第三章 数字信号处理基础 144
3.1 离散时间信号与系统 144
3.1.1 离散时间信号 144
3.1.2 离散系统的卷积和相关 149
3.1.3 离散系统的差分方程 155
3.2 离散时间傅立叶变换 157
3.2.1 离散时间傅立叶变换定义与计算 157
3.2.2 离散时间傅立叶变换的特性 161
3.3 离散傅立叶变换 167
3.3.1 离散傅立叶级数 167
3.3.2 离散傅立叶变换 170
3.3.3 离散傅立叶变换的性质 178
第四章 数字滤波器的设计 197
4.1 数字滤波器的结构 197
4.1.1 基本元件 197
4.1.2 IIR滤波器的结构 198
4.1.3 FIR滤波器的结构 212
4.2 滤波器设计基础 216
4.2.1 滤波器的指标 216
4.2.2 滤波器指标的确定 217
4.2.3 问题的描述 218
4.3 线性相位FIR滤波器的性质 218
4.3.1 冲激响应 219
4.3.2 频率响应 219
4.3.3 零点位置 222
4.4 FIR滤波器的窗函数设计技术 226
4.4.1 窗函数设计的基本思想 226
4.4.2 常用窗函数 226
4.4.3 窗函数设计公式 227
4.4.4 FIR滤波器设计实例 228
4.5 IIR滤波器设计 250
4.6 模拟滤波器原型 251
4.6.1 巴特沃斯低通滤波器 251
4.6.2 切比雪夫低通滤波器 258
4.7 滤波器的变换 268
4.7.1 滤波器变换的基本方法 268
4.7.2 滤波器变换实例 272
4.8 用Matlab设计低通滤波器 277
4.8.1 设计低通滤波器的Matlab函数 277
4.8.2 低通滤波器设计实例 278
第五章 神经网络的分析与设计 284
5.1 人工神经网络基础 284
5.1.1 人工神经网络的基本结构与模型 285
5.1.2 神经网络的层次 288
5.1.3 用Matlab计算人工神经网络的输出 291
5.2 神经网络工具箱的基本函数 296
5.2.1 神经网络的初始化函数 296
5.2.2 与神经网络有关的绘图函数 300
5.2.3 神经网络的误差分析函数 307
5.3 感知器神经网络 312
5.3.1 感知器神经网络的常用函数 312
5.3.2 感知器神经元模型 312
5.3.3 感知器神经网络 313
5.3.4 感知器神经网络设计实例 315
5.4 自适应线性神经网络 327
5.4.1 自适应线性神经网络的模型和结构 328
5.4.2 自适应线性神经网络的学习规则与训练 329
5.4.3 自适应线性神经网络设计实例 334
5.5 反向传播神经网络 345
5.5.1 BP神经网络的结构 346
5.5.2 BP神经网络的初始化 348
5.5.3 BP神经网络的学习和训练 348
5.5.4 BP神经网络设计实例 364
第六章 控制系统的数学描述与建模 369
6.1 微分方程 369
6.1.1 微分方程的数值解 369
6.1.2 非线性系统 375
6.1.3 线性化 377
6.2 传递函数 378
6.2.1 多项式的根和特征多项式 378
6.2.2 传递函数的零点和极点 379
6.2.3 部分分式展开 381
6.3 状态空间描述 382
6.3.1 将微分方程化成状态方程 382
6.3.2 矩阵的对角化 383
6.4 模型的转换与连接 385
6.4.1 数学模型的转换 385
6.4.2 系统模型的连接 391
6.5 模型的降阶与实现 400
6.5.1 模型降阶 401
6.5.2 模型实现 408
6.6 控制系统的模型属性 410
6.7 控制系统常用数学方程求解 418
第六章附录 函数ode23 的源代码 420
3.1 离散时间信号与系统 144
3.1.1 离散时间信号 144
3.1.2 离散系统的卷积和相关 149
3.1.3 离散系统的差分方程 155
3.2 离散时间傅立叶变换 157
3.2.1 离散时间傅立叶变换定义与计算 157
3.2.2 离散时间傅立叶变换的特性 161
3.3 离散傅立叶变换 167
3.3.1 离散傅立叶级数 167
3.3.2 离散傅立叶变换 170
3.3.3 离散傅立叶变换的性质 178
第四章 数字滤波器的设计 197
4.1 数字滤波器的结构 197
4.1.1 基本元件 197
4.1.2 IIR滤波器的结构 198
4.1.3 FIR滤波器的结构 212
4.2 滤波器设计基础 216
4.2.1 滤波器的指标 216
4.2.2 滤波器指标的确定 217
4.2.3 问题的描述 218
4.3 线性相位FIR滤波器的性质 218
4.3.1 冲激响应 219
4.3.2 频率响应 219
4.3.3 零点位置 222
4.4 FIR滤波器的窗函数设计技术 226
4.4.1 窗函数设计的基本思想 226
4.4.2 常用窗函数 226
4.4.3 窗函数设计公式 227
4.4.4 FIR滤波器设计实例 228
4.5 IIR滤波器设计 250
4.6 模拟滤波器原型 251
4.6.1 巴特沃斯低通滤波器 251
4.6.2 切比雪夫低通滤波器 258
4.7 滤波器的变换 268
4.7.1 滤波器变换的基本方法 268
4.7.2 滤波器变换实例 272
4.8 用Matlab设计低通滤波器 277
4.8.1 设计低通滤波器的Matlab函数 277
4.8.2 低通滤波器设计实例 278
第五章 神经网络的分析与设计 284
5.1 人工神经网络基础 284
5.1.1 人工神经网络的基本结构与模型 285
5.1.2 神经网络的层次 288
5.1.3 用Matlab计算人工神经网络的输出 291
5.2 神经网络工具箱的基本函数 296
5.2.1 神经网络的初始化函数 296
5.2.2 与神经网络有关的绘图函数 300
5.2.3 神经网络的误差分析函数 307
5.3 感知器神经网络 312
5.3.1 感知器神经网络的常用函数 312
5.3.2 感知器神经元模型 312
5.3.3 感知器神经网络 313
5.3.4 感知器神经网络设计实例 315
5.4 自适应线性神经网络 327
5.4.1 自适应线性神经网络的模型和结构 328
5.4.2 自适应线性神经网络的学习规则与训练 329
5.4.3 自适应线性神经网络设计实例 334
5.5 反向传播神经网络 345
5.5.1 BP神经网络的结构 346
5.5.2 BP神经网络的初始化 348
5.5.3 BP神经网络的学习和训练 348
5.5.4 BP神经网络设计实例 364
第六章 控制系统的数学描述与建模 369
6.1 微分方程 369
6.1.1 微分方程的数值解 369
6.1.2 非线性系统 375
6.1.3 线性化 377
6.2 传递函数 378
6.2.1 多项式的根和特征多项式 378
6.2.2 传递函数的零点和极点 379
6.2.3 部分分式展开 381
6.3 状态空间描述 382
6.3.1 将微分方程化成状态方程 382
6.3.2 矩阵的对角化 383
6.4 模型的转换与连接 385
6.4.1 数学模型的转换 385
6.4.2 系统模型的连接 391
6.5 模型的降阶与实现 400
6.5.1 模型降阶 401
6.5.2 模型实现 408
6.6 控制系统的模型属性 410
6.7 控制系统常用数学方程求解 418
第六章附录 函数ode23 的源代码 420
