本書是美國麻省理工學(xué)院（MIT）知名教授奧本海姆的近年力作，是其在MIT開展了二十余年的Signals，SystemsandInference課程所涉及知識體系的拓展和延伸。本書詳細闡述了確定性信號與系統(tǒng)的性質(zhì)和表示形式，包括群延遲和狀態(tài)空間模型的結(jié)構(gòu)與行為；引入了相關(guān)函數(shù)和功率譜密度來描述和處理隨機信號。本書涉及的應(yīng)

本書將圖像處理基礎(chǔ)理論論述與以MATLAB為主要工具的軟件實踐方法相對照，集成了岡薩雷斯和伍茲所著《數(shù)字圖像處理》一書中的重要內(nèi)容和MathWorks公司的圖像處理工具箱，特色在于重點強調(diào)了怎樣通過開發(fā)新代碼來增強這些軟件工具的功能。全書在介紹MATLAB編程基礎(chǔ)知識后，講述了圖像處理的主要內(nèi)容，具體包括灰度變換、線性

本書介紹了分數(shù)階微積分理論研究及其主要應(yīng)用、連續(xù)子波變換數(shù)值實現(xiàn)中起始尺度的確定以及信號時間和掃描時間之間的幾何關(guān)系、現(xiàn)代信號分析與處理中分數(shù)階微積分的數(shù)值實現(xiàn)、分數(shù)微積分的模擬分抗電路實現(xiàn)、基于分數(shù)階偏微分方程的退化圖像逆處理等內(nèi)容，理論性強，具有前沿性。

本書系統(tǒng)而全面地介紹了信號與系統(tǒng)的基本理論與應(yīng)用。主要包括：1、信號、系統(tǒng)、頻譜、帶寬等概念、描述與性質(zhì)；2、卷積運算、正交分解、數(shù)學(xué)建模、MATLAB等方法與原理；3、傅里葉級數(shù)展開方法與性質(zhì)、傅里葉變換方法與性質(zhì)

本書以美國TI公司32位浮點DSP處理器TMS320F28335的開發(fā)為主線，采用生動的語言深入淺出地介紹與DSP開發(fā)相關(guān)的方方面面，包括DSP開發(fā)環(huán)境的搭建、新工程的建立、CCS6的使用、CMD文件的編寫、硬件電路的設(shè)計、存儲器的映像、三級中斷系統(tǒng)、FLASH代碼固化以及TMS320F28335的各個外設(shè)模塊的功能和

本書根據(jù)國內(nèi)“通信原理”課程的傳統(tǒng)教學(xué)體系，結(jié)合近年來通信技術(shù)的發(fā)展，全面講述了現(xiàn)代通信的基本原理和分析方法，是作者通過長期的教學(xué)實踐為通信及電子信息類專業(yè)編寫的教材。本書具體內(nèi)容包括緒論、確知信號和隨機信號分析、模擬調(diào)制系統(tǒng)、數(shù)字基帶傳輸系統(tǒng)、數(shù)字調(diào)制系統(tǒng)、模擬信號的數(shù)字化傳輸、信道、數(shù)字信號的*佳接收、差錯控制編碼

本書把電力電子裝置研發(fā)過程中涉及的信號隔離技術(shù)整合起來，涵蓋了傳感器輸出信號、通信模塊、I/O端口、觸發(fā)脈沖、狀態(tài)反饋信號在內(nèi)的全部弱信號的安全隔離技術(shù)，并以一個剛剛從事這方面研發(fā)工作的硬件工程師視角出發(fā)，進行素材遴選、內(nèi)容編排，避免晦澀難懂而影響學(xué)習(xí)效果。本書內(nèi)容包括模擬信號的隔離處理技術(shù)、數(shù)字信號的隔離處理技術(shù)和通

本書為普通高等教育“十一五”國家級規(guī)劃教材，是根據(jù)教育部高等學(xué)校電子信息科學(xué)與電氣信息類基礎(chǔ)課程教學(xué)指導(dǎo)分委員會制定的“信號與系統(tǒng)課程教學(xué)基本要求”而編寫的。全書內(nèi)容共9章：信號與系統(tǒng)的基本概念；連續(xù)系統(tǒng)時域分析；連續(xù)信號頻域分析；連續(xù)系統(tǒng)頻域分析；連續(xù)系統(tǒng)復(fù)頻域分析；復(fù)頻域系統(tǒng)函數(shù)與系統(tǒng)模擬；離散信號與系統(tǒng)時域分析；

本教材主要闡述確定性信號的時域分析和變換域分析，線性非時變系統(tǒng)的描述與特性，以及信號通過線性非時變系統(tǒng)的時域分析與變換域分析。本書采用連續(xù)和離散并行、先時域后變換域的結(jié)構(gòu)體系，以信號分析為基礎(chǔ)，從信號表示的角度引入信號的變換，并基于信號表示實現(xiàn)相應(yīng)的系統(tǒng)描述。強調(diào)基本理論、基本概念和基本方法，淡化計算技巧，引MATLA

《基于非線性融合的夜間圖像顯著目標檢測》通過對視覺認知的兩種模式—自底向上的顯著目標檢測模型和自頂向下顯著目標檢測模型的研究發(fā)現(xiàn)，底層視覺刺激可以注意資源的分配，而頂層的視覺感知和先驗知識又能很好地指導(dǎo)視覺顯著目標的檢測，將兩者相結(jié)合可以提高檢測效率。《基于非線性融合的夜間圖像顯著目標檢測》采用自底向上與自頂向下相結(jié)合