MATLAB 5.x工具箱使用技巧與實(shí)例

第一章 MATLAB及其工具箱概述
1.1 MATLAB的發(fā)展歷史
1.2 與MATLAB適配的操作系統(tǒng)
1.3 MATLAB 5.x工具箱簡(jiǎn)介
1.4 MATLAB入門(mén)
1.4.1 菜單選項(xiàng)
1.4.2 通用操作指令
1.4.3 數(shù)、變量、表達(dá)式和語(yǔ)句
1.4.4 圖形
1.4.5 產(chǎn)生數(shù)據(jù)
1.5 如何獲取關(guān)于MATLAB的最新信息
第二章 信號(hào)處理工具箱
2.1 信號(hào)處理的基本知識(shí)
2.1.1 信號(hào)的表示方法
2.1.2 波形的產(chǎn)生
2.1.3 產(chǎn)生周期信號(hào)
2.1.4 基本函數(shù)sinc和diric
2.2 濾波器分析與設(shè)計(jì)
2.2.1 卷積與濾波
2.2.2 濾波器與傳遞函數(shù)
2.2.3 脈沖響應(yīng)
2.2.4 用函數(shù)濾波
2.2.5 濾波器的頻率響應(yīng)和零極點(diǎn)分析
2.3 線性系統(tǒng)變換
2.3.1 離散系統(tǒng)模型
2.3.2 連續(xù)系統(tǒng)模型
2.4 濾波器設(shè)計(jì)
2.4.1 IIR濾波器設(shè)計(jì)
2.4.2 IIR濾波器階的選擇
2.4.3 FIR濾波器設(shè)計(jì)
2.5 信號(hào)變換
2.6 統(tǒng)計(jì)信號(hào)處理
2.6.1 相關(guān)函數(shù)和相關(guān)系數(shù)
2.6.2 協(xié)方差
2.6.3 譜密度
2.7 窗函數(shù)
2.7.1 基本窗函數(shù)
2.7.2 升余弦窗函數(shù)
2.7.3 切比雪夫窗函數(shù)
2.7.4 凱瑟窗函數(shù)
2.8 參數(shù)化建模
2.8.1 時(shí)域模型
2.8.2 頻域模型
第三章 控制系統(tǒng)工具箱
3.1 控制系統(tǒng)的數(shù)學(xué)描述
3.1.1 連續(xù)系統(tǒng)
3.1.2 離散系統(tǒng)
3.2 模型的建立、連接與轉(zhuǎn)換
3.2.1 模型的建立
3.2.2 系統(tǒng)模型的連接
3.2.3 系統(tǒng)模型的轉(zhuǎn)換
3.3 模型的簡(jiǎn)化與實(shí)現(xiàn)
3.4 模型屬性函數(shù)
3.5 控制系統(tǒng)分析
3.5.1 時(shí)域響應(yīng)
3.5.2 頻域響應(yīng)
3.6 系統(tǒng)設(shè)計(jì)工具
3.7 數(shù)值計(jì)算和方程求解
3.8 控制系統(tǒng)設(shè)計(jì)實(shí)例
第四章 小波分析工具箱
4.1 小波分析的基本理論
4.1.1 從傅里葉變換到小波變換
4.1.2 連續(xù)小波變換
4.1.3 離散小波變換
4.2 小波分析工具箱中的通用函數(shù)
4.3 小波函數(shù)
4.3.1 常用小波函數(shù)（系）介紹
4.3.2 工具箱中的小波函數(shù)
4.4 一維小波變換
4.5 二維小波變換
4.6 多分辨分析和小波包變換
4.6.1 多分辨分析
4.6.2 小波包分析
4.6.3 小波包算法函數(shù)
4.7 信號(hào)和圖像的消噪與壓縮
4.8 樹(shù)操作應(yīng)用函數(shù)
第五章 神經(jīng)網(wǎng)絡(luò)工具箱
5.1 神經(jīng)網(wǎng)絡(luò)工具箱函數(shù)
5.2 感知器
5.2.1 感知器神經(jīng)網(wǎng)絡(luò)函數(shù)
5.2.2 感知器神經(jīng)元模型詳解
5.2.3 感知器設(shè)計(jì)實(shí)例
5.3 線性神經(jīng)網(wǎng)絡(luò)
5.3.1 線性神經(jīng)網(wǎng)絡(luò)函數(shù)
5.3.2 線性神經(jīng)元模型詳解
5.3.3 線性神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)實(shí)例
5.4 BP網(wǎng)絡(luò)
5.4.1 BP網(wǎng)絡(luò)函數(shù)
5.4.2 BP神經(jīng)元模型
5.4.3 BP網(wǎng)絡(luò)設(shè)計(jì)實(shí)例
5.4.4 BP算法的改進(jìn)及其設(shè)計(jì)實(shí)例
5.5 徑向基函數(shù)網(wǎng)絡(luò)
5.5.1 徑向基函數(shù)網(wǎng)絡(luò)的仿真函數(shù)
5.5.2 徑向基函數(shù)神經(jīng)元模型解說(shuō)
5.5.3 徑向基函數(shù)網(wǎng)絡(luò)的設(shè)計(jì)實(shí)例
5.6 聯(lián)想學(xué)習(xí)算法
5.7 自組織網(wǎng)絡(luò)
5.7.1 競(jìng)爭(zhēng)學(xué)習(xí)網(wǎng)絡(luò)設(shè)計(jì)實(shí)例
5.7.2 自組織特征映射及其設(shè)計(jì)實(shí)例
5.8 學(xué)習(xí)矢量量化
5.8.1 LVQ模型
5.8.2 LVQ網(wǎng)絡(luò)設(shè)計(jì)實(shí)例
5.9 反饋網(wǎng)絡(luò)
5.9.1 Elman網(wǎng)絡(luò)的結(jié)構(gòu)及函數(shù)用法
5.9.2 Elman網(wǎng)絡(luò)設(shè)計(jì)實(shí)例
5.9.3 Hopfield網(wǎng)絡(luò)
5.10 神經(jīng)網(wǎng)絡(luò)的應(yīng)用實(shí)例
第六章 憂化工具箱
6.1 工具箱函數(shù)及語(yǔ)法解說(shuō)
6.1.1 求極小值的函數(shù)
6.1.2 求解矩陣問(wèn)題的函數(shù)
6.1.3 關(guān)于參數(shù)OPTIONS
6.2 常用的優(yōu)化算法
6.2.1 無(wú)約束條件優(yōu)化
6.2.2 擬牛頓法優(yōu)化
6.2.3 最小二乘法優(yōu)化
6.2.4 非線性最小二乘法的實(shí)現(xiàn)
6.2.5 約束條件下的優(yōu)化
6.2.6 序列二次規(guī)劃（SQP）的實(shí)現(xiàn)
6.2.7 常見(jiàn)問(wèn)題及推薦的解決辦法
6.3 基本應(yīng)用說(shuō)明
6.3.1 表達(dá)式優(yōu)化
6.3.2 優(yōu)化的數(shù)值解過(guò)程
6.4 應(yīng)用示例
參考文獻(xiàn)