دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Intuitive Guide to Fourier Analysis and Spectral Estimation with Matlab_Chapter1-4
دانلود کتاب راهنمای بصری تحلیل فوریه و تخمین طیفی با Matlab_فصل 1-4
مشخصات کتاب
Intuitive Guide to Fourier Analysis and Spectral Estimation with Matlab_Chapter1-4
ویرایش: نویسندگان: Charan Langton &, Victor Levin سری: ISBN (شابک) : 9780913063262, 0913063266 ناشر: Mountcastle Academic سال نشر: 2017 تعداد صفحات: 159 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 2 Mb
قیمت کتاب (تومان) : 42,000
در صورت تبدیل فایل کتاب Intuitive Guide to Fourier Analysis and Spectral Estimation with Matlab_Chapter1-4 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 راهنمای بصری تحلیل فوریه و تخمین طیفی با Matlab_فصل 1-4 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.
توضیحاتی در مورد کتاب راهنمای بصری تحلیل فوریه و تخمین طیفی با Matlab_فصل 1-4
این کتاب که به سبک محاوره ای نوشته شده است، به شما کمک می کند تا تحلیل فوریه و اشکال بی شمار آن مانند DFT، DTFT، CTFT و غیره را به خوبی درک کنید. هدف ما در این کتاب این است که به شما کمک کنیم درکی بصری از آنچه در هنگام انجام FFT یک سیگنال تصادفی گسسته اتفاق می‌افتد ایجاد کنید. یک داستان طولانی در پشت این مفهوم ظاهراً آسان برای محاسبه و در عین حال درک آن دشوار است. ما داستان را با سری فوریه در شکل مثلثاتی اصلی آن که توسط بارون فوریه تصور می‌شد شروع می‌کنیم، و سپس در تمام پیشرفت‌های آن با مشارکت سایر افراد برجسته در طول مسیر تا نقطه پایان، تخمین طیفی سیگنال‌های تصادفی با استفاده از تبدیل فوریه گسسته پیش می‌رویم. . در دو فصل آخر این کتاب، به کاربرد تحلیل فوریه در تحلیل طیفی سیگنال‌های تصادفی می‌پردازیم. پنج فصل اول زمینه را برای DFT آماده کردند. ما با شکل مثلثاتی ساده سری فوریه در فصل 1 و سپس شکل پیچیده تر آن در فصل 2 شروع می کنیم. از آنجا به سیگنال های زمان گسسته در فصل 3 می رویم که پیچیدگی جدیدی را به موضوع معرفی می کند. توسعه تبدیل فوریه از سری فوریه، به ویژه تبدیل فوریه زمان پیوسته (CTFT) در ادامه مورد بحث قرار می گیرد. ما دو فصل آخر را ترکیب می کنیم تا به تبدیل فوریه گسسته (DTFT) در فصل 5 برسیم. از اینجا، این یک جهش قابل مدیریت به DFT، معدن اصلی ما در فصل 6 است. از آنجا ما سه فصل آخر را صرف چگونه تبدیل فوریه در "زندگی واقعی" استفاده می شود. فصل 7 توضیح می دهد که چگونه ویندوز می تواند طیف را با کاهش نشتی بهبود بخشد. فصل‌های 8 و 9 تخمین طیفی سیگنال‌های ثابت، به‌ویژه تخمین طیفی غیرپارامتری سیگنال‌های تصادفی را توضیح می‌دهند. در مجموع، این کتاب باید به پر کردن جزئیات و مفاهیم بزرگ در تحلیل فوریه و مهمتر از همه، نحوه استفاده از آنها با راحتی و آسودگی کمک کند. این کتاب برای دانشجویان کارشناسی ارشد مهندسی، فیزیک، ریاضی و علوم کامپیوتر مناسب است. اگر در این زمینه‌ها حرفه‌ای هستید، ممکن است این کتاب را نیز برای تعمیق درک خود از پردازش سیگنال روشن و مفید بیابید.
توضیحاتی درمورد کتاب به خارجی
Written in conversational style, this book will help you comprehend the Fourier analysis and its myriad forms, such as DFT, DTFT, CTFT etc. as never before. Our goal in this book is to help you develop an intuitive understanding of what is happening when you do a FFT of a discrete random signal. There is a whole long story behind this apparently easy-to-compute yet hard-to-understand concept. We start the story with the Fourier series in its original trigonometric form as imagined by Baron Fourier, and then progress through all its developments with contributions from other notables along the way to the end point, the spectral estimation of random signals using the discrete Fourier transform. In the last two chapters of this book, we cover application of the Fourier analysis to spectral analysis of random signals. The first five chapters set the stage for the DFT. We start with the easy to understand trigonometric form of the Fourier series in Chapter 1, and then its more complex form in Chapter 2. From there, we go to discrete time signals in Chapter 3 which introduce new complexity to the topic. The development of the Fourier transform from the Fourier series, specifically the continuous time Fourier transform (CTFT) is discussed next. We combine the last two chapters to get to the discrete-time Fourier transform (DTFT) in Chapter 5. From here, it is a manageable leap to the DFT, our main quarry in Chapter 6. From there we spend the last three chapters on how the Fourier transform is used in “real life”. Chapter 7 explains how windows can improve the spectrum by mitigating leakage. Chapters 8 and 9 explain spectral estimation of stationary signals, specifically the non-parametric spectral estimation of random signals. Altogether this book should help fill in the details and the big concepts in Fourier analysis and, importantly, how to use them with comfort and ease. This book is suitable for graduate engineering, physics, math and computer science students. If you are a professional in these areas, you may also find this book illuminating and helpful in deepening your understanding of signal processing.
