墨香园 -谐波信号分析与处理 中国地质大学出版社
本书资料更新时间:2025-01-19 01:01:32

谐波信号分析与处理 中国地质大学出版社 下载 mobi 免费 pdf 百度网盘 epub 2025 在线 电子书

谐波信号分析与处理 中国地质大学出版社精美图片
》谐波信号分析与处理 中国地质大学出版社电子书籍版权问题 请点击这里查看《

谐波信号分析与处理 中国地质大学出版社书籍详细信息

  • ISBN:9787562532781
  • 作者:暂无作者
  • 出版社:暂无出版社
  • 出版时间:2013-12
  • 页数:227
  • 价格:31.10
  • 纸张:胶版纸
  • 装帧:平装-胶订
  • 开本:16开
  • 语言:未知
  • 丛书:暂无丛书
  • TAG:暂无
  • 豆瓣评分:暂无豆瓣评分
  • 豆瓣短评:点击查看
  • 豆瓣讨论:点击查看
  • 豆瓣目录:点击查看
  • 读书笔记:点击查看
  • 原文摘录:点击查看
  • 更新时间:2025-01-19 01:01:32

寄语:

新华书店正版,关注店铺成为会员可享店铺专属优惠,团购客户请咨询在线客服!


内容简介:

《谐波信号分析与处理》简要介绍了谐波信号分析与处理的研究对象、研究内容和研究进展,总结了谐波参数估计的非参数方法和参数方法。在此基础上,以统计分析为工具,重点论述了谐波恢复的一些近期新研究进展。全书共分七章,内容包括绪论、谐波分量数估计、基于很小二乘的谐波参数估计、基于迭代方法的谐波参数估计、基于小波分析的谐波参数估计、基于稀疏表示的谐波参数估计、基于盲源分离的谐波恢复。


书籍目录:

第一章 绪论

1.1 谐波信号处理概述

1.1.1 谐波信号模型

1.1.2 谐波信号的研究内容

1.1.3 谐波信号处理的发展概况

1.2 谐波信号处理研究现状

1.2.1 加性噪声中的谐波参数估计

1.2.2 乘性噪声中的谐波参数估计

1.2.3 谐波参数估计的界

1.3 谐波参数估计的非参数方法

1.3.1 LSE方法

1.3.2 MLE方法

1.3.3 基于离散Fourief变换的插值估计方法

1.3.4 三步迭代估计方法

1.3.5 基于小波变换的估计

1.3.6 循环累积量方法

1.3.7 基于BSS的谐波恢复方法

1.3.8 基于稀疏表示的谐波模型参数估计

1.3.9 基于优化算法的谐波模型参数估计

1.4 谐波参数估计的参数方法

1.1.1 Pisarenko谐波分解法

1.4.2 ARMA建模法

1.4.3 MUSIC方法

1.4.4 高阶Yule-Walker方法

1.4.5 ESPRlT方法

1.4.6 MFBLP方法

1.4.7 扩展的Prony方法

1.4.8 基于高阶统计量的估计方法

第二章 谐波分量数估计

2.1 谐波分量数估计的研究现状

2.2 加性噪声中谐波分量数估计

2.2.1 惩罚函数方法

2.2.2 增强矩阵方法

2.3 乘性噪声中谐波分量数估计

2.3.1 基于增强矩阵的乘性和加性有色噪声中谐波分量数的估计

2.3.2 算法的理论性质分析

2.3.3 仿真试验

第三章 基于最小二乘的谐波参数估计

3.1 谐波信号与最小二乘

3.2 概率极限理论

3.2.1 随机序列的收敛性

3.2.2 大数定律

3.2.3 中心极限定理

3.3 加性噪声谐波模型

3.3.1 加性噪声中谐波参数的最小二乘估计量及其相关结论

3.3.2 加性噪声中谐波参数估计的CR界

3.3.3 针对LSE的统计性能分析的典型技巧

3.4 乘性噪声谐波模型

3.4.1 非零均值噪声情形

3.4.2 零均值噪声情形

3.5 附录

3.5.1 非零均值乘性噪声情形的定理证明

3.5.2 零均值乘性噪声情形的定理证明

第四章 基于迭代方法的谐波参数估计

4.1 问题的描述

4.2 加性噪声中谐波参数估计

4.2.1 加性噪声谐波模型

4.2.2 初估计以及TSI估计步骤

4.2.3 估计的渐近性质

4.2.4 仿真实验

4.3 乘性噪声中谐波参数估计

4.3.1 非零均值噪声情形

4.3.2 零均值乘性噪声情形

4.4 附录

4.4.1 定理4.1的证明

4.4.2 定理4.2的证明

4.4.3 定理4.3的证明

4.4.4 定理4.4的证明

4.4.5 定理4.5的证明

4.4.6 定理4.6的证明

第五章 基于小波分析的谐波参数估计

5.1 信号模型与假设

5.2 小波与小波变换

5.2.1 小波与小波变换

5.2.2 小波变换的自适应时频窗

5.3 谐波信号的规范化量图

5.3.1 可调小波

5.3.2 谐波的规范化量图

5.4 参数估计方法与算法实现

5.5 零均值乘性噪声中谐波恢复的小波方法

5.6 附录

第六章 基于稀疏表示的谐波参数估计

6.1 稀疏分量分析

6.1.1 稀疏分解

6.1.2 匹配追踪方法

6.2 正交最小二乘方法

6.2.1 带可调核的正交最小二乘

6.2.2 具有树结构的正交最小二乘

6.3 谐波参数的正交最小二乘估计

6.3.1 参数估计

6.3.2 鲁棒性分析

第七章 基于盲源分离的谐波恢复

7.1 谐波信号的盲分离模型

7.1.1 盲源分离模型

7.1.2 谐波信号的盲源分离模型

7.2 基于高阶统计量的谐波盲分离算法

7.2.1 算法设计

7.2.2 仿真实验

7.3 基于二维加权直方图的谐波盲分离算法

7.3.1 算法设计

7.3.2 仿真实验

7.4 基于时问周期结构的谐波盲分离算法

7.4.1 算法设计

7.4.2 仿真实验

英文缩写索引


作者介绍:

暂无相关内容,正在全力查找中


出版社信息:

暂无出版社相关信息,正在全力查找中!


书籍摘录:

暂无相关书籍摘录,正在全力查找中!



原文赏析:

暂无原文赏析,正在全力查找中!


其它内容:

书籍介绍

本书简要介绍了谐波信号分析与处理的研究对象、研究内容和研究进展,总结了谐波参数估计的非参数方法和参数方法。在此基础上,以统计分析为工具,重点论述了谐波恢复的一些最新研究进展。全书共分七章,内容包括绪论、谐波分量数估计、基于最小二乘的谐波参数估计、基于迭代方法的谐波参数估计、基于小波分析的谐波参数估计、基于稀疏表示的谐波参数估计、基于盲源分离的谐波恢复。


书籍真实打分

  • 故事情节:8分

  • 人物塑造:3分

  • 主题深度:4分

  • 文字风格:8分

  • 语言运用:9分

  • 文笔流畅:9分

  • 思想传递:7分

  • 知识深度:4分

  • 知识广度:3分

  • 实用性:6分

  • 章节划分:7分

  • 结构布局:5分

  • 新颖与独特:3分

  • 情感共鸣:8分

  • 引人入胜:7分

  • 现实相关:5分

  • 沉浸感:6分

  • 事实准确性:6分

  • 文化贡献:6分


网站评分

  • 书籍多样性:6分

  • 书籍信息完全性:5分

  • 网站更新速度:6分

  • 使用便利性:8分

  • 书籍清晰度:9分

  • 书籍格式兼容性:9分

  • 是否包含广告:4分

  • 加载速度:3分

  • 安全性:9分

  • 稳定性:7分

  • 搜索功能:9分

  • 下载便捷性:8分


下载点评

  • 速度慢(483+)
  • 好评多(154+)
  • 服务好(418+)
  • 愉快的找书体验(537+)
  • 字体合适(204+)
  • 无水印(320+)
  • 图书多(250+)
  • 速度快(196+)
  • 值得购买(282+)
  • 购买多(249+)
  • 品质不错(106+)
  • 内涵好书(160+)

下载评价

  • 网友 权***波: ( 2025-01-05 04:55:57 )

    收费就是好,还可以多种搜索,实在不行直接留言,24小时没发到你邮箱自动退款的!

  • 网友 利***巧: ( 2025-01-06 10:20:54 )

    差评。这个是收费的

  • 网友 堵***洁: ( 2025-01-02 10:10:04 )

    好用,支持

  • 网友 方***旋: ( 2024-12-19 21:50:56 )

    真的很好,里面很多小说都能搜到,但就是收费的太多了

  • 网友 孔***旋: ( 2024-12-23 18:26:50 )

    很好。顶一个希望越来越好,一直支持。

  • 网友 孙***美: ( 2025-01-12 11:31:36 )

    加油!支持一下!不错,好用。大家可以去试一下哦

  • 网友 寇***音: ( 2024-12-29 04:38:34 )

    好,真的挺使用的!

  • 网友 訾***雰: ( 2024-12-31 15:52:46 )

    下载速度很快,我选择的是epub格式

  • 网友 扈***洁: ( 2025-01-16 18:08:00 )

    还不错啊,挺好

  • 网友 龚***湄: ( 2025-01-18 20:19:28 )

    差评,居然要收费!!!

  • 网友 敖***菡: ( 2024-12-28 00:47:43 )

    是个好网站,很便捷

  • 网友 康***溪: ( 2024-12-31 07:44:02 )

    强烈推荐!!!

  • 网友 蓬***之: ( 2025-01-17 17:50:05 )

    好棒good

  • 网友 常***翠: ( 2024-12-27 04:35:20 )

    哈哈哈哈哈哈


随机推荐