Misją Instytutu jest dzialalność naukowo-badawcza prowadząca do nowych rozwiązań technicznych i organizacyjnych użytecznych w kształtowaniu warunków pracy zgodnych z zasadami bezpieczeństwa pracy i ergonomii oraz ustalanie podstaw naukowych do właściwego ukierunkowywania polityki społeczno-ekonomicznej państwa w tym zakresie.
Wydawnictwa Naukowo-Techniczne, Warszawa, 1994
|
Wykaz ważniejszych oznaczeń (9) |
1. Wprowadzenie (11) |
2. Filtr Wienera i jego właściwości (13) |
2.1. Wstęp (13) |
2.2. Sformułowanie zagadnienia optymalnej filtracji Wienera (13) |
2.3. Powierzchnia błędu średniokwadratowego (16) |
2.4. Równanie normalne (18) |
2.5. Właściwości macierzy autokorelacji sygnału wejściowego filtru Wienera (22) |
2.6. Zasada ortogonalności (25) |
2.7. Minimalny błąd średniokwadratowy estymacji (26) |
2.8. Postać kanoniczna powierzchni błędu średniokwadratowego (27) |
2.9. Warstwice powierzchni błędu średniokwadratowego (31) |
2.10. Filtr Wienera o nieskończonej odpowiedzi impulsowej (34) |
2.11. Uwagi (43) |
2.12. Literatura (44) |
2.13. Problemy (45) |
3. Zagadnienie liniowej predykcji (49) |
3.1. Wstęp (49) |
3.2. Predykcja "w przód" (50) |
3.3. Predykcja "wstecz" (55) |
3.4. Związki między predykcją "w przód" i "wstecz" (61) |
3.5. Algorytm Durbina (62) |
3.6. Alternatywne reprezentacje filtru predykcyjnego i ich wzajemne relacje (70) |
3.7. Struktura kratowa (75) |
3.8. Liniowa predykcja procesów AR (79) |
3.9. Minimalnofazowe filtry predykcyjne "w przód" (85) |
3.10. Zagadnienie liniowej predykcji przy nieznanej autokorelacji (86) |
3.11. Zastosowanie filtru Wienera o nieskończonej odpowiedzi impulsowej do liniowej predykcji (95) |
3.12. Zastosowania (99) |
3.13. Uwagi (107) |
3.14. Literatura (109) |
3.15. Problemy (111) |
4. Filtry adaptacyjne SOI (117) |
4.1. Wstęp (117) |
4.2. Zastosowanie teorii filtru Wienera (117) |
4.3. Zastosowanie rekurencyjnej metody najmniejszych kwadratów (135) |
4.4. Porównanie algorytmów adaptacyjnej filtracji (146) |
4.5. Zastosowania (148) |
4.6. Uwagi (154) |
4.7. Literatura (155) |
4.8. Problemy (157) |
5. Filtry adaptacyjne NOI (162) |
5.1. Wstęp (162) |
5.2. Wprowadzenie do zagadnienia filtrów NOI (162) |
5.3. Filtry adaptacyjne NOI (164) |
5.4. Realizacja filtru adaptacyjnego NOI za pomocą filtrów adaptacyjnych SOI (171) |
5.5. Zastosowania (173) |
5.6. Uwagi (176) |
5.7. Literatura (177) |
5.8. Problemy (178) |
6. Adaptacyjne sieci neuropodobne (182) |
6.1. Wstęp (182) |
6.2. Biologiczne sieci neuronowe (182) |
6.3. Modele neuronu (183) |
6.4. Liniowy sumator ważony (186) |
6.5. Adaptacyjny liniowy sumator ważony (189) |
6.6. Algorytm wstecznej propagacji błędów (193) |
6.7. Zastosowania (199) |
6.8. Uwagi (204) |
6.9. Literatura (205) |
6.10. Problemy (206) |
7. Zastosowanie procesora sygnałowego TMS320C25 do adaptacyjnego przetwarzania sygnałów (209) |
7.1. Wstęp (209) |
7.2. Opis rodziny procesorów sygnałowych firmy Texas Instruments (209) |
7.3. Procesor TMS320C25 (212) |
7.4. Implementacja algorytmu LMS z wykorzystaniem procesora sygnałowego TMS320C25 (220) |
7.5. Uwagi (224) |
7.6. Literatura (225) |
Dodatek A. Opis pól rejestrów statusu procesora TMS320C25 (226) |
Dodatek B. Instrukcje procesora sygnałowego TMS320C25 (228) |
Skorowidz (233) |
© 2002-2004 Centralny Instytut Ochrony Pracy - Państwowy Instytut Badawczy www.anc.pl, www.ciop.pl