啟發(fā)式信號處理及其應(yīng)用進(jìn)展

Amitava+Chatterjee

復(fù)雜的、頂尖的信號處理算法的研究和應(yīng)用在過去的40多年中一直保持活躍，特別是通信、控制理論、評估、模式識別、電器電子系統(tǒng)、機(jī)械系統(tǒng)設(shè)計(jì)等領(lǐng)域。一維信號處理與多維信號處理，即圖像和視頻處理，近年來受到了驚人的關(guān)注，研究的焦點(diǎn)從最初發(fā)展的傳統(tǒng)算法，逐漸演變成采用基于啟發(fā)式的方法解決信號處理問題。在這本書中，作者展示了通用算法及針對專門應(yīng)用問題的算法，并強(qiáng)調(diào)了采用現(xiàn)代進(jìn)化技術(shù)和基于群智能技術(shù)的啟發(fā)式迭代優(yōu)化方法。本書分析了諸如估計(jì)和跟蹤、無線傳感器網(wǎng)絡(luò)、生物信號分類、圖像去噪和圖像特征跟蹤等領(lǐng)域的應(yīng)用，以期能使得在相關(guān)領(lǐng)域的讀者對啟發(fā)式迭代方法研究產(chǎn)生興趣并引發(fā)讀者的創(chuàng)新思考。

全書由16章組成：1.采用聯(lián)合模松散序列二次規(guī)劃法及填充函數(shù)法的非凸優(yōu)化，在優(yōu)化兩通道線性相位的有限脈沖響應(yīng)（Finite Impulse Response， FIR）正交鏡像濾波器組（Quadrature Mirror Filter Bank， QMFB）設(shè)計(jì)中的應(yīng)用；2.基于參數(shù)聯(lián)合迭代優(yōu)化算法的穩(wěn)健降秩自適應(yīng)的線性約束最小方差（Linearly Constrained Minimum Variance， LCMV）的波束形成算法；3.利用多目標(biāo)優(yōu)化的目標(biāo)檢測中的正交頻分多路技術(shù)的（Orthogonal Frequency Division Multiplexing， OFDM）雷達(dá)波形設(shè)計(jì)；4.目標(biāo)的相互作用中的粒子群優(yōu)化的多目標(biāo)跟蹤技術(shù)；5.改進(jìn)的基于生物地理學(xué)優(yōu)化（the Biogeographybased Optimization， BBO）的變分法和其他用于無線傳感器最優(yōu)功率分配算法的比較研究；6.自適應(yīng)雷達(dá)系統(tǒng)中跟蹤檢測的聯(lián)合優(yōu)化；7.FIR濾波器的迭代設(shè)計(jì)；8.二維遞歸數(shù)字濾波器設(shè)計(jì)的一種啟發(fā)式方法；9.多輸入單輸出（MultipleInput SingleOutput， MISO）的源分離和均衡峰度優(yōu)化方案研究；10.群智能技術(shù)應(yīng)用于非線性系統(tǒng)進(jìn)行狀態(tài)估計(jì)；介紹粒子群優(yōu)化算法和蟻群優(yōu)化算法在用于估計(jì)和優(yōu)化中良好性能；11.無乘法器的數(shù)字濾波器的啟發(fā)式優(yōu)化設(shè)計(jì)；12.混合神經(jīng)網(wǎng)絡(luò)的協(xié)作應(yīng)用于步態(tài)信號分類器；13.圖像的小波去噪：在醫(yī)學(xué)影像中的應(yīng)用；14.使用稀疏表示的先驗(yàn)知識的信號分離器；15.離散彩色單基因的小波變換；16.將圖像匹配和特征跟蹤應(yīng)用于嵌入式系統(tǒng)。

本書適合通信、信號處理、圖像處理等專業(yè)高年級碩士研究生和進(jìn)行啟發(fā)式算法研究的研究人員參考與使用，亦可作為對信號處理、控制理論、模式識別、群智能優(yōu)化方法研究等領(lǐng)域感興趣的相關(guān)教師、研究人員及從業(yè)人員的參考書。

張進(jìn)興，碩士研究生

endprint