本書(shū)系統(tǒng)地介紹隨機(jī)信號(hào)處理的基本理論、算法及應(yīng)用。全書(shū)共8章，內(nèi)容包括：離散時(shí)間信號(hào)處理基礎(chǔ)、隨機(jī)信號(hào)分析基礎(chǔ)、隨機(jī)信號(hào)的線性模型、非參數(shù)譜估計(jì)、**線性濾波器、最小二乘濾波和預(yù)測(cè)、參數(shù)譜估計(jì)以及自適應(yīng)濾波器。本書(shū)采用大多數(shù)碩士研究生和工程技術(shù)人員熟悉的數(shù)學(xué)知識(shí)闡述隨機(jī)信號(hào)處理原理，對(duì)于重要原理和算法既介紹數(shù)學(xué)推導(dǎo)也講

本書(shū)在詳細(xì)介紹三維重建概念的基礎(chǔ)上，分析了三維重建的研究前沿，重點(diǎn)介紹了稠密匹配、射影重建、遮擋點(diǎn)恢復(fù)、捆綁調(diào)整、相機(jī)標(biāo)定等方面的研究成果，可使讀者對(duì)三維重建有更深入的理解，對(duì)促進(jìn)我國(guó)在該領(lǐng)域的快速發(fā)展具有積極意義。

全書(shū)共分8章，分別介紹了第1章數(shù)字信號(hào)處理基礎(chǔ)、第2章隨機(jī)信號(hào)譜評(píng)估、第3章**濾波、第4章自適應(yīng)濾波、第5章自適應(yīng)濾波器的算子理論及其應(yīng)用、第6章多抽樣率信號(hào)處理與濾波器組、第7章小波變換、第8章人工神經(jīng)網(wǎng)絡(luò)。

本書(shū)系統(tǒng)地介紹了電磁頻譜數(shù)據(jù)挖掘理論與應(yīng)用，主要介紹作者在電磁頻譜數(shù)據(jù)挖掘領(lǐng)域已公開(kāi)發(fā)表的系列研究工作，內(nèi)容包括：穩(wěn)健的時(shí)域頻譜數(shù)據(jù)挖掘、異構(gòu)的空時(shí)頻譜數(shù)據(jù)挖掘、多維的主動(dòng)頻譜數(shù)據(jù)挖掘、非線性協(xié)同頻譜數(shù)據(jù)挖掘、群智的地理頻譜數(shù)據(jù)挖掘和圖像化的頻譜數(shù)據(jù)挖掘等。

本書(shū)是一部高等教材，介紹了陣列信號(hào)處理的基礎(chǔ)理論和方法。陣列信號(hào)處理作為信號(hào)處理的一個(gè)重要分支，在通信、雷達(dá)、聲吶等諸多領(lǐng)域有著廣泛的應(yīng)用。本書(shū)作為陣列信號(hào)處理方面的入門(mén)教材和參考書(shū)，主要內(nèi)容包括窄帶、寬帶陣列信號(hào)的建模與校正，窄帶、寬帶波束形成理論與方法，窄帶、寬帶、非相干源、相干源信號(hào)波達(dá)方向估計(jì)理論與方法，寬頻段

《基于非線性融合的夜間圖像顯著目標(biāo)檢測(cè)》通過(guò)對(duì)視覺(jué)認(rèn)知的兩種模式—自底向上的顯著目標(biāo)檢測(cè)模型和自頂向下顯著目標(biāo)檢測(cè)模型的研究發(fā)現(xiàn)，底層視覺(jué)刺激可以注意資源的分配，而頂層的視覺(jué)感知和先驗(yàn)知識(shí)又能很好地指導(dǎo)視覺(jué)顯著目標(biāo)的檢測(cè)，將兩者相結(jié)合可以提高檢測(cè)效率�！痘�于非線性融合的夜間圖像顯著目標(biāo)檢測(cè)》采用自底向上與自頂向下相結(jié)合

本書(shū)介紹射頻識(shí)別（RFID）系統(tǒng)的構(gòu)成、工作原理與應(yīng)用。全書(shū)共11章，主要內(nèi)容包括：RFID技術(shù)概述、RFID系統(tǒng)的構(gòu)成及工作原理、RFID?使用頻率和電磁波的工作特性、RFID?天線技術(shù)、RFID射頻前端、RFID?編碼與調(diào)制、RFID防碰撞技術(shù)、RFID系統(tǒng)數(shù)據(jù)傳輸?shù)陌踩�性、RFID的標(biāo)準(zhǔn)體系、物聯(lián)網(wǎng)的典型架構(gòu)（E

1.本書(shū)重點(diǎn)介紹了數(shù)字圖像處理的基本概念、基本理論、實(shí)用技術(shù)，以及用MATLAB進(jìn)行圖像處理、編程的方法。2.本書(shū)結(jié)構(gòu)安排合理，敘述清晰，理論與實(shí)踐并重，使用MATLAB作為實(shí)驗(yàn)平臺(tái)，加入了大量的實(shí)驗(yàn)實(shí)例，并且有大量的實(shí)驗(yàn)結(jié)果圖片，對(duì)讀者的理解有很大的幫助。3.本書(shū)深入淺出、圖文并茂，文字描述力求簡(jiǎn)單易懂。選材上既注重

圖像成為人們對(duì)事物進(jìn)行感知和認(rèn)識(shí)的基本方式�？墒牵�日常生活中人們接觸或獲取的各類(lèi)圖像一般都蘊(yùn)含較為復(fù)雜的信息。圖像處理算法尤其是自適應(yīng)圖像處理算法已成為圖像處理和人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)�！蹲赃m應(yīng)圖像處理算法及應(yīng)用研究》主要對(duì)二維經(jīng)驗(yàn)?zāi)Ｊ椒纸?BEMD)、二維局域均值分解(BLMD)、深度學(xué)習(xí)及自適應(yīng)小波算法進(jìn)行研究

圖像閾值化是圖像分割中的重要技術(shù)，《灰度圖像閾值分割法》結(jié)合作者的研究成果，從數(shù)學(xué)機(jī)理和算法角度，基于灰度直方圖統(tǒng)計(jì)信息，較為系統(tǒng)地闡述了灰度圖像閾值分割的幾個(gè)主要方法，包括Otsu法（也稱為**類(lèi)間方差法或*小類(lèi)內(nèi)方差法）、*小交叉熵法、**熵法、*小誤差法以及基于灰度共生矩陣的閾值法和其他方法。