本書共8章：第1章為緒論，第2章為信號非線性動力學(xué)特征，第3章為基于新型散布熵的特征提取方法，第4章為基于新型斜率熵的特征提取方法，第5章為基于新型Lempel-Ziv復(fù)雜度特征的特征提取方法，第6章為基于新型分形維數(shù)的特征提取方法，第7章為基于多尺度處理的新型非線性動力學(xué)特征提取方法，第8章為基于新型非線性動力學(xué)特征

本書共分為6章。第1章作為緒論，介紹了本書的研究意義和研究現(xiàn)狀。第2章簡要敘述了本書用到的Hilbert空間的基本知識，并介紹了框架的重要概念。第3章探討了現(xiàn)有的緊框架構(gòu)造方法，提出了一種基于矩陣奇異值分解的緊框架構(gòu)造方法，解決了框架算子逆求解的復(fù)雜性問題。第4章研究了Hilbert空間中的融合框架。第5章討論了Hil

本書分為七章，內(nèi)容包括：信息通信概述、無線通信、空間信息通信、光纖通信技術(shù)、數(shù)據(jù)通信與互聯(lián)網(wǎng)、多媒體通信、微電子技術(shù)。

本書是在第一版的基礎(chǔ)上修訂而成的。本書內(nèi)容分為兩部分:第1至第7章為第一部分，著重介紹數(shù)字圖像處理的基本概念、原理和方法;第8章至第13章為第二部分，以Photoshop2023為應(yīng)用支撐環(huán)境，介紹圖像創(chuàng)作必備的知識和技能，通過操作實例將數(shù)字圖像處理理論知識與具體應(yīng)用結(jié)合，有利于讀者進(jìn)一步掌握和應(yīng)用相關(guān)知識提高應(yīng)用技能

本書是信號與系統(tǒng)課程實踐環(huán)節(jié)的配套用書，通過提供豐富的實驗科目，增強(qiáng)學(xué)生對理論知識的理解，提升學(xué)生的工程實踐能力、創(chuàng)新思維能力以及運(yùn)用理論知識解決實際問題的能力。 本書根據(jù)面向新工科的電工電子信息基礎(chǔ)課改革發(fā)展要求，結(jié)合課程組長期的課程教學(xué)和科研實踐經(jīng)驗編寫而成，內(nèi)容覆蓋面廣，將硬件實驗和軟件仿真相結(jié)合，注重知識的拓展

在網(wǎng)絡(luò)安全領(lǐng)域，網(wǎng)絡(luò)協(xié)議的安全性至關(guān)重要。隨著網(wǎng)絡(luò)環(huán)境日益復(fù)雜，漏洞的發(fā)現(xiàn)與防范成為關(guān)鍵。《攻擊網(wǎng)絡(luò)協(xié)議：協(xié)議漏洞的發(fā)現(xiàn)利用保護(hù)》從攻擊者視角出發(fā)，全面且深入地剖析網(wǎng)絡(luò)協(xié)議安全，旨在讓讀者更好地理解潛在風(fēng)險與應(yīng)對策略�！豆�擊網(wǎng)絡(luò)協(xié)議：協(xié)議漏洞的發(fā)現(xiàn)利用保護(hù)》分為10章，先梳理了網(wǎng)絡(luò)基礎(chǔ)以及協(xié)議流量捕獲相關(guān)的知識，為后續(xù)

數(shù)字簽名是公鑰密碼技術(shù)最重要的組成部分，在電子商務(wù)、電子政務(wù)，特別是去中心化的網(wǎng)絡(luò)系統(tǒng)中具有不可替代的作用。在網(wǎng)絡(luò)與智能化時代，數(shù)字簽名是最重要的數(shù)字技術(shù)之一。本書從經(jīng)典的數(shù)字簽名技術(shù)入手，對前沿與主流的簽名系統(tǒng)，特別是同態(tài)簽名與抗量子計算簽名進(jìn)行

本書為新一代通信技術(shù)新興領(lǐng)域“十四五”高等教育系列教材之一，本系列教材編寫團(tuán)隊已入選教育部“戰(zhàn)略性新興領(lǐng)域‘十四五’高等教育教材體系建設(shè)團(tuán)隊”。本書圍繞頻域和時頻對偶性兩條主線講述，分為十章，分別是緒論、連續(xù)信號的離散化與重構(gòu)、離散信號與系統(tǒng)的時域

圖像處理理論近年來發(fā)展迅速，從稀疏表示理論到基于張量表示和深度學(xué)習(xí)的圖像處理方法不斷涌現(xiàn)，并且這些全新的圖像處理方法已經(jīng)應(yīng)用在手機(jī)、視頻監(jiān)控、遙感數(shù)據(jù)處理中心等平臺上。本書以彩色圖像、多/高光譜遙感數(shù)據(jù)、視頻數(shù)據(jù)、偏振時序圖像數(shù)據(jù)為研究對象，總結(jié)以張量表示方法和深度學(xué)習(xí)方法為核心的圖像處理理論的昀新進(jìn)展，并從工程應(yīng)用的

本書系統(tǒng)地介紹了語音識別在大模型時代的新技術(shù)與新應(yīng)用。全書共16章，原理部分涵蓋聲學(xué)特征、隱馬爾可夫模型（HMM）、高斯混合模型（GMM）、深度神經(jīng)網(wǎng)絡(luò)（DNN）、語言模型和加權(quán)有限狀態(tài)轉(zhuǎn)換器（WFST）、語音大模型，重點描述了GMM-HMM、DNN-HMM和端到端（E2E）三種語音識別框架；應(yīng)用部分包含Kaldi、W