MATLAB R2016a智能算法分析與實(shí)現(xiàn)30例

目 錄
第1章 擴(kuò)頻通信系統(tǒng)的算法分析與實(shí)現(xiàn)\t1
1．1 擴(kuò)頻通信系統(tǒng)的仿真\t1
1．2 偽隨機(jī)碼的產(chǎn)生\t1
1．2．1 M序列\(zhòng)t2
1．2．2 偽隨機(jī)數(shù)序列相關(guān)函數(shù)\t3
1．2．3 Gold序列\(zhòng)t6
1．3 直接序列擴(kuò)頻系統(tǒng)\t7
1．4 利用MATLAB仿真演示直擴(kuò)信號(hào)抑制余弦干擾\t8
1．5 跳頻擴(kuò)頻系統(tǒng)\t10
1．6 BFSK/FH系統(tǒng)性能仿真\t11
第2章 圖像的復(fù)原算法分析與實(shí)現(xiàn)\t15
2．1 圖像復(fù)原概述\t15
2．2 圖像的噪聲\t16
2．3 圖像復(fù)原方法\t19
2．3．1 復(fù)原的模型\t20
2．3．2 無(wú)約束復(fù)原法\t20
2．3．3 有約束復(fù)原法\t21
2．3．4 復(fù)原法的評(píng)估\t21
2．4 MATLAB圖像的復(fù)原方法\t21
2．4．1 逆濾波復(fù)原法\t21
2．4．2 維納濾波復(fù)原法\t23
第3章 通信系統(tǒng)設(shè)計(jì)的MATLAB實(shí)現(xiàn)\t26
3．1 設(shè)計(jì)通信系統(tǒng)的發(fā)射機(jī)\t26
3．1．1 利用直接序列擴(kuò)頻技術(shù)設(shè)計(jì)發(fā)射機(jī)\t26
3．1．2 利用IS-95前向鏈路技術(shù)設(shè)計(jì)發(fā)射機(jī)\t27
3．1．3 利用OFDM技術(shù)設(shè)計(jì)發(fā)射機(jī)\t30
3．2 設(shè)計(jì)通信系統(tǒng)的接收機(jī)\t32
3．2．1 利用直接序列擴(kuò)頻技術(shù)設(shè)計(jì)接收機(jī)\t32
3．2．2 利用IS-95前向鏈路技術(shù)設(shè)計(jì)接收機(jī)\t33
3．2．3 利用OFDM技術(shù)設(shè)計(jì)接收機(jī)\t33
3．3 通信系統(tǒng)的MATLAB實(shí)現(xiàn)\t34
第4章 模擬濾波器算法分析與設(shè)計(jì)\t43
4．1 模擬濾波器離散化分析\t43
4．1．1 沖激響應(yīng)不變法分析\t43
4．1．2 雙線性變換法分析\t44
4．2 模擬濾波器的最小階數(shù)選擇\t46
4．2．1 Butterworth模擬濾波器階數(shù)選擇函數(shù)\t46
4．2．2 Chebyshev I型模擬濾波器階數(shù)選擇函數(shù)\t47
4．2．3 Chebyshev II型模擬濾波器階數(shù)選擇函數(shù)\t47
4．3 模擬濾波器的性能測(cè)試\t49
4．4 模擬濾波器的設(shè)計(jì)\t52
4．4．1 模擬濾波器設(shè)計(jì)步驟\t52
4．4．2 模擬濾波器設(shè)計(jì)函數(shù)\t54
第5章 神經(jīng)網(wǎng)絡(luò)模糊控制設(shè)計(jì)與應(yīng)用\t62
5．1 神經(jīng)網(wǎng)絡(luò)模糊控制器的結(jié)構(gòu)\t62
5．2 神經(jīng)網(wǎng)絡(luò)的特征\t63
5．3 神經(jīng)網(wǎng)絡(luò)模糊控制器的應(yīng)用\t65
5．3．1 控制器\t66
5．3．2 控制器自校正\t66
5．4 神經(jīng)模糊控制應(yīng)用于洗衣機(jī)中\(zhòng)t67
5．4．1 洗衣機(jī)的模糊控制\t68
5．4．2 洗衣機(jī)的神經(jīng)網(wǎng)絡(luò)模糊控制器的設(shè)計(jì)\t69
第6章 故障信號(hào)檢測(cè)分析與實(shí)現(xiàn)\t73
6．1 故障信號(hào)檢測(cè)的理論分析\t73
6．2 實(shí)驗(yàn)結(jié)果與分析\t75
6．2．1 利用小波分析檢測(cè)傳感器故障\t75
6．2．2 小波類型的選擇對(duì)檢測(cè)突變信號(hào)的影響\t78
6．3 小波類型選擇\t82
第7章 現(xiàn)代控制系統(tǒng)算法分析與實(shí)現(xiàn)\t83
7．1 可控性分析\t83
7．1．1 連續(xù)系統(tǒng)的完全可控性\t83
7．1．2 離散系統(tǒng)的可控性\t84
7．1．3 連續(xù)系統(tǒng)的狀態(tài)完全可控標(biāo)準(zhǔn)形式\t85
7．1．4 連續(xù)系統(tǒng)的輸出可控性\t87
7．2 可觀測(cè)性分析\t89
7．2．1 線性離散系統(tǒng)的完全可觀測(cè)性\t89
7．2．2 連續(xù)系統(tǒng)的完全可觀測(cè)性\t90
7．2．3 連續(xù)系統(tǒng)的完全可觀測(cè)標(biāo)準(zhǔn)形\t92
7．3 系統(tǒng)的極點(diǎn)配置\t94
7．3．1 極點(diǎn)配置的MATLAB函數(shù)\t94
7．3．2 極點(diǎn)配置示例分析\t94
7．4 系統(tǒng)狀態(tài)觀測(cè)器設(shè)計(jì)\t97
7．4．1 狀態(tài)觀測(cè)器的MATLAB函數(shù)\t97
7．4．2 狀態(tài)觀測(cè)器設(shè)計(jì)示例\t97
第8章 數(shù)字圖像的運(yùn)算分析與實(shí)現(xiàn)\t100
8．1 圖像的點(diǎn)運(yùn)算\t100
8．1．1 線性點(diǎn)運(yùn)算\t100
8．1．2 分段線性點(diǎn)運(yùn)算\t102
8．1．3 非線性變換\t103
8．1．4 直方圖修正\t104
8．2 圖像的代數(shù)運(yùn)算\t108
8．2．1 圖像加法運(yùn)算\t108
8．2．2 圖像減法運(yùn)算\t111
8．2．3 圖像乘法運(yùn)算\t113
8．2．4 圖像除法運(yùn)算\t114
第9章 離散時(shí)間信號(hào)算法分析與實(shí)現(xiàn)\t116
9．1 離散時(shí)間信號(hào)在MATLAB中的運(yùn)算\t116
9．1．1 離散時(shí)間信號(hào)的基本運(yùn)算\t116
9．1．2 離散時(shí)間系統(tǒng)的響應(yīng)\t117
9．1．3 離散時(shí)間系統(tǒng)的單位取樣響應(yīng)\t118
9．1．4 離散時(shí)間信號(hào)的卷積和運(yùn)算\t121
9．2 信號(hào)抽樣及抽樣定理\t123
9．2．1 信號(hào)抽樣分析\t123
9．2．2 抽樣定理分析\t125
9．2．3 信號(hào)重建分析\t126
第10章 自組織神經(jīng)網(wǎng)絡(luò)的函數(shù)實(shí)現(xiàn)\t130
10．1 創(chuàng)建函數(shù)\t130
10．2 學(xué)習(xí)函數(shù)\t133
10．3 競(jìng)爭(zhēng)傳遞函數(shù)\t138
10．4 初始化函數(shù)\t139
10．5 距離函數(shù)\t139
10．6 訓(xùn)練競(jìng)爭(zhēng)層函數(shù)\t142
10．7 繪圖函數(shù)\t142
10．8 結(jié)構(gòu)函數(shù)\t143
第11章 通信系統(tǒng)濾波器設(shè)計(jì)與實(shí)現(xiàn)\t145
11．1 模擬濾波器MATLAB函數(shù)\t145
11．1．1 設(shè)計(jì)模擬濾波器\t145
11．1．2 切比雪夫II型濾波器\t147
11．1．3 橢圓濾波器\t149
11．1．4 Bessel濾波器\t150
11．1．5 求模擬濾波器的最小階\t151
11．1．6 濾波器的傳遞函數(shù)\t154
11．2 數(shù)字濾波器MATLAB函數(shù)\t159
11．2．1 窗函數(shù)\t160
11．2．2 數(shù)字濾波器頻率響應(yīng)函數(shù)\t162
11．3 特殊濾波器MATLAB函數(shù)\t169
11．3．1 rcosfir函數(shù)\t170
11．3．2 rcosiir函數(shù)\t170
第12章 控制系統(tǒng)根軌跡校正分析與實(shí)現(xiàn)\t172
12．1 控制系統(tǒng)性能指標(biāo)\t172
12．1．1 性能指標(biāo)的分類\t172
12．1．2 二階系統(tǒng)頻域指標(biāo)與時(shí)域指標(biāo)的關(guān)系\t172
12．2 校正基本概念\t173
12．2．1 校正的概念\t173
12．2．2 校正的方式\t173
12．3 根軌跡校正法\t175
12．3．1 根軌跡校正法串聯(lián)超前校正\t175
12．3．2 根軌跡的串聯(lián)滯后校正\t178
12．3．3 根軌跡的串聯(lián)超前滯后校正\t182
第13章 圖像的幾何運(yùn)算分析與實(shí)現(xiàn)\t186
13．1 齊次坐標(biāo)\t186
13．2 灰度插值\t187
13．2．1 最近鄰插值\t187
13．2．2 雙線性插值\t188
13．2．3 雙三次插值\t189
13．2．4 MATLAB實(shí)現(xiàn)\t189
13．3 圖像平移\t190
13．4 圖像旋轉(zhuǎn)\t193
13．5 圖像比例縮放\t195
第14章 IIR濾波器設(shè)計(jì)與實(shí)現(xiàn)\t200
14．1 從模擬濾波器設(shè)計(jì)IIR濾波器\t200
14．1．1 沖激響應(yīng)不變法\t200
14．1．2 雙線性變換法\t203
14．2 IIR濾波器的設(shè)計(jì)方法\t206
14．2．1 經(jīng)典設(shè)計(jì)法\t206
14．2．2 直接設(shè)計(jì)法\t209
14．3 高通濾波器的設(shè)計(jì)\t212
14．3．1 模擬低通-數(shù)字高通變換\t212
14．3．2 數(shù)字低通-數(shù)字高通變換\t214
第15章 自組織特征映射網(wǎng)絡(luò)算法分析與應(yīng)用\t215
15．1 自組織特征映射網(wǎng)絡(luò)模型\t215
15．2 自組織特征映射網(wǎng)絡(luò)結(jié)構(gòu)\t217
15．3 自組織特征映射網(wǎng)絡(luò)設(shè)計(jì)\t217
15．3．1 SOFM的構(gòu)建\t217
15．3．2 SOFM的訓(xùn)練\t218
15．4 自組織特征映射網(wǎng)絡(luò)應(yīng)用\t220
15．4．1 自組織特征映射網(wǎng)絡(luò)在識(shí)別分類中的應(yīng)用\t220
15．4．2 SOFM在人口分類中的應(yīng)用\t222
第16章 模型預(yù)測(cè)控制設(shè)計(jì)與實(shí)現(xiàn)\t226
16．1 系統(tǒng)辨識(shí)\t226
16．2 廣義預(yù)測(cè)控制\t227
16．2．1 j步最優(yōu)預(yù)測(cè)\t227
16．2．2 C(z-1)=1時(shí)的廣義預(yù)測(cè)控制\t228
16．3 MATLAB實(shí)現(xiàn)\t228
16．3．1 對(duì)象參數(shù)已知時(shí)（GPC算法）\t228
16．3．2 對(duì)象參數(shù)未知時(shí)（GPC自適應(yīng)算法）\t231
16．3．3 C(z-1)≠1時(shí)的廣義預(yù)測(cè)控制\t234
第17章 通信系統(tǒng)模擬線性調(diào)制算法分析與實(shí)現(xiàn)\t241
17．1 雙邊帶調(diào)幅與解調(diào)\t241
17．1．1 雙邊帶調(diào)幅\t241
17．1．2 雙邊帶解調(diào)\t244
17．2 常規(guī)雙邊帶調(diào)幅\t246
17．3 抑制載波雙邊帶調(diào)幅\t247
17．4 單邊帶調(diào)幅與解調(diào)\t250
17．4．1 希爾伯特變換\t250
17．4．2 單邊帶調(diào)幅\t251
17．4．3 單邊帶解調(diào)\t253
第18章 控制系統(tǒng)頻域校正分析與實(shí)現(xiàn)\t257
18．1 頻域響應(yīng)校正法\t257
18．2 頻域法的串聯(lián)超前校正\t257
18．2．1 相位超前校正裝置\t257
18．2．2 超前校正設(shè)計(jì)方法\t258
18．3 頻域法的串聯(lián)滯后校正\t261
18．3．1 相位滯后校正裝置\t261
18．3．2 Bode圖滯后校正設(shè)計(jì)方法\t261
18．4 頻域串聯(lián)滯后超前校正\t265
18．4．1 滯后超前校正裝置\t265
18．4．2 Bode圖滯后超前校正設(shè)計(jì)方法\t266
18．5 反饋校正\t270
第19章 圖像的編碼算法分析與實(shí)現(xiàn)\t276
19．1 圖像壓縮編碼基礎(chǔ)\t276
19．1．1 圖像壓縮編碼的必要性\t276
19．1．2 圖像壓縮編碼的可能性\t276
19．1．3 圖像壓縮編碼的性能指標(biāo)\t277
19．1．4 保真度準(zhǔn)則的評(píng)價(jià)\t279
19．1．5 壓縮編碼的分類\t280
19．2 熵編碼\t281
19．2．1 哈夫曼編碼\t281
19．2．2 香農(nóng)編碼\t288
19．2．3 算術(shù)編碼\t290
第20章 信號(hào)變換算法分析與實(shí)現(xiàn)\t294
20．1 快速傅里葉變換\t294
20．1．1 快速傅里葉變換的性質(zhì)\t294
20．1．2 快速傅里葉變換及其應(yīng)用\t303
20．1．3 運(yùn)用快速傅里葉變換進(jìn)行簡(jiǎn)單濾波\t307
20．2 離散余弦變換\t309
20．3 Chirp Z變換\t311
20．4 離散希爾伯特變換\t313
第21章 神經(jīng)網(wǎng)絡(luò)的最小方差自校正控制\t316
21．1 神經(jīng)網(wǎng)絡(luò)控制結(jié)構(gòu)\t316
21．1．1 神經(jīng)網(wǎng)絡(luò)監(jiān)督控制\t316
21．1．2 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制\t317
21．1．3 神經(jīng)網(wǎng)絡(luò)自適應(yīng)評(píng)判控制\t318
21．2 最小方差自校正控制\t319
21．2．1 最小方差控制\t319
21．2．2 最小方差間接自校正控制\t323
21．2．3 最小方差直接自校正控制\t326
第22章 BAM與BSB網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)\t330
22．1 雙向聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)\t330
22．1．1 BAM網(wǎng)絡(luò)結(jié)構(gòu)與原理\t330
22．1．2 能量函數(shù)與穩(wěn)定性分析\t331
22．1．3 BAM網(wǎng)絡(luò)的權(quán)值設(shè)計(jì)\t332
22．1．4 BAM網(wǎng)絡(luò)的應(yīng)用\t333
22．2 盒中腦模型網(wǎng)絡(luò)\t334
22．2．1 盒中腦模型的描述\t335
22．2．2 盒中腦模型的實(shí)現(xiàn)\t335
第23章 濾波器設(shè)計(jì)原理和實(shí)現(xiàn)方法\t338
23．1 自適應(yīng)濾波器\t338
23．1．1 自適應(yīng)濾波器設(shè)計(jì)原理\t338
23．1．2 自適應(yīng)濾波器在MATLAB中的應(yīng)用\t339
23．2 格型濾波器\t342
23．2．1 全零點(diǎn)格型濾波器\t342
23．2．2 全極點(diǎn)格型濾波器\t345
23．2．3 零極點(diǎn)的Lattice結(jié)構(gòu)\t345
23．3 線性預(yù)測(cè)濾波器\t346
23．3．1 線性預(yù)測(cè)濾波器模型\t346
23．3．2 線性預(yù)測(cè)濾波器設(shè)計(jì)\t349
第24章 基于形態(tài)學(xué)的圖像處理技術(shù)\t354
24．1 數(shù)學(xué)形態(tài)學(xué)概述\t354
24．2 數(shù)學(xué)形態(tài)學(xué)的基本概念\t355
24．3 數(shù)學(xué)形態(tài)學(xué)的分類\t355
24．3．1 二值形態(tài)學(xué)\t355
24．3．2 灰度數(shù)學(xué)形態(tài)學(xué)\t356
24．3．3 模糊數(shù)學(xué)形態(tài)學(xué)\t356
24．4 形態(tài)學(xué)的基本運(yùn)算\t357
24．4．1 邊界像素\t358
24．4．2 結(jié)構(gòu)元素\t358
24．4．3 膨脹與腐蝕\t362
24．4．4 開(kāi)運(yùn)算與閉運(yùn)算\t366
24．4．5 形態(tài)學(xué)重構(gòu)\t368
第25章 Elman網(wǎng)絡(luò)算法分析與實(shí)現(xiàn)\t370
25．1 Elman網(wǎng)絡(luò)結(jié)構(gòu)\t370
25．2 修正網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)算法\t371
25．3 穩(wěn)定性推導(dǎo)\t373
25．4 對(duì)角遞歸網(wǎng)絡(luò)穩(wěn)定時(shí)學(xué)習(xí)速率的確定\t374
25．5 Elman神經(jīng)網(wǎng)絡(luò)與訓(xùn)練\t375
25．6 Elman神經(jīng)網(wǎng)絡(luò)的應(yīng)用\t377
第26章 自動(dòng)控制實(shí)際系統(tǒng)的分析設(shè)計(jì)\t386
26．1 傳遞函數(shù)模型分析\t386
26．2 傳遞函數(shù)模型的MATLAB實(shí)現(xiàn)\t387
26．3 狀態(tài)空間模型分析\t390
26．4 狀態(tài)空間模型的MATLAB實(shí)現(xiàn)\t390
26．5 零極點(diǎn)增益模型分析\t392
26．6 零極點(diǎn)增益模型的MATLAB實(shí)現(xiàn)\t393
第27章 圖像編碼算法的MATLAB實(shí)現(xiàn)\t396
27．1 變換編碼\t396
27．2 行程編程\t398
27．2．1 基本原理\t398
27．2．2 自身特點(diǎn)\t399
27．2．3 算法局限性\t399
27．3 預(yù)測(cè)編碼\t401
27．3．1 DPCM編碼\t402
27．3．2 最佳線性預(yù)測(cè)編碼法\t406
27．3．3 增量調(diào)制編碼\t410
第28章 信號(hào)的小波分析與處理\t411
28．1 信號(hào)分析\t411
28．1．1 分離信號(hào)的不同成分\t411
28．1．2 識(shí)別某一頻率上的信號(hào)\t414
28．1．3 識(shí)別信號(hào)的發(fā)展趨勢(shì)\t416
28．2 信號(hào)去噪\t417
28．2．1 信號(hào)閾值去噪\t417
28．2．2 信號(hào)閾值去噪應(yīng)用\t421
28．3 提升小波變換用于信號(hào)處理\t423
28．3．1 提升小波變換概述\t423
28．3．2 提升小波\t423
28．3．3 提升小波在信號(hào)處理中的應(yīng)用\t429
第29章 LVQ神經(jīng)網(wǎng)絡(luò)算法分析與應(yīng)用\t432
29．1 學(xué)習(xí)向量量化的網(wǎng)絡(luò)結(jié)構(gòu)\t432
29．2 學(xué)習(xí)向量量化的網(wǎng)絡(luò)學(xué)習(xí)\t432
29．2．1 學(xué)習(xí)向量量化的學(xué)習(xí)規(guī)則\t432
29．2．2 學(xué)習(xí)向量量化的網(wǎng)絡(luò)訓(xùn)練\t434
29．3 學(xué)習(xí)向量量化的學(xué)習(xí)算法的改進(jìn)\t436
29．4 學(xué)習(xí)向量量化的網(wǎng)絡(luò)應(yīng)用\t436
第30章 離散控制系統(tǒng)的算法分析與實(shí)現(xiàn)\t440
30．1 離散控制系統(tǒng)的基本概念\t440
30．1．1 離散控制系統(tǒng)的基本組成\t440
30．1．2 數(shù)字控制系統(tǒng)的工作過(guò)程\t441
30．1．3 離散控制系統(tǒng)的特點(diǎn)\t441
30．2 離散信號(hào)的數(shù)字描述\t442
30．2．1 采樣過(guò)程及采樣定理\t442
30．2．2 保持器的數(shù)學(xué)描述\t444
30．3 Z變換\t446
30．3．1 離散信號(hào)的Z變換\t446
30．3．2 Z變換及其逆變換\t447
參考文獻(xiàn)\t453