本书首先系统介绍了通信原理的基础知识，然后通过开源编程语言Python进行了全面完整的仿真分析。书中提供了大量极具参考价值的仿真实例，不仅通过可视化的仿真图形帮助读者深入理解理论知识，还允许修改源码，自己方便进行个性化开发。从而加快科研进度。全书共分11章。第1章主要介绍了Python的基本使用及相关库；第2章介绍了信息和信道的相关内容；第3-5章主要介绍了信号的类型和表示。以及信号的分析方法；第6-10章介绍了各种信号的调制、解调及传输方法；第11章介绍了能够提高传输可靠性的信道编码

本书根据应用型大学电气工程及其自动化专业课程体系的要求，考虑到总学时数的减少，将“信号与系统”中的部分内容以及“数字信号处理”中的部分内容融合，形成“信号分析与处理”教材。通过本书的学习，提高学生分析问题和解决问题的能力。本教材主要是为电气工程及其自动化专业本科学生学习信号处理与线性系统方面的内容所编写，使学生掌握信号处理与线性系统的理论和分析方法。全书共分八章，内容包括：绪论、连续时间信号的时域分析、连续时间信号的频域分析、离散时间信号的时域和z域分析、离散时间信号的频域分析、滤波器

"本书共7章，即信号与系统的基本概念、连续时间系统的时域分析、连续时间信号与系统的频域分析、连续时间信号与系统的复频域分析、离散时间系统的时域与频域分析、离散系统的Z域分析、系统分析的状态变量法。


本书着重讲述连续时间与离散时间信号与系统的表示与分析方法、两类信号与系统的相似关系以及它们之间的内在联系或转换，侧重介绍信号处理中较完善的基本方法和基本理论； 引入MATLAB作为信号与系统分析的工具，将课程中的重点、难点用MATLAB进行形象、直观的计算机模拟与仿真实现，从而加

图像先验的数学建模是最经典的图像先验的利用方法。它不仅反映了人们想了解事物背后原理的渴望，也是诸多对可靠性与稳健性有高要求的实际应用的需求。本书展示了几种典型图像处理与分析场景下的先验建模方法，既涉及无监督学习框架，也涉及有监督学习框架，相信能够对领域的发展有一定的助力，同时也能给读者带来新的启发。
本书适合数学类、计算机类专业高年级本科生和研究生阅读，也适合具备相关数学、编程基础的研究、开发人员阅读，亦可为数字人文领域的学者提供一定的参考和借鉴。

本书主要介绍了图像画质相关的各类底层视觉任务及其相关算法，重点讲解了去噪、超分辨率、去雾、高动态范围、图像合成与图像和谐化、图像增强与图像修饰等多种类型的基础任务的设定及其对应的经典算法和模型。本书讨论了底层视觉任务的基本特征，并从成像过程及图像处理的基础知识出发，系统分析了不同任务下的退化机制，以及对应的算法设计原则。本书在算法选择上兼顾了经典的传统图像算法及当前较新的人工智能模型算法，可以作为从图像处理领域或者深度学习领域进入底层计算机视觉领域进行学习的读者的基础读物。本书主要面向的读者群体

本书系统讨论了近年来图像处理方法的新进展，主要内容包括：图像的变分多尺度分析：ROF模型和TV-L1模型、TV的几个新进展：TV-L1的多尺度分割、梯度差的正则化方法、全局稀疏梯度等；基于迭代正则化和逆尺度空间的多尺度分析：小波、曲波等X-Let及其对应的分解空间，以及利用这些分解空间的等价范数建立的各种图像逆尺度空间的推广；稀疏与低秩表示的基本理论以及基于稀疏与低秩表示的图像处理建模；基于字典学习和稀疏表示的图像建模，包括光滑字典、多尺度字典与l1松弛等；基于非局部正则化的图像建模，包括非局部

本书在对图像降噪方法的研究现状和经典的图像降噪方法进行回顾总结的基础上，分别针对灰度和彩色图像中不同类型噪声的特点，主要结合脉冲耦合神经网络模型、数学形态学理论、非线性滤波理论、方差稳定变换、模糊集理论等方法，介绍了相应的降噪方法的算法原理及结果。同时还对基于嵌入式系统软硬件平台的图像降噪方法相关实现进行描述，包括实现过程中遇到的问题及采取的解决方案，希望能为广大读者构建完整的图像处理硬件系统提供范例。

本书主要内容包括语义图像分割相关理论和具体事项，在介绍语义图像分割目的和相关技术及传统分割算法的基础上，讲述了从神经网络到深度学习的发展过程，重点介绍了全卷积网络，通过采用卷积神经网络实现了从图像像素到像素类别的变换；从而进一步介绍了基于全卷积网络改进的Unet网络，以及两种基于全卷积网络的 SegNet网络：正常版与贝叶斯版。另外，本书还介绍了图像分割算法DeepLab v1、v2、v3和v3+以及图卷积神经网络，以及为实现性能与实时双提高的轻量实时语义分割Enet网络、残差编码器-解码器网络

本书是系统论述数字信号处理技术的新形态教材，包含丰富的教学资源，包括纸质图书、教学课件、
程序代码、教学大纲和电子教案等。全书共分为12 章：第1 章论述信号的概念、分类以及数字信号处
理发展历程和主要应用等；第2 章论述离散时间信号与系统、线性时不变系统和线性常系数差分方程；
第3 章论述离散时间傅里叶变换及其性质，以及离散时间系统的频率特性等；第4 章论述理想采样过程、
时域采样定理、插值重构方法和离散时间处理系统等；第5 章论述z 变换的基本概念、有理函数及零极

空时-频分组码是采用分集思想对无线通信传输系统性能进行改善的信道编码方式。本书主要介绍了STBC、STBC-OFDM和SFBC-OFDM三种信号的深度学习识别技术，从研究对象和技术路径的基础理论出发，对每类信号的预处理方式、数据集构建方法、深度学习模型架构都进行了详细的描述，并基于仿真数据对各种识别方法进行验证，给出了每种信号的识别流程。本书从深度学习技术在编码识别领域潜力的角度出发，给出了由此产生的针对信道编码识别技术的思考，以期对相关领域的专家学者带来启发。
本书与《空时分组