MATLAB R2016a在電子信息工程中的仿真案例分析（精通MATLAB）

第1章最優(yōu)的FIR濾波器設計 1.1頻率取樣的FIR濾波器設計 1.1.1約束條件 1.1.2設計誤差 1.2最優(yōu)的FIR濾波器設計 1.2.1一般最優(yōu)濾波器 1.2.2加權(quán)最優(yōu)濾波器 1.2.3反對稱FIR濾波器 1.2.4微分FIR濾波器 1.3IIR與FIR數(shù)字濾波器的比較 第2章基于神經(jīng)網(wǎng)絡的案例分析與實現(xiàn) 2.1農(nóng)作物蟲情預測 2.1.1基于神經(jīng)網(wǎng)絡的蟲情預測原理 2.1.2BP網(wǎng)絡設計 2.2模型參考控制 2.2.1模型參考控制概念 2.2.2模型參考控制實例分析 2.3神經(jīng)網(wǎng)絡控制的應用 2.3.1機器人神經(jīng)網(wǎng)絡數(shù)字控制 2.3.2神經(jīng)網(wǎng)絡的跟蹤迭代學習控制 第3章通信系統(tǒng)調(diào)制與解調(diào)分析與實現(xiàn) 3.1載波提取分析 3.1.1幅度鍵控分析 3.1.2相移鍵控分析 3.1.3頻移鍵控分析 3.1.4正交幅度調(diào)制 3.2調(diào)制與解調(diào)的Simulink模塊 3.2.1DSBAM調(diào)制解調(diào) 3.2.2SSBAM調(diào)制解調(diào) 3.2.3DSBSCAM調(diào)制解調(diào) 3.2.4FM調(diào)制解調(diào) 3.2.5PM調(diào)制解調(diào) 第4章BP神經(jīng)網(wǎng)絡算法分析與實現(xiàn) 4.1BP網(wǎng)絡模型結(jié)構(gòu) 4.2BP學習規(guī)則 4.3BP網(wǎng)絡的訓練函數(shù) 4.4BP網(wǎng)絡的實現(xiàn) 4.5BP網(wǎng)絡的限制 4.6BP方法的改進 第5章飛機偏航阻尼器性能分析與設計 5.1飛機偏航阻尼器設計 5.2數(shù)學模型及MATLAB描述 5.3校正前系統(tǒng)性能分析 5.3.1計算開環(huán)特征值 5.3.2求取系統(tǒng)的單位脈沖響應 5.4校正設計 5.4.1根軌跡法設計 5.4.2下洗濾波器設計 5.5校正后系統(tǒng)性能分析 5.5.1觀察從方向舵到偏航角速度通道的閉環(huán)脈沖響應 5.5.2驗證設計的下洗濾波器固定了飛機的螺旋模態(tài)問題 第6章感知器網(wǎng)絡算法分析與實現(xiàn) 6.1感知器結(jié)構(gòu) 6.2感知器的學習 6.3感知器的局部性 6.4感知器的“異域”問題 6.5感知器的神經(jīng)網(wǎng)絡訓練函數(shù) 6.6感知器網(wǎng)絡的實現(xiàn) 6.7線性分類問題的擴展討論 6.8線性可分限制的解決方法 第7章FIR濾波器結(jié)構(gòu)分析與設計實現(xiàn) 7.1FIR濾波器的結(jié)構(gòu) 7.1.1直接型結(jié)構(gòu) 7.1.2級聯(lián)型結(jié)構(gòu) 7.1.3頻率抽樣型結(jié)構(gòu) 7.1.4快速卷積型結(jié)構(gòu) 7.2線性相位FIR數(shù)字濾波器的特性 7.2.1線性相位FIR濾波器幅度特性 7.2.2線性相位FIR濾波器零點特性 7.3基本窗函數(shù)法的FIR濾波器設計 7.3.1窗函數(shù)的原理 7.3.2矩形窗 7.3.3漢寧窗 7.3.4海明窗 7.3.5布萊克曼窗 7.3.6凱賽窗 第8章圖像閾值分割算法分析與應用 8.1灰度閾值分割 8.1.1灰度圖像二值化 8.1.2灰度圖像多區(qū)域閾值分割 8.2直方圖閾值分割 8.2.1直方圖閾值雙峰法 8.2.2動態(tài)閾值法 8.3最大熵閾值分割 8.4分水嶺法 第9章狀態(tài)方程求解分析與設計實現(xiàn) 9.1系統(tǒng)數(shù)學模型 9.2系統(tǒng)的狀態(tài)變量分析 9.2.1狀態(tài)方程與系統(tǒng)函數(shù)之間的轉(zhuǎn)換 9.2.2狀態(tài)方程的變換域符號求解分析 9.2.3狀態(tài)方程的時域符號求解分析 9.2.4系統(tǒng)方程的數(shù)值求解分析 第10章奈奎斯特穩(wěn)定性判據(jù)及其應用 10.1頻域分析基本概念 10.1.1頻率特性 10.1.2頻率特性曲線繪制的方法 10.1.3奈奎斯特穩(wěn)定判據(jù) 10.1.4對數(shù)頻率穩(wěn)定判據(jù) 10.1.5開環(huán)頻域性能指標 10.2Bode圖 10.3Nyquist圖 10.4系統(tǒng)穩(wěn)定性的判定 10.4.1用Bode圖法判斷系統(tǒng)穩(wěn)定性 10.4.2用Nyquist曲線法判斷系統(tǒng)穩(wěn)定性 第11章基于頻域濾波的圖像分析與實現(xiàn) 11.1有限沖激響應濾波 11.1.1頻率變換法 11.1.2頻率抽樣法 11.1.3窗函數(shù)法 11.1.4頻率響應矩陣 11.2低通濾波 11.2.1理想低通濾波器 11.2.2巴特沃斯低通濾波器 11.2.3高斯低通濾波器 11.3高通濾波 11.3.1理想高通濾波器 11.3.2巴特沃斯高通濾波器 11.3.3高斯高通濾波器 11.4高斯帶阻濾波 11.4.1理想帶阻濾波器 11.4.2巴特沃斯帶阻濾波器 11.4.3高斯帶阻濾波器 11.5同態(tài)濾波 第12章控制系統(tǒng)數(shù)學模型分析與實現(xiàn) 12.1連續(xù)系統(tǒng) 12.1.1微分方程 12.1.2傳遞函數(shù) 12.1.3狀態(tài)空間描述 12.2離散系統(tǒng) 12.2.1差分方程 12.2.2離散傳遞函數(shù)(Z傳遞函數(shù)) 12.2.3離散狀態(tài)空間模型 12.3數(shù)學模型的MATLAB相關函數(shù) 12.3.1傳遞模型的函數(shù) 12.3.2零極點模型函數(shù) 12.3.3狀態(tài)空間模型函數(shù) 第13章徑向基網(wǎng)絡算法分析與實現(xiàn) 13.1徑向基網(wǎng)絡模型 13.2徑向基網(wǎng)絡的學習算法 13.3廣義回歸神經(jīng)網(wǎng)絡 13.4徑向基網(wǎng)絡的訓練函數(shù) 13.5徑向基網(wǎng)絡的實現(xiàn) 13.5.1徑向基函數(shù)網(wǎng)絡在散布設計中的影響 13.5.2用于模式分類的RBF網(wǎng)絡 13.5.3用于網(wǎng)絡的逼近 13.6基于RBF網(wǎng)絡的非線性濾波 13.7RBF網(wǎng)絡與多層感知器的比較 第14章MIMOOFDM通信系統(tǒng)設計與實現(xiàn) 14.1MIMOOFDM通信系統(tǒng)設計 14.2MIMO系統(tǒng) 14.3OFDM技術(shù) 14.4MIMOOFDM系統(tǒng) 14.5空間分組編碼 14.6STBC的MIMOOFDM系統(tǒng)設計 14.6.1STBC的MIMOOFDM系統(tǒng)模型分析 14.6.2STBC的MIMOOFDM系統(tǒng)性能分析 14.7STBC的MIMOOFDM系統(tǒng)MATLAB實現(xiàn) 第15章圖像分割算法的MATLAB實現(xiàn) 15.1區(qū)域分割 15.1.1區(qū)域生長法 15.1.2分裂合并法 15.2邊緣分割 15.2.1梯度算子 15.2.2一階微分算子 15.2.3二階微分算子 15.3彩色空間分割 15.3.1基于像元的分割方法 15.3.2聚類算法 第16章雷達信號、語音的模擬與實現(xiàn) 16.1雷達信號的產(chǎn)生 16.1.1脈沖幅度調(diào)制 16.1.2線性調(diào)頻信號 16.1.3相位編碼信號 16.1.4相位編碼脈內(nèi)線性調(diào)頻混合調(diào)制信號 16.2噪聲和雜波的產(chǎn)生 16.2.1隨機熱噪聲 16.2.2雜波的模擬與實現(xiàn) 16.3小波在語音信號處理中的應用 16.3.1小波在語音信號增加中的應用 16.3.2小波在語音信號壓縮中的應用 第17章根軌跡分析與MATLAB函數(shù)實現(xiàn) 17.1根軌跡的概述 17.1.1根軌跡法的基本概念 17.1.2根軌跡方程 17.1.3繪制根軌跡的基本條件 17.2二階系統(tǒng)的根軌跡分析 17.3MATLAB根軌跡相關函數(shù) 17.3.1pzmap函數(shù) 17.3.2rlocus函數(shù) 17.3.3rlocfind函數(shù) 17.3.4sgrid函數(shù) 17.3.5zgrid函數(shù) 17.3.6damp函數(shù) 第18章Hopfield網(wǎng)絡算法與應用 18.1離散Hopfield網(wǎng)絡 18.2連續(xù)Hopfield網(wǎng)絡 18.3聯(lián)想記憶 18.4Hopfield網(wǎng)絡結(jié)構(gòu) 18.5Hopfield網(wǎng)絡模型學習過程 18.6幾個重要結(jié)論 18.7Hopfield網(wǎng)絡的應用 第19章圖像統(tǒng)計分析與濾波分析的函數(shù)實現(xiàn) 19.1圖像的統(tǒng)計特性 19.1.1圖像均值 19.1.2圖像的標準差 19.1.3圖像的相關系數(shù) 19.1.4圖像的等高線 19.2空間域濾波 19.2.1圖像加入噪聲 19.2.2中值濾波器 19.2.3自適應濾波器 19.2.4排序濾波 19.2.5銳化濾波 第20章自組織神經(jīng)網(wǎng)絡的設計與應用 20.1常用的幾種聯(lián)想學習規(guī)則 20.1.1內(nèi)星學習規(guī)則 20.1.2外星學習規(guī)則 20.1.3科荷倫(Kohonen)學習規(guī)則 20.1.4閾值學習規(guī)則 20.2自組織競爭神經(jīng)網(wǎng)絡的結(jié)構(gòu) 20.3自組織競爭神經(jīng)網(wǎng)絡的設計 20.3.1網(wǎng)絡初始化 20.3.2網(wǎng)絡學習規(guī)則 20.3.3網(wǎng)絡訓練 20.4自組織競爭網(wǎng)絡的應用 第21章控制系統(tǒng)穩(wěn)定性判定分析與實現(xiàn) 21.1方程特征根判定穩(wěn)定性 21.2lienardChipard判據(jù)判定系統(tǒng)穩(wěn)定性 21.3根軌跡法判定穩(wěn)定性 21.4傳遞函數(shù)極點法判斷系統(tǒng)穩(wěn)定性 21.5李亞普諾夫第二法判定系統(tǒng)穩(wěn)定性 21.6頻率法判定系統(tǒng)穩(wěn)定性 21.6.1Bode圖判定系統(tǒng)的穩(wěn)定性 21.6.2Nyquist曲線判斷系統(tǒng)穩(wěn)定性 第22章線性神經(jīng)網(wǎng)絡算法分析與應用 22.1線性神經(jīng)網(wǎng)絡的模型 22.2WH學習規(guī)則 22.3線性網(wǎng)絡的訓練函數(shù) 22.4線性神經(jīng)網(wǎng)絡的構(gòu)建 22.5網(wǎng)絡訓練 22.6線性網(wǎng)絡的實現(xiàn) 22.7線性網(wǎng)絡的局限性 22.8系統(tǒng)辨識 第23章信源編譯碼MATLAB模塊實現(xiàn) 23.1信源編譯碼 23.1.1信源編碼 23.1.2信源譯碼 23.2MATLABSimulink通信系統(tǒng)仿真實例 23.2.1MATLAB編碼實例 23.2.2Simulink信道實例 23.2.3MATLABSimulink信道實例 第24章數(shù)字基帶調(diào)制解調(diào)Simulink模塊實現(xiàn) 24.1數(shù)字幅度調(diào)制解調(diào) 24.1.1數(shù)字幅度調(diào)制模塊 24.1.2數(shù)字幅度解調(diào)模塊 24.2數(shù)字頻率調(diào)制解調(diào) 24.2.1數(shù)字頻率調(diào)制模塊 24.2.2數(shù)字頻率解調(diào)模塊 24.3數(shù)字相位調(diào)制解調(diào) 24.3.1數(shù)字相位調(diào)制模塊 24.3.2數(shù)字相位解調(diào)模塊 24.4調(diào)制與解調(diào)的Simulink應用 第25章功率譜估計方法分析與設計實現(xiàn) 25.1功率譜估計 25.1.1經(jīng)典功率譜估計法 25.1.2改進的直接法估計 25.1.3AR模型功率譜估計 25.1.4部分現(xiàn)代譜估計的非參數(shù)方法 25.2MUSIC法功率譜估計 附錄AMATLAB R2016a安裝說明 參考文獻