系统的MATLAB实现 243
9.1.1 离散信号 243
9.1.2 离散系统 245
9.1.3 离散信号与系统的MATLAB实现 245
9.2 离散傅立叶变换的MATLAB实现 248
9.2.1 离散傅立叶级数（DFS） 248
9.2.2 离散傅立叶变换（DFT） 249
9.2.3 快速傅立叶变换（FFT） 249
9.2.4 离散傅立叶变换的MATLAB实现 250
9.3 IIR滤波器的MATLAB实现 253
9.3.1 IIR滤波器结构 253
9.3.2 IIR滤波器设计方法 254
9.3.3 IIR滤波器经典设计法及MATLAB实现 255
9.3.4 IIR滤波器的直接设计法及MATLAB实现 260
9.3.5 基于广义巴特沃思的IIR滤波器设计及MATLAB实现 261
9.4 FIR滤波器的MATLAB实现 263
9.4.1 FIR滤波器的结构 263
9.4.2 FIR滤波器的设计特点及方法 264
9.4.3 FIR数字滤波器窗函数设计法及其MATLAB实现 266
9.4.4 FIR滤波器的最优化设计法及其MATLAB实现 270
9.4.5 FIR滤波器最小二乘设计法及其MATLAB实现 272
9.4.6 FIR滤波器升余弦函数设计法及其MATLAB实现 274
9.4.7 FIR滤波器任意响应设计法及其MATLAB实现 275
第10章 MATLAB在预测控制中的应用 278
10.1 系统模型辨识 278
10.1.1 数据向量或矩阵的归一化 278
10.1.2 基于线性回归方法的脉冲响应模型辨识 280
10.1.3 脉冲响应模型转换为阶跃响应模型 281
10.1.4 模型的校验 281
10.2 系统模型建立与转换 281
10.2.1 模型转换 281
10.2.2 模型建立 287
10.3 基于阶跃响应模型的控制器设计与仿真 289
10.3.1 输入／输出有约束的模型预测控制器设计与仿真 289
10.3.2 输入／输出无约束的模型预测控制器设计 289
10.3.3 计算由阶跃响应模型构成的闭环系统模型 290
10.3.4 实例分析 290
10.4 基于状态空间模型的预测控制器设计 293
10.4.1 输入／输出有约束的状态空间模型预测控制器设计 293
10.4.2 输入／输出无约束的状态空间模型预测控制器设计 295
10.4.3 状态估计器设计 300
10.5 系统分析与绘图 302
10.5.1 计算和绘制系统的频率响应曲线 302
10.5.2 计算频率响应的奇异值 303
10.5.3 计算系统的极点和稳态增益矩阵 303
10.5.4 系统分析和绘图 303
第11章 MATLAB在自动控制系统中的应用 307
11.1 概述 307
11.2 控制系统数学模型的MATLAB描述 308
11.2.1 传递函数模型（tf模型） 308
11.2.2 状态方程模型（ss模型） 309
11.2.3 零极点模型（zpk模型） 309
11.2.4 控制系统工具箱中的LTI对象 310
11.3 系统模型的转换与连接 311
11.3.1 系统模型的转换 311
11.3.2 系统模型的连接 312
11.4 控制系统稳定性分析 313
11.4.1 稳定性分析的原理 313
11.4.2 MATLAB判别稳定性的方法 313
11.4.3 实例分析 314
11.5 控制系统时域分析 316
11.5.1 时域分析的基本原理 316
11.5.2 MATLAB进行时域分析的方法 317
11.5.3 实例分析 318
11.6 控制系统频域分析 321
11.6.1 频域分析的基本原理 321
11.6.2 频域分析的方法 321
11.6.3 实例分析 323
11.7 控制系统的根轨迹分析 325
11.7.1 根轨迹分析的基本原理 325
11.7.2 根轨迹分析的方法 326
11.7.3 实例分析 327
11.8 控制系统的设计 328
11.8.1 控制系统设计的基本方法 328
11.8.2 系统设计的方法 328
11.8.3 实例分析 328