信號處理新方法導論

緒論
第1章 自適應信號處理
1.1 引言
1.2 自適應信號分離理論及算法
1.2.1 自適應回波消除理論
1.2.2 自適應噪聲消除理論
1.2.3 盲信號分離的基本理論與算法
1.3 自適應信道均衡理論
1.3.1 自適應均衡器的結構類型
1.3.2 自適應均衡算法
1.3.3 盲均衡
1.3.4 小波變換的自適應均衡器算法
1.3.5 自適應均衡器在全數(shù)字HDTV中的應用
1.3.6 自適應均衡器在離散多音頻調(diào)制技術中的應用
參考文獻
第2章 信號估計理論
2.1 引言
2.1.1 一般回顧
2.1.2 由多幅低分辨率圖像重構成一幅高分辨率圖像的理論及方法
2.2 半盲及盲圖像超分辨率恢復
2.2.1 缺損圖像“遠程匹配”方法
2.2.2 神經(jīng)網(wǎng)絡方法和進化算法方法
2.2.3 盲圖像恢復方法回顧
2.3 視頻圖像的超分辨率重構
2.3.1 問題描述
2.3.2 超分辨率重構的頻域方法
2.3.3 超分辨率重構的空間域方法
2.3.4 超分辨率重構算法的比較
2.4 基于壓縮域的視頻圖像超分辨率重構
2.4.1 視頻和圖像壓縮后出現(xiàn)的新問題
2.4.2 問題描述
2.4.3 基于壓縮域的超分辨率重構算法
2.5 盲圖像的復原
2.5.1 確定性分析方法
2.5.2 隨機性分析方法
2.5.3 對于圖像復原中信息量的一些討論
2.5.4 結論
參考文獻
第3章 多分辨率分析理論
3.1 引言
3.2 高斯塔式分解和拉普拉斯塔式分解
3.3 小波變換的基本概念
3.3.1 連續(xù)小波變換
3.3.2 離散小波變換
3.4 基于小波的多分辨率分析
3.4.1 尺度函數(shù)和信號逼近子空間
3.4.2 小波函數(shù)和細節(jié)空間
3.4.3 多分辨率信號分解小波表達式
3.4.4 二維多分辨率信號分析
3.5 多分辨率分析理論在信號處理中的應用
3.5.1 信號奇異性和圖像多尺度邊緣分析
3.5.2 小波域信號去噪
3.5.3 多分辨率圖像復原
參考文獻
第4章 信號的分形分析理論
4.1 引言
4.2 分形理論基礎
4.2.1 分形維數(shù)
4.2.2 迭代函數(shù)系統(tǒng)IFS
4.2.3 分數(shù)布朗運動
4.3 分形信號模型與分形插值
4.3.1 IFS分形插值
4.3.2 FBM分形插值
4.4 信號分形分析及處理
4.4.1 基于分形維數(shù)的分形信號分析
4.4.2 信號多重分形分析
4.5 分形理論在語音和圖像信號分析中的應用
4.5.1 語音分割和語音識別分形方法
4.5.2 圖像紋理分形分析
4.5.3 圖像邊緣檢測的多重分形方法
4.6 基于遠程相關性的圖像處理技術
4.6.1 基于遠程相關性的圖像恢復基本方法
4.6.2 匹配映射算法參數(shù)求解
參考文獻
第5章 子帶分解與合成理論
5.1 引言
5.2 子帶信號重構原信號的理論
5.2.1 分解濾波器的設計原則
5.2.2 子帶間相關性的討論
5.2.3 子帶預測及信號重構
5.2.4 實驗實例
5.2.5 一些問題的討論
5.2.6 子帶信息討論
5.3 形態(tài)金字塔與形態(tài)小波
5.3.1 數(shù)學形態(tài)學
5.3.2 形態(tài)金字塔
5.3.3 金字塔變換
5.3.4 形態(tài)金字塔理論
5.3.5 形態(tài)小波
5.3.6 小結
參考文獻
第6章 混沌及其應用
6.1 引言
6.1.1 混沌的歷史和數(shù)學定義
6.1.2 混沌理論體系
6.1.3 混沌的特征、產(chǎn)生途徑與應用
6.2 混沌信號的通信
6.2.1 混沌通信原理
6.2.2 混沌同步原理
6.2.3 基于混沌同步的保密通信
6.2.4 非同步的混沌通信
6.3 腦電信號的混沌分析
6.3.1 腦電圖簡介
6.3.2 腦電信號的提取
6.3.3 腦電信號的混沌性
6.3.4 腦電信號的混沌分析
6.4 混沌神經(jīng)網(wǎng)絡簡介及其應用
6.4.1 混沌神經(jīng)網(wǎng)絡簡介
6.4.2 混沌神經(jīng)網(wǎng)絡模型
6.4.3 混沌神經(jīng)網(wǎng)絡在通信中的應用
6.4.4 混沌神經(jīng)網(wǎng)絡的研究進展與展望
參考文獻