作品总结
《贝叶斯信号处理：经典、现代和粒子滤波方法》
《贝叶斯信号处理：经典、现代和粒子滤波方法（Bayesian Signal Processing: Classical, Modern and Particle Filtering Methods （作者 James V. Candy ））》新的贝叶斯方法可帮助您轻松解决信号处理中的难题贝叶斯信号处理基于这一基本概念，即从嘈杂、不确定的数据中提取关键信息。大多数技术都依赖于基本的高斯假设来获得解决方案，但当这些假设是错误的时会发生什么？贝叶斯技术通过提供一种完全不同的方法来规避这一限制，该方法可以很容易地将非高斯和非线性过程与目前可用的所有常用方法结合起来。
本书使读者能够充分利用“贝叶斯方法”在基于模型的信号处理中的许多优势。与其他文本中的纯统计方法相比，它清楚地展示了这种强大方法的特点。读者将发现贝叶斯方法，再加上自始至终开发的基于物理的模型层次，可以多么容易和有效地应用于以前似乎无法解决的信号处理问题。
贝叶斯信号处理以最新一代处理器（粒子滤波器）为特色，高速/高通量计算机的出现使其成为可能。贝叶斯方法在本书的算法、示例、应用程序和案例研究中得到了统一的发展。在整本书中，重点是非线性/非高斯问题；然而，包括了一些经典技术（例如卡尔曼滤波器、无迹卡尔曼滤波器、高斯和、基于网格的滤波器等），以使熟悉这些方法的读者能够在这两种方法之间进行比较。
本书的特殊功能包括：
统一贝叶斯处理从基础（贝叶斯规则）到更先进的（蒙特卡洛采样），再到下一代技术（顺序蒙特卡罗采样）
将“经典”卡尔曼滤波用于线性、线性和非线性系统；“现代”无迹卡尔曼滤波器；以及“下一代”贝叶斯粒子滤波器
示例说明了如何将理论直接应用于各种处理问题
案例研究展示了贝叶斯方法如何在实践中解决现实世界中的问题
每章结尾的MATLAB注释帮助读者使用现成的软件命令解决复杂问题，并指出可用的软件包
问题集测试读者的知识，并帮助他们将新技能付诸实践
本书强调了基本的贝叶斯方法，以使处理器能够从贝叶斯的角度重新思考制定和解决信号处理问题的方法。本文将读者从基于模型的信号处理的经典方法带到下一代处理器，这些处理器将在未来几年明显主导信号处理的未来。本文的许多插图证明了贝叶斯方法对信号处理中现实世界问题的适用性，对于所有研究信号处理并将其应用于日常问题的学生、科学家和工程师来说都是至关重要的。
客服咨询
400 093 7005
周一至周日：09:00AM-21:00PM
微信扫码关注
小程序扫码注册
0条评论