第一章 參數估計理論
1. 1 估計子的性能
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
1. 3 最大似然估計
1. 4 線性均方估計
1. 5 最小二乘法
1. 5. 1 最小二乘估計
1. 5. 2 加權最小二乘估計
1. 6 區(qū)間估計
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
習題
第二章 信號檢測
2. 1 假設檢驗
2. 2 似然比檢驗
2. 2. 1 最大后驗概率準則
2. 2. 2 最小風險Bayes判決準則
2. 2. 3 最小錯誤概率準則
2. 2. 4 極小極大準則
2. 2, 5 Neyman-Pearson準則
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
2. 5. 3 有脈沖情況下的確定性信號
2. 5. 4 有脈沖情況下的隨機信號
習題
第三章 波形估計
3. 1 均方估計
3. 2 波形估計的分類
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 濾波器設計
習題
第四章 現代譜分析
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譜估計與建模
4. 3. 1 理論基礎
4. 3. 2 ARMA譜分析方法
4. 3. 3 AR階數確定和AR參數估計
4. 3. 4 MA階數確定
4. 3. 5 MA譜參數與MA參數估計
4. 3. 6 AR有色噪聲情況下的ARMA譜估計
4. 3. 7 ARMA過程自相關序列的計算
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
4. 6 Pisarenko諧波分解法
4. 7 擴充的Prony方法
4. 8 MUSIC法
4. 9 諧波恢復的最大似然法
4. 10 諧波恢復的線性預測法
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實現
習題
第五章 自適應濾波
5. 1 RLS自適應濾波器
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自適應格型濾波器
5. 4 LS自適應格型濾波器
5. 4. 1 線性向量空間
5. 4. 2 最小二乘更新關系
5. 4. 3 前. 后向預測誤差濾波器
5. 5 快速橫向濾波器
5. 5. 1 向量空間關系
5. 5. 2 橫向濾波器算子更新
5. 5. 3 快速橫向濾波器時間更新
5. 5. 4 快速橫向濾波器的基本算法
5. 5. 5 增益歸一化快速橫向濾波器
5. 6 自適應IIR濾波
5. 6. 1 自適應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 自適應譜線增強器
5. 7. 1 時域FIR自適應譜線增強器
5. 7. 2 基于IIR格型陷波器的自適應譜線增強器
習題
第六章 魯棒參數估計與譜分析
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
6. 3 廣義M估計
6. 3. 1 AR模型的廣義M估計
6. 3. 2 ARMA模型的廣義M估計
6. 4 RA估計與TRA估計
6. 4. 1 基于殘差自協方差的魯棒估計(RA估計)
6. 4. 2 基于截尾殘差自協方差的估計(TRA估計)
6. 5 遞推廣義M估計
6. 5. 1 完全觀測ARMA過程的三階段估計法
6. 5. 2 ARMA過程的預先估計
6. 5. 3 遞推的廣義M估計
6. 6 魯棒非參數化譜估計
6. 6. 1 基本的魯棒化
6. 6. 2 濾波型和平滑型數據凈化器
6. 6. 3 譜估計的魯棒-穩(wěn)固性分析
6. 7 高分辨頻率估計的魯棒方法
6. 7. 1 魯棒估計
6. 7. 2 魯棒估計的分析
6. 7. 3 高分辨率分析
第七章 統計性能分析
7. 1 隨機變量序列的收斂性
7. 1. 1 收斂性的定義
7. 1. 2 收斂性的相互關系
7. 2 收斂性的進一步分析
7. 2. 1 兩個隨機變量間的收斂關系
7. 2. 2 變換序列的收斂性
7. 2. 3 漸近正態(tài)性
7. 3 統計推斷方法的漸近性
7. 4 樣本均值的統計性能
7. 5 樣本自相關的統計性能
7. 6 白噪聲中的AR譜估計的統計性能
7. 6. 1 AR譜估計公式概述
7. 6, 2 參數估計值的漸近性能
7. 6. 3 譜密度估計值的漸近性能
7. 7 幾乎肯定收斂速率
7. 7. 1 重對數律
7. 7. 2 樣本自相關估計值的幾乎肯定收斂速率
7. 7. 3 AR譜估計值的幾乎肯定收斂速率
習題
第八章 二維信號處理
8. 1 二維系統的穩(wěn)定性
8. 1. 1 線性移不變二維系統
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 二維線性預測與AR譜估計
8. 3. 1 二維線性預測模型
8. 3. 2 二維AR譜估計
8. 4 二維最大熵譜估計的迭代算法
8. 4. 1 自相關匹配
8. 4. 2 Lim-Malik迭代算法
8. 5 二維最大熵譜估計的混合方法
8. 5. 1 混合方法的基本思想
8. 5. 2 最大熵算法
8. 5. 3 混合算法語估計值的性能分析
8. 6 二維ARMA譜估計與建模
8. 6. 1 AR參數估計方法
8. 6. 2 二維ARMA譜估計方法
8. 6. 3 二維MA參數估計
8. 7 二維諧波恢復
8. 7. 1 二維諧波恢復的理論基礎
8. 7. 2 時域分析法
8. 7. 3 直接數據法
8. 8 二維自適應LMS算法
8. 8. 1 二維維納濾波器
8. 8. 2 自適應權與調節(jié)算法
8. 8. 3 二維LMS算法和一維LMS算法之間的關系
習題
第九章 多元時間序列分析
9. 1 多元時間序列的二階性質
9. 2 均值和協方差函數的估計
9. 3 多元ARMA過程
9. 3. 1 因果性和可逆性
9. 3. 2 多元模型的可辨識性
9. 3. 3 因果ARMA過程的協方差矩陣函數
9, 4 最佳線性預測
9. 5 多元AR過程的建模
9. 5. 1 矩陣算法
9. 5. 2 標量算法
9. 6 多元ARMA過程的建模
9. 6. 1 矩陣算法
9. 6. 2 標量算法
9. 7 自適應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 算法實現
9. 8 互譜
習題
第十章 非高斯信號處理
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
10. 2 非參數化雙譜估計
10. 3 基于累積量的FIR系統辨識
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 實驗結果
10. 4 非最小相位ARMA系統辨識
10. 4. 1 AR參數的可識別性
10. 4. 2 MA參數的估計
10. 4. 3 參數化多譜估計
10. 5 基于累積量的階數確定
10. 5. 1 AR階數確定
10. 5. 2 MA階數確定
10. 5. 3 定階方法的其它應用
10. 6 非因果系統的辨識
10. 6. 1 反因果AR建模
10. 6. 2 線性辨識方法
10. 6. 3 非線性辨識方法
10. 7 有色噪聲中的諧波恢復
10. 7. 1 復值過程的累積量
10. 7. 2 諧波過程的累積量
10. 7. 3 高斯ARMA噪聲中諧波恢復的幾種方法
10. 7. 4 非高斯ARMA噪聲中諧波恢復的兩種方法
10. 8 基于累積量的參數自適應估計
10. 8, 1 MA模型參數估計的超定遞推輔助變量法
10. 8. 2 隨機梯度法
10. 9 非高斯噪聲中非高斯信號的檢測
10. 9. 1 假設與符號
10. 9. 2 Hinich-Wilson檢測準則
10. 9. 3 檢測試驗的功效
10. 10 其它應用
10. 10. 1 陣列處理
10. 10. 2 分類
10. 10. 3 時延估計
10. 10. 4 盲反卷積與盲均衡
10. 10. 5 干擾對消
習題
第十一章 信號的時頻分析
11. 1 基本概念
11. 2 短時傅里葉變換
11. 3 Gabor展開
11. 3. 1 連續(xù)Gabor展開
11. 3. 2 離散Gabor展開
11. 4 能量化和相關化的時頻表示
11. 5 時頻分布
11. 5. 1 連續(xù)時間時頻分布
11. 5. 2 離散時間時頻分布
11. 6 Wigner-Ville分布
11. 6. 1 定義與性質
11. 6. 2 瞬時頻率和平均頻率
11. 6. 3 離散Wigner-Ville分布的實現
11. 7 移不變時頻表示與仿射時頻表示
11. 7. 1 移不變時頻表示及其分類
11. 7. 2 仿射時頻表示與移位-尺度不變時頻表示
11. 8 Wigner-Ville分布的應用
11. 8. 1 離散瞬時頻率估計
11. 8. 2 隨機信號分析
11. 8. 3 信號綜合與時變?yōu)V波
11. 9 基于時頻分析的信號檢測
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 由濾波器組構造的正交小波基
12. 6. 3 一般的FIR完全重構濾波器組和雙正交小波
12. 6. 4 濾波器設計
12. 7 小波與IIR濾波器組
12. 7. 1 正交IIR濾波器組
12. 7. 2 具有矩性質的小波
12. 7. 3 線性相位正交IIR解
12. 8 時域濾波器組分析
12. 8. 1 時域分析
12. 8. 2 時域條件的解釋
12. 8. 3 設計方法
12. 8. 4 設計例子
12. 9 小波在信號處理中的應用
參考文獻
附錄
附錄A Schwartz不等式
附錄B Chebyshev不等式
附錄C 具有對稱性的濾波器
附錄D 全通濾波器
索引
鄂公網安備 42010302001612號 