第1章 信号的参数估计
1. 1 估计量及其性质
1. 2 矩法估计
1. 3 最小二乘估计与加权最小二乘估计
1. 3. 1 最小二乘估计
1. 3. 2 加权最小二乘估计
1. 4 线性最小均方误差估计
1. 5 最小方差估计
1. 6 最大后验概率估计
1. 7 极大似然估计
1. 8 Bayes估计
1. 9 区间估计
习题1
第2章 波形估计
2. 1 正交性原理
2. 2 维纳滤波
2. 3 卡尔曼滤波
2. 3. 1 卡尔曼滤波的基本原理及分解
2. 3. 2 卡尔曼滤波器的设计
习题2
第3章 现代功率谱估计
3. 1 从经典谱估计到现代谱估计
3. 2 谱估计的参数模型法
3. 3 AR模型的参数估计
3. 3. 1 Yule-Walker方程
3. 3. 2 AR模型与一步预测滤波器的关系
3. 3. 3 预测误差滤波器及其性质
3. 3. 4 AR模型的标准方程组及I-D递推算法
3. 4 已知观测数据序列时AR模型的参数估计
3. 4. 1 自相关法
3. 4. 2 最小二乘估计法
3. 4. 3 U-C算法
3. 4. 4 格网法
3. 4. 5 Burg算法
3. 5 加权算法与MarpIe算法
3. 5. 1 加权算法
3. 5. 2 Marple算法
3. 6 AR模型参数的矩阵递推估计算法
3. 6. 1 AR模型的两种矩阵表达式
3. 6. 2 U-C算法的第二种参数估计
3. 6. 3 LUD算法
3. 6. 4 BSMF算法
3. 7 AR模型阶数估计若干准则
3. 8 Burg最大熵法与AR过程以及最大炳谱分析与ARMA过程
3. 8. 1 Burg最大熵法与AR过程
3. 8. 2 最大熵谱分析与ARMA过程
3. 8. 3 MEM2
3. 9 ARMA模型的参数估计
3. 9. 1 交叉相乘定参数法
3. 9. 2 长自回归白噪化估计参数的方法
3. 9. 3 最小二乘估计法与CDE迭代算法
3. 10 奇异值分解. 总体最小二乘法和广义最小二乘法
3. 10. 1 奇异值分解
3. 10. 2 总体最小二乘法
3. 10. 3 广义最小二乘法及其改进算法
3. 11 Pisarenko谐波分解法
3. 12 扩充的Prony方法
习题3
第4章 自适应滤波
4. 1 自适应最小均方(LMS)横向滤波器
4. 1. 1 基本LWS算法
4. 1. 2 LMS算法性能分析
4. 2 自适应RLS横向滤波器
4. 2. 1 最小二乘滤波器
4. 2. 2 递推最小二乘(RLS)算法
4. 3 用矢量空间法探讨最小二乘滤波问题
4. 3. 1 前加窗法
4. 3. 2 投影矩阵和正交投影矩阵
4. 3. 3 时间更新
4. 4 最小二乘格型(LSL)自适应算法
4. 4. 1 前向线性预测
4. 4. 2 后向线性预测
4. 4. 3 格型结构的预测误差滤波器
4. 4. 4 LSL自适应算法
4. 5 快速横向滤波(FTF)自适应算法
4. 5. 1 4个横向滤波器
4. 5. 2 横向滤波算子的时间更新
4. 5. 3 FTF自适应算法
4. 5. 4 FTF算法的改进
习题4
第5章 非平隐随机信号处理简介
5. 1 Wigner分布(WD)
5. 1. 1 连续时间信号的Wigner分布
5. 1. 2 离散时间信号的Wigner分布
5. 1. 3 时间与频率均离散的WD
5. 1. 4 非平稳随机信号的Wigner-Ville谱
5. 2 短时Fourier变换与分数阶Fourier变换
5. 2. 1 短时Fourier变换(STFT)
5. 2. 2 分数阶Fourier变换(FRFT)
5. 3 Gabor展开
5. 3. 1 连续Gabor展开
5. 3. 2 离散Gabor展开
5. 3. 3 离散与连续Gabor展开之间的关系
第6章 小波变换简介
6. 1 连续小波变换
6. 2 离散小波变换
6. 3 二进小波变换
6. 4 多分辩(多尺度)分析
第7章 统计性能分析简介
7. 1 随机变量序列的收敛性
7. 1. 1 几乎必然(a. s)收敛
7. 1. 2 依概率收敛
7. 1. 3 依分布收敛(或弱收敛)
7. 1. 4 依r阶(矩)收敛
7. 1. 5 收敛性的拓广
7. 1. 6 渐近正态性(AN)
7. 2 时间序列的样本均值的收敛性
7. 3 时间序列样本自相关的收敛性
参考文献
鄂公网安备 42010302001612号 