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: احتمال ویرایش: illustrated edition نویسندگان: Jean-Claude Bertein. Roger Ceschi سری: Digital Signal & Image Processing Series (ISTE-DSP) ISBN (شابک) : 9781905209743, 1905209746 ناشر: ISTE USA سال نشر: 2007 تعداد صفحات: 301 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 Discrete Stochastic Processes and Optimal Filtering 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 فرآیندهای تصادفی گسسته و فیلترینگ بهینه 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.
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 سیگنال های غیر ثابت استفاده می شوند ضروری است. تمرینات با راه حل در هر فصل برای نشان دادن کاربرد عملی این ایده ها با استفاده از Matlab وجود دارد.
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.