《数字信号处理C语言程序集》求取 ⇩

第一篇常用数字信号的产生1

第一章 数字信号的产生1

1.1 均匀分布的随机数1

1.2 正态分布的随机数3

1.3 指数分布的随机数5

1.4 拉普拉斯（Laplace）分布的随机数7

1.5 瑞利（Rayleigh）分布的随机数9

1.6 对数正态分布的随机数11

1.7 柯西（Cauchy）分布的随机数13

1.8 韦伯（Weibull）分布的随机数15

1.9 爱尔朗（Erlang）分布的随机数17

1.1 0贝努里（Bernoulli）分布的随机数19

1.1 1贝努里-高斯分布的随机数21

1.1 2二项式分布的随机数23

1.1 3泊松（Poisson）分布的随机数25

1.1 4ARMA（p，q）模型数据的产生27

1.1 5含有高斯白噪声的正弦组合信号的产生30

1.1 6解析信号的产生35

第二篇数字信号处理39

第一章 快速傅立叶变换39

1.1 离散傅立叶变换39

1.2 快速傅立叶变换44

1.3 基4快速傅立叶变换51

1.4 分裂基快速傅立叶变换57

1.5 实序列快速傅立叶变换（一）61

1.6 实序列快速傅立叶变换（二）66

1.7 用一个N点复序列的FFT同时计算两个N点实序列离散傅立叶变换70

1.8 共轭对称序列的快速傅立叶反变换73

1.9 素因子快速傅立叶变换80

1.1 0ChirpZ-变换算法96

第二章 快速离散正交变换102

2.1 快速哈特莱（Hartley）变换102

2.2 基4快速哈特莱（Hartley）变换106

2.3 分裂基快速哈特莱（Hartley）变换110

2.4 快速离散余弦变换115

2.5 快速离散余弦反变换118

2.6 N=8点快速离散余弦变换121

2.7 N=8点快速离散余弦反变换125

2.8 快速离散正弦变换129

2.9 快速沃尔什（Walsh）变换133

2.1 0快速希尔伯特变换（一）137

2.1 1快速希尔伯特变换（二）141

第三章 快速卷积与相关144

3.1 快速卷积144

3.2 长序列的快速卷积147

3.3 特别长序列的快速卷积152

3.4 快速相关158

第四章 数字滤波器的时域和频域响应163

4.1 数字滤波器的频率响应163

4.2 级联型数字滤波器的频率响应166

4.3 数字滤波器的时域响应171

4.4 直接型IIR数字滤波（一）174

4.5 直接型IIR数字滤波（二）177

4.6 级联型IIR数字滤波181

4.7 并联型IIR数字滤波185

5.1 巴特沃兹和切比雪夫数字滤波器的设计189

第五章 IIR数字滤波器的设计189

5.2 任意幅度IIR数字滤波器的优化设计208

第六章 FIR数字滤波器的设计227

6.1 窗函数方法227

6.2 频域最小误差平方设计238

6.3 切比雪夫逼近方法242

第三篇随机数字信号处理264

第一章 经典谱估计264

1.1 功率谱估计的周期图方法264

1.2 功率谱估计的相关方法271

第二章 现代谱估计280

2.1 求解一般托布利兹方程组的莱文森算法280

2.2 求解对称正定方程组的乔里斯基算法283

2.3 求解尤利-沃克方程的莱文森-德宾算法287

2.4 计算ARMA模型的功率谱密度289

2.5 尤利-沃克谱估计算法292

2.6 协方差谱估计算法297

2.7 Burg谱估计算法303

2.8 最大似然谱估计算法308

第三章 时-频分析314

3.1 维格纳（Wigner）分布314

3.2 离散小波变换318

第四章 随机信号的数字滤波330

4.1 维纳（Wiener）数字滤波330

4.2 卡尔曼（Kalman）数字滤波335

4.3 最小均方（LMS）自适应数字滤波341

4.4 归一化LMS自适应数字滤波344

4.5 递推最小二乘（RLS）自适应数字滤波348

1.1 图像读取、存储与显示352

第四篇数字图像处理352

第一章 图像基本运算352

1.2 图像旋转366

1.3 图像灰度级直方图的计算368

1.4 图像二值化的固定阀值法371

1.5 图像二值化的自适应阀值法372

第二章 图像增强376

2.1 图像直方图均衡376

2.2 中值滤波378

2.3 图像锐化382

2.4 图像平滑383

第三章 图像边缘检测386

3.1 Roberts算子边缘检测386

3.2 拉普拉斯算子边缘检测388

3.3 Sobel算子边缘检测390

3.4 Robinson算子边缘检测392

3.5 Kirsch算子边缘检测394

3.6 Prewitt算子边缘检测396

第四章 图像细化399

4.1 Hilditch细化算法399

4.2 Pavlidis细化算法404

4.3 Rosenfeld细化算法410

第五篇人工神经网络416

第一章 神经网络模型416

1.1 多层感知器神经网络416

1.2 离散Hopfield神经网络425

1.3 连续Hopfield神经网络434

1.4 Tank-Hopfield线性规划神经网络437

参考文献442