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

1.2 正态分布的随机数

1.3 指数分布的随机数

1.4 拉普拉斯（Laplace）分布的随机数

1.5 瑞利（Rayleigh）分布的随机数

1.6 对数正态分布的随机数

1.7 柯西（Cauchy）分布的随机数

1.8 韦伯（Weibull）分布的随机数

1.9 爱尔朗（Erlang）分布的随机数

1.1 0贝努里（Bernoulli）分布的随机数

1.1 1贝努里-高斯分布的随机数

1.1 2二项式分布的随机数

1.1 3泊松（Poisson）分布的随机数

1.1 4ARMA（p，q）模型数据的产生

1.1 5含有高斯白噪声的正弦组合信号的产生

1.1 6解析信号的产生

第二篇 数字信号处理

第一章 快速傅立叶变换

1.1 离散傅立叶变换

1.2 快速傅立叶变换

1.3 基4快速傅立叶变换

1.4 分裂基快速傅立叶变换

1.5 实序列快速傅立叶变换（一）

1.6 实序列快速傅立叶变换（二）

1.7 用一个N点复序列的FFT同时计算两个N点实序列离散傅立叶变换

1.8 共轭对称序列的快速傅立叶反变换

1.9 素因子快速傅立叶变换

1.1 0ChirpZ-变换算法

第二章 快速离散正交变换

2.1 快速哈特莱（Hartley）变换

2.2 基4快速哈特莱（Hartley）变换

2.3 分裂基快速哈特莱（Hartley）变换

2.4 快速离散余弦变换

2.5 快速离散余弦反变换

2.6 N=8点快速离散余弦变换

2.7 N=8点快速离散余弦反变换

2.8 快速离散正弦变换

2.9 快速沃尔什（Walsh）变换

2.1 0快速希尔伯特变换（一）

2.1 1快速希尔伯特变换（二）

第三章 快速卷积与相关

3.1 快速卷积

3.2 长序列的快速卷积

3.3 特别长序列的快速卷积

3.4 快速相关

第四章 数字滤波器的时域和频域响应

4.1 数字滤波器的频率响应

4.2 级联型数字滤波器的频率响应

4.3 数字滤波器的时域响应

4.4 直接型IIR数字滤波（一）

4.5 直接型IIR数字滤波（二）

4.6 级联型IIR数字滤波

4.7 并联型IIR数字滤波

5.1 巴特沃兹和切比雪夫数字滤波器的设计

第五章 IIR数字滤波器的设计

5.2 任意幅度IIR数字滤波器的优化设计

第六章 FIR数字滤波器的设计

6.1 窗函数方法

6.2 频域最小误差平方设计

6.3 切比雪夫逼近方法

第三篇 随机数字信号处理

第一章 经典谱估计

1.1 功率谱估计的周期图方法

1.2 功率谱估计的相关方法

第二章 现代谱估计

2.1 求解一般托布利兹方程组的莱文森算法

2.2 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

2.4 计算ARMA模型的功率谱密度

2.5 尤利-沃克谱估计算法

2.6 协方差谱估计算法

2.7 Burg谱估计算法

2.8 最大似然谱估计算法

第三章 时-频分析

3.1 维格纳（Wigner）分布

3.2 离散小波变换

第四章 随机信号的数字滤波

4.1 维纳（Wiener）数字滤波

4.2 卡尔曼（Kalman）数字滤波

4.3 最小均方（LMS）自适应数字滤波

4.4 归一化LMS自适应数字滤波

4.5 递推最小二乘（RLS）自适应数字滤波

1.1 图像读取、存储与显示

第四篇 数字图像处理

第一章 图像基本运算

1.2 图像旋转

1.3 图像灰度级直方图的计算

1.4 图像二值化的固定阀值法

1.5 图像二值化的自适应阀值法

第二章 图像增强

2.1 图像直方图均衡

2.2 中值滤波

2.3 图像锐化

2.4 图像平滑

第三章 图像边缘检测

3.1 Roberts算子边缘检测

3.2 拉普拉斯算子边缘检测

3.3 Sobel算子边缘检测

3.4 Robinson算子边缘检测

3.5 Kirsch算子边缘检测

3.6 Prewitt算子边缘检测

第四章 图像细化

4.1 Hilditch细化算法

4.2 Pavlidis细化算法

4.3 Rosenfeld细化算法

第五篇 人工神经网络

第一章 神经网络模型

1.1 多层感知器神经网络

1.2 离散Hopfield神经网络

1.3 连续Hopfield神经网络

1.4 Tank-Hopfield线性规划神经网络

参考文献