《检测理论及其应用》求取 ⇩

第一章　检测系统及其动态响应10

第一节系统类别与模型10

一、系统类别10

二、系统数学模型12

第二节 系统动态响应17

一、连续系统的时域分析17

二、离散系统的时域分析26

第三节　状态变量法31

一、状态变量31

二、连续系统的状态方程32

三、离散系统的状态方程38

五、系统的可观测性39

四、系统的可控性39

六、系统的稳定性41

本章小结44

思考题与习题44

第二章　信息论基础46

第一节　信息与信号46

一、信息46

二、信号50

第二节　信息熵53

一、信息熵的特性53

二、联合熵54

三、条件熵55

四、连续变量的熵56

五、信息熵在仪表测量误差处理中的应用57

第三节　信源59

一、离散无记忆信源60

二、离散平稳信源60

第四节　信道与信道容量62

一、信道类别62

二、信道的疑义度62

三、信道容量62

第五节　信息与信道编码66

一、信息编码67

二、信道编码68

第六节　数据的压缩与解压69

一、数据压缩特性与误差69

二、数据压缩方法71

三、解压及解压误差77

本章小结79

思考题与习题80

第三章随机过程及工程信号81

第一节　基本概念81

一、随机过程定义81

二、随机过程类别82

三、随机过程的统计特性84

四、随机过程的数字特征86

第二节　平稳随机过程89

一、严平稳随机过程及其数学特征90

二、宽平稳随机过程91

三、各态历经过程91

一、平稳随机过程自相关函数95

第三节 平稳随机过程相关函数及其性质95

二、平稳随机过程互相关函数97

三、几个随机过程之和的均值与其相关函数97

第四节　平稳随机过程功率谱密度及其性质98

一、功率谱密度99

二、功率谱密度的性质101

三、白噪声与限带白噪声104

四、互谱密度及其性质105

五、倒谱分析107

第五节　线性系统对随机输入的响应110

一、线性系统的输出、均值与相关函数110

二、系统输入与输出之间的互相关函数111

三、线性系统输出的功率谱密度111

四、多个随机过程通过线性系统114

本章小结115

思考题与习题116

第四章　相关理论与谱分析117

第一节　概述117

第二节相关函数的估计120

一、相关函数的直接估计法120

二、相关函数的间接估计法122

三、相关测量技术的应用123

四、相关接收与匹配滤波127

第三节　功率谱估计130

一、功率谱密度及谱估计误差130

二、周期图法132

三、BT法136

四、自回归AR模型法138

五、最大熵谱估计法141

六、递推算法142

七、谱估计的一些应用143

第四节 自适应频率测量（AMF）及其在涡街流量计中的应用145

一、修正自适应预测谱估计145

二、自适应频率测量145

三、仿真与试验结果145

第五节　数字数据分析的预处理146

一、数据的截取、泄漏与加窗146

二、均值归零处理149

三、消去趋势项150

思考题与习题152

本章小结152

第五章　最优滤波与自适应滤波153

第一节概述153

一、滤波理论的发展梗概153

二、滤波、预测与平滑特性154

第二节　最优滤波157

一、维纳滤波157

二、后验维纳滤波161

第三节 自适应滤波162

一、自适应滤波器结构原理162

二、自适应滤波器的一些算法164

第四节 自适应噪声抵消器169

一、基本原理169

二、LMS自适应噪声抵消器171

三、基于相关建模的自适应噪声抵消器174

四、自适应噪声抵消器在胎儿心电图上的应用177

第五节 自适应卡尔曼滤波177

一、过程参数检测模型177

二、离散系统的卡尔曼滤波179

三、用于过程参数检测的卡尔曼滤波180

四、自适应卡尔曼滤波在钢水快速测温与定炭中的应用185

本章小结189

思考题与习题190

第六章　信号检测与参量估计191

第一节信号假设检验准则191

一、最大后验概率准则191

三、贝叶斯准则193

二、最大似然概率准则193

四、极大极小准则194

第二节　信号检测195

一、二元已知信号的检测195

二、随机参量信号的检测199

三、多元信号的检测203

第三节　参量估计205

一、估计量的性质206

二、非线性估计207

三、线性估计209

本章小结215

思考题与习题215

一、锁相环工作原理217

第七章　锁相环原理217

第一节　锁相环工作原理及性能217

二、锁定和捕获218

三、锁定条件——频率跟踪的线性分析219

第二节锁相环组成环节与特性分析221

一、鉴相器221

二、环路滤波器223

三、压控振荡器223

第三节 锁相环的应用224

一、信号解调技术224

二、微弱信号检测228

三、频率合成技术229

四、自动调谐跟踪231

第四节　集成锁相环232

一、超高频集成锁相环（564）232

二、低频集成锁相环（565）234

三、积分-施密特触发电路型压控振荡器（566）236

四、高稳定性低频集成锁相环（567）238

本章小结239

思考题与习题240

第八章　模式识别理论基础241

第一节概述241

一、模式识别及其实际意义241

二、模式识别过程及系统241

三、模式识别方法及分类242

一、统计分类的几个基本概念243

第二节 统计模式识别243

二、统计分类方法的主要类型244

三、贝叶斯决策方法245

四、几何分类法（判别函数法）250

五、聚类分析252

第三节　模糊模式识别254

一、模糊集合和模糊关系255

二、模糊模式分类的隶属原则和择近原则256

三、基于隶属原则的模糊模式识别257

四、基于择近原则的模糊模式识别258

第四节　智能模式识别262

一、人工智能与模式识别262

二、人工神经网络简介262

三、BP模型及其算法263

本章小结267

思考题与习题268

第九章　故障诊断理论基础269

第一节概述269

一、状态监测与故障诊断的意义269

二、故障及其类型270

三、故障诊断方法及其分类270

第二节 机械设备故障信息的获取271

一、状态监测技术271

二、振动监测271

三、声音监测273

四、温度监测274

一、时域分析法275

第三节 故障诊断原理及其应用275

五、油污染监测275

六、性能趋向监测275

二、频域分析法279

三、模式识别法283

本章小结288

第十章　人工智能专家系统289

第一节　基本知识289

一、人工智能进展概况289

二、人工智能知识工程290

三、人工智能语言与逻辑基础292

第二节　人工神经网络结构294

一、神经网络结构294

二、典型的神经网络296

第三节　神经网络学习算法298

一、DFP算法299

二、递推最小二乘（RLS）算法302

三、OBP算法304

第四节　小波神经网络及其学习算法305

一、小波变换305

二、小波神经网络结构308

第五节　人工智能专家系统——高炉铁水钛含量预测310

一、神经网络钛含量预测模型311

二、钛含量综合预测系统312

本章小结313

思考题与习题314

参考文献314