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
ویرایش: نویسندگان: Abdelhak M. Zoubir, D. Robert Iskander سری: ISBN (شابک) : 052183127X, 9780521831277 ناشر: CUP سال نشر: 2004 تعداد صفحات: 233 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
در صورت تبدیل فایل کتاب Bootstrap Techniques for Signal Processing 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 تکنیک های بوت استرپ برای پردازش سیگنال 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.
بوت استرپ آماری یکی از روش هایی است که می تواند برای محاسبه تخمین تعداد معینی از پارامترهای ناشناخته یک فرآیند تصادفی یا یک سیگنال مشاهده شده در نویز بر اساس یک نمونه تصادفی استفاده شود. چنین موقعیت هایی در پردازش سیگنال رایج هستند و بوت استرپ مخصوصاً زمانی مفید است که فقط یک نمونه کوچک در دسترس باشد یا تجزیه و تحلیل تحلیلی بیش از حد دست و پا گیر یا حتی غیرممکن باشد. این کتاب پایه های بوت استرپ، خواص، نقاط قوت و محدودیت های آن را پوشش می دهد. نویسندگان بر روی تشخیص سیگنال بوت استرپ در تداخل گاوسی و غیر گاوسی و همچنین انتخاب مدل بوت استرپ تمرکز دارند. تئوری توسعه یافته در کتاب توسط تعدادی مثال عملی نوشته شده در MATLAB پشتیبانی می شود. هدف این کتاب دانشجویان و مهندسین فارغ التحصیل است و شامل کاربردهایی برای مشکلات دنیای واقعی در زمینه هایی مانند رادار و سونار، مهندسی زیست پزشکی و مهندسی خودرو می باشد.
The statistical bootstrap is one of the methods that can be used to calculate estimates of a certain number of unknown parameters of a random process or a signal observed in noise, based on a random sample. Such situations are common in signal processing and the bootstrap is especially useful when only a small sample is available or an analytical analysis is too cumbersome or even impossible. This book covers the foundations of the bootstrap, its properties, its strengths, and its limitations. The authors focus on bootstrap signal detection in Gaussian and non-Gaussian interference as well as bootstrap model selection. The theory developed in the book is supported by a number of practical examples written in MATLAB. The book is aimed at graduate students and engineers, and includes applications to real-world problems in areas such as radar and sonar, biomedical engineering, and automotive engineering.