Каталог> Знания и навыки>

Научно-популярная литература

> 9780470742631

Каталог


:: Java книги :: Авто :: Астрология :: Аудио книги :: Биографии и Мемуары :: В мире животных :: Гуманитарные и общественные науки :: Детские книги :: Для взрослых :: Для детей :: Дом, дача :: Журналы :: Зарубежная литература :: Знания и навыки :Бизнес-книги :Компьютерная литература :Научно-популярная литература :Словари, справочники :Учебная и научная литература :: Издательские решения :: Искусство :: История :: Компьютеры :: Кулинария :: Культура :: Легкое чтение :: Медицина и человек :: Менеджмент :: Наука и образование :: Оружие :: Программирование :: Психология :: Психология, мотивация :: Публицистика и периодические издания :: Разное :: Религия :: Родителям :: Серьезное чтение :: Спорт :: Спорт, здоровье, красота :: Справочники :: Техника и конструкции :: Учебная и научная литература :: Фен-Шуй :: Философия :: Хобби, досуг :: Художественная лит-ра :: Эзотерика :: Экономика и финансы :: Энциклопедии :: Юриспруденция и право :: Языки

Новинки


Dodge Dakota с 1995 по 2000 год, электрооборудование и электросхемы в электронном виде (на английском языке)

Complex Valued Nonlinear Adaptive Filters. Noncircularity, Widely Linear and Neural Models

Complex Valued Nonlinear Adaptive Filters. Noncircularity, Widely Linear and Neural Models

Автор: Goh Vanessa SuLee

Издательство: John Wiley & Sons Limited

Cтраниц: 1

Формат: PDF

Размер: 0

ISBN: 9780470742631

Качество: excellent

Язык:

Описание:

This book was written in response to the growing demand for a text that provides a unified treatment of linear and nonlinear complex valued adaptive filters, and methods for the processing of general complex signals (circular and noncircular). It brings together adaptive filtering algorithms for feedforward (transversal) and feedback architectures and the recent developments in the statistics of complex variable, under the powerful frameworks of CR (Wirtinger) calculus and augmented complex statistics. This offers a number of theoretical performance gains, which is illustrated on both stochastic gradient algorithms, such as the augmented complex least mean square (ACLMS), and those based on Kalman filters. This work is supported by a number of simulations using synthetic and real world data, including the noncircular and intermittent radar and wind signals.

Скачать Скачать легальную копию

Пресс - релиз

К настоящему времени нет отзывов!