隨機(jī)信號(hào)處理原理與實(shí)踐（第二版）

目錄
第1章 離散時(shí)間信號(hào)處理基礎(chǔ) 1
1.1 離散時(shí)間信號(hào) 1
1.1.1 常用離散時(shí)間信號(hào) 1
1.1.2 序列的基本運(yùn)算 2
1.2 離散時(shí)間系統(tǒng) 3
1.2.1 離散時(shí)間系統(tǒng)的分類 4
1.2.2 離散 LTI系統(tǒng)的響應(yīng) 5
1.3 傅里葉變換 6
1.3.1 離散時(shí)間傅里葉變換 7
1.3.2 離散傅里葉變換 9
1.3.3 快速傅里葉變換 10
1.4 z變換 12
1.4.1 z變換的定義及收斂域 12
1.4.2 逆z變換 14
1.5 數(shù)字濾波器 14
1.5.1 系統(tǒng)函數(shù) 15
1.5.2 頻率響應(yīng) 16
1.5.3 格型濾波器 17
1.6 離散時(shí)間系統(tǒng)的狀態(tài)變量分析 21
1.6.1 狀態(tài)變量與狀態(tài)方程 22
1.6.2 狀態(tài)方程的建立 24
本章小結(jié) 26
習(xí)題 26
第2章 隨機(jī)信號(hào)分析基礎(chǔ) 28
2.1 隨機(jī)變量 29
2.1.1 概率分布函數(shù)與密度函數(shù) 29
2.1.2 隨機(jī)變量的統(tǒng)計(jì)特征 30
2.1.3 隨機(jī)矢量 31
2.2 隨機(jī)過程 34
2.2.1 隨機(jī)過程的基本統(tǒng)計(jì)量 35
2.2.2 獨(dú)立、不相關(guān)與正交 37
2.3 幾種典型的隨機(jī)過程 38
2.3.1 復(fù)正弦加噪聲 38
2.3.2 實(shí)高斯過程 38
2.3.3 諧波過程 39
2.3.4 高斯-馬爾可夫過程 40
2.4 隨機(jī)信號(hào)通過線性系統(tǒng) 40
2.4.1 時(shí)域分析 40
2.4.2 頻域分析 41
2.5 譜分解定理 43
2.6 參數(shù)估計(jì)理論 45
2.6.1 估計(jì)量的性質(zhì) 45
2.6.2 均值的估計(jì) 46
2.6.3 方差的估計(jì) 47
本章小結(jié) 47
習(xí)題 48
第3章 隨機(jī)信號(hào)的線性模型 50
3.1 AR過程 50
3.1.1 AR(1)模型 50
3.1.2 AR(2)模型 52
3.1.3 AR(p)模型 55
3.2 MA過程 56
3.3 ARMA過程 57
3.4 三種模型間的關(guān)系 60
本章小結(jié) 61
習(xí)題 62
第4章 非參數(shù)譜估計(jì) 64
4.1 平穩(wěn)隨機(jī)信號(hào)的自相關(guān)估計(jì) 64
4.2 相關(guān)圖法 68
4.3 周期圖法 70
4.4 周期圖法的改進(jìn) 72
4.4.1 平滑單一周期圖 72
4.4.2 多個(gè)周期圖求平均 73
4.5 應(yīng)用舉例 77
4.5.1 語(yǔ)音頻譜分析 77
4.5.2 語(yǔ)譜圖 80
本章小結(jié) 82
習(xí)題 83
第5章 *優(yōu)線性濾波器 85
5.1 *優(yōu)信號(hào)估計(jì) 85
5.2 線性均方估計(jì) 86
5.2.1 誤差性能曲面 87
5.2.2 線性*小均方誤差估計(jì)器 90
5.2.3 正交原理 91
5.3 維納濾波器 92
5.3.1 Wiener-Hopf方程 93
5.3.2 FIR維納濾波器 94
5.4 *優(yōu)線性預(yù)測(cè) 98
5.4.1 前向線性預(yù)測(cè) 98
5.4.2 后向線性預(yù)測(cè) 100
5.4.3 Levinson-Durbin算法 103
5.4.4 格型預(yù)測(cè)誤差濾波器 105
5.5 卡爾曼濾波器 108
5.5.1 引言 108
5.5.2 卡爾曼濾波算法 109
5.5.3 卡爾曼濾波算法的推導(dǎo) 111
5.5.4 應(yīng)用舉例 113
5.5.5 卡爾曼濾波器與維納濾波器之間的關(guān)系 122
本章小結(jié) 123
習(xí)題 124
第6章 *小二乘濾波和預(yù)測(cè) 126
6.1 *小二乘原理 126
6.2 線性*小二乘估計(jì) 128
6.2.1 正則方程 130
6.2.2 正交原理 131
6.2.3 投影算子 132
6.3 *小二乘 FIR濾波器 133
6.4 *小二乘線性預(yù)測(cè) 139
本章小結(jié) 144
習(xí)題 144
第7章 參數(shù)譜估計(jì) 146
7.1 信號(hào)建模 146
7.2 AR模型譜估計(jì) 147
7.2.1 *大熵譜估計(jì) 148
7.2.2 自相關(guān)法 149
7.2.3 協(xié)方差法 151
7.2.4 改進(jìn)的協(xié)方差法 152
7.2.5 Burg算法 153
7.2.6 AR模型階的確定 157
7.3 MA模型譜估計(jì) 158
7.4 ARMA模型譜估計(jì) 159
7.5 應(yīng)用舉例 161
7.5.1 “預(yù)白化-后著色”譜估計(jì) 161
7.5.2 語(yǔ)音信號(hào)的線性預(yù)測(cè) 164
本章小結(jié) 168
習(xí)題 169
第8章 自適應(yīng)濾波器 171
8.1 自適應(yīng)濾波原理 171
8.2 *速下降法 173
8.3 LMS自適應(yīng)濾波器 177
8.3.1 基本的 LMS算法 178
8.3.2 LMS算法的收斂性分析 178
8.3.3 LMS算法的改進(jìn) 184
8.4 *小二乘自適應(yīng)濾波器 186
8.4.1 RLS算法 186
8.4.2 RLS算法的收斂性分析 190
8.5 應(yīng)用舉例 193
8.5.1 自適應(yīng)干擾對(duì)消 193
8.5.2 自適應(yīng)信道均衡器 199
8.5.3 自適應(yīng)系統(tǒng)辨識(shí) 204
本章小結(jié) 209
習(xí)題 210
參考文獻(xiàn) 212