通信網(wǎng)絡(luò)精品圖書：譜估計與自適應(yīng)信號處理教程

定　價：￥39.00

作　者：	趙曉暉著
出版社：	電子工業(yè)出版社
叢編項：
標(biāo)　簽：	電子與通信通信

購買這本書可以去

ISBN：	9787121215346	出版時間：	2013-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	220	字?jǐn)?shù)：

內(nèi)容簡介

　　《通信網(wǎng)絡(luò)精品圖書：譜估計與自適應(yīng)信號處理教程》較全面和系統(tǒng)地介紹和論述了信號處理理論中兩類重要的隨機(jī)信號處理基本方法的原理，即功率譜估計和自適應(yīng)信號處理理論，它們都是統(tǒng)計信號處理的重要組成部分。其中功率譜估計是目前為止一種對隨機(jī)信號進(jìn)行深入分析和信號特征提取的有效且常用的方法，自適應(yīng)濾波理論是隨機(jī)信號中噪聲消除的重要手段之一，它們都是后續(xù)有關(guān)空時信號處理的基礎(chǔ)。同時，這兩種理論之間還有著深刻的聯(lián)系，它們都已經(jīng)成功地應(yīng)用于通信、雷達(dá)、聲吶、自動控制、地震、電子工程和生物醫(yī)學(xué)工程中，其應(yīng)用領(lǐng)域還在不斷拓展，理論還在不斷發(fā)展和完善。《通信網(wǎng)絡(luò)精品圖書：譜估計與自適應(yīng)信號處理教程》主要內(nèi)容包括信號處理中的矩陣代數(shù)理論，概率、統(tǒng)計與參數(shù)估計理論基礎(chǔ)，功率譜估計的經(jīng)典方法，功率譜估計的參數(shù)模型方法，線譜估計方法，維納濾波器，自適應(yīng)濾波器。

作者簡介

暫缺《通信網(wǎng)絡(luò)精品圖書：譜估計與自適應(yīng)信號處理教程》作者簡介

圖書目錄

第1章　信號處理中的矩陣代數(shù)理論
1.1 矩陣
1.1.1 特殊結(jié)構(gòu)矩陣
1.1.2 三角矩陣
1.1.3 正交矩陣與酉矩陣
1.1.4 特殊矩陣的逆
1.1.5 矩陣的分解
1.2 向量、矩陣的內(nèi)積和范數(shù)
1.2.1 向量的內(nèi)積與范數(shù)
1.2.2 矩陣的范數(shù)與內(nèi)積
1.3 向量子空間和Gram-Schmidt正交化
1.3.1 向量子空間
1.3.2 向量子空間的基和Gram-Schmidt正交化
1.4 線性方程組的解
習(xí)題
第2章　概率、統(tǒng)計與參數(shù)估計理論基礎(chǔ)
2.1 離散隨機(jī)向量
2.1.1 離散隨機(jī)向量的數(shù)學(xué)描述
2.1.2 隨機(jī)向量的統(tǒng)計描述
2.2 確定性參數(shù)估計理論基礎(chǔ)
2.2.1 確定性參數(shù)估計的性能
2.2.2 極大似然估計
習(xí)題
第3章　功率譜估計的經(jīng)典方法
3.1 經(jīng)典功率譜估計的基本原理
3.1.1 離散平穩(wěn)隨機(jī)過程的功率譜估計
3.1.2 自相關(guān)序列和功率譜的性質(zhì)
3.2 自相關(guān)序列的估計
3.2.1 自相關(guān)序列的無偏估計
3.2.2 自相關(guān)函數(shù)的有偏估計
3.3 周期圖法
3.3.1 周期圖作為功率譜估計
3.3.2 周期圖法的估計性能分析
3.4 改進(jìn)周期圖
3.4.1 平均周期圖法（Bartlett法）
3.4.2 平均修正周期圖法（Welch法）
3.4.3 平滑周期圖法（Blackman-Tukey法）
習(xí)題
第4章　功率譜估計的參數(shù)模型方法
4.1 離散平穩(wěn)隨機(jī)過程的功率譜和參數(shù)模型
4.1.1 離散平穩(wěn)隨機(jī)過程通過線性移不變離散系統(tǒng)的功率譜
4.1.2 離散平穩(wěn)隨機(jī)過程的參數(shù)模型
4.2 AR參數(shù)模型的功率譜估計
4.2.1 AR參數(shù)模型的正則方程
4.2.2 AR模型參數(shù)的Levinson-Durbin迭代計算
4.3 AR過程的線性預(yù)測
4.3.1 前、后向一步線性預(yù)測原理
4.3.2 線性預(yù)測與AR模型互為逆系統(tǒng)
4.3.3 前、后向一步線性預(yù)測的格型濾波器
4.4 基于線性預(yù)測的AR過程譜估計方法
4.4.1 自相關(guān)法
4.4.2 協(xié)方差法
4.4.3 修正協(xié)方差法
4.4.4 Burg算法
4.4.5 最小二乘算法
4.5 AR譜估計方法與最大熵譜估計方法的等價性
4.5.1 最大熵譜分析原理
4.5.2 最大熵譜分析
4.6 AR過程的極大似然譜估計方法
4.6.1 極大似然譜估計
4.6.2 極大似然譜估計的統(tǒng)計特性
4.7 AR參數(shù)模型功率譜估計的特性
4.8 MA參數(shù)模型和ARMA參數(shù)模型的功率譜估計
4.8.1 MA參數(shù)模型的正則方程
4.8.2 ARMA參數(shù)模型的正則方程
習(xí)題
第5章　線譜估計方法
5.1 MVSE線譜估計方法
5.1.1 MVSE線譜估計原理
5.1.2 MVSE線譜估計和AR模型功率譜估計間的關(guān)系
5.2 APES算法
5.3 基于相關(guān)矩陣特征分解的線譜估計方法
5.3.1 信號子空間和噪聲子空間
5.3.2 MUSIC算法
5.3.3 Root-MUSIC算法
5.3.4 Pisarenko算法
5.3.5 ESPRIT算法
5.4 最小二乘線譜估計方法
5.4.1 非線性最小二乘線譜估計方法
5.4.2 高階Yule-Walker線譜估計方法（HOYW）
5.5 Prony復(fù)極點模型法（Prony擴(kuò)展法）
習(xí)題
第6章　維納濾波器
6.1 維納濾波器
6.1.1 橫向濾波器結(jié)構(gòu)和維納濾波器
6.1.2 維納濾波器的遞推求解方法——最速下降法
6.2 多級維納濾波器
6.2.1 輸入向量滿秩變換后維納濾波器的不變性
6.2.2 維納濾波器降階分解和多級表示
6.3 多輸入多輸出（MIMO）維納濾波器
6.3.1 濾波器輸出是輸入的線性組合型
6.3.2 濾波器輸出是輸入的線性卷積型
習(xí)題
第7章　自適應(yīng)濾波器
7.1 最小均方自適應(yīng)濾波器
7.1.1 最小均方（LMS）算法和它的性能分析
7.1.2 歸一化LMS算法
7.1.3 仿射投影LMS算法
7.1.4 塊輸入LMS算法
7.2 最小二乘自適應(yīng)濾波器
7.2.1 橫向濾波器參數(shù)的最小二乘解
7.2.2 遞推最小二乘（RLS）算法及其性能分析
7.3 基于QR分解的RLS濾波器（QR-RLS）
7.4 格型自適應(yīng)濾波器
7.4.1 梯度自適應(yīng)格型濾波器
7.4.2 遞推最小二乘自適應(yīng)格型濾波器
7.4.3 修正遞推最小二乘自適應(yīng)格型濾波器
7.5 卡爾曼濾波器
7.5.1 卡爾曼濾波問題
7.5.2 新息過程和卡爾曼濾波
7.6 卡爾曼濾波器與RLS濾波器的關(guān)系
習(xí)題
參考文獻(xiàn)