实例介绍
【实例简介】
除掉封面，共446页，只有5.39M,但内容是最全面的，质量上也是非常清晰的。是学dsp算法的绝佳书籍，没有华丽的数学推导，简单明了，名曰数字信号处理C语言程序集，民间又称DSP算法大全C语言版本。
第六章FIR数字滤波器的设计 F■尋■■b■ 晷↓國■看↓■↓b日↓bb↓●■■ 227 86.1窗函数方法… 22? §6.2域最小误差平方设计 .……238 §6.3切比雪夫逼近方法………… 42 第三篇随机数字信号处理 第一章经典谱佔计……6 §11功率谱估计的周期图方法… ····““甲早争·道者自自.264 §1.2功率谱估计的相关方法 T■冒■■■■■『曾■■詈『國昏日■■哥■订d·聊聊b■山如↓h“◆白ψp4q 第二章现代谱估计………………………26 821求解一般托布利兹方程组的莱文森算法 ■■■昏■■1冒■■看嚼司聊國司冒D■1 80 §22求解对称正定方程组的乔里斯基算法 q■ψ鲁鲁曾◆◆曾自自4鲁唱音昏鲁自■ Z83 §23求解尤利沃克广程的菜文森德宾算法… °P甲自287 §2.4计算ARMA模型的功率谱密度 §2.5尤利沃克谱佔计算法………………………………………292 A2.6协力差谱估计算法… 1亡■曾■■目■鲁會曾罪司罪鲁·命讠咖D■■■■b啁 §2.7 Burg谱佔计算法…… 1■● 33 §2.8最大似然谱估计算法 第三章时频分析 ·聊·即·D●b·■唱鲁·◆■申曾阜曾q俨俨■■中個◆ 314 §3.1维格纳( Wigner)分布 ·“314 §32离散小波变换 r""t31 第四章随机信号的数字滤波 也“命甲甲即甲330 §41维纳( Wiener)数字滤波 330 §4,2卡尔曼( Kalman)数宇滤波 .吾小如山山甲·自甲 §43最小均方(LMS)自适应数字滤波 "…"…"∵"卜"r""r"s""341 §4-4归一化LMS自适应数字滤波………… 344 §4.5递推最小二乘(RLS)自适应数字濃泼 导↓↓晶 3L8 第四篇数字图像处理 第一章图像雄本运算 ■■↓罪隱b■【b啁山b西血a导即·晶s咱■聊暴 ,M352 §1.1图像读取、存储与显示… 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 f(r) 共它 2,方差为Qb 通常用U(a,b)表示。均匀分布的均值为+b 产生均匀分布随机数的方法下 首先,由给定的初值x,用混合同余法 a=(ai-1+c)(mod M) 产生(,1)区间上的随机数y其中:a-2045,c=1,M=22;然后,通过变换x,=a (ba)y;产生{a,b)区间上的随机数z; 三、使用说明 1.子函数语句 double urniform (a, b, seed> 2.形参说明 a——双精度实型变量。给定区间的下限。 b—双糖度实型变量。给定区间的上限。 seed-—长整型指针变量。*seed为随机数的种子。 四、子函数程序(文件名: uniform.c) Double uniform (a, b, seed) double a, bi long int的sced; QubIc ￥seed=2045兴(#seed)+1 ccd=.Scd一(;gced/lC48576)两L18576 t=(兴seed)/1048576.0; t=+ a)苦t refute〔 五、例题 产生50个0到1之问均匀分布的随机数 主函数程序(文件名: uniform.r): # inelude" stdio.h′ include furio maini) doble a,b,x; int i+J g int double unifo r(double, double, long int x a=0.0;h=1.0;=13?9 for(i=0<10;j+) 〔for(=0;<5;十+ x=uniform(a, b,&s) printf("13.7于";x) printI("\n") 运行结果: 0.48263550.99959450.72C67070.77158260.8864250 0.7391634·0.589l5140.81457810.81212620.7979975 0.90433670.390959?b.51265860.40730760.9440937 0.6716261.47535710.10517980.C92的6470.4993505 0.17187120.47657190.59566690.13878150.8082657 0.90332890.3075924 .02644250.C7497020.3141527 0.44230840.52073190.89673960.c3163230.3230572 0.651923 0.1829033.03722860.1245580.8721647 0.5:685610.6912775 662496,80548000.2066078 0.5129000.0645466 76740.43443300.4154520 81.2正态分布的随机数 功能 产生正态分布N(,a3)的随机数。 方法徹介 正态分布的概卒础度函数为 Zxd 通常用N(p42)表示。式中是均值,a2是方差。正态分布也称为高斯分布。 生止态分布随机数的方法刘下 设r1,r2,…,rn为(0,1)上n个相互独立的均匀分布的随机数,由于E(r)=方, DG;)、 根据中心极限定理可知,当n充分大时 的分布近似于止态分布N(0,1)。通常取n=12,北时有 最后再通过变换y=+0x,便可得到均值为、方差为a2的正态分布随机数y 使用说明 1.子函敵语句 double gauss(mean, sigma, seed) 2.形参说明 mean双精度实型变量。止态分布的均值k。 SIgma—双精度实型变量。正态分布的均方差σ seed—长整型指针变量。*sed为随机缴的种f。 四、子函数程序(文件名: gauss. C) *include #uniform. cr loubie gauss(nean, signa, s) doubie mean, sigma s long int si i int i; double x y; double uniform()4 for(x=0,i=0i<12++) x+=uniform(0.0,1, 0, s): x=x-60 Y [LEan 十x樊 sigma return Ly)# 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: gauss.T) *include sidiQ hr #*include main( i int i,j; lony int s double x, ean,sig如ap double gauss (double, double, long int )F mean=0.0;8i1gma=1.0;s=13579 for (i=Oji<101++) for(j=0;<5+十) x=gauss(mean, sigma, &is)+ printf( 213.2f,x) prInt"\n”) 运行结果 2.8997211-,988573 0,2041950 0.2572155-038516827 0.799698-0.98666199,0431385-1,91492702543507 03689251 2145863-1.05370901.7050953-1,6925945 0.49287221.3956684-0.59806331.29232980.1707630 0.5213634-0,40513420,8358479-0,54450801.6452045 0.5338917-0.8120403-0.3886852-0.254636804690113 0.4013348-0.111T687-,9708843065022471.3179646 0.53624150.74646191.3275318-0.40414241.8053455 --0.85259820.24906731.68234440.945543304819355 4 1.1704273-0.17257500.2068348-—199993710.9360157 §1.3指数分布的随机数 功能 产生指效分布的随机数 二方法简介 1.产生随机变量的燃变换法 定理设F(x)是任一连续的分布函数如果~U0,1)且?=F2(a),那么~F(x)。 证明由于txU01)则有 P(≤x)=PF-ax)≤x)=Pt≤F(x))=F(x} 所以,刀~F(x)。定理证毕 此定理给出了从均匀分布隨机数到给定分布F(x)的随机数的变换。根据该变换可产 生分布函数为F(x)的随机数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,即a~U(0,1);(2)计算x=F1(n) 2.产生指数分布随机微的方法 指数分布的概率密度函数为 百e x≥ 其它 其分布函数为 FGr) 1-e 0 其它 指数分布的均值为,方差为2。 根据上述的逆变换法,产生指数分布随机数的方法为 (1)产生均匀分布的随机数t,即a~U(,1)(2)计算文=-p1n(n) 三、使用说明 1.子函救语句 double exponent(beta s) 2.形鲁说明 beta——双精度实型变量。指数分布的均值β。 s长型指针变量。S为随机数的种子。 四、子函数程序(文件名: exponent..c) de # math. h 杜inc4 e#uniform,C doublc exponent(beta, s double beta g.t double u, x; double uniform() u=uniform(0.0,1.0,s) ta k log eturn(x) 五例题 产生50个圬值为2、方差为4的指数分布随机数 主函数程序(文件名: exponent.m.): #include stdio. h ff"exponentc main l i int i, j; long int 5; double x, beta double exponent( beta=2.0;s=13575; 1;i++) {for(j=0;j5;j十十 ix-exponent(beta, &s); prin(”%13,7”,x) Printi(r\n"); 运行结果 1.4569871 Q.32092010.6551459 0.5186231 0.2411175 0.6044725 1.9581443 0.4101700 04151992 0.4512997 e.200017 1.8783014133625131.79637310.1150597 0.7961073 1.4873781 4、504685 4.7575350 .3888938 3.522020 1:48226081.0361474 9497085 0.4257289 0.2033371 2,3579595 7.2655635 5.1813278 3157520 1.63]49j7 1.3503980.2]78681 0.135202 2,2598519 8556571 3.3975954 58235704043021 3.2735539 1.10028990.73842790.82347980,43263383.1538658 1.33499795.48073630.00447011.6674272 1.7567765 §1,4拉普拉斯( Laplace)分布的随机数 功能 产生拉普拉斯分布的随机数。 方法简介 1.产生机变量的组合法 将分布函数F(x)分解为若干个较简单的子分布函数的线性组合 .F 其中p>0(V),且∑p=1,F(x)是分布函数 定理若随机变量~离散分布{p},即P(==p,,并且x~F(x),取z=x, 则2~F(x)=∠F: 证明z的分布函数为 P(x≤t)=P((z≤t∩U( ∑P(x≤t=i ∑P(=1)P(x≤==∑F)=F( 定理证毕 根据此定理,我们给出产生随机数的组合算法如下: (1)产生一个正随机整数使得P(=订=P(=1,2…,K) 2)在一t时,生具有分布函数F(x)的随机变量κ 在该算法中,肖先以概率选择子分布函效F(x),然后取F(x)的随机效作为F(x) 的随机数。 2.产生拉普拉斯分布随机数的方法 拉普拉新分布的概率密度函数为 【实例截图】
【核心代码】
除掉封面，共446页，只有5.39M,但内容是最全面的，质量上也是非常清晰的。是学dsp算法的绝佳书籍，没有华丽的数学推导，简单明了，名曰数字信号处理C语言程序集，民间又称DSP算法大全C语言版本。
第六章FIR数字滤波器的设计 F■尋■■b■ 晷↓國■看↓■↓b日↓bb↓●■■ 227 86.1窗函数方法… 22? §6.2域最小误差平方设计 .……238 §6.3切比雪夫逼近方法………… 42 第三篇随机数字信号处理 第一章经典谱佔计……6 §11功率谱估计的周期图方法… ····““甲早争·道者自自.264 §1.2功率谱估计的相关方法 T■冒■■■■■『曾■■詈『國昏日■■哥■订d·聊聊b■山如↓h“◆白ψp4q 第二章现代谱估计………………………26 821求解一般托布利兹方程组的莱文森算法 ■■■昏■■1冒■■看嚼司聊國司冒D■1 80 §22求解对称正定方程组的乔里斯基算法 q■ψ鲁鲁曾◆◆曾自自4鲁唱音昏鲁自■ Z83 §23求解尤利沃克广程的菜文森德宾算法… °P甲自287 §2.4计算ARMA模型的功率谱密度 §2.5尤利沃克谱佔计算法………………………………………292 A2.6协力差谱估计算法… 1亡■曾■■目■鲁會曾罪司罪鲁·命讠咖D■■■■b啁 §2.7 Burg谱佔计算法…… 1■● 33 §2.8最大似然谱估计算法 第三章时频分析 ·聊·即·D●b·■唱鲁·◆■申曾阜曾q俨俨■■中個◆ 314 §3.1维格纳( Wigner)分布 ·“314 §32离散小波变换 r""t31 第四章随机信号的数字滤波 也“命甲甲即甲330 §41维纳( Wiener)数字滤波 330 §4,2卡尔曼( Kalman)数宇滤波 .吾小如山山甲·自甲 §43最小均方(LMS)自适应数字滤波 "…"…"∵"卜"r""r"s""341 §4-4归一化LMS自适应数字滤波………… 344 §4.5递推最小二乘(RLS)自适应数字濃泼 导↓↓晶 3L8 第四篇数字图像处理 第一章图像雄本运算 ■■↓罪隱b■【b啁山b西血a导即·晶s咱■聊暴 ,M352 §1.1图像读取、存储与显示… 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 f(r) 共它 2,方差为Qb 通常用U(a,b)表示。均匀分布的均值为+b 产生均匀分布随机数的方法下 首先,由给定的初值x,用混合同余法 a=(ai-1+c)(mod M) 产生(,1)区间上的随机数y其中:a-2045,c=1,M=22;然后,通过变换x,=a (ba)y;产生{a,b)区间上的随机数z; 三、使用说明 1.子函数语句 double urniform (a, b, seed> 2.形参说明 a——双精度实型变量。给定区间的下限。 b—双糖度实型变量。给定区间的上限。 seed-—长整型指针变量。*seed为随机数的种子。 四、子函数程序(文件名: uniform.c) Double uniform (a, b, seed) double a, bi long int的sced; QubIc ￥seed=2045兴(#seed)+1 ccd=.Scd一(;gced/lC48576)两L18576 t=(兴seed)/1048576.0; t=+ a)苦t refute〔 五、例题 产生50个0到1之问均匀分布的随机数 主函数程序(文件名: uniform.r): # inelude" stdio.h′ include furio maini) doble a,b,x; int i+J g int double unifo r(double, double, long int x a=0.0;h=1.0;=13?9 for(i=0<10;j+) 〔for(=0;<5;十+ x=uniform(a, b,&s) printf("13.7于";x) printI("\n") 运行结果: 0.48263550.99959450.72C67070.77158260.8864250 0.7391634·0.589l5140.81457810.81212620.7979975 0.90433670.390959?b.51265860.40730760.9440937 0.6716261.47535710.10517980.C92的6470.4993505 0.17187120.47657190.59566690.13878150.8082657 0.90332890.3075924 .02644250.C7497020.3141527 0.44230840.52073190.89673960.c3163230.3230572 0.651923 0.1829033.03722860.1245580.8721647 0.5:685610.6912775 662496,80548000.2066078 0.5129000.0645466 76740.43443300.4154520 81.2正态分布的随机数 功能 产生正态分布N(,a3)的随机数。 方法徹介 正态分布的概卒础度函数为 Zxd 通常用N(p42)表示。式中是均值,a2是方差。正态分布也称为高斯分布。 生止态分布随机数的方法刘下 设r1,r2,…,rn为(0,1)上n个相互独立的均匀分布的随机数,由于E(r)=方, DG;)、 根据中心极限定理可知,当n充分大时 的分布近似于止态分布N(0,1)。通常取n=12,北时有 最后再通过变换y=+0x,便可得到均值为、方差为a2的正态分布随机数y 使用说明 1.子函敵语句 double gauss(mean, sigma, seed) 2.形参说明 mean双精度实型变量。止态分布的均值k。 SIgma—双精度实型变量。正态分布的均方差σ seed—长整型指针变量。*sed为随机缴的种f。 四、子函数程序(文件名: gauss. C) *include #uniform. cr loubie gauss(nean, signa, s) doubie mean, sigma s long int si i int i; double x y; double uniform()4 for(x=0,i=0i<12++) x+=uniform(0.0,1, 0, s): x=x-60 Y [LEan 十x樊 sigma return Ly)# 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: gauss.T) *include sidiQ hr #*include main( i int i,j; lony int s double x, ean,sig如ap double gauss (double, double, long int )F mean=0.0;8i1gma=1.0;s=13579 for (i=Oji<101++) for(j=0;<5+十) x=gauss(mean, sigma, &is)+ printf( 213.2f,x) prInt"\n”) 运行结果 2.8997211-,988573 0,2041950 0.2572155-038516827 0.799698-0.98666199,0431385-1,91492702543507 03689251 2145863-1.05370901.7050953-1,6925945 0.49287221.3956684-0.59806331.29232980.1707630 0.5213634-0,40513420,8358479-0,54450801.6452045 0.5338917-0.8120403-0.3886852-0.254636804690113 0.4013348-0.111T687-,9708843065022471.3179646 0.53624150.74646191.3275318-0.40414241.8053455 --0.85259820.24906731.68234440.945543304819355 4 1.1704273-0.17257500.2068348-—199993710.9360157 §1.3指数分布的随机数 功能 产生指效分布的随机数 二方法简介 1.产生随机变量的燃变换法 定理设F(x)是任一连续的分布函数如果~U0,1)且?=F2(a),那么~F(x)。 证明由于txU01)则有 P(≤x)=PF-ax)≤x)=Pt≤F(x))=F(x} 所以,刀~F(x)。定理证毕 此定理给出了从均匀分布隨机数到给定分布F(x)的随机数的变换。根据该变换可产 生分布函数为F(x)的随机数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,即a~U(0,1);(2)计算x=F1(n) 2.产生指数分布随机微的方法 指数分布的概率密度函数为 百e x≥ 其它 其分布函数为 FGr) 1-e 0 其它 指数分布的均值为,方差为2。 根据上述的逆变换法,产生指数分布随机数的方法为 (1)产生均匀分布的随机数t,即a~U(,1)(2)计算文=-p1n(n) 三、使用说明 1.子函救语句 double exponent(beta s) 2.形鲁说明 beta——双精度实型变量。指数分布的均值β。 s长型指针变量。S为随机数的种子。 四、子函数程序(文件名: exponent..c) de # math. h 杜inc4 e#uniform,C doublc exponent(beta, s double beta g.t double u, x; double uniform() u=uniform(0.0,1.0,s) ta k log eturn(x) 五例题 产生50个圬值为2、方差为4的指数分布随机数 主函数程序(文件名: exponent.m.): #include stdio. h ff"exponentc main l i int i, j; long int 5; double x, beta double exponent( beta=2.0;s=13575; 1;i++) {for(j=0;j5;j十十 ix-exponent(beta, &s); prin(”%13,7”,x) Printi(r\n"); 运行结果 1.4569871 Q.32092010.6551459 0.5186231 0.2411175 0.6044725 1.9581443 0.4101700 04151992 0.4512997 e.200017 1.8783014133625131.79637310.1150597 0.7961073 1.4873781 4、504685 4.7575350 .3888938 3.522020 1:48226081.0361474 9497085 0.4257289 0.2033371 2,3579595 7.2655635 5.1813278 3157520 1.63]49j7 1.3503980.2]78681 0.135202 2,2598519 8556571 3.3975954 58235704043021 3.2735539 1.10028990.73842790.82347980,43263383.1538658 1.33499795.48073630.00447011.6674272 1.7567765 §1,4拉普拉斯( Laplace)分布的随机数 功能 产生拉普拉斯分布的随机数。 方法简介 1.产生机变量的组合法 将分布函数F(x)分解为若干个较简单的子分布函数的线性组合 .F 其中p>0(V),且∑p=1,F(x)是分布函数 定理若随机变量~离散分布{p},即P(==p,,并且x~F(x),取z=x, 则2~F(x)=∠F: 证明z的分布函数为 P(x≤t)=P((z≤t∩U( ∑P(x≤t=i ∑P(=1)P(x≤==∑F)=F( 定理证毕 根据此定理,我们给出产生随机数的组合算法如下: (1)产生一个正随机整数使得P(=订=P(=1,2…,K) 2)在一t时,生具有分布函数F(x)的随机变量κ 在该算法中,肖先以概率选择子分布函效F(x),然后取F(x)的随机效作为F(x) 的随机数。 2.产生拉普拉斯分布随机数的方法 拉普拉新分布的概率密度函数为 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论