دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: الگوریتم ها و ساختارهای داده ویرایش: نویسندگان: Goodwin M.M. سری: ناشر: سال نشر: 1997 تعداد صفحات: 273 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 مگابایت
در صورت تبدیل فایل کتاب Adaptive signal models.Theory,algorithms,and audio applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدلهای سیگنال تطبیقی. نظریه، الگوریتمها و کاربردهای صوتی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
مدلهای سیگنال تطبیقی: نظریه، الگوریتمها و کاربردهای
صوتی روشهایی را برای استخراج مدلهای ریاضی سیگنالهای
طبیعی ارائه میکند. مقدمه اصول سیستم های تجزیه و تحلیل سنتز و
نمایش سیگنال را پوشش می دهد. برخی از موضوعات در مقدمه شامل
بازسازی کامل و تقریباً کامل، تمایز بین روشهای پارامتری و
ناپارامتریک، نقش تراکم در مدلسازی سیگنال، بسط سیگنال پایه و
بیش از حد کامل، و مسائل تفکیک فرکانس زمانی است. این موضوعات در
سراسر کتاب و همچنین تعدادی از موضوعات دیگر مانند بانکهای فیلتر
و وضوح چندگانه مطرح میشوند.
فصل دوم توسعه مفصلی از مدل سینوسی را به عنوان بسط پارامتری
تبدیل فوریه کوتاه مدت ارائه می دهد. این منجر به تکنیکهای
مدلسازی سینوسی با وضوح چندگانه در فصل سوم میشود، جایی که
رویکردهای موجک مانند با مدل سینوسی ادغام میشوند تا مدلهای
بهبودیافته را به دست آورند. در فصل چهارم، باقیمانده آنالیز-سنتز
در نظر گرفته شده است. برای سنتز واقعی، پس از حذف اجزای منسجم
(مانند سینوسی ها) باقیمانده باید به طور جداگانه مدل شود. رویکرد
مدلسازی باقیمانده مبتنی بر بانکهای فیلتر غیریکنواخت با
انگیزه روانآکوستیکی است. فصل پنجم به نسخه های همگام گام از هر
دو موجک و تبدیل فوریه می پردازد. اینها امکان مدلهای فشرده
سیگنالهای شبه دوره ای را فراهم می کنند. فصل ششم الگوریتم های
اخیر را برای استخراج نمایش سیگنال بر اساس اتم های فرکانس زمان
مورد بحث قرار می دهد. در درجه اول، الگوریتم تعقیب تطبیق بررسی و
گسترش می یابد. مدلهای سیگنالی که در کتاب مورد بحث قرار
گرفتهاند، نمایشهای فشرده، تطبیقی، پارامتری، فرکانس زمانی
هستند که برای تحلیل، کدگذاری، اصلاح و سنتز سیگنالهای طبیعی
مانند صدا مفید هستند. همه مدلها به عنوان روشهایی برای تجزیه
یک سیگنال بر حسب اتمهای فرکانس زمانی اساسی تفسیر میشوند. این
تفاسیر، و همچنین ماهیت تطبیقی و پارامتریک مدلها، به پیوند
روشهای مختلف پرداخته شده در متن کمک میکنند.
مدل های سیگنال تطبیقی: تئوری، الگوریتم ها و کاربردهای
صوتی به عنوان یک مرجع عالی برای محققان پردازش سیگنال عمل
می کند و ممکن است به عنوان متنی برای دوره های پیشرفته در این
زمینه استفاده شود.
Adaptive Signal Models: Theory, Algorithms and Audio
Applications presents methods for deriving mathematical
models of natural signals. The introduction covers the
fundamentals of analysis-synthesis systems and signal
representations. Some of the topics in the introduction include
perfect and near-perfect reconstruction, the distinction
between parametric and nonparametric methods, the role of
compaction in signal modeling, basic and overcomplete signal
expansions, and time-frequency resolution issues. These topics
arise throughout the book as do a number of other topics such
as filter banks and multiresolution.
The second chapter gives a detailed development of the
sinusoidal model as a parametric extension of the short-time
Fourier transform. This leads to multiresolution sinusoidal
modeling techniques in Chapter Three, where wavelet-like
approaches are merged with the sinusoidal model to yield
improved models. In Chapter Four, the analysis-synthesis
residual is considered; for realistic synthesis, the residual
must be separately modeled after coherent components (such as
sinusoids) are removed. The residual modeling approach is based
on psychoacoustically motivated nonuniform filter banks.
Chapter Five deals with pitch-synchronous versions of both the
wavelet and the Fourier transform; these allow for compact
models of pseudo-periodic signals. Chapter Six discusses recent
algorithms for deriving signal representations based on
time-frequency atoms; primarily, the matching pursuit algorithm
is reviewed and extended.
The signal models discussed in the book are compact, adaptive,
parametric, time-frequency representations that are useful for
analysis, coding, modification, and synthesis of natural
signals such as audio. The models are all interpreted as
methods for decomposing a signal in terms of fundamental
time-frequency atoms; these interpretations, as well as the
adaptive and parametric natures of the models, serve to link
the various methods dealt with in the text.
Adaptive Signal Models: Theory, Algorithms and Audio
Applications serves as an excellent reference for
researchers of signal processing and may be used as a text for
advanced courses on the topic
Content: 1. Signal Models and Analysis-Synthesis --
1.1 Analysis-Synthesis Systems --
1.2 Compact Representations --
1.3 Parametric Methods --
1.4 Nonparametric Methods --
1.5 Time-Frequency Decompositions --
1.6 Overview --
2. Sinusoidal Modeling --
2.1 The Sinusoidal Signal Model --
2.2 The Short-Time Fourier Transform --
2.3 Sinusoidal Analysis --
2.4 Time-Domain Synthesis --
2.5 Frequency-Domain Synthesis --
2.6 Reconstruction Artifacts --
2.7 Signal Modification --
2.8 Conclusion --
3. Multiresolution Sinusoidal Modeling --
3.1 Atomic Interpretation of the Sinusoidal Model --
3.2 Multiresolution Signal Decompositions --
3.3 Filter Bank Methods --
3.4 Adaptive Segmentation --
3.5 Conclusion --
4. Residual Modeling --
4.1 Mixed Models --
4.2 Model of Noise Perception --
4.3 Residual Analysis-Synthesis --
4.4 Conclusion --
5. Pitch-Synchronous Models --
5.1 Pitch Estimation --
5.2 Pitch-Synchronous Signal Representation --
5.3 Pitch-Synchronous Sinusoidal Models --
5.4 Pitch-Synchronous Wavelet Transforms --
5.5 Applications --
5.6 Conclusion --
6. Matching Pursuit and Atomic Models --
6.1 Atomic Decompositions --
6.2 Matching Pursuit --
6.3 Time-Frequency Dictionaries --
6.4 Computation Using Recursive Filter Banks --
6.5 Conclusion --
7. Conclusions --
7.1 Signal-Adaptive Parametric Representations --
7.2 Research Directions --
Appendix A --
Two-Channel Filter Banks --
Appendix B --
Fourier Series Representations --
References --
References for Poetry Excerpts.