现代信号处理

内容简介

　　J内容简介本书系统、深入地介绍现代信号处理的各种理论与方法。全书共十二章，内容包括参数估计理论、信号检测、波形估计、现代谱分析、自适应滤波、鲁棒参数估计与港分析、统计性能分析、二维和多变无信号分析、非高斯信号处理、时频分析和小波分析。其中特别对非因果、非最小相位系统以及非高斯信号、非平稳（即时变）信号的分析作了详细的论述。本书取材广泛，内容新颖，充分反映了国际上近年来先进的信号处理新理论、新技术、新方法和新应用，可以帮助读者尽快地跟踪现代信号处理学科的最新发展。本书适合于理工科大学与信号处理有关的各专业的教师和硕土、博士生作教材或教学参考书，也适于广大科技工作者自学与进修。

作者简介

暂缺《现代信号处理》作者简介

图书目录

第一章  参数估计理论
1. 1  估计子的性能
1. 1. 1  无偏性
1. 1. 2  Cramer-Rao不等式
1. 1. 3  有效性
1. 1. 4  一致性
1. 2  Bayes估计
1. 3  最大似然估计
1. 4  线性均方估计
1. 5  最小二乘法
1. 5. 1  最小二乘估计
1. 5. 2  加权最小二乘估计
1. 6  区间估计
1. 6. 1  u的置信区间
1. 6. 2 u ／的置信区间
1. 7  递推估计
习题
第二章  信号检测
2. 1  假设检验
2. 2  似然比检验
2. 2. 1  最大后验概率准则
2. 2. 2  最小风险Bayes判决准则
2. 2. 3  最小错误概率准则
2. 2. 4  极小极大准则
2. 2, 5  Neyman-Pearson准则
2. 3  匹配滤波器
2. 4  广义匹配滤波器
2. 5  透视匹配滤波器和透视功率检测器
2. 5. 1  模型与定义
2. 5. 2  无脉冲情况下的确定性信号
2. 5. 3  有脉冲情况下的确定性信号
2. 5. 4  有脉冲情况下的随机信号
习题
第三章  波形估计
3. 1  均方估计
3. 2  波形估计的分类
3. 3  非因果维纳滤波器
3. 4  新息过程
3. 5  因果维纳滤波器
3. 6  卡尔曼滤波
3. 6. 1  基本原理
3. 6. 2  卡尔曼滤波器的分解
3. 6. 3  滤波器设计
习题
第四章  现代谱分析
4. 1  奇异值分解和总体最小二乘法
4. 1. 1  奇异值分解
4. 1. 2  总体最小二乘法
4. 2  平稳ARMA过程
4. 3  ARMA谱估计与建模
4. 3. 1  理论基础
4. 3. 2  ARMA谱分析方法
4. 3. 3  AR阶数确定和AR参数估计
4. 3. 4  MA阶数确定
4. 3. 5  MA谱参数与MA参数估计
4. 3. 6  AR有色噪声情况下的ARMA谱估计
4. 3. 7  ARMA过程自相关序列的计算
4. 4  最大熵法
4. 4. 1  Levinson递推
4. 4. 2  Burg算法
4. 4. 3  Burg最大熵法与AR过程
4. 4. 4  最大俯谱分析与ARMA过程
4. 4. 5  MEM2
4. 5  最大似然谱估计
4. 6  Pisarenko谐波分解法
4. 7  扩充的Prony方法
4. 8  MUSIC法
4. 9  谐波恢复的最大似然法
4. 10  谐波恢复的线性预测法
4. 11  ESPRIT方法
4. 11. 1  基本算法
4. 11. 2  拓广的算法
4. 11. 3  ESPRIT方法的SVD-TLS实现
习题
第五章  自适应滤波
5. 1  RLS自适应滤波器
5. 1. 1  基本RLS算法
5. 1. 2  RLS算法的性能
5. 1. 3  一种鲁棒的RLS算法
5. 2  LMS自适应滤波器
5. 2. 1  基本LMS算法
5. 2. 2  基本LMS算法的性能
5. 3  LMS自适应格型滤波器
5. 4  LS自适应格型滤波器
5. 4. 1  线性向量空间
5. 4. 2  最小二乘更新关系
5. 4. 3  前. 后向预测误差滤波器
5. 5  快速横向滤波器
5. 5. 1  向量空间关系
5. 5. 2  横向滤波器算子更新
5. 5. 3  快速横向滤波器时间更新
5. 5. 4  快速横向滤波器的基本算法
5. 5. 5  增益归一化快速横向滤波器
5. 6  自适应IIR滤波
5. 6. 1  自适应IIR滤波器的分类
5. 6. 2  基于梯度的方法
5. 6. 3  近似梯度法
5. 7  自适应谱线增强器
5. 7. 1  时域FIR自适应谱线增强器
5. 7. 2  基于IIR格型陷波器的自适应谱线增强器
习题
第六章  鲁棒参数估计与谱分析
6. 1  稳固性. 稳健性与异常值
6. 1. 1  稳固性与稳健性
6. 1. 2  崩溃点与影响曲线
6. 1. 3  异常值的分类
6. 1. 4  异常值的危害
6. 2  新息异常值模型的M估计
6. 3  广义M估计
6. 3. 1  AR模型的广义M估计
6. 3. 2  ARMA模型的广义M估计
6. 4  RA估计与TRA估计
6. 4. 1  基于残差自协方差的鲁棒估计(RA估计)
6. 4. 2  基于截尾残差自协方差的估计(TRA估计)
6. 5  递推广义M估计
6. 5. 1  完全观测ARMA过程的三阶段估计法
6. 5. 2  ARMA过程的预先估计
6. 5. 3  递推的广义M估计
6. 6  鲁棒非参数化谱估计
6. 6. 1  基本的鲁棒化
6. 6. 2  滤波型和平滑型数据净化器
6. 6. 3  谱估计的鲁棒-稳固性分析
6. 7  高分辨频率估计的鲁棒方法
6. 7. 1  鲁棒估计
6. 7. 2  鲁棒估计的分析
6. 7. 3  高分辨率分析
第七章  统计性能分析
7. 1  随机变量序列的收敛性
7. 1. 1  收敛性的定义
7. 1. 2  收敛性的相互关系
7. 2  收敛性的进一步分析
7. 2. 1  两个随机变量间的收敛关系
7. 2. 2  变换序列的收敛性
7. 2. 3  渐近正态性
7. 3  统计推断方法的渐近性
7. 4  样本均值的统计性能
7. 5  样本自相关的统计性能
7. 6  白噪声中的AR谱估计的统计性能
7. 6. 1  AR谱估计公式概述
7. 6, 2  参数估计值的渐近性能
7. 6. 3  谱密度估计值的渐近性能
7. 7  几乎肯定收敛速率
7. 7. 1  重对数律
7. 7. 2  样本自相关估计值的几乎肯定收敛速率
7. 7. 3  AR谱估计值的几乎肯定收敛速率
习题
第八章  二维信号处理
8. 1  二维系统的稳定性
8. 1. 1  线性移不变二维系统
8. 1. 2  稳定性问题
8. 1. 3  稳定性定理
8. 2  二维谱因子分解
8. 3  二维线性预测与AR谱估计
8. 3. 1  二维线性预测模型
8. 3. 2  二维AR谱估计
8. 4  二维最大熵谱估计的迭代算法
8. 4. 1  自相关匹配
8. 4. 2  Lim-Malik迭代算法
8. 5  二维最大熵谱估计的混合方法
8. 5. 1  混合方法的基本思想
8. 5. 2  最大熵算法
8. 5. 3  混合算法语估计值的性能分析
8. 6  二维ARMA谱估计与建模
8. 6. 1  AR参数估计方法
8. 6. 2  二维ARMA谱估计方法
8. 6. 3  二维MA参数估计
8. 7  二维谐波恢复
8. 7. 1  二维谐波恢复的理论基础
8. 7. 2  时域分析法
8. 7. 3  直接数据法
8. 8  二维自适应LMS算法
8. 8. 1  二维维纳滤波器
8. 8. 2  自适应权与调节算法
8. 8. 3  二维LMS算法和一维LMS算法之间的关系
习题
第九章  多元时间序列分析
9. 1  多元时间序列的二阶性质
9. 2  均值和协方差函数的估计
9. 3  多元ARMA过程
9. 3. 1  因果性和可逆性
9. 3. 2  多元模型的可辨识性
9. 3. 3  因果ARMA过程的协方差矩阵函数
9, 4  最佳线性预测
9. 5  多元AR过程的建模
9. 5. 1  矩阵算法
9. 5. 2  标量算法
9. 6  多元ARMA过程的建模
9. 6. 1  矩阵算法
9. 6. 2  标量算法
9. 7  自适应多信道最小二乘格型滤波器
9. 7. 1  多信道格型递推
9. 7. 2  基于QR分解的算法
9. 7. 3  算法实现
9. 8  互谱
习题
第十章  非高斯信号处理
10. 1  累积量
10. 1. 1  高阶短与高阶累积量的定义
10. 1. 2  高斯过程的高阶累积量
10. 1. 3  高阶累积量的性质
10. 2  非参数化双谱估计
10. 3  基于累积量的FIR系统辨识
10. 3. 1  法方程解法
10. 3. 2  闭式递推解
10. 3. 3  MA模型的定阶
10. 3. 4  实验结果
10. 4  非最小相位ARMA系统辨识
10. 4. 1  AR参数的可识别性
10. 4. 2  MA参数的估计
10. 4. 3  参数化多谱估计
10. 5  基于累积量的阶数确定
10. 5. 1  AR阶数确定
10. 5. 2  MA阶数确定
10. 5. 3  定阶方法的其它应用
10. 6  非因果系统的辨识
10. 6. 1  反因果AR建模
10. 6. 2  线性辨识方法
10. 6. 3  非线性辨识方法
10. 7  有色噪声中的谐波恢复
10. 7. 1  复值过程的累积量
10. 7. 2  谐波过程的累积量
10. 7. 3  高斯ARMA噪声中谐波恢复的几种方法
10. 7. 4  非高斯ARMA噪声中谐波恢复的两种方法
10. 8  基于累积量的参数自适应估计
10. 8, 1  MA模型参数估计的超定递推辅助变量法
10. 8. 2  随机梯度法
10. 9  非高斯噪声中非高斯信号的检测
10. 9. 1  假设与符号
10. 9. 2  Hinich-Wilson检测准则
10. 9. 3  检测试验的功效
10. 10  其它应用
10. 10. 1  阵列处理
10. 10. 2  分类
10. 10. 3  时延估计
10. 10. 4  盲反卷积与盲均衡
10. 10. 5  干扰对消
习题
第十一章  信号的时频分析
11. 1  基本概念
11. 2  短时傅里叶变换
11. 3  Gabor展开
11. 3. 1  连续Gabor展开
11. 3. 2  离散Gabor展开
11. 4  能量化和相关化的时频表示
11. 5  时频分布
11. 5. 1  连续时间时频分布
11. 5. 2  离散时间时频分布
11. 6  Wigner-Ville分布
11. 6. 1  定义与性质
11. 6. 2  瞬时频率和平均频率
11. 6. 3  离散Wigner-Ville分布的实现
11. 7  移不变时频表示与仿射时频表示
11. 7. 1  移不变时频表示及其分类
11. 7. 2  仿射时频表示与移位-尺度不变时频表示
11. 8  Wigner-Ville分布的应用
11. 8. 1  离散瞬时频率估计
11. 8. 2  随机信号分析
11. 8. 3  信号综合与时变滤波
11. 9  基于时频分析的信号检测
第十二章  小波分析
12. 1  STFT和小波变换的比较
12. 2  连续小波变换
12. 2. 1  连续STFT
12. 2. 2  连续小波变换
12. 3  离散变换(框架理论)
12. 3. 1  框架
12. 3, 2  框架与短时傅里叶变换
12. 3. 3  小波框架
12. 4  正交基
12. 4. 1  正交基和短时傅里叶变换
12. 4. 2  正交小波基
12. 5  多分辨率分析
12. 5. 1  一维信号的多分辨串逼近
12. 5. 2  Mallat算法
12. 5. 3  二维多分辨率分析与Mallat算法
12. 6  小波与FIR滤波器组
12. 6. 1  FIR滤波器组与紧支集小波
12. 6. 2  由滤波器组构造的正交小波基
12. 6. 3  一般的FIR完全重构滤波器组和双正交小波
12. 6. 4  滤波器设计
12. 7  小波与IIR滤波器组
12. 7. 1  正交IIR滤波器组
12. 7. 2  具有矩性质的小波
12. 7. 3  线性相位正交IIR解
12. 8  时域滤波器组分析
12. 8. 1  时域分析
12. 8. 2  时域条件的解释
12. 8. 3  设计方法
12. 8. 4  设计例子
12. 9  小波在信号处理中的应用
参考文献
附录
附录A  Schwartz不等式
附录B  Chebyshev不等式
附录C  具有对称性的滤波器
附录D  全通滤波器
索引