隨機信號處理

第一章 離散隨機信號 
1.1 引言
1.2 離散時間隨機信號的時域（統(tǒng)計）表示
1.2.1 離散時間隨機過程的概率分布
1.2.2 離散時間隨機過程的數(shù)字特征
1.2.3 離散時間平穩(wěn)過程相關(guān)序列與協(xié)方差序列的性質(zhì)
1.2.4 平穩(wěn)序列的時間平均與遍歷性
1.3 離散時間隨機信號的z域及頻域（統(tǒng)計）表示
1.3.1 γxx(m)與φxx(m)的Z變換及其收斂域
1.3.2 平穩(wěn)序列的譜分析
1.3.3 功率譜密度
1.3.4 譜密度的物理意義
1.4 線性系統(tǒng)對隨機信號的響應(yīng)
1.4.1 線性時不變系統(tǒng)對隨機輸入的響應(yīng)
1.4.2 系統(tǒng)輸入、輸出的互相關(guān)函數(shù)與互譜密度
第二章 維納（Wiener）濾波 
2.1 引言
2.2 維納濾波器的時域解
2.3 維納濾波器的z域解
2.3.1 非因果維納濾波器
2.3.2 因果維納濾波器
2.4 維納預(yù)測器
2.4.1 預(yù)測的可能性
2.4.2 預(yù)測器計算公式
2.4.3 N步純預(yù)測器
2.4.4 一步線性預(yù)測的時域計算公式
第三章 卡爾曼（Kalman）濾波 
3.1 引言
3.2 卡爾曼波濾器的信號模型——離散狀態(tài)方程與量測方程
3.3 卡爾曼濾波的算法
3.4 卡爾曼濾波與維納濾波的關(guān)系
第四章 自適應(yīng)濾波 
4.1 引言
4.2 自適應(yīng)濾波器的基本概念
4.3 LMS自適應(yīng)濾波器
4.3.1 最陡下降法原理
4.3.2 LMS算法的收斂性質(zhì)
4.4 LMS格型自適應(yīng)濾波器
4.5 RLS自適應(yīng)濾波器
4.6 自適應(yīng)濾波的應(yīng)用
4.6.1 自適應(yīng)噪聲抵消器
4.6.2 自適應(yīng)噪聲抵消器作為陷波器的例子
4.6.3 天線陣列自適應(yīng)旁瓣相消
4.6.4 自適應(yīng)仿模(AdaptiveModeling)系統(tǒng)
4.6.5 自適應(yīng)逆濾波(逆仿模)系統(tǒng)
4.6.6 參考輸入是延時k步的原始輸入的自適應(yīng)抵消器
第五章 功率譜估計 
5.1 引言
5.2 經(jīng)典譜估計方法
5.2.1 相關(guān)圖法
5.2.2 周期圖法
5.3 譜估計的參數(shù)化模型方法
5.4 自回歸（AR）模型方法
5.4.1 AR模型的YuleWalker方法
5.4.2 AR譜估計與線性預(yù)測譜估計等效
5.4.3 最大熵譜估計及其與AR譜估計的等效性
5.4.4 LevinsonDurbin遞推算法
5.4.5 AR模型階數(shù)選擇原則
5.4.6 Burg遞推算法
5.5 白噪聲中正弦波頻率的估計及譜估計的其它方法
5.5.1 最大似然法
5.5.2 Capon譜估計方法
5.5.3 特征分解頻率估計
第六章 時頻表示與時頻分布 
6.1 引言
6.2 幾個基本概念
6.2.1 解析信號與基帶信號
6.2.2 瞬時頻率和群延遲
6.2.3 不確定性原理
6.3 短時傅里葉變換
6.3.1 連續(xù)短時傅里葉變換
6.3.2 短時傅里葉變換的基本性質(zhì)
6.3.3 離散短時傅里葉變換
6.4 時頻分布的基本理論
6.4.1 信號的雙線性變換和局部相關(guān)函數(shù)
6.4.2 時頻分布的基本特性要求
6.4.3 時頻分布的二次疊加原理
6.5 模糊函數(shù)
6.6 Cohen類時頻分布
6.6.1 定義
6.6.2 時頻分布基本性質(zhì)與核函數(shù)的關(guān)系
6.6.3 Cohen類的四種分布及其相互關(guān)系
6.7 WignerVille分布
6.7.1 數(shù)學(xué)性質(zhì)
6.7.2 基于WignerVille分布的信號重構(gòu)
6.8 時頻分布的性能評價及相應(yīng)改進
6.8.1 時頻集聚性
6.8.2 交叉項分析
6.8.3 交叉項抑制
參考文獻