《MATLAB语言工具箱 TOOLBOX实用指南》求取 ⇩

第一章 MATLAB工具箱概论1

1.1 MATLAB发展简介1

1.2 工具箱简介1

1.3 如何获取MATLAB的最新信息5

第二章 控制系统工具箱6

2.1 简介与安装6

2.1.1 简介6

2.1.2 安装6

2.2 控制系统的数学描述7

2.2.1 连续系统7

2.2.2 离散系统9

2.3 模型的转换与连接10

2.3.1 模型转换10

2.3.2 系统模型的连接12

2.3.3 模型降阶与实现15

2.3.4 模型属性函数16

2.4 控制系统分析17

2.4.1 时间响应17

2.4.2 频率响应19

2.4.3 根轨迹21

2.4.4 极点配置21

2.4.5 线性二次型调节器和估计器设计22

2.5 控制系统响应及分析图形的绘制24

2.6 设计实例25

2.6.1 飞机航向阻尼器设计26

2.6.2 硬盘读写头控制器设计34

2.6.3 Kalman滤波器设计41

2.7 计算结果的可靠性分析48

第三章 信号处理工具箱50

3.1 引言50

3.2 用MATLAB进行信号处理的基本知识50

3.2.1 信号处理工具箱的主要特征50

3.2.2 信号表示方法51

3.2.3 产生波形51

3.2.4 周期波形53

3.2.5 Sinc函数54

3.2.6 Dirichlet函数54

3.2.7 产生数据55

3.3 滤波器的实现与分析55

3.3.1 卷积与滤波55

3.3.2 滤波器与传递函数56

3.3.3 用filter函数进行滤波56

3.3.4 脉冲响应57

3.3.5 滤波器的执行与初始条件57

3.3.6 其它的一些滤波函数58

3.3.7 频率响应59

3.3.8 零极点分析62

3.4 线性系统模型62

3.4.1 离散系统模型63

3.4.2 连续系统模型67

3.4.3 线性系统转换68

3.5 滤波器设计68

3.5.1 滤波器性能说明68

3.5.2 IIR滤波器设计69

3.5.3 FIR滤波器设计73

3.6 信号变换80

3.6.1 离散傅立叶变换80

3.6.2 chirp z变换81

3.6.3 离散因果变换82

3.6.4 Hilbert变换83

3.7 统计信号处理83

3.7.1 互相关和协方差84

3.7.2 偏差和标准化84

3.7.3 多通道85

3.7.4 谱密度85

3.7.5 wclch方法85

3.7.6 功率谱密度函数88

3.7.7 Parseval定理89

3.7.8 互谱密度函数89

3.7.9 置信区间89

3.7.10 传递函数估计90

3.7.11 用于函数90

3.8 窗函数91

3.8.1 基本窗91

3.8.2 升余弦窗92

3.8.3 凯瑟窗92

3.8.4FIR设计中的凯瑟窗93

3.8.5 切比雪夫窗94

3.9 参数化模型95

3.9.1 时域模型95

3.9.2 频域模型98

第四章 优化工具箱简介100

4.1 优化工具箱概述100

4.1.1 简介100

4.1.2 安装101

4.1.3 举例101

4.1.4 缺省参数设置106

4.1.5 表达式优化107

4.1.6 常见问题及推荐的解决办法107

4.2 算法介绍108

4.2.1 参数优化问题108

4.2.2 无限定条件优化109

4.2.3 拟牛顿法实现110

4.2.4 最小二乘优化111

4.2.5 非线性最小二乘实现112

4.2.6 限定条件下的优化113

4.2.7 SQP实现114

4.3 实例115

4.3.1 工具箱的使用举例115

4.3.2 Banana函数最小化示例程序121

第五章 神经网络工具箱124

5.1 视经网络工具箱简介124

5.1.1 神经网络简述124

5.1.2 神经网络工具箱概述124

5.2 感知器125

5.2.1 重要的感知器神经网络函数125

5.2.2 感知器神经元模型125

5.2.3 感知器神经网络详解126

5.3 线性神经网络140

5.3.1 重要的线性神经网络函数140

5.3.2 线性神经元模型140

5.3.3 线性神经网络详解141

5.3.4 自适应网络143

5.3.5 线性神经网络的设计实例143

5.4 BP网络149

5.4.1 重要的BP网络函数149

5.4.2 BP神经元模型149

5.4.3 BP神经网络详解150

5.4.4 BP算法的改进及其设计实例156

5.5 径向基函数网络165

5.5.1 重要的径向基函数网络函数165

5.5.2 径向基函数神经元模型165

5.5.3 径向基函数网络的网络结构166

5.5.4 径向基函数网络的设计及实例166

5.6 关联学习算法169

5.6.1 重要的关联学习算法函数169

5.6.2 Hebb学习规则169

5.6.3 Hebb学习规则设计实例170

5.6.4 Instar学习规则设计实例172

5.6.5 Kohonen学习规则设计实例174

5.6.6 Outstar学习规则设计实例175

5.7 自组织网络176

5.7.1 自组织特征映射模型简介176

5.7.2 重要的自组织网络176

5.7.3 自组织网络详解177

5.7.4 竞争学习网络设计实例178

5.7.5 自组织特征映射180

5.7.6 自组织特征映射设计实例181

5.8 学习向量量化182

5.8.1 重要的LVQ函数183

5.8.2 LVQ神经网络的网络结构183

5.9 回归网络184

5.9.1 重要的回归网络函数185

5.9.2 回归神经网络的网络结构185

5.9.3 Elman网络的初始化185

5.9.4 Elman网络的训练186

5.9.5 Hopfield网络186

5.10 神经网络的应用实例189

5.10.1 利用线性网络进行线性预测189

5.10.2 利用线性网络进行自适应预测192

5.10.3 线性系统辨识195

5.10.4 自适应系统辨识198

5.10.5 非线性系统辨识201

5.10.6 非线性系统的反馈线性化202

5.10.7 特征识别205

5.11 神经网络库函数详解209

第六章 模糊推理系统工具箱258

6.1 模糊推理系统工具箱简介258

6.1.1 模糊集合理论简述258

6.1.2 模糊推理系统工具箱的内容259

6.2 模糊推理系统工具箱使用入门259

6.3 模糊推理系统工具箱函数详解260