第一章 導論
1. 1 關于卷積和反卷積
1. 2 反卷積. 噪聲抑制和相位恢復
1. 3 反問題和病態(tài)
1. 4 反卷積和信號復原的應用
1. 5 關于本書的內容安排
1. 6 關于參考文獻的說明
參考文獻
第二章 數(shù)學基礎
2. 1 卷積
2. 2 二維離散卷積
2. 3 傅里葉變換和離散傅里葉變換
2. 4 z變換和系統(tǒng)函數(shù)
2. 5 概率論基礎
2. 6 參數(shù)估計
2. 7 投影算子和估計問題
2. 7. 1 Hilbert空間和線性算子
2. 7. 2 Hilbert空間的正交分解和投影算子
2. 7. 3 線性最小二乘估計
2. 7. 4 最小均方誤差估計
2. 8 投影到凸集的理論和方法
2. 9 隨機過程
2. 9. 1 平穩(wěn)隨機過程
2. 9. 2 離散隨機序列
2. 9. 3 離散平穩(wěn)序列通過線性系統(tǒng)
2. 9. 4 Causs過程和Markov過程
2. 10 平穩(wěn)ARMA過程
2. 11 有理函數(shù)的TaHTMaxep定理
2. 12 高階統(tǒng)計和高階譜分析
2. 12. 1 隨機變量的累積量(Cumulsnts)
2. 12. 2 聯(lián)合累積
2. 12. 3 聯(lián)合累積的基本性質
2. 12. 4 三次相關(Triple Correlation)和雙譜(Bispectrum)
2. 12. 5 隨機信號通過線性系統(tǒng)的高階統(tǒng)計分析
2. 12. 6 依據(jù)觀測數(shù)據(jù)估計高階累積和高階譜
2. 12. 7 高階累積和高階譜在信號處理中的意義
參考文獻
第三章 Fndholm第一類積分方程的解, 規(guī)整化和計算模型
3. 1 逆濾波和病態(tài)性
3. 2 反卷積問題病態(tài)的一個解釋
S. 3 Fredholm第一類積分方程的算子論分析
3. 3. 1 緊算子. 緊自伴算子和譜分解
3. 3. 2 Hilbert空間的正交分解
3. 3. 3 第一類積分方程的解
3. 3. 4 第一類方程的最小二乘解和偽逆算子
3. 4 反卷積問題規(guī)整化的一般概念
3. 5 第一類方程的TNXOHOB規(guī)整化
3. 6 保持圖像細節(jié)的規(guī)整化方法
3. 7 線性代數(shù)方程的奇異性和病態(tài)問題
3. 8 卷積方程的離散化和循環(huán)矩陣計算模型
3. 9 非周期矩陣反卷積模型
3. 10 循環(huán)矩陣模型和非周期矩陣模型病態(tài)性質的比較
3. 11 關于反卷積病態(tài)的一個注釋
3. 12 關于代數(shù)方程的迭代解法
3. 12. 1 VanCittert迭代
3. 12. 2 基于梯度的迭代方法
3. 13 代數(shù)方程的總體最小二乘解
參考文獻
第四章 一維信號反卷積和復原
4. 1 一維信號反卷積和復原技術的發(fā)展背景
4. 2 一維反卷積和復原的某些技術特點
4. 3 離散過程的Wiener濾波器
4. 3. 1 離散非因果Wiener濾波器
4. 3. 2 離散因果Wiener濾波器
4. 3. 3 增量Wiener濾波器
4. 4 同態(tài)反卷積
4. 5 預測反卷積
4. 5. 1 反射地震數(shù)據(jù)的反卷積問題
4. 5. 2 預測反卷積
4. 5. 3 Toeplitz方程的遞歸解法
4. 5. 4 Levinson-Durbin遞歸
4. 5. 5 自相關估計
4. 5. 6 關于預測誤差濾波器的最小相位性質
4. 5. 7 預測誤差濾波器的格型實現(xiàn)
4, 5. 8 預測反卷積的一個例子
4. 5. 9 雙向預測反卷積算法(Bure方法)
4. 5. 10 關于確定預測濾波器的階
4. 5. 11 超定方程法
4. 5. 12 關于預測反卷積的注釋
4. 6 高階統(tǒng)計和高階譜方法
4. 6. 1 線性系統(tǒng)輸出過程的高階累積和支持域
4. 6. 2 閉合公式法
4. 6. 3 相位估計法
4. 6. 4 累積一脈沖響應方程和代數(shù)方程法
4. 6. 5 累積匹配法
4. 6. 6 AR和ARMA系統(tǒng)辨識
4. 6. 7 關于AR參數(shù)的可辨識性和超定方程算法
4. 6. 8 關于高階統(tǒng)計方法的一個注釋
4. 7 信道均衡
4. 7. 1 數(shù)字通信信道和均衡問題
4. 7. 2 自適應均衡器
4. 7. 3 盲均衡：統(tǒng)計特征匹配方法
4. 7. 4 分數(shù)間隔采樣對盲均衡的意義
4. 8 多道反卷積：最大公因子算法
4. 8. 1 最大公因子算法
4. 8. 2 GCD階的確定
4. 8. 3 多幀GCD問題的解
4. 8. 4 對盲目反卷積問題的應用
4. 9 觀測為部分卷積的多道反卷積
4. 9. 1 部分卷積和多道反卷積
4. 9. 2 辨識方程的推演和可辨識性
4. 9. 3 關于多道辨識問題的解
4. 10 光譜儀信號反卷積
4. 11 用于一維信號反卷積的幾個MATLAB程序
參考文獻
第五章 有限支持域上的圖像盲目反卷積
5. 1 導言
5. 2 支持域的可嵌人性和可分解性
5. 3 空間域迭代盲目反卷積算法
5. 3. 1 基本算法
5. 3. 2 塊Toeplitz方程的遞推解法
5. 3. 3 增量迭代盲目反卷積算法
5. 4 利用傅里葉變換的迭代盲目反卷積算法
5. 5 迭代盲目反卷積的計算例子
5. 6 關于盲目反卷積中的規(guī)整化問題
5. 7 從斑紋干涉測量數(shù)據(jù)復原目標的方法
5. 8 三次相關方法
5. 9 其他的盲目反卷積算法
5. 9. 1 零葉面分離方法
5. 9. 2 模擬退火方法
5. 9. 3 最小熵方法
參考文獻
第六章 圖像反降晰
6. 1 導言
6. 2 圖像反降晰涉及的非線性. 噪聲和分辨率改善問題
6. 3 常見的降晰函數(shù)模型和辨識
6. 3. 1 線性移動降晰函數(shù)
6. 3. 2 散焦降晰函數(shù)
6. 3. 3 Causs降晰函數(shù)
6. 3. 4 降晰函數(shù)的辨識和估計
6. 4 基本的頻域反降晰算法
6. 4. 1 Wiener濾波器
6. 4. 2 約束最小二乘算法
6. 4. 3 計算機模擬例子
6. 4. 4 循環(huán)邊界法和頻域反降晰算法的實施
6. 5 降晰函數(shù)辨識：誤差一參數(shù)分析法
6. 6 基本的空間域復原算法
6. 6. 1 受限制自適應復原算法
6. 6. 2 受限制自適應復原算法的改進
6. 6. 3 最大熵復原算法
6. 7 總體最小二乘復原算法
6. 8 圖像建模和圖像估計
6. 8. 1 圖像建模及其意義
6. 8. 2 Causs隨機場模型和復原算法
6. 8. 3 Poiseon隨機場模型和復原算法
6. 8. 4 圖像的AR模型和ARMA模型
6. 9 Markov隨機場模型及其對圖像復原的應用
6. 9. 1 導言
6. 9. 2 Markov隨機場和Cibbs隨機場
6. 9. 3 自生模型
6. 9. 4 Gauss-Markov隨機場(GMRF)模型
6：9. 5 線過程模型
6. 9. 6 圖像的最大后驗估計
6. 9. 7 Gibbs采樣器. 隨機松弛和模擬退火
6. 9. 8 迭代條件模(ICM)算法
6. 9. 9 某些進一步的問題
6. 10 總變分最小化方法
6. 11 保存圖像細節(jié)的規(guī)整化方法
6. 11. 1 一類保存圖像細節(jié)的懲罰泛函
6. 11. 2 各向異性擴散和偏微分演化方程
6. 11. 3 離散型的例子
6. 11. 4 半二次規(guī)整化
6. 12 降晰函數(shù)辨識和圖像估計的期望一最大化(EM)算法
6. 12. 1 一類參數(shù)估計問題和期望一最大化(EM)算法
6. 12. 2 EM算法對圖像反降晰的應用
6. 12. 3 E步算法
6. 12. 4 M步算法
6. 12. 5 實際考慮
6. 13 迭代盲目復原算法
6. 14 空間變化降晰圖像復原
6. 14. 1 坐標變換法
6. 14. 2 降晰矩陣分解法
參考文獻
第七章 相位恢復
7. 1 導言
7. 2 迭代傅里葉變換(IFT)算法
7. 3 解相關算法
7. 4 相位恢復的模糊問題和處理方法
7. 5 相位恢復問題的計算例子
7. 6 從自相關支持域估計目標支持域的理論和方法
7. 6. 1 支持域的凸邊界
7. 6. 2 應用：凸邊界估計
7. 6. 3 凸支持的某些性質
7. 6. 4 非凸支持
7. 6. 5 支持估計方法
參考文獻
索引
鄂公網安備 42010302001612號 