DSP算法大全C语言版本 完整版,共407页,审阅过的。包含多种数字信号产生、处理、分析方式,并附参考代码。第六章FIR数宇滤波器的设计…………………
227
§6.1窗函数方法………………
.227
§6.2频域最小误差平方设计……
“·自“238
§6.3切比雪夫逼近方法……………………………………………242
第三篇随机数字信号处理
第一章经典谱佔计……………………………………….264
的周期图方法………………·…264
12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……………0
82.2求解对称正定方程组的乔里斯基算法
§2.3求解尤利沃克方程的莱文森德宾算法…………灬….28
§24计算ARMA横型的功率谱密度18
§2.5尤利沃克谱佔计算法…………………*…………………22
§2.6协方差谱估计算法
……ts29
§27Burg谱估计算法
◆鲁b+吾·合品品‘山点亠4+·日叶中·中‘甲争早导
§2.8最大似然谱估计算法……
308
第三章时频分析
甲甲甲手曾鲁卧鲁哲雪
§3.1堆格纳( wigner)分布
中中中“由节“昏音山曲画
32离散小波变换
委甲■即
318
第四章随机信号的数字滤波………
§41维纳( Wiener)数字滤波………
…………量·自330
§4-2卡尔曼( Kalman)数字滤波…
会血中自4B44品西4垂4+中如甲吾卧d古
§4-3最小均方(LMS)自适应数字滤波……
●·中自·自·中中中平看
°·341
§4.4归一化LMS自适应数字滤波……34
§45递推最小二乘(RLs)自适应数字滤波
348
第四篇数字图像处理
第一章图像基本运算
……·352
§1,1图像读取、存储与显示……
81.2图像旋转……………………………………………………………366
1.3图像灰度级直方图的计算……………………………………*……3
§1.4图像二值化的固定阀值法…
ma·也d■血dp
§1.5图像二值化的自适应阀值法
导b血
第二章图像增颯…
§2.1图像直方图均衡……………………
w"376
§2.2中值滤波……38
§23图像锐化……
鲁平t自d
“*………382
§2.4图像平滑
P····383
第三章图像边缘检测……………………….356
831 Roberts算子边缘检测…46
§32拉普拉斯算子边缘检测………
“………“敌…388
83.3 Sobel算子边缘检测……;
83.4 Robinson算子边缘检测
小392
§35 Kirsch算子边缘检测……………………………………………394
§3.6 Prewitt算子边缘检测
争昏平辛辛平中萨
396
第四章图像细化……
喜即香看d画命合b分bb画品目如画如bL晶
品品4甲。自·。·中
399
§4.1 Hilditch细化算法…
●·命··“““…“399
§4.2 Pavlidis细化算法……404
§43 Rosenfeld细化算法…………………
0
第五篇人工神经网络
第一章神经网络模型
t……416
§1.1多层感知器神经网络
·416
§1.2离散 Hopfield神经网络…………“………………………425
§13连续 Hopfield神经网络………………49434
§I4 Tank-Hopfield线性规划神经网络
……437
参考文献
44命↓◆命啡4每◆普““女4古“4b中d●·4·面···4·=
,··442
第一篇常用数字信号的产生
第一章数字信号的产生
§1.1均匀分布的随机数
-、功能
产生(a,b)区间上均匀分布的随机数。
方法简介
均匀分布的概率密度函数为
≤x≤b
fCx)
其它
通常用U(b表示均匀分布的均值为“士方差为2
产生均匀分布随机数的方法如下
首先,由给定的初值x0,用混合同余法
T-1+c)(mod M)
y; /M
产生(0,1)区间上的随机数y。其中a=2045c=1M=2然后,通过变换z=a+
(b…a)y产生(a,b)区间上的随杋数x
三、使用说明
1.子函数语句
double uniform (a, b, seed)
2形参说明
双精度实型变量。给定区间的下限
b—双精度实型变量。给定区间的上限。
seed——长整型指针变量。*seed为随机数的种子。
四、子函效程序(文件名: uniform,c)
double uniform(a,bseed)
long int seed
double t;
2045爷(
seed-#seed-(操Seed/1948576)*1048576;
t=(“seed)/1048576.0;
t=a+(b-a)头t;
return(t)i
五、例题
产生50个0到1之间均匀分布的随机数。
主函数程序(文件名: uniform,m)
杜 include〃 stdio.h
includ
iform
ain(
doable a, b,x; int 1,J;
g Int s
double uniform (double, double, long int *)
a-0.0;b=10;s=13579;
for(i-0;i<10;i-+)
for(j=0:j<5++)
=unite
printf (". 7fM,x>;
intf("\n")y
运行结果
0.48263550.98959450.72067070.77158260.8864250
0.73916340.58915140.81457810.81212620.7979975
0.9483t
0.39095970.51266860.40730760.9440937
0.67162610.47535710.10517980.09266470.4993505
0.13187120.47657490.59566690,13878150,8082657
C.90332890.30759240.02644250.07497020.3141527
0.44230840.5207319
89678960.93463230.3230572
0.65192320.18290330.03722860.13245580.8721647
0,5768661
0.6912775
0.66249660.80548000.2066078
0.51299000.0645466099776740.43443300.4154520
§1.2正态分布的随机数
功能
产生正态分布N(,a2)的随机数。
二,方法简介
正态分布的概率密度函数为
√2πa
通常用、(p,d2)表示。式中p是均值,a2是方差。正态分布也称为高斯分布
产生正态分布随机数的方法如下
设r1
r为(0,1)上n个相互独立的均匀分布的随机数,由于E(n)=1,
根据中心极限定理可知,当n充分大时
r
的分布近似于正态分布N(,1)。通常取n=12,此时有
r一6
最后,再通过变换y=H+x,便可得到均值为八方差为m2的正态分布随机数y
三、使用说明
1.子函数语句
double gauss(mean, sigma, seed)
2.形参说明
mean—双精度实型变量。正态分布的均值k
sigma—-双精度实型变量。正态分布的均方差o
see
长整型指针变量。餐seed为随机数的种子。
四、子函数程序(文件名: gauss,c)
include Uniform,ci
double gauss(mean, sigma, s)
double mean, sigma;
long int *si
i int i; double x, y;
double uniform()
for(x=0,=0;<12i++)
x+= uniform(0,0,1.0,)
X=x一6.0:
y〓mean十x并sgm丑
return (y)f
五、例题
产生50个均值为0方差为1的正态分布的随机数。
主函数程序(文件名 tgauss.m)
#include"stdio. hm
#include"gauss, c
main()
t int i,j s long int s#
double x, mean, sigma;
double gauss(double, double, long int *)
mean=0.0; sigma=1.05=13579
for(i=0<10i++)
for(j=0<5i十+)
x=gauss(mean, sigma, &s)
printf(".7",x);
printi("\n")
运行结果
2.8997211-0,90885730,2041950-0.2572155-0.8516827
0.79969980,9866190.04313851.919498702543507
0.36892511.2145863
,05370901.70509531.6925945
0.49287221.9956684.-0.59806631.29232980.1707630
0.5213604-0.40513420.8358479-0.54450801.6452045
0.5338917-0.8120403-0.3886852-0.25463680.4690113
0.4013348-0.1117687-0.9708830.650224713179646
0.53624150.74646191.3275318-0.40414241.8053455
0.8525982-0,24906731.68234440.945543304819355
1.1704273-0.172575002068348-1.9993710.8360157
§1.3指数分布的随机数
功能
产生指数分布的随机数。
方法简介
1.产生随机变量的迆变换法
定理设F(x)是任一连续的分布函数如果~U(0,1)且=F-1(a),那么η~F(x)。
证明由于t~U(0,1),则有
P(≤x)=P(F-(x)≤x)=P(x≤F(x))=F(x)
所以,7~F(x),定理证毕
此定理给出了从均匀分布随机数到给定分布F(x)的随机数的变换。根据该变换可产
生分布函数为F(x)的机效x,其算法可用下列两个步骤实现
(1)产生均匀分布的随机数g,即4~U(0,1)g(2)计算x=F-(t)
2.产生數分布随机的方法
指数分布的概率密度函数为
x≥0
f(x)
0
其它
其分布函效为
FCr)=
,其它
指数分布的均值为,方为P2
根播上述的逆交换法,产生指数分布随机数的方法为
(1)产生均匀分布的随机数M,即w~U(0,1);(2)计算x=-ln(v)
、使用说明
1.子函微语句
double exponent(beta, s)
2.彩参说明
beta——双精皮实型变量。指数分布的均值。
s—长整型指针变量。¥s为随机数的种子。
四、子函数程序(文件名: exponent.[)
include "math. h"
Include uniform. c
uble exponent(bcta,
double beta;
long int *s
i double u,x
double uniform)
u=uniform(0. 0,1-0,s)+
ta i logt
return(x)
五、例题
产生50个均值为2、方差为4的指数分布的随机数。
主函数程序(文件名; exponent n)
toinclude stdio. h
f include exponentc
int i,j; long int s;
ouble x
4a;
double exponent()+
bea=2.仍;s=t3579;
for(i=0;i<10;i++)
{for(j=0;j5;j+)
i x=exponent(beta, &s
printf(".7f", x>
运行结果
45698710,02092010,6551459051862310,2411175
0.6044725
1.0581442
0.4101700
0.4161992
0.451299
0.20000171,87830141.33625131.79637310.1150597
0,7961070
.4873781450416854.75753501.3888938