توضیحاتی در مورد کتاب Discrete Stochastic Processes and Optimal Filtering, Second Edition
نام کتاب : Discrete Stochastic Processes and Optimal Filtering, Second Edition
عنوان ترجمه شده به فارسی : فرآیندهای تصادفی گسسته و فیلترینگ بهینه، ویرایش دوم
سری :
نویسندگان : Jean?Claude Bertein, Roger Ceschi(auth.)
ناشر : Wiley-ISTE
سال نشر : 2009
تعداد صفحات : 293
ISBN (شابک) : 9781848211810 , 9781118600351
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 3 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
فیلتر بهینه اعمال شده برای سیگنال های ثابت و غیر ثابت، کارآمدترین ابزار را برای مقابله با مشکلات ناشی از استخراج سیگنال های نویز فراهم می کند. علاوه بر این، این یک ویژگی اساسی در طیف وسیعی از کاربردها است، مانند ناوبری در هوافضا و هوانوردی، پردازش فیلتر در صنعت مخابرات، و غیره. برای ایجاد فیلترهای وینر و تطبیقی مورد استفاده برای سیگنال های ثابت و همچنین بررسی فیلترهای کالمن که در رابطه با غیر ثابت استفاده می شوند ضروری است. سیگنال ها تمرینهایی با راهحلها در هر فصل برای نشان دادن کاربرد عملی این ایدهها با استفاده از MATLAB وجود دارد. > فصل 3 مقدمه ای بر فرآیندهای زمان گسسته (صفحات 93-138):
فصل 4 تخمین (صفحات 139-176):
فصل 5 فیلتر وینر (صفحات 177-193):
فصل 6 فیلتر تطبیقی: الگوریتم گرادیان و LMS (صفحات 195-234):
فصل 7 فیلتر کالمن (صفحات 235-279):
توضیحاتی در مورد کتاب به زبان اصلی :
Optimal filtering applied to stationary and non-stationary signals provides the most efficient means of dealing with problems arising from the extraction of noise signals. Moreover, it is a fundamental feature in a range of applications, such as in navigation in aerospace and aeronautics, filter processing in the telecommunications industry, etc. This book provides a comprehensive overview of this area, discussing random and Gaussian vectors, outlining the results necessary for the creation of Wiener and adaptive filters used for stationary signals, as well as examining Kalman filters which are used in relation to non-stationary signals. Exercises with solutions feature in each chapter to demonstrate the practical application of these ideas using MATLAB.Content:
Chapter 1 Random Vectors (pages 1–61):
Chapter 2 Gaussian Vectors (pages 63–91):
Chapter 3 Introduction to Discrete Time Processes (pages 93–138):
Chapter 4 Estimation (pages 139–176):
Chapter 5 The Wiener Filter (pages 177–193):
Chapter 6 Adaptive Filtering: Algorithm of the Gradient and the LMS (pages 195–234):
Chapter 7 The Kalman Filter (pages 235–279):