第1章 引言
1. 1 随机信号
1. 2 谱估计
1. 3 信号建模
1. 3. 1 有理式或极点-零点模型
1. 3. 2 分数极点-零点模型和分形模型
1. 4 自适应滤波
1. 4. 1 自适应滤波器的应用
1. 4. 2 自适应滤波器的特点
1. 5 阵列处理
1. 5. 1 空间滤波或波束形成
1. 5. 2 降低雷达系统中的自适应干扰
1. 5. 3 自适应旁瓣抵消器
1. 6 本书的结构
第2章 离散时间信号处理基础
2. 1 离散时间信号
2. 1. 1 连续时间信号. 离散时间信号和数字信号
2. 1. 2 信号的数学描述
2. 1. 3 真实世界的信号
2. 2 确定性信号的变换域表示法
2. 2. 1 傅里叶变换和傅里叶级数
2. 2. 2 连续时间信号的采样
2. 2. 3 离散傅里叶变换
2. 2. 4 z变换
2. 2. 5 窄带信号的表示
2. 3 离散时间系统
2. 3. 1 线性时不变系统的分析
2. 3. 2 对周期性输入的响应
2. 3. 3 相关分析和谱密度
2. 4 最小相位和系统的可逆性
2. 4. 1 最小相位系统和系统的可逆性
2. 4. 2 全通系统
2. 4. 3 最小相位和全通分解
2. 4. 4 谱因式分解
2. 5 格型滤波器实现
2. 5. 1 全零点格型结构
2. 5. 2 全极点格型结构
2. 6 小结
2. 7 习题
第3章 随机变量. 矢量和序列
3. 1 随机变量
3. 1. 1 分布函数与密度函数
3. 1. 2 统计平均值
3. 1. 3 一些有用的随机变量
3. 2 随机矢量
3. 2. 1 定义和二阶矩
3. 2. 2 随机矢量的线性变换
3. 2. 3 正态随机矢量
3. 2. 4 独立的随机变量的和
3. 3 离散时间的随机过程
3. 3. 1 用概率函数来描述
3. 3. 2二阶统计描述
3. 3. 3 平稳性
3. 3. 4 各态遍历
3. 3. 5 随机信号的易变性
3. 3. 6 平稳过程的频域描述
3. 4 具有平稳随机输入的线性系统
3. 4. 1 时域分析
3. 4. 2 频域分析
3. 4. 3 随机信号的记忆性
3. 4. 4 常见的相关矩阵
3. 4. 5 随机过程的相关矩阵
3. 5 随机矢量的更新表示
3. 5. 1 用特征根分解进行变换
3. 5. 2 运用三角分解的变换
3. 5. 3 离散的Karhunen-Loeve变换(DKLT)
3. 6 估计理论原理
3. 6. 1 估计子的性质
3. 6. 2 均值的估计
3. 6. 3 方差估计
3. 7 小结
3. 8 习题
第4章 线性信号模型
4. 1 引言
4. 1. 1 线性无参数信号模型
4. 1. 2 有参极点-零点信号模型
4. 1. 3 混合过程和Wold分解
4. 2 全极点模型
4. 2. 1 模型性质
4. 2. 2 全极点建模和线性预测
4. 2. 3 自回归模型
4. 2. 4 低阶模型
4. 3 全零点模型
4. 3. 1 模型性质
4. 3. 2 滑动平均模型
4. 3. 3 低阶模型
4. 4 极点-零点模型
4. 4. 1 模型性质
4. 4. 2 自回归滑动平均模型
4. 4. 3 一阶的极点-零点模型:PZ(1, 1)
4. 4. 4 总结和对偶性
4. 5 极点在单位圆上的模型
4. 6 极点-零点模型的复倒谱
4. 6. 1 极点-零点模型
4. 6. 2 全极点模型
4. 6. 3 全零点模型
4. 7 小结
4. 8 习题
第5章 非参数功率谱估计
5. 1 确定信号的谱分析
5. 1. 1 信号采样的影响
5. 1. 2 加窗. 周期延拓和外推
5. 1. 3 谱采样的影响
5. 1. 4 窗口效应:谱泄漏和分辨率损失
5. 1. 5 小结
5. 2 平稳随机信号的自相关估计
5. 3 平稳随机信号的功率谱估计
5. 3. 1 利用周期图估计功率谱
5. 3. 2 平滑单一周期图的功率谱估计--Blaekman-Tukey法
5. 3. 3 对多个周期图求平均的功率谱估计--Welch-Bartlett法
5. 3. 4 一些实际的考虑和例子
5. 4 联合信号的分析
5. 4. 1 互功率谱的估计
5. 4. 2 频率响应函数的估计
5. 5 多重锥化截取功率谱估计
5. 5. 1 自功率谱的估计
5. 5. 2 互功率谱的估计
5. 6 小结
5. 7 习题
第6章 最佳线性滤波器
6. 1 最佳信号估计
6. 2 线性均方误差估计
6. 2. 1 误差性能表面
6. 2. 2 线性MMSE估计器的推导
6. 2. 3 最佳线性估计器的主元分析
6. 2. 4 几何解释和正交原理
6. 2. 5 小结
6. 3 正规方程组的解
6. 4 最佳有限脉冲响应滤波器
6. 4. 1 设计和性质
6. 4. 2 平稳过程的最佳FIR滤波器
6. 4. 3 频域解释
6. 5 线性预测
6. 5. 1 线性信号估计
6. 5. 2 前向线性预测
6. 5. 3 后向线性预测
6. 5. 4 平稳过程
6. 5. 5 性质
6. 6 最佳无限脉冲响应滤波器
6. 6. 1 非因果IIR滤波器
6. 6. 2 因果IIR滤波器
6. 6. 3 加性噪声的过滤
6. 6. 4 利用无限过去的线性预测--白化
6. 7 逆滤波和解卷积
6. 8 数据传输系统的信道均衡
6. 8. 1 零ISI的奈奎斯特判据
6. 8. 2 等价的离散时间信道模型
6. 8. 3 线性均衡器
6. 8. 4 迫零均衡器
6. 8. 5 最小MSE均衡器
6. 9 匹配滤波器和本征滤波器
6. 9. 1 噪声中的确定性信号
6. 9. 2 噪声中的随机信号
6. 10 小结
6. 11 习题
第7章 最佳线性滤波器的算法和结构
7. 1 阶数递归算法的基础
7. 1. 1 矩阵分块和最佳嵌套
7. 1. 2 分块厄米特矩阵的逆
7. 1. 3 最佳估计的kevinson递归
7. 1. 4 LDLH分解的阶数递归计算
7. 1. 5 最佳估计的阶数递归计算
7. 2 算法量的解释
7. 2. 1 新息和后向预测
7. 2. 2 部分相关
7. 2. 3 最佳估计的阶数分解
7. 2. 4 Gram-Schmidt正交化
7. 3 最佳FIR滤波器的阶数递归
7. 3. 1 最佳滤波器的阶数递归计算
7. 3. 2 格型-梯型结构
7. 3. 3 平稳随机过程的简化
7. 3. 4 基于UDUH分解的算法
7. 4 Levinson和Levinson-Durbin算法
7. 5 最佳FIR滤波器和预测器的格型结构
7. 5. 1 格型-梯型结构
7. 5. 2 一些性质和说明
7. 5. 3 参数转化
7. 6 Schur算法
7. 6. 1 直接Schur算法
7. 6. 2 实现上的考虑
7. 6. 3 逆Sehur算法
7. 7 Toeplitz矩阵的三角化和求逆
7. 7. 1 逆Toeplitz矩阵的LDLH分解
7. 7. 2 Toeplitz矩阵的LDLH分解
7. 7. 3 实Toeplitz矩阵的逆
7. 8 卡尔曼滤波器算法
7. 8. 1 预先推导
7. 8. 2 卡尔曼滤波器的推导
7. 9 小结
7. 10 习题
第8章 最小二乘滤波和预测
8. 1 最小二乘原理
8. 2 线性最小二乘误差估计
8. 2. 1 正规方程组的导出
8. 2. 2 最小二乘估计的统计性质
8. 3 最小二乘FIR滤波器
8. 4 线性最小二乘信号估计
8. 4. 1 信号估计和线性预测
8. 4. 2 复合的前向和后向线性预测(FBLP)
8. 4. 3 窄带干扰消除
8. 5 用正规方程进行IZ计算
8. 5. 1 线性LSE估计
8. 5. 2 LSEFIR滤波和预测
8. 6 使用正交化技术的IS计算
8. 6. 1 Householder反射
8. 6. 2 Givens旋转
8. 6. 3 Gram-Schmidt正交化
8. 7 采用奇异值分解的IS计算
8. 7. 1 奇异值分解
8. 7. 2 LS问题的解
8. 7. 3 非满秩的LS问题
8. 8 小结
8. 9 习题
第9章 信号建模和参量谱估计
9. 1 建模过程:理论和实际
9. 2 全极点模型的估计
9. 2. 1 直接型结构
9. 2. 2 格型结构
9. 2. 3 最大熵方法
9. 2. 4 线性谱激励
9. 3 极点-零点模型的估计
9. 3. 1 已知激励
9. 3. 2 未知激励
9. 3. 3 非线性最小二乘最优化
9. 4 应用
9. 4. 1 谱估计
9. 4. 2 语音建模
9. 5 最小方差谱估计
9. 6 谐波模型和频率估计技术
9. 6. 1 谐波模型
9. 6. 2 Pisarenko谐波分解
9. 6. 3 MUSIC算法
9. 6. 4 最小范数方法
9. 6. 5 ESPRIT算法
9. 7 小结
9. 8 习题
第10章 自适应滤波器
10. 1 自适应滤波器的典型应用
10. 1. 1 通信中的回波抵消
10. 1. 2 数据通信信道的均衡
10. 1. 3 线性预测编码
10. 1. 4 噪声抵消
10. 2 自适应滤波器的原理
10. 2. 1 自适应滤波器的特征
10. 2. 2 最佳滤波器与自适应滤波器的比较
10. 2. 3 自适应滤波器的稳定性和稳态性能
10. 2. 4 几个实际因素
10. 3 最速下降法
10. 4 最小均方自适应滤波器
10. 4. 1 推导
10. 4. 2 平稳SOE中的自适应
10. 4. 3 总结和设计准则
10. 4. 4 LMS算法的应用
10. 4. 5 实际中需要考虑的事项
10. 5 递归最小二乘自适应滤波器
10. 5. 1 LS自适应滤波器
10. 5. 2 常规的递归最小二乘算法
10. 5. 3 实际中需要考虑的事项
10. 5. 4 收敛性和性能分析
10. 6 阵列处理的BLS算法
10. 6. 1 使用Cholesky和QR分解的LS计算
10. 6. 2 两个有用的引理
10. 6. 3 QR-RLS算法
10. 6. 4 扩展的QR-RLS算法
10. 6. 5 逆QR-RLS算法
10. 6. 6 运用Givens旋转的QR-RLS算法的实现
10. 6. 7 使用Givens旋转的逆QR-RLS算法的实现
10. 6. 8 用于阵列处理的RLS算法的分类
10. 7 用于FIR滤波的快速RLS算法
10. 7. 1 快速固定阶数RLS FIR滤波器
10. 7. 2 RLS格型-梯型滤波器
10. 7. 3 使用误差反馈更新的RLS格型-梯型滤波器
10. 7. 4 基于Givens旋转的LS格型-梯型算法
10. 7. 5 用于FIR滤波的RLS算法的分类
10. 8 自适应算法的跟踪性能
10. 8. 1 用于非平稳SOE的方法
10. 8. 2 性能分析的预备知识
10. 8. 3 LMS算法
10. 8. 4 具有指数遗忘的RLS算法
10. 8. 5 跟踪性能的比较
10. 9 小结
10. 10 习题
第11章 阵列处理
11. 1 阵列的基本原理
11. 1. 1 空间信号
11. 1. 2 调制-解调
11. 1. 3 阵列信号模型
11. 1. 4 传感器阵列:空间采样
11. 2 常用的空间滤波:波束形成
11. 2. 1 空间匹配滤波器
11. 2. 2 锥化截取波束形成
11. 3 最佳阵列处理
11. 3. 1 最佳波束形成
11. 3. 2 最佳波束形成器的特征根分析
11. 3. 3 干扰消除性能
11. 3. 4 锥化截取最佳波束形成
11. 3. 5 广义的旁瓣消除器
11. 4 最佳波束形成器的性能考虑
11. 4. 1 信号失配的影响
11. 4. 2 带宽的影响
11. 5 自适应波束形成
11. 5. 1 采样矩阵求逆
11. 5. 2 用SMI波束形成器的对角线加载
11. 5. 3 SMI波束形成器的实现
11. 5. 4 逐点采样自适应方法
11. 6 其他自适应阵列处理方法
11. 6. 1 线性约束的最小方差波束形成器
11. 6. 2 部分自适应阵列
11. 6. 3 旁瓣消除器
11. 7 角度估计
11. 7. 1 最大似然角度估计
11. 7. 2 角度精确度的Cramer-Rao下限
11. 7. 3 波束分裂算法
11. 7. 4 基于模型的方法
11. 8 空间-时间自适应处理
11. 9 小结
11. 10 习题
第12章 深入研究的课题
12. 1 信号处理中的高阶统计(HOS)
12. 1. 1 矩. 积累量和多谱
12. 1. 2 高阶矩和线性时不变(LTI)系统
12. 1. 3 线性信号模型的高阶矩
12. 2 盲解卷积
12. 3 无监督型自适应滤波器--盲均衡器
12. 3. 1 盲均衡器
12. 3. 2 码率盲均衡器
12. 3. 3 常数模算法
12. 4 分数间隔均衡器
12. 4. 1 迫零分数间隔均衡器
12. 4. 2 MMSE分数间隔均衡器
12. 4. 3 盲分数间隔均衡器
12. 5 分数极点-零点信号模型
12. 5. 1 分数单位极点模型
12. 5. 2 分数极点-零点模型
12. 5. 3 对称. 稳定分数极点-零点过程
12. 6 自相似随机信号模型
12. 6. 1 自相似随机过程
12. 6. 2 分数布朗运动
12. 6. 3 分数高斯噪声
12. 6. 4 分数布朗运动和分数高斯噪声的模拟
12. 6. 5 长期记忆的估计
12. 6. 6 分数Levy稳定运动
12. 7 小结
12. 8 习题
附录A 矩阵求逆引理
附录B 复数空间的梯度和优化
附录C MATLAB函数
附录D 矩阵代数运算中的有用结果
附录E 多项式的最小相位检测
参考文献