現(xiàn)代信號(hào)處理

第一章  參數(shù)估計(jì)理論                  
 1. 1  估計(jì)子的性能                  
 1. 1. 1  無偏性                  
 1. 1. 2  Cramer-Rao不等式                  
 1. 1. 3  有效性                  
 1. 1. 4  一致性                  
 1. 2  Bayes估計(jì)                  
 1. 3  最大似然估計(jì)                  
 1. 4  線性均方估計(jì)                  
 1. 5  最小二乘法                  
 1. 5. 1  最小二乘估計(jì)                  
 1. 5. 2  加權(quán)最小二乘估計(jì)                  
 1. 6  區(qū)間估計(jì)                  
 1. 6. 1  u的置信區(qū)間                  
 1. 6. 2 u ／的置信區(qū)間                  
 1. 7  遞推估計(jì)                  
 習(xí)題                  
 第二章  信號(hào)檢測                  
 2. 1  假設(shè)檢驗(yàn)                  
 2. 2  似然比檢驗(yàn)                  
 2. 2. 1  最大后驗(yàn)概率準(zhǔn)則                  
 2. 2. 2  最小風(fēng)險(xiǎn)Bayes判決準(zhǔn)則                  
 2. 2. 3  最小錯(cuò)誤概率準(zhǔn)則                  
 2. 2. 4  極小極大準(zhǔn)則                  
 2. 2, 5  Neyman-Pearson準(zhǔn)則                  
 2. 3  匹配濾波器                  
 2. 4  廣義匹配濾波器                  
 2. 5  透視匹配濾波器和透視功率檢測器                  
 2. 5. 1  模型與定義                  
 2. 5. 2  無脈沖情況下的確定性信號(hào)                  
 2. 5. 3  有脈沖情況下的確定性信號(hào)                  
 2. 5. 4  有脈沖情況下的隨機(jī)信號(hào)                  
 習(xí)題                  
 第三章  波形估計(jì)                  
 3. 1  均方估計(jì)                  
 3. 2  波形估計(jì)的分類                  
 3. 3  非因果維納濾波器                  
 3. 4  新息過程                  
 3. 5  因果維納濾波器                  
 3. 6  卡爾曼濾波                  
 3. 6. 1  基本原理                  
 3. 6. 2  卡爾曼濾波器的分解                  
 3. 6. 3  濾波器設(shè)計(jì)                  
 習(xí)題                  
 第四章  現(xiàn)代譜分析                  
 4. 1  奇異值分解和總體最小二乘法                  
 4. 1. 1  奇異值分解                  
 4. 1. 2  總體最小二乘法                  
 4. 2  平穩(wěn)ARMA過程                  
 4. 3  ARMA譜估計(jì)與建模                  
 4. 3. 1  理論基礎(chǔ)                  
 4. 3. 2  ARMA譜分析方法                  
 4. 3. 3  AR階數(shù)確定和AR參數(shù)估計(jì)                  
 4. 3. 4  MA階數(shù)確定                  
 4. 3. 5  MA譜參數(shù)與MA參數(shù)估計(jì)                  
 4. 3. 6  AR有色噪聲情況下的ARMA譜估計(jì)                  
 4. 3. 7  ARMA過程自相關(guān)序列的計(jì)算                  
 4. 4  最大熵法                  
 4. 4. 1  Levinson遞推                  
 4. 4. 2  Burg算法                  
 4. 4. 3  Burg最大熵法與AR過程                  
 4. 4. 4  最大俯譜分析與ARMA過程                  
 4. 4. 5  MEM2                  
 4. 5  最大似然譜估計(jì)                  
 4. 6  Pisarenko諧波分解法                  
 4. 7  擴(kuò)充的Prony方法                  
 4. 8  MUSIC法                  
 4. 9  諧波恢復(fù)的最大似然法                  
 4. 10  諧波恢復(fù)的線性預(yù)測法                  
 4. 11  ESPRIT方法                  
 4. 11. 1  基本算法                  
 4. 11. 2  拓廣的算法                  
 4. 11. 3  ESPRIT方法的SVD-TLS實(shí)現(xiàn)                  
 習(xí)題                  
 第五章  自適應(yīng)濾波                  
 5. 1  RLS自適應(yīng)濾波器                  
 5. 1. 1  基本RLS算法                  
 5. 1. 2  RLS算法的性能                  
 5. 1. 3  一種魯棒的RLS算法                  
 5. 2  LMS自適應(yīng)濾波器                  
 5. 2. 1  基本LMS算法                  
 5. 2. 2  基本LMS算法的性能                  
 5. 3  LMS自適應(yīng)格型濾波器                  
 5. 4  LS自適應(yīng)格型濾波器                  
 5. 4. 1  線性向量空間                  
 5. 4. 2  最小二乘更新關(guān)系                  
 5. 4. 3  前. 后向預(yù)測誤差濾波器                  
 5. 5  快速橫向?yàn)V波器                  
 5. 5. 1  向量空間關(guān)系                  
 5. 5. 2  橫向?yàn)V波器算子更新                  
 5. 5. 3  快速橫向?yàn)V波器時(shí)間更新                  
 5. 5. 4  快速橫向?yàn)V波器的基本算法                  
 5. 5. 5  增益歸一化快速橫向?yàn)V波器                  
 5. 6  自適應(yīng)IIR濾波                  
 5. 6. 1  自適應(yīng)IIR濾波器的分類                  
 5. 6. 2  基于梯度的方法                  
 5. 6. 3  近似梯度法                  
 5. 7  自適應(yīng)譜線增強(qiáng)器                  
 5. 7. 1  時(shí)域FIR自適應(yīng)譜線增強(qiáng)器                  
 5. 7. 2  基于IIR格型陷波器的自適應(yīng)譜線增強(qiáng)器                  
 習(xí)題                  
 第六章  魯棒參數(shù)估計(jì)與譜分析                  
 6. 1  穩(wěn)固性. 穩(wěn)健性與異常值                  
 6. 1. 1  穩(wěn)固性與穩(wěn)健性                  
 6. 1. 2  崩潰點(diǎn)與影響曲線                  
 6. 1. 3  異常值的分類                  
 6. 1. 4  異常值的危害                  
 6. 2  新息異常值模型的M估計(jì)                  
 6. 3  廣義M估計(jì)                  
 6. 3. 1  AR模型的廣義M估計(jì)                  
 6. 3. 2  ARMA模型的廣義M估計(jì)                  
 6. 4  RA估計(jì)與TRA估計(jì)                  
 6. 4. 1  基于殘差自協(xié)方差的魯棒估計(jì)(RA估計(jì))                  
 6. 4. 2  基于截尾殘差自協(xié)方差的估計(jì)(TRA估計(jì))                  
 6. 5  遞推廣義M估計(jì)                  
 6. 5. 1  完全觀測ARMA過程的三階段估計(jì)法                  
 6. 5. 2  ARMA過程的預(yù)先估計(jì)                  
 6. 5. 3  遞推的廣義M估計(jì)                  
 6. 6  魯棒非參數(shù)化譜估計(jì)                  
 6. 6. 1  基本的魯棒化                  
 6. 6. 2  濾波型和平滑型數(shù)據(jù)凈化器                  
 6. 6. 3  譜估計(jì)的魯棒-穩(wěn)固性分析                  
 6. 7  高分辨頻率估計(jì)的魯棒方法                  
 6. 7. 1  魯棒估計(jì)                  
 6. 7. 2  魯棒估計(jì)的分析                  
 6. 7. 3  高分辨率分析                  
 第七章  統(tǒng)計(jì)性能分析                  
 7. 1  隨機(jī)變量序列的收斂性                  
 7. 1. 1  收斂性的定義                  
 7. 1. 2  收斂性的相互關(guān)系                  
 7. 2  收斂性的進(jìn)一步分析                  
 7. 2. 1  兩個(gè)隨機(jī)變量間的收斂關(guān)系                  
 7. 2. 2  變換序列的收斂性                  
 7. 2. 3  漸近正態(tài)性                  
 7. 3  統(tǒng)計(jì)推斷方法的漸近性                  
 7. 4  樣本均值的統(tǒng)計(jì)性能                  
 7. 5  樣本自相關(guān)的統(tǒng)計(jì)性能                  
 7. 6  白噪聲中的AR譜估計(jì)的統(tǒng)計(jì)性能                  
 7. 6. 1  AR譜估計(jì)公式概述                  
 7. 6, 2  參數(shù)估計(jì)值的漸近性能                  
 7. 6. 3  譜密度估計(jì)值的漸近性能                  
 7. 7  幾乎肯定收斂速率                  
 7. 7. 1  重對(duì)數(shù)律                  
 7. 7. 2  樣本自相關(guān)估計(jì)值的幾乎肯定收斂速率                  
 7. 7. 3  AR譜估計(jì)值的幾乎肯定收斂速率                  
 習(xí)題                  
 第八章  二維信號(hào)處理                  
 8. 1  二維系統(tǒng)的穩(wěn)定性                  
 8. 1. 1  線性移不變二維系統(tǒng)                  
 8. 1. 2  穩(wěn)定性問題                  
 8. 1. 3  穩(wěn)定性定理                  
 8. 2  二維譜因子分解                  
 8. 3  二維線性預(yù)測與AR譜估計(jì)                  
 8. 3. 1  二維線性預(yù)測模型                  
 8. 3. 2  二維AR譜估計(jì)                  
 8. 4  二維最大熵譜估計(jì)的迭代算法                  
 8. 4. 1  自相關(guān)匹配                  
 8. 4. 2  Lim-Malik迭代算法                  
 8. 5  二維最大熵譜估計(jì)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  混合算法語估計(jì)值的性能分析                  
 8. 6  二維ARMA譜估計(jì)與建模                  
 8. 6. 1  AR參數(shù)估計(jì)方法                  
 8. 6. 2  二維ARMA譜估計(jì)方法                  
 8. 6. 3  二維MA參數(shù)估計(jì)                  
 8. 7  二維諧波恢復(fù)                  
 8. 7. 1  二維諧波恢復(fù)的理論基礎(chǔ)                  
 8. 7. 2  時(shí)域分析法                  
 8. 7. 3  直接數(shù)據(jù)法                  
 8. 8  二維自適應(yīng)LMS算法                  
 8. 8. 1  二維維納濾波器                  
 8. 8. 2  自適應(yīng)權(quán)與調(diào)節(jié)算法                  
 8. 8. 3  二維LMS算法和一維LMS算法之間的關(guān)系                  
 習(xí)題                  
 第九章  多元時(shí)間序列分析                  
 9. 1  多元時(shí)間序列的二階性質(zhì)                  
 9. 2  均值和協(xié)方差函數(shù)的估計(jì)                  
 9. 3  多元ARMA過程                  
 9. 3. 1  因果性和可逆性                  
 9. 3. 2  多元模型的可辨識(shí)性                  
 9. 3. 3  因果ARMA過程的協(xié)方差矩陣函數(shù)                  
 9, 4  最佳線性預(yù)測                  
 9. 5  多元AR過程的建模                  
 9. 5. 1  矩陣算法                  
 9. 5. 2  標(biāo)量算法                  
 9. 6  多元ARMA過程的建模                  
 9. 6. 1  矩陣算法                  
 9. 6. 2  標(biāo)量算法                  
 9. 7  自適應(yīng)多信道最小二乘格型濾波器                  
 9. 7. 1  多信道格型遞推                  
 9. 7. 2  基于QR分解的算法                  
 9. 7. 3  算法實(shí)現(xiàn)                  
 9. 8  互譜                  
 習(xí)題                  
 第十章  非高斯信號(hào)處理                  
 10. 1  累積量                  
 10. 1. 1  高階短與高階累積量的定義                  
 10. 1. 2  高斯過程的高階累積量                  
 10. 1. 3  高階累積量的性質(zhì)                  
 10. 2  非參數(shù)化雙譜估計(jì)                  
 10. 3  基于累積量的FIR系統(tǒng)辨識(shí)                  
 10. 3. 1  法方程解法                  
 10. 3. 2  閉式遞推解                  
 10. 3. 3  MA模型的定階                  
 10. 3. 4  實(shí)驗(yàn)結(jié)果                  
 10. 4  非最小相位ARMA系統(tǒng)辨識(shí)                  
 10. 4. 1  AR參數(shù)的可識(shí)別性                  
 10. 4. 2  MA參數(shù)的估計(jì)                  
 10. 4. 3  參數(shù)化多譜估計(jì)                  
 10. 5  基于累積量的階數(shù)確定                  
 10. 5. 1  AR階數(shù)確定                  
 10. 5. 2  MA階數(shù)確定                  
 10. 5. 3  定階方法的其它應(yīng)用                  
 10. 6  非因果系統(tǒng)的辨識(shí)                  
 10. 6. 1  反因果AR建模                  
 10. 6. 2  線性辨識(shí)方法                  
 10. 6. 3  非線性辨識(shí)方法                  
 10. 7  有色噪聲中的諧波恢復(fù)                  
 10. 7. 1  復(fù)值過程的累積量                  
 10. 7. 2  諧波過程的累積量                  
 10. 7. 3  高斯ARMA噪聲中諧波恢復(fù)的幾種方法                  
 10. 7. 4  非高斯ARMA噪聲中諧波恢復(fù)的兩種方法                  
 10. 8  基于累積量的參數(shù)自適應(yīng)估計(jì)                  
 10. 8, 1  MA模型參數(shù)估計(jì)的超定遞推輔助變量法                  
 10. 8. 2  隨機(jī)梯度法                  
 10. 9  非高斯噪聲中非高斯信號(hào)的檢測                  
 10. 9. 1  假設(shè)與符號(hào)                  
 10. 9. 2  Hinich-Wilson檢測準(zhǔn)則                  
 10. 9. 3  檢測試驗(yàn)的功效                  
 10. 10  其它應(yīng)用                  
 10. 10. 1  陣列處理                  
 10. 10. 2  分類                  
 10. 10. 3  時(shí)延估計(jì)                  
 10. 10. 4  盲反卷積與盲均衡                  
 10. 10. 5  干擾對(duì)消                  
 習(xí)題                  
 第十一章  信號(hào)的時(shí)頻分析                  
 11. 1  基本概念                  
 11. 2  短時(shí)傅里葉變換                  
 11. 3  Gabor展開                  
 11. 3. 1  連續(xù)Gabor展開                  
 11. 3. 2  離散Gabor展開                  
 11. 4  能量化和相關(guān)化的時(shí)頻表示                  
 11. 5  時(shí)頻分布                  
 11. 5. 1  連續(xù)時(shí)間時(shí)頻分布                  
 11. 5. 2  離散時(shí)間時(shí)頻分布                  
 11. 6  Wigner-Ville分布                  
 11. 6. 1  定義與性質(zhì)                  
 11. 6. 2  瞬時(shí)頻率和平均頻率                  
 11. 6. 3  離散Wigner-Ville分布的實(shí)現(xiàn)                  
 11. 7  移不變時(shí)頻表示與仿射時(shí)頻表示                  
 11. 7. 1  移不變時(shí)頻表示及其分類                  
 11. 7. 2  仿射時(shí)頻表示與移位-尺度不變時(shí)頻表示                  
 11. 8  Wigner-Ville分布的應(yīng)用                  
 11. 8. 1  離散瞬時(shí)頻率估計(jì)                  
 11. 8. 2  隨機(jī)信號(hào)分析                  
 11. 8. 3  信號(hào)綜合與時(shí)變?yōu)V波                  
 11. 9  基于時(shí)頻分析的信號(hào)檢測                  
 第十二章  小波分析                  
 12. 1  STFT和小波變換的比較                  
 12. 2  連續(xù)小波變換                  
 12. 2. 1  連續(xù)STFT                  
 12. 2. 2  連續(xù)小波變換                  
 12. 3  離散變換(框架理論)                  
 12. 3. 1  框架                  
 12. 3, 2  框架與短時(shí)傅里葉變換                  
 12. 3. 3  小波框架                  
 12. 4  正交基                  
 12. 4. 1  正交基和短時(shí)傅里葉變換                  
 12. 4. 2  正交小波基                  
 12. 5  多分辨率分析                  
 12. 5. 1  一維信號(hào)的多分辨串逼近                  
 12. 5. 2  Mallat算法                  
 12. 5. 3  二維多分辨率分析與Mallat算法                  
 12. 6  小波與FIR濾波器組                  
 12. 6. 1  FIR濾波器組與緊支集小波                  
 12. 6. 2  由濾波器組構(gòu)造的正交小波基                  
 12. 6. 3  一般的FIR完全重構(gòu)濾波器組和雙正交小波                  
 12. 6. 4  濾波器設(shè)計(jì)                  
 12. 7  小波與IIR濾波器組                  
 12. 7. 1  正交IIR濾波器組                  
 12. 7. 2  具有矩性質(zhì)的小波                  
 12. 7. 3  線性相位正交IIR解                  
 12. 8  時(shí)域?yàn)V波器組分析                  
 12. 8. 1  時(shí)域分析                  
 12. 8. 2  時(shí)域條件的解釋                  
 12. 8. 3  設(shè)計(jì)方法                  
 12. 8. 4  設(shè)計(jì)例子                  
 12. 9  小波在信號(hào)處理中的應(yīng)用                  
 參考文獻(xiàn)                  
 附錄                  
 附錄A  Schwartz不等式                  
 附錄B  Chebyshev不等式                  
 附錄C  具有對(duì)稱性的濾波器                  
 附錄D  全通濾波器                  
 索引