本书分为基础、进阶、实战三部分，共11章。基础部分，包括Python环境与基础、机器学习、图像处理基础、深度学习基础与深度神经网络。进阶部分，包括图神经网络、空洞多级卷积神经网络、深度强化学习与深度生成对抗网络。实战部分，包括基础实战案例和进阶实战案例。本书按基础-进阶-应用的逻辑脉络组织内容，融理论性、系统性、实战性于一体，适合人工智能、计算机、自动化、电子与通信、大数据科学等相关专业的科学研究人员和工程技术人员阅读，也可作为相关专业博士、硕士研究生的教学参考书。

本书系统介绍了DSP处理器的关键技术和设计方法，并以作者团队自研的SpringCoreDSP内核为实例，全面描述了DSP处理器设计的工程实践以及技术选择的过程。主要内容包括数字信号处理器简介、RISC-V架构介绍、DSP处理器体系结构设计、流水线设计、访存架构设计、运算部件设计、异常和中断机制介绍、调试单元设计、软件开发环境介绍等。读者通过学习本书，可以了解DSP处理器的主要特征和设计方法，深刻体会到基于开源RISC-V架构开展处理器设计的优势。

"本书将GS1系统、GS1标准与我国产品追溯的发展现状相结合，为实施产品追溯的组织机构、平台系统、管理技术人员提供了一套基于GS1系统的追溯解决方案。全书内容主要包括：产品追溯概述与技术，GS1标准体系，GS1数据共享EPCIS，GS1全球追溯标准（GTS），GS1系统在肉类、生鲜果蔬、鱼类海产品、医疗产品等追溯中的应用，GS1全球可追溯一致性评估，以及产品追溯发展问题及趋势分析。 本书既可作为从事标准制定、产品追溯、监督管理、信息技术等领域管理者和技术人员的参考书，也可作为高等学校供应链管理、

本书共分为十五章，介绍了数字信号处理基础、信号与函数、信号与傅里叶级数、信号与频谱、傅里叶级数与傅里叶变换、信号的卷积、信号的采样、信号的调制与解调、信号的上下变频、信号的抽取与插值、离散傅里叶变换、快速傅里叶变换、拉普拉斯变换与z变换、数字滤波器、数字信号处理的实现。

图像处理理论近年来发展迅速，从稀疏表示理论到基于张量表示和深度学习的图像处理方法不断涌现，并且这些全新的图像处理方法已经应用在手机、视频监控、遥感数据处理中心等平台上。本书以彩色图像、多/高光谱遥感数据、视频数据、偏振时序图像数据为研究对象，总结以张量表示方法和深度学习方法为核心的图像处理理论的昀新进展，并从工程应用的角度介绍如何利用张量表示方法和深度学习方法解决多/高光谱遥感数据、视频数据、偏振时序图像数据的处理问题。

本习题册主要由习题和参考答案两部分组成。习题类型丰富，包括选择题、填空题、判断题、计算题、证明题及分析设计题，内容涉及信号与系统的基本概念及分类和性质、连续系统和离散系统的时域分析、连续系统的频域和复频域分析、离散系统的z域分析、系统函数、系统的状态变量分析等。 本习题册共分为三册，其中第1册和第3册中分别附有相应的综合试题和期末模拟试题，以便学生检验自己对所学知识的掌握程度。 本习题册既可作为电子信息类、电气类、自动控制类、计算机类等专业的学生学习“信号与系统”课程的同步练习用书，又可作为

"彩色图像处理的应用非常广泛，但目前大多数处理方法都基于灰度图像处理技术，这种处理方法没有充分利用彩色图像的特性，从而导致彩色图像处理性能下降。本书介绍彩色图像处理的基本理论方法和一些比较新的研究成果，兼顾学科的基础性、学术性和实用性，主要内容包括颜色空间表示、彩色图像处理基础、彩色图像增强、彩色图像滤波与去噪、彩色图像边缘检测、彩色图像分割、彩色图像压缩编码以及基于四元数的彩色图像处理方法。 本书可作为计算机、模式识别和人工智能、通信和信号处理等相关专业的本科高年级学生和研究生的专业课教材，也

《现代智能控制实用技术丛书》共分为四本，其内容按照信号传输的链条，即由传感器、信号的调制与解调、信息的传输与通信技术和智能控制技术的应用组成。本书系统地对信号的调制与解调的基本概念、调制的目的，以及调制波模拟调制中的幅度调制(AM)、频率调制(FM)和相位调制(PM)，调制波数字线性调制中的幅移键控(ASK)调制、开关键控(OOK)调制，非线性调制中的数字频移键控(FSK)调制、高斯频移键控(GFSK)调制和相移键控(PSK)调制，以及载波的脉冲调制中的脉幅调制(PAM)、脉密调制(PDM)、脉

"《图像处理与模式识别：理论、方法和实践》共三部分，分别介绍实践环境、图像处理实践和模式识别实践。第I部分介绍实践需要的硬件环境和软件环境，旨在帮助读者了解硬件环境和掌握编程能力。第II部分探讨数字图像处理，包含基本操作、几何变换、图像滤波、边缘检测、特征提取等，旨在帮助读者掌握图像处理技能。第III部分探讨模式识别，涵盖多个应用案例，包括人脸识别、目标跟踪、文本识别、条形码/二维码识别和基于视觉的机械臂等，每个操作案例都包括理论基础和实现过程。《图像处理与模式识别：理论、方法和实践》适用于通信

图像处理作为一门发展迅速的学科，涵盖内容极其广泛。本书力求在有限的篇幅内尽可能覆盖图像处理的基础知识以及各重要分支。本书共分4部分：第1部分(第1-6章)介绍图像处理基础知识；第2部分(第7-10章)介绍图像分割、区域分析、边缘检测与尺寸测量、图像匹配等图像处理的各重要分支；第3部分(第11章)介绍机器学习知识；第4部分(第12章)介绍图像处理中的数学基础。从第2部分开始，各章节相对比较独立，读者可根据需要选择阅读。本书在介绍理论的同时，也给出了大量实用性极强的算法代码以及应用示例。本书所有示例