本书结合电子信息类课程的教学特点，系统介绍了当前国际上最为流行的面向工程与科学计算的高级语言MATLAB及其动态仿真集成环境Simulink，并以MATLAB为平台，详细阐述了MATLAB在图像增强、信号与系统、数字通信、语音信号处理和神经网络等方面的应用。本书取材先进实用，讲解深入浅出，各章均有大量应用实例，并提供了相应的仿真程序，便于读者掌握和巩固所学知识。本书可作为高等学校电子信息类专业本科生和研究生的教材，也可作为从事信息处理及相关专业技术人员的参考用书。

MATLAB是近年来最流行、应用最广泛的科学计算软件之一。它具有强大的矩阵计算、数值计算、符号运算、数据分析与可视化、用户图形界面设计、系统仿真分析功能，以及众多的工具箱。它被广泛应用于工程科学中，在数值分析、矩阵计算、信号与信息处理、系统仿真、机器人、控制系统、量化金融与风险管理、工程绘图等方面具有强大的优势，可以为科学研究、工程设计，以及需要进行有效数值计算的众多科学领域提供高效解决方案。 本书以MATLAB 9.8（R2020a）版本为基础进行叙述，同时也兼顾当前仍在较低配置计算机上使用较低版本的用户，以满足不同读者的需求。本书由基础篇和应用篇两部分组成，基础篇介绍MATLAB概述、MATLAB语言基础、MATLAB图形基础、MATLAB科学计算、MATLAB程序设计基础及Simulink动态仿真集成环境等，应用篇详细阐述了MATLAB在图像增强、信号与系统、通信系统、语音信号处理和人工神经网络等方面的应用。教材结合作者多年来从事MATLAB语言课程教学及科学研究经验编著而成，注重实践应用，以案例为驱动，并提供了程序源代码，方便读者开展研究性学习。 本教材适用的学时数为32～48（2～3学分），各章节编排具有相对的独立性，便于教师与学生取舍，适用于不同层次院校的不同专业选用，以适应不同教学学时的需要。教材内容完善、新颖，有利于学生能力的培养。 本书由李鸿燕教授主编。全书共11章，其中第1章由王鸿斌编写；第2、3、5、7章由李鸿燕编写；第4章由李朋伟编写；第6章由巩玲仙编写；第8章由史健芳编写；第9章由赵哲峰编写；第10章由薛珮芸编写，第11章由杨琨编写。全书由李鸿燕整理定稿。张雪英教授主审了全书，提出了许多宝贵的意见和建议，在此深表谢意。 本书内容丰富，针对性强，应用实例多，易于学习。可作为高等学校电子信息类专业本科生和研究生教材。鉴于本书的通用性和实用性较强，故也可供电子信息领域的科技工作者或其他读者自学参考。 由于编者水平有限，书中难免有遗漏与不当之处，故恳请有关专家、同行和广大读者批评指正（tylihy@163.com）。 编 者

第1章 MATLAB概述 （1） 1.1 MATLAB的发展历程 （1） 1.2 MATLAB的特点和功能 （2） 1.3 MATLAB的工作环境 （3） 1.3.1 标题栏 （5） 1.3.2 功能区 （5） 1.3.3 命令行窗口 （7） 1.3.4 工作区窗口 （9） 1.3.5 命令历史记录窗口 （12） 1.3.6 当前文件夹窗口 （13） 1.4 MATLAB的帮助系统 （14） 1.4.1 联机帮助系统 （14） 1.4.2 命令帮助系统 （15） 1.4.3 了解MATLAB （18） 小结 （19） 思考题 （19） 第2章 MATLAB语言基础 （20） 2.1 MATLAB的变量及表达式 （20） 2.2 MATLAB的数据类型 （23） 2.2.1 数值型数据 （23） 2.2.2 逻辑型数据 （24） 2.3 MATLAB的数值数组及其运算 （25） 2.3.1 数值数组 （25） 2.3.2 数组运算和矩阵运算 （37） 2.3.3 关系与逻辑运算 （41） 2.4 MATLAB的元胞数组和结构数组 （42） 2.4.1 元胞数组 （43） 2.4.2 结构数组 （47） 2.5 字符与字符串运算 （52） 2.6 MATLAB常用标点功能 （55） 小结 （55） 习题 （56） 第3章 MATLAB图形基础 （57） 3.1 二维图形 （57） 3.1.1 基本二维图形 （57） 3.1.2 二维图形的修饰 （61） 3.1.3 创建多个图形 （63） 3.1.4 特殊二维图形函数 （65） 3.2 三维图形 （69） 3.2.1 三维曲线 （69） 3.2.2 三维曲面 （70） 3.2.3 三维图形的特殊处理 （72） 3.3 隐函数绘图 （75） 3.4 图像的读写 （76） 3.4.1 图像的读写函数 （76） 3.4.2 动画制作 （77） 小结 （78） 习题 （78） 第4章 MATLAB科学计算 （80） 4.1 数据的读写 （80） 4.1.1 格式化数据文件读写 （80） 4.1.2 低级文件读写 （82） 4.2 MATLAB数据处理 （85） 4.2.1 数据分析 （85） 4.2.2 数据插值与曲线拟合 （86） 4.3 符号运算 （91） 4.3.1 符号对象 （91） 4.3.2 符号表达式基本运算 （92） 4.3.3 符号微积分 （93） 4.4 方程求解 （95） 4.4.1 线性方程组求解 （95） 4.4.2 非线性方程组求解 （96） 4.4.3 微分方程求解 （96） 小结 （97） 习题 （97） 第5章 MATLAB程序设计基础 （98） 5.1 MATLAB程序结构 （98） 5.1.1 顺序结构 （98） 5.1.2 循环结构 （100） 5.1.3 分支结构 （102） 5.1.4 程序流控制命令 （105） 5.2 MATLAB的M文件 （109） 5.2.1 M文件的两种形式 （109） 5.2.2 函数文件 （109） 5.3 MATLAB程序优化与调试 （115） 5.4 程序设计应用 （118） 小结 （120） 习题 （120） 第6章 Simulink动态仿真集成环境 （121） 6.1 Simulink编辑环境 （121） 6.2 Simulink模块库 （122） 6.3 Simulink模型搭建 （133） 6.3.1 建立Simulink模型文件 （133） 6.3.2 Simulink仿真参数设置 （134） 6.4 Simulink仿真实例 （140） 小结 （143） 习题 （143） 第7章 MATLAB在图像增强中的 应用 （144） 7.1 MATLAB图像文件格式与类型 （144） 7.1.1 数字图像文件格式 （144） 7.1.2 图像数据类型 （145） 7.1.3 图像类型 （147） 7.2 空域图像增强 （151） 7.2.1 图像算术增强 （151） 7.2.2 图像灰度变换 （154） 7.2.3 直方图增强 （156） 7.2.4 空域滤波 （160） 7.3 变换域图像增强 （167） 7.3.1 离散傅里叶变换 （167） 7.3.2 频域滤波 （169） 7.3.3 离散余弦变换 （171） 7.3.4 离散小波变换 （174） 7.4 图像质量评价 （179） 7.5 基于MATLAB工具箱的图像采集与 处理 （180） 小结 （181） 习题 （181） 第8章 MATLAB在信号与系统中的 应用 （182） 8.1 离散时间信号 （182） 8.1.1 离散时间信号表示 （182） 8.1.2 典型离散时间信号 （183） 8.1.3 离散时间信号的运算 （187） 8.2 连续时间信号 （189） 8.2.1 连续时间信号表示 （189） 8.2.2 典型连续时间信号 （190） 8.3 随机信号 （191） 8.3.1 随机变量 （191） 8.3.2 随机信号及其特征描述 （193） 8.4 信号变换 （196） 8.4.1 z变换 （196） 8.4.2 傅里叶变换 （200） 8.4.3 离散余弦变换 （203） 8.5 基于MATLAB工具箱的信号处理 （204） 8.5.1 滤波器设计与分析工具 （204） 8.5.2 信号处理工具 （205） 8.5.3 窗口设计与分析工具 （206） 小结 （206） 习题 （206） 第9章 MATLAB在通信系统中的 应用 （207） 9.1 信源及其编译码 （207） 9.1.1 基本信号发生器 （207） 9.1.2 信源编码 （208） 9.2 差错控制编译码 （216） 9.2.1 差错控制方式 （217） 9.2.2 分组码 （218） 9.3 调制与解调 （224） 9.3.1 模拟调制与解调 （224） 9.3.2 数字调制与解调 （227） 9.4 基于MATLAB工具箱的数据通信 （240） 小结 （241） 习题 （241） 第10章 MATLAB在语音信号处理 中的应用 （242） 10.1 语音信号的产生与模型 （242） 10.1.1 语音的发音与听觉机理 （242） 10.1.2 语音信号模型 （243） 10.2 语音信号分析 （246） 10.2.1 语音信号的预处理 （246） 10.2.2 语音信号时域分析 （251） 10.2.3 语音信号频域分析 （255） 10.2.4 语音信号其他变换域分析 （258） 10.3 语音合成 （262） 10.3.1 语音合成分类 （262） 10.3.2 线性预测语音合成 （263） 10.3.3 基音同步叠加语音合成 （265） 10.4 语音识别 （268） 10.4.1 语音识别系统 （268） 10.4.2 语音识别模型 （268） 小结 （273） 习题 （273） 第11章 MATLAB在人工神经网络 中的应用 （274） 11.1 人工神经网络概述 （274） 11.1.1 人工神经网络简介 （274） 11.1.2 神经网络的分类及学习方式 （276） 11.1.3 神经网络的应用场景 （278） 11.2 单层感知器 （278） 11.2.1 单层感知器模型 （279） 11.2.2 单层感知器的学习算法 （279） 11.2.3 单层感知器的相关函数 （281） 11.2.4 单层感知器的局限性 （282） 11.3 线性神经网络 （283） 11.3.1 线性神经网络模型 （283） 11.3.2 线性神经网络的学习算法 （284） 11.3.3 线性神经网络的函数 （285） 11.3.4 线性神经网络的局限性 （288） 11.4 BP神经网络 （289） 11.4.1 BP神经网络的模型 （289） 11.4.2 BP神经网络的学习算法 （289） 11.4.3 BP神经网络的函数 （292） 11.4.4 BP神经网络的局限性 （296） 小结 （296） 习题 （296）