本书首先全面分析了网络测量的研究背景和意义，并梳理了该领域的演进历程和研究现状。随后针对网络测量在灵活性、有效性和稳健性等方面日益突出的关键需求，逐一系统性地设计了相应的解决方案，并对其进行了详细的理论分析和性能评测。最后介绍了网络测量领域的未来发展趋势，对建立智能普适的网络测量框架进行展望。

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

本书主要介绍计算机网络高级路由交换技术，是计算机网络技术专业中组网技术的专业用书。按照高职高专“面向工作过程，项目驱动、任务引领，做中学、学中做”的教学模式，本书以一个模拟网络工程为主线，以工程项目模式组织教学内容。
本书共分7章：企业网络规划、规划企业网络IP地址、企业网络交换技术、企业网络路由技术、企业网络广域网连接、企业网络热点区域无线覆盖、网络设备管理与维护。本书可以作为网络工程技术人员和高职高专院校学生的参考书。本书配套教学课件、参考答案及实训报告(可打印或使用书末活页)。

近些年密码分析理论有了长足的发展，有关密码分析的成果大多散落在国内外与密码学相关的学术会议论文集上，专门讲述密码分析方法的著作并不多见，或是偏重于密码分析的某些方向，或是集中在某类密码算法的分析；或过于庞杂和缺少详实实例；或过于陈旧和浅显，缺少最新研究成果。目前还没有适合网络空间安全专业的密码分析教材。《密码分析基础》全面讲解密码分析的基本理论，并在阐述密码分析理论的同时，介绍大量的算法安全性分析案例。特别在序列密码、分组密码、公钥密码和杂凑函数分析章节中，不仅介绍典型的分析方法，而且

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

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

本书将DSFH通信体制与随机共振理论结合，构建通信信号接收系统，针对方法可行性、系统可用性等问题，研究了脉冲型噪声模型构建方法、随机共振系统构建与性能度量方法、基于随机共振的DSFH通信系统构建与性能度量、系统动态性能等相关问题，该研究对实现一种抗千扰性能好、适合极低信噪比条件下通信、适合应急条件下保底通联的技术手段具有重要意义。本书可为信息与通信领域的一线科研人员、相关领域的研究者和高校的人才培养提供智力支持，为跳频通信系统优化与设计提供理论和方法支撑。

本书系统和深入地介绍了现代数字信号分析和处理的基础以及一些广泛应用的算法。 前4 章介绍了研究和学习现代数字信号处理的重要基础, 包括随机信号模型、 估计理论概要、 **滤波器理论、 最小二乘滤波和卡尔曼滤波, 这些内容是信号处理统计方法的基础性知识; 第5 章~第8 章详细讨论了几类广泛应用的典型算法, 包括自适应滤波算法、 功率谱估计算法、 高阶统计量和循环统计量、 信号的盲源分离; 第9章~第11 章包括时频分析、小波变换原理及应用和信号的稀疏分析与压缩感知。 本书详细地介绍了近年受到广泛