微信扫一扫,移动浏览光盘
简介
《仪器科学与技术国防科工委“十五”规划教材：测试信号处理与分析》主要根据测试工作中经常遇到的信号处理与分析方面的实际需要，并针对测控技术与仪器专业课程体系的特点进行内容选择和编写；强调理论与实际技能并重、时域分析与频域分析并重、模拟信号处理与数字信号处理相结合，并在以经典处理方法为主的条件下适当介绍现代处理方法。《仪器科学与技术国防科工委“十五”规划教材：测试信号处理与分析》还强调利用Mat lab。
《仪器科学与技术国防科工委“十五”规划教材：测试信号处理与分析》除了介绍传统的信号处理技术的有关内容，还根据测试工作的实际需要介绍了一些通常属于数值计算方法、时间序列分析、动态数据和系统建模等方面的内容。相反，《仪器科学与技术国防科工委“十五”规划教材：测试信号处理与分析》在涉及积分变换、z变换等内容方面基本不作介绍，或为了叙述方便作简单的复习性的介绍。因此，最好在学习或掌握了有关“信号与系统”类课程内容之后再来学习或阅读《仪器科学与技术国防科工委“十五”规划教材：测试信号处理与分析》。
《仪器科学与技术国防科工委“十五”规划教材：测试信号处理与分析》可作为测控技术与仪器、机电工程、自动化等本科专业的教材，也可作为相关学科的研究生和工程技术人员的参考书。
目录
第1章 绪论
1.1 测试信号及其分类
1.2 测试信号处理及分析的主要目的
1.2.1 信号的变换
1.2.2 信号特征值的分析
1.2.3 信号的频谱分析
1.2.4 信号的滤波
1.2.5 信号的恢复或重构
1.3 测试信号处理与分析的基本方法
1.4 本教材的特点与学习方法
第2章 测试信号的误差分析与预处理
2.1 测量不确定度及其表示方法
2.1.1 测量不确定度
2.1.2 静态不确定度的估计
2.1.3 不确定度的合成
2.2 动态不确定度的估计
2.2.1 动态测量的概念与定义
2.2.2 动态误差产生的原因
2.2.3 动态误差的定义
2.2.4 动态均方根误差与频响函数的关系
2.3 粗大误差的判断与处理
2.3.1 粗大值的判断
2.3.2 防止及消除粗大误差的方法
2.4 趋势项的去除
2.5 野值、跳点的剔除与补正
2.5.1 异常值的识别
2.5.2 异常值的估计
参考文献
第3章 测试信号的时域分析与处理
3.1 信号时域特征的获取方法
3.1.1 采样信号的主要特点
3.1.2 时域信号的特征值获取方法
3.1.3 随机信号统计特性的获取
3.2 信号与数据的插值方法
3.2.1 代数插值方法概述
3.2.2 Lagrange(拉格朗日)插值
3.2.3 Newton(牛顿)插值法
3.2.4 多项式插值的误差
3.2.5 分段插值和样条函数
3.3 信号与数据的拟合方法
3.3.1 最小二乘拟合曲线
3.3.2 多项式拟合的Matlab实现
3.4 数值微分和数值积分
3.4.1 差分近似微分
3.4.2 插值多项式的导数
3.4.3 数值积分法
3.5 时域信号的平滑与建模
3.5.1 滑动平均(MA)模型
3.5.2 自回归(AR)模型
3.5.3 自回归滑动平均模型
3.5.4 AR及ARMA模型适用性检验
参考文献
第4章 测试信号的频谱分析
4.1 信号频谱的形式与物理意义
4.1.1 周期信号的频谱
4.1.2 周期信号的功率谱
4.1.3 非周期信号的频谱密度
4.1.4 非周期信号的能量谱(密度)
4.1.5 各态历经平稳随机信号的功率谱(密度)
4.2 频谱分析的作用与频谱求取方法
4.2.1 频谱分析的作用
4.2.2 信号频谱的求取方法
4.3 信号频谱的数字计算
4.3.1 Shannon采样定理
4.3.2 周期信号频谱的数字计算
4.3.3 非周期信号频谱的数字计算
4.3.4 频谱泄漏与合理取样
4.3.5 数字计算频谱的预处理
4.4 快速傅里叶变换(FFT)的应用
4.4.1 FFT的由来
4.4.2 基2-FFT时间抽取算法的基本关系
4.4.3 逆FFT(IFFT)
4.4.4 FFT&IFFT的Matlab实现
4.4.5 实信号(实序列)FFT的节省算法
4.5 频谱的数字细分方法(Chirp算法)
4.6 随机信号的功率谱估计(计算)
4.6.1 功率谱估计方法概述
4.6.2 功率谱(密度)的古典估计
4.6.3 功率谱(密度)的现代估计
4.7 信号的倒频谱分析
4.7.1 信号的卷积失真
4.7.2 倒频谱
4.7.3 倒频谱应用例
参考文献
第5章 信号的相关分析
5.1 信号相关分析的主要任务
5.2 互相关函数
5.2.1 能量信号的互相关函数
5.2.2 功率信号的互相关函数
5.2.3 周期信号的互相关函数
5.2.4 互相关函数Ryx(τ)及ρyx(τ)的特性
5.3 自相关函数及其性质
5.4 维纳-欣钦(Wiener-Khintehine)定理
5.4.1 能量信号的Wiener-Khintchine定理
5.4.2 功率信号的Wiener-Khintchine定理
5.5 互谱密度函数与互相干函数
5.5.1 互谱密度函数
5.5.2 互相干函数
5.6 相关量的数字计算
5.6.1 相关量的求取方法
5.6.2 自相关函数的数字计算
5.6.3 互相关函数的数字计算
5.6.4 相关函数计算的Matlab实现
5.6.5 互谱密度函数及互相干函数的数字计算
5.7 相关分析在工程测试中的应用
5.7.1 互相关辨识测量系统的动态特性
5.7.2 互相关确定信号时差及其推广应用
5.7.3 自相关提取微弱周期信号
参考文献
第6章 信号滤波
6.1 滤波器基本知识
6.1.1 滤波器的分类
6.1.2 理想滤波器的幅频特性
6.1.3 实际滤波器的幅频特性
6.1.4 信号滤波的作用
6.2 模拟滤波器简介
6.2.1 模拟滤波器设计
6.2.2 应用Matlab设计模拟滤波器
6.3 数字滤波技术及其应用
6.3.1 无限冲激响应(IIR)数字滤波器设计
6.3.2 有限冲激响应(FIR)数字滤波器设计
6.3.3 其他数字滤波器设计
6.4 数字滤波的Matlab实现
6.4.1 根据单位冲激响应实现
6.4.2 根据离散传递函数实现
6.4.3 频率域滤波的实现
参考文献
第7章 现代滤波技术及信号重构简介
7.1 已知信号的最佳滤波——匹配滤波
7.2 随机信号的最佳滤波(Ⅰ)——维纳滤波
7.3 随机信号的最佳滤波(Ⅱ)——卡尔曼滤波
7.3.1 连续时间系统的卡尔曼滤波
7.3.2 离散系统的卡尔曼滤波
7.3.3 卡尔曼滤波的Matlab实现
7.4 乘积和卷积噪声的滤波问题
7.4.1 乘积噪声的同态滤波
7.4.2 卷积信号的同态滤波
7.5 动态系统的补偿和信号重构
7.5.1 测量系统的频域补偿
7.5.2 测量信号的重构
参考文献
第8章 信号处理新技术简介
8.1 小波分析原理
8.1.1 小波分析的由来
8.1.2 常用小波函数介绍
8.1.3 连续小波变换
8.1.4 离散小波变换
8.1.5 多分辨分析
8.1.6 小波分析的Matlab实现
8.1.7 小波包分析
8.1.8 小波分析在测试信号分析中的应用
8.2 人工神经网络(ANN)简介
8.2.1 神经网络的发展概况
8.2.2 神经网络的结构及类型
8.2.3 感知器
8.2.4 线性神经网络
8.2.5 BP网络
8.2.6 BP神经网络的Matlab实现
8.2.7 神经网络在信号处理中的应用
8.3 名词注释
8.3.1 函数空间
8.3.2 基底
8.3.3 框架、Riesz基
参考文献
1.1 测试信号及其分类
1.2 测试信号处理及分析的主要目的
1.2.1 信号的变换
1.2.2 信号特征值的分析
1.2.3 信号的频谱分析
1.2.4 信号的滤波
1.2.5 信号的恢复或重构
1.3 测试信号处理与分析的基本方法
1.4 本教材的特点与学习方法
第2章 测试信号的误差分析与预处理
2.1 测量不确定度及其表示方法
2.1.1 测量不确定度
2.1.2 静态不确定度的估计
2.1.3 不确定度的合成
2.2 动态不确定度的估计
2.2.1 动态测量的概念与定义
2.2.2 动态误差产生的原因
2.2.3 动态误差的定义
2.2.4 动态均方根误差与频响函数的关系
2.3 粗大误差的判断与处理
2.3.1 粗大值的判断
2.3.2 防止及消除粗大误差的方法
2.4 趋势项的去除
2.5 野值、跳点的剔除与补正
2.5.1 异常值的识别
2.5.2 异常值的估计
参考文献
第3章 测试信号的时域分析与处理
3.1 信号时域特征的获取方法
3.1.1 采样信号的主要特点
3.1.2 时域信号的特征值获取方法
3.1.3 随机信号统计特性的获取
3.2 信号与数据的插值方法
3.2.1 代数插值方法概述
3.2.2 Lagrange(拉格朗日)插值
3.2.3 Newton(牛顿)插值法
3.2.4 多项式插值的误差
3.2.5 分段插值和样条函数
3.3 信号与数据的拟合方法
3.3.1 最小二乘拟合曲线
3.3.2 多项式拟合的Matlab实现
3.4 数值微分和数值积分
3.4.1 差分近似微分
3.4.2 插值多项式的导数
3.4.3 数值积分法
3.5 时域信号的平滑与建模
3.5.1 滑动平均(MA)模型
3.5.2 自回归(AR)模型
3.5.3 自回归滑动平均模型
3.5.4 AR及ARMA模型适用性检验
参考文献
第4章 测试信号的频谱分析
4.1 信号频谱的形式与物理意义
4.1.1 周期信号的频谱
4.1.2 周期信号的功率谱
4.1.3 非周期信号的频谱密度
4.1.4 非周期信号的能量谱(密度)
4.1.5 各态历经平稳随机信号的功率谱(密度)
4.2 频谱分析的作用与频谱求取方法
4.2.1 频谱分析的作用
4.2.2 信号频谱的求取方法
4.3 信号频谱的数字计算
4.3.1 Shannon采样定理
4.3.2 周期信号频谱的数字计算
4.3.3 非周期信号频谱的数字计算
4.3.4 频谱泄漏与合理取样
4.3.5 数字计算频谱的预处理
4.4 快速傅里叶变换(FFT)的应用
4.4.1 FFT的由来
4.4.2 基2-FFT时间抽取算法的基本关系
4.4.3 逆FFT(IFFT)
4.4.4 FFT&IFFT的Matlab实现
4.4.5 实信号(实序列)FFT的节省算法
4.5 频谱的数字细分方法(Chirp算法)
4.6 随机信号的功率谱估计(计算)
4.6.1 功率谱估计方法概述
4.6.2 功率谱(密度)的古典估计
4.6.3 功率谱(密度)的现代估计
4.7 信号的倒频谱分析
4.7.1 信号的卷积失真
4.7.2 倒频谱
4.7.3 倒频谱应用例
参考文献
第5章 信号的相关分析
5.1 信号相关分析的主要任务
5.2 互相关函数
5.2.1 能量信号的互相关函数
5.2.2 功率信号的互相关函数
5.2.3 周期信号的互相关函数
5.2.4 互相关函数Ryx(τ)及ρyx(τ)的特性
5.3 自相关函数及其性质
5.4 维纳-欣钦(Wiener-Khintehine)定理
5.4.1 能量信号的Wiener-Khintchine定理
5.4.2 功率信号的Wiener-Khintchine定理
5.5 互谱密度函数与互相干函数
5.5.1 互谱密度函数
5.5.2 互相干函数
5.6 相关量的数字计算
5.6.1 相关量的求取方法
5.6.2 自相关函数的数字计算
5.6.3 互相关函数的数字计算
5.6.4 相关函数计算的Matlab实现
5.6.5 互谱密度函数及互相干函数的数字计算
5.7 相关分析在工程测试中的应用
5.7.1 互相关辨识测量系统的动态特性
5.7.2 互相关确定信号时差及其推广应用
5.7.3 自相关提取微弱周期信号
参考文献
第6章 信号滤波
6.1 滤波器基本知识
6.1.1 滤波器的分类
6.1.2 理想滤波器的幅频特性
6.1.3 实际滤波器的幅频特性
6.1.4 信号滤波的作用
6.2 模拟滤波器简介
6.2.1 模拟滤波器设计
6.2.2 应用Matlab设计模拟滤波器
6.3 数字滤波技术及其应用
6.3.1 无限冲激响应(IIR)数字滤波器设计
6.3.2 有限冲激响应(FIR)数字滤波器设计
6.3.3 其他数字滤波器设计
6.4 数字滤波的Matlab实现
6.4.1 根据单位冲激响应实现
6.4.2 根据离散传递函数实现
6.4.3 频率域滤波的实现
参考文献
第7章 现代滤波技术及信号重构简介
7.1 已知信号的最佳滤波——匹配滤波
7.2 随机信号的最佳滤波(Ⅰ)——维纳滤波
7.3 随机信号的最佳滤波(Ⅱ)——卡尔曼滤波
7.3.1 连续时间系统的卡尔曼滤波
7.3.2 离散系统的卡尔曼滤波
7.3.3 卡尔曼滤波的Matlab实现
7.4 乘积和卷积噪声的滤波问题
7.4.1 乘积噪声的同态滤波
7.4.2 卷积信号的同态滤波
7.5 动态系统的补偿和信号重构
7.5.1 测量系统的频域补偿
7.5.2 测量信号的重构
参考文献
第8章 信号处理新技术简介
8.1 小波分析原理
8.1.1 小波分析的由来
8.1.2 常用小波函数介绍
8.1.3 连续小波变换
8.1.4 离散小波变换
8.1.5 多分辨分析
8.1.6 小波分析的Matlab实现
8.1.7 小波包分析
8.1.8 小波分析在测试信号分析中的应用
8.2 人工神经网络(ANN)简介
8.2.1 神经网络的发展概况
8.2.2 神经网络的结构及类型
8.2.3 感知器
8.2.4 线性神经网络
8.2.5 BP网络
8.2.6 BP神经网络的Matlab实现
8.2.7 神经网络在信号处理中的应用
8.3 名词注释
8.3.1 函数空间
8.3.2 基底
8.3.3 框架、Riesz基
参考文献
测试信号处理与分析
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
