信息论与编码研究信息传输与处理的一般性规律、性能极限以及高效、可靠编码的理论和技术，是现代信息科学的理论基石。本书主要介绍香农信息理论、信源压缩编码、信道纠错编码，包含绪论、信源与熵、信道与容量、信源压缩编码、信道编码、先进纠错编码技术6章内容。其中：第1～3章介绍信息测度体系；第4章在系统介绍信源编码概念、无失真信源编码定理、保真度准则下的信源编码定理的基础上，进一步介绍各种常用的压缩编码方法及其应用；第5章在推导研究有噪信道编码定理后，对线性分组码和卷积码的概念、编译码原理进行阐述，并详细介

本书以提高智能无人系统的环境感知和识别能力为主线，系统展示基于视觉注意机制的服务机器人深度感知方法研究、基于深度学习框架的水下遮挡图像识别方法研究、面向畜类肉品骨骼在线定位的轻量化显著性检测网络构建等典型应用案例。本书充分介绍了视觉显著性检测、视觉注意机制、图像修复、目标检测与识别的发展现状，构建了基于脉冲耦合神经网络和基于元胞自动机多尺度优化的改进显著性区域提取算法，提出了基于两阶段引导的协同显著性检测方法，同时基于深度学习框架搭建多个遮挡图像重构和目标识别方法，并在软件仿真、真实环境等多实验

主要围绕通信、雷达、生物医学等实际工程领域中常见的两种chirp型非平稳随机信号——chirp平稳信号和chirp循环平稳信号展开，详细介绍了这两种信号的分数域信号分析与处理理论和应用，为非平稳随机信号的分数域分析提供了研究框架。 本书选取以线性正则变换和分数傅里叶变换为代表的分数变换，介绍chirp平稳信号的二阶统计量定义与性质、通过线性时变系统后的统计规律及不同变换域的信息量变化规律；在此基础上，介绍这些基本原理在时变匹配滤波、时变反卷积系统设计中的应用；介绍chirp 循环平稳信号

本书概述了信号稀疏性与压缩感知的关系,阐述了压缩感知的前提条件、压缩感知的数学表达、压缩感知的重构过程；分析了稀疏的概念、稀疏表示主要模型与理论；介绍了稀疏表示相关的信号变换方法，包括小波变换、脊波变换及曲波变换，分析了空间超完备基的稀疏表示。

本书介绍了短波监测的相关基础知识，短波通信的背景与应用；论述了短波信道的传播特性及对信号的影响和短波主流的调制信号及通信协议；阐述了短波接收机的主流架构、短波阵列信号处理；重点介绍了短波阵列信号处理基础， 短波阵列架构和自适应阵列信号处理的矢量模型；分析了信号检测提取技术；详细介绍了导向矢量和特征提取两类经典的信号参数估计方法。

本书共分6章，包括概述、随机过程、模拟信号的数字化传输、数字信号的基带传输、数字信号的频带传输和差错控制编码。本书将传输中的位同步和载波同步融入数字基带传输系统和数字频带传输系统进行介绍，使读者更容易理解同步原理和技术：同时将内容做了重新编排，先信源编码后通信信号传输，经典与现代的调制技术融合，力求更符合学生的认知规律。

本书详细介绍数字图像处理的基本理论和主要技术，内容包括数字图像基础、空域图像增强、频域图像增强、图像复原、几何校正、图像压缩编码、图像分割、二值图像形态学、特征提取等。本书融入多位作者数十年的教学与科研成果，对空域滤波、图像复原、几何校正、二值图像形态学、特征提取等内容进行重新梳理，使得初学者更加容易入门。
本书理论和实践相结合，理论分析深入浅出，方法介绍详细具体，实例演示清晰明了，可作为高等学校计算机类、自动化类、电子信息类等专业的本科生、研究生教材，也可供相关科研人员、工程技术人员参考

本书系统地论述统计信号处理的基本理论, 包括随机过程基础、参数估计、最优滤波和信号检测四部分。全书共15章, 分别为引言、随机过程的基本概念、随机过程的线性变换、估计的基本概念与性能评估、最小方差无偏估计、最大似然估计、贝叶斯估计、线性最小均方估计、线性卡尔曼滤波、非线性滤波、统计判决理论、复合假设检验、高斯噪声中已知信号的检测、高斯噪声中未知参量信号的检测、非高斯噪声中信号的检测等。各章均有信号处理实例和丰富的习题。

本书致力于信息论与信源编译码技术深度融合的学科体系建设，建立了信息论与编译码技术紧密结合的板块结构，即信源信息保持型处理—信道信息传输—信源信息非保持型处理—处理与传输合一。在板块结构基础上，本书深度融合理论与技术，既阐述编码特性分析又探讨实用编、译码技术。

该书介绍了数字图像和视频帧序列的计算几何，拓扑和物理学，对于研究场景中的目标形状非常重要。计算几何可帮助捕获嵌入图像目标形状的细粒度结构，而计算拓扑可对在三角视觉场景几何中嵌入的细胞复合体（顶点，线段，实心三角形，周期，涡旋，神经）中发现的邻近区域分析。结合视觉场景的固有几何形状和拓扑结构，计算物理将解决视频中记录的结构和事件以及随之而来的有关光的精细结构的问题。该书从这些新的角度对场景中目标形状进行了细致的分析，对相关研究人员在计算机视觉和图像技术的深入研究和设计开发，对相关工程设计人员完成各