پردازش سیگنال بیزی: روش‌های کلاسیک، مدرن و فیلتر ذره‌ای ۲۰۱۶
Bayesian Signal Processing: Classical, Modern, and Particle Filtering Methods 2016

هدف این کتاب، ارائه یک رویکرد یکپارچه بیزی به خوانندگان است که از مبانی (قاعده بیز) تا مباحث پیشرفته‌تر (نمونه‌برداری مونت کارلو) و سپس تکنیک‌های مبتنی بر مدل نسل بعدی (نمونه‌برداری متوالی مونت کارلو) را شامل می‌شود. این ویرایش جدید شامل یک فصل جدید در مورد “تشخیص بیزی متوالی”، یک بخش جدید در مورد “فیلترهای کالمن گروهی” و همچنین توسعه مطالعات موردی است که راهکارهای بیزی را برای انواع کاربردها شرح می‌دهند. این مطالعات، رویکردهای بیزی به مسائل دنیای واقعی را نشان می‌دهند که شامل طراحی‌های دقیق فیلتر ذره‌ای، فیلترهای ذره‌ای تطبیقی و آشکارسازهای بیزی متوالی می‌شوند. علاوه بر این پیشرفت‌های عمده، بخش‌های مختلفی گسترش یافته‌اند تا “شکاف‌های” نسخه اول را پر کنند. در اینجا، معیارهای طراحی فیلتر ذره‌ای (PF) با تاکید بر “تست‌های سلامت” کلاسیک، به تکنیک‌های گروهی به عنوان یک الزام اساسی برای تجزیه و تحلیل عملکرد منجر می‌شوند. گسترش معیارهای نظریه اطلاعات و کاربرد آنها در طراحی‌های PF به طور کامل توسعه یافته و اعمال شده است. این توسعه‌ها در کتاب به روز شده‌اند تا یک بحث منسجم‌تر در مورد پردازش بیزی با مثال‌ها و کاربردها ارائه دهند و درک رویکردهای جایگزین برای حل مسائل تخمین/تشخیص را ممکن سازند.

ویژگی‌های ویرایش دوم پردازش سیگنال بیزی:

* فیلتر کالمن “کلاسیک” برای سیستم‌های خطی، خطی‌شده و غیرخطی؛ فیلترهای کالمن “مدرن” بدون علامت و گروهی؛ و فیلترهای ذره‌ای بیزی “نسل بعدی”
* تکنیک‌های تشخیص بیزی متوالی که شامل طرح‌های مبتنی بر مدل برای انواع مسائل دنیای واقعی می‌شوند
* طراحی‌های عملی پردازشگر بیزی شامل روش‌های جامع تجزیه و تحلیل عملکرد از تست سلامت ساده و تکنیک‌های گروهی گرفته تا معیارهای اطلاعاتی پیچیده
* مطالعات موردی جدید در مورد فیلتر کردن ذرات تطبیقی و تشخیص بیزی متوالی، جزئیات بیشتری از رویکردهای بیزی برای حل مسئله کاربردی را پوشش می‌دهد.
* یادداشت‌های MATLAB® در انتهای هر فصل به خوانندگان کمک می‌کند تا مسائل پیچیده را با استفاده از دستورات نرم‌افزاری به آسانی حل کنند و بسته‌های نرم‌افزاری دیگری را که در دسترس هستند نشان می‌دهند.
* مجموعه‌های مسئله‌ای برای آزمایش دانش خوانندگان و کمک به آنها در به کارگیری مهارت‌های جدیدشان گنجانده شده است.

پردازش سیگنال بیزی، ویرایش دوم برای همه دانشجویان، دانشمندان و مهندسانی که در زمینه پردازش سیگنال تحقیق می‌کنند و آن را برای حل مسائل روزمره خود به کار می‌برند، نوشته شده است.

Presents the Bayesian approach to statistical signal processing for a variety of useful model sets

This book aims to give readers a unified Bayesian treatment starting from the basics (Baye’s rule) to the more advanced (Monte Carlo sampling), evolving to the next-generation model-based techniques (sequential Monte Carlo sampling). This next edition incorporates a new chapter on “Sequential Bayesian Detection,” a new section on “Ensemble Kalman Filters” as well as an expansion of Case Studies that detail Bayesian solutions for a variety of applications. These studies illustrate Bayesian approaches to real-world problems incorporating detailed particle filter designs, adaptive particle filters and sequential Bayesian detectors. In addition to these major developments a variety of sections are expanded to “fill-in-the gaps” of the first edition. Here metrics for particle filter (PF) designs with emphasis on classical “sanity testing” lead to ensemble techniques as a basic requirement for performance analysis. The expansion of information theory metrics and their application to PF designs is fully developed and applied. These expansions of the book have been updated to provide a more cohesive discussion of Bayesian processing with examples and applications enabling the comprehension of alternative approaches to solving estimation/detection problems.

The second edition of Bayesian Signal Processing features:

• “Classical” Kalman filtering for linear, linearized, and nonlinear systems; “modern” unscented and ensemble Kalman filters: and the “next-generation” Bayesian particle filters
• Sequential Bayesian detection techniques incorporating model-based schemes for a variety of real-world problems
• Practical Bayesian processor designs including comprehensive methods of performance analysis ranging from simple sanity testing and ensemble techniques to sophisticated information metrics
• New case studies on adaptive particle filtering and sequential Bayesian detection are covered detailing more Bayesian approaches to applied problem solving
• MATLAB® notes at the end of each chapter help readers solve complex problems using readily available software commands and point out other software packages available
• Problem sets included to test readers’ knowledge and help them put their new skills into practice Bayesian

Signal Processing, Second Edition is written for all students, scientists, and engineers who investigate and apply signal processing to their everyday problems.