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: Jean?Claude Bertein. Roger Ceschi(auth.)
سری:
ISBN (شابک) : 9781848211810, 9781118600351
ناشر: Wiley-ISTE
سال نشر: 2009
تعداد صفحات: 293
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Discrete Stochastic Processes and Optimal Filtering, Second Edition 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 فیلتر مطلوب ، ویرایش دوم 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 وینر
و فیلترهای 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. 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):
تخمین فصل 4 (صفحه های 139-176):
فصل 5 فیلتر وینر (صفحات 177-193):
فیلتر 6 تطبیقی : الگوریتم گرادیان و LMS (صفحات 195-234):
فصل 7 فیلتر کالمن (صفحات 235-279):
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):