小波分析理论与MATLAB7实现，运用傅里叶(Fourier)变换的局部化思想, 进行时空序列分析的一种数学方法

MATLAB7.0在数字信号处理中的应用.pdf

matlab7.0附带光盘程序，从入门到精通，人民邮电出版社出版年

本书是“MATLAB应用技术”系列丛书之一，以最新推出的MATLAB中的小波分析工具箱Wavelet Toolbox 3.0版本为基础。全书共分为三部分，第1部分着重介绍了小波理论基础，包括小波基础知识、连续小波变换、离散小波变换、多分辨率分析与正交小波变换、小波变换和多采样滤波器组、二维小波变换与图像处理及小波包的基本原理等；第2部分重点说明了小波分析工具箱的详细使用方法，包括图形用户接口、小波通用函数、一维小波变换的MATLAB实现、二维小波变换的MATLAB实现、小波包变换的MATLAB实现、信号和图像的降噪和压缩，以及最新的信号和图像的提升小波变换等内容；第3部分主要介绍了小波工具箱的应用基础，以及小波变换在语音和生物医学信号处理中、故障诊断中、数字水印中的应用方法。

以前没找到可用的（我说的以前是指去年），所以花了3元向淘宝卖家买的下载链接。当时网速绝对够快，软件至今也没出现bug，不过链接是去年卖家给我的，现在还能不能用就不清楚了，应该不会失效的。下载链接和注册码见文件。

包中包括两个文件夹： list文件夹中内容为图像处理常用函数列表。 code文件夹中内容为实例源代码（90多个例子），代码说明参见该文件夹下的“程序说明.doc”文件。

神经网络理论与MATLAB7实现.part1的下载地址： http://download.csdn.net/source/663471 第1章 概述 1.1 MATLAB语言简介 1.1.1 MATLAB概述 1.1.2 MATLAB语言特点 1.1.3 MATLAB 7的安装 1.1.4 MATLAB 7的新特点 1.1.5 MATLAB 7的新产品及更新产品 1.1.6 Simulink 6.0的新特点 1.2 MATLAB快速入门 1.2.1 命令行窗口 1.2.2 其他重要窗口 1.2.3 Editor/Debugger窗口 1.2.4 MATLAB帮助系统 1.2.5 神经网络工具箱快速入门 1.3 神经网络发展史 1.3.1 初期阶段 1.3.2 停滞期 1.3.3 黄金时期 1.3.4 发展展望 1.4 神经网络模型 1.4.1 神经元结构模型 1.4.2 神经网络的互连模式 1.5 神经网络的特性及实现 1.6 小结 第2章 神经网络工具箱函数及实例 2.1 概述 2.2 神经网络工具箱中的通用函数 2.2.1 神经网络仿真函数sim 2.2.2 神经网络训练及学习函数 2.2.3 神经网络初始化函数 2.2.4 神经网络输入函数 2.2.5 神经网络传递函数 2.2.6 其他重要函数 2.3 感知器的神经网络工具箱函数 2.3.1 感知器创建函数 2.3.2 显示函数 2.3.3 性能函数 2.4 BP网络的神经网络工具箱函数 2.4.1 BP网络创建函数 2.4.2 神经元上的传递函数 2.4.3 BP网络学习函数 2.4.4 BP网络训练函数 2.4.5 性能函数 2.4.6 显示函数 2.5 线性网络的神经网络工具箱函数 2.5.1 线性网络创建和设计函数 2.5.2 学习函数 2.6 自组织竞争网络的神经网络工具箱函数 2.6.1 神经网络创建函数 2.6.2 传递函数 2.6.3 距离函数 2.6.4 学习函数 2.6.5 初始化函数 2.6.6 权值函数 2.6.7 显示函数 2.6.8 结构函数 2.7 径向基网络的神经网络工具箱函数 2.7.1 神经网络创建函数 2.7.2 转换函数 2.7.3 传递函数 2.8 反馈网络的神经网络工具箱函数 2.8.1 Hopfield网络的工具箱函数 2.8.2 Elman网络的工具箱函数 2.9 小结 第3章 前向型神经网络理论及MATLAB实现 3.1 感知器网络及MATLAB实现 3.1.1 单层感知器网络 3.1.2 多层感知器 3.2 BP网络及MATLAB实现 3.2.1 BP网络理论 3.2.2 BP网络的MATLAB设计 3.3 线性神经网络及MATLAB实现 3.3.1 线性神经网络的结构 3.3.2 线性神经网络的学习 3.3.3 线性网络的MATLAB仿真 3.4 径向基函数网络及MATLAB实现 3.4.1 径向基网络结构 3.4.2 径向基函数的学习过程 3.4.3 RBF网络应用实例 3.4.4 基于RBF网络的非线性滤波 3.4.5 基于GRNN的函数逼近 3.4.6 基于概率神经网络的分类 3.5 GMDH网络及MATLAB实现 3.5.1 GMDH网络理论 3.5.2 GMDH网络的训练 3.5.3 基于GMDH网络的预测 3.6 小结 第4章 反馈型神经网络理论及MATLAB实现 4.1 Elman神经网络及应用 4.1.1 Elman神经网络结构 4.1.2 Elman神经网络的学习过程 4.1.3 Elman神经网络的工程应用 4.1.4 基于Elman网络的空调负荷预测 4.2 Hopfield神经网络及MATLAB实现 4.2.1 Hopfield网络描述 4.2.2 Hopfield网络的学习过程 4.2.3 几个重要结论 4.2.4 Hopfield网络的MATLAB开发 4.2.5 基于Hopfield网络的数字识别 4.3 CG网络模型及应用 4.3.1 CG神经网络理论 4.3.2 基于CG网络的有限元分析 4.4 盒中脑（BSB）模型及MATLAB实现 4.4.1 BSB神经网络模型描述 4.4.2 BSB的MATLAB实现 4.5 双向联想记忆（BAM）及MATLAB实现 4.5.1 Kosko型BAM网络模型 4.5.2 BAM网络的实例分析 4.6 回归BP网络及应用 4.6.1 回归BP网络概述 4.6.2 基于回归BP网络的房价预测 4.7 Boltzmann机网络及仿真 4.7.1 BM网络的基本结构 4.7.2 BM模型的工作规则和学习规则 4.7.3 BM网络的MATLAB仿真 4.8 小结 第5章 自组织与LVQ神经网络理论及MATLAB实现 5.1 自组织竞争网络及MATLAB实现 5.1.1 基本竞争型神经网络概述 5.1.2 自组织竞争网络的应用 5.2 自组织特征映射（SOM）神经网络及MATLAB实现 5.2.1 SOM网络的结构 5.2.2 SOM网络学习算法 5.2.3 基于SOM网络的土壤分类 5.2.4 基于SOM网络的人口分类 5.3 自适应共振理论模型（ART）及MATLAB实现 5.3.1 ART-1型网络模型描述 5.3.2 ART-1网络的学习及工作过程 5.3.3 ART-1网络的应用实例 5.4 学习矢量量化（LVQ）神经网络及MATLAB实现 5.4.1 LVQ网络的结构 5.4.2 LVQ网络的学习规则 5.4.3 基于LVQ网络的模式识别 5.5 对向传播网络（CPN）及MATLAB实现 5.5.1 CPN概述 5.5.2 CPN应用实例 5.6 小结 第6章 图形用户界面GUI 第7章 神经网络控制理论及应用设计 第8章 基于神经网络的故障诊断 第9章 基于神经网络的预测 第10章 基于神经网络的模糊控制 参考文献

全面介绍了matlab7.0在数字信号处理中的应用。

Matlab7.0安装教程详解 包括Matlab7.0下载地址

matlab7.0与VC接口编程